AI 前线导读：人工智能显然已经成为 2017 年最为火热的话题之一，越来越多的企业开始关注并探索人工智能的相关实践。为了了解人工智能在世界范围内的落地情况，知名期刊《麻省理工大学斯隆管理评论》进行了系列分析和调查，并得出了一年一度的报告。本文旨在为读者呈现出全球企业在 AI 方面的发展计划和现状。当然，这份报告不是通过猜想和预测，而是建立在可靠的调查数据之上，麻省理工斯隆学院对全球各行业超过 3000 名高管和分析人员，以及 30 位行业专家和高管进行了深度访谈，并总结出了这份 AI 商业化报告。AI 前线翻译了报告的部分内容，希望对各位有所帮助！

《麻省理工大学斯隆管理评论》(MIT Sloan Management Review) 是由知名高校麻省理工大学斯隆管理学院出版发行，也是全球十大综合管理类期刊之一，世界顶级商学院专家进行研究的必备工具。

以下为报告部分内容：

概述：

企业的愿景和现实之间存在着巨大的鸿沟。报告显示，四分之三的管理者认为 AI 将会帮助公司进入新的商业领域，将近 85% 的受访者认为 AI 将会帮助公司获得或保持竞争优势。然而，目前仅有五分之一的企业已在产品或服务中采用 AI 相关技术。20 家企业中仅有一家已大规模采用 AI，而仅有不到 39% 的企业已将 AI 作为公司的发展战略。员工数超过 10 万人的大公司表示均有制定 AI 战略的计划，但实际上只有一半企业已经制定了 AI 发展战略。

我们的调查发现，那些已经理解和采用 AI 的公司——先锋企业，与落后的企业之间有着巨大的鸿沟。其中一个相当大的差异是数据获取的方式。AI 算法不是生来就是“智能”的，它们只有通过不断分析数据才会变得“聪明”。虽然大多数公司管理层对 AI 非常感兴趣，已经建立起强大的数据架构，但仍有很多公司缺乏数据分析的经验或数据获取的渠道。我们的报告揭示了人们对 AI 训练所必需的资源方面的一些误解。先锋企业不仅比落后企业在 AI 训练所需要的资源方面有更深的理解，而且更倾向于在领导决策和 AI 商业落地层面给予 AI 发展更多的支持。

关于该报告：

为了解 AI 相关的挑战和机遇，MIT 斯隆管理学院和波士顿咨询公司合作，联合完成了一年一度的调查报告，受访者来自全球逾 3000 名企业和组织的管理者、经理和分析专家。

该调查报告于 2017 年春季进行，获取了来自全球 112 个国家，21 各行业，各种规模的企业和组织管理人员对于 AI 的看法。其中，超过三分之二的受访者来自美国之外的国家和地区，样本来源多样，包括《MIT 斯隆管理学院评论》的读者和其他的团体。

此外，我们还采访了来自不同行业和学术界的管理人员作为补充，以了解如今企业面对的实际问题，他们的观点丰富了对数据的理解。

在此报告中，我们使用了牛津字典对”artificial intelligence“的定义：”AI 是指计算机系统能够完成通常需要人类智能才能完成的任务，例如视觉感知、语音识别、决策、语言翻译。“

然而，随着 AI 的发展，人们对 AI 的理解和定义在不断发正变化。

AI 在实际工作中

AI 对管理和组织实践会产生影响。现在已经有很多企业和组织使用不同的人工智能模型，但灵活性仍是所有模型的核心。在一些管理者看来，对于大公司，完成应用人工智能所需的文化变革将是一个艰巨的任务。

我们的受访者比那些可能会因 AI 而失业的人对 AI 更为乐观，他们中的大多数管理者并不认为人工智能会在未来五年内导致他们的公司大规模裁员。 相反，他们希望人工智能将代替人类完成一些无聊和让人不愉快的任务。

Airbus（空中客车公司）是欧洲一家民航飞机制造公司，总部设于法国布拉尼亚克。随着 Airbus 开始增加 A350 飞机（新产品）的产量时，该公司面临着资金方面的挑战。用 Matthew Evans（一家位于法国图卢兹的数字化转型公司的副总裁）的话来说：“我们的计划是以前所未有的速度提高飞机的生产率。要做到这一点，我们需要解决快速响应生产中断等常见故障问题。“

为此，Airbus 将目光转向了人工智能，以将过去的生产计划数据与 A350 程序的持续输入、模糊匹配，以及自主学习算法结合起来，识别生产问题的模型。在某些领域，该系统几乎可以实时地匹配之前采用的 70% 的生产中断解决方案。Evans 描述了 AI 是如何让整个 Airbus 生产线快速学习，并应对业务上的挑战：

“系统所做的事情实质上是查看问题描述，并理解所有的上下文信息，然后将其与问题本身的描述进行匹配，进而为用户提出建议。虽然对系统来说这可能是新的问题，但其实可能在一周前的生产线，或在生产线不同的班次或部分遇到过类似的问题。这使得我们能够将处理生产中断所需的时间缩短三分之一以上。”Evans 表示。

采用人工智能让 Airbus 能够更快速、更有效地解决业务问题（例如代替人力，对数百甚至数千个案例进行原因分析）。

正如 AI 提高了 Airbus 公司的业务处理速度和效率一样，其他应用了 AI 的组织也开拓出更新、更好的处理程序，如 BP、Infosys、Wells、法戈和平安保险等大公司已经在使用 AI 解决重要业务问题。然而，仍有其他的组织尚未开始采用 AI。

各行业对 AI 的高期望

各个行业、各种规模和不同地域的公司对 AI 均抱有很高的期望。虽然目前大多数高管还没有看到人工智能的实质性影响，但他们显然期望在未来五年可以看到。在所有的组织中，只有 14％的受访者认为人工智能目前在其组织产品中有很大（非常大或巨大）的影响。但是，63％受访者表示希望在未来五年内可以看到效果。

人工智能将对公司产品产生影响，各个行业整体上期待值一直很高。（见图 1）在技术、媒体和电信行业中，有 72％的受访者预计，未来五年人工智能会产生较大的影响，比报告中目前认为 AI 会对企业产生较大影响的受访者数量高出 52%。然而，即使公共部门（对人工智能效应总体预期最低的行业）也有 41％的受访者预计，五年内人工智能产生的巨大影响将比目前的水平提高 30%。不同规模和地区的组织均对 AI 持看涨的态度。

在组织内部，受访者对人工智能将对流程产生巨大影响也抱有同样的高度期望。15％的受访者表示人工智能对当前流程有很大的影响，超过 59％的受访者预计在五年内会出现较大的影响。 （见图 2）大多数组织预计 AI 将对信息技术、运营和制造、供应链管理，以及面向客户的活动产生巨大的影响。（图 3）例如：

信息技术业：业务流程外包提供商是一个可以证明人工智能潜力的例子。Infosys 公司 CEO 兼董事总经理 Vishal Sikka 1 表示：“Infosys 在 IT 服务业举足轻重，这个行业在过去的 20 年左右发展迅猛。”许多被转移到低劳动力成本国家的工作是比较机械的工作：系统管理、IT 管理、商业运营、认证。随着 AI 技术的发展，我们的系统可以代替人类完成这些工作。虽然我们还处于完成工作的初始阶段，但是再过几年，系统将可以完成大部分，甚至全部此类工作。然而，AI 技术可以完成目前存在的、分工明确的任务，同样也可以创造不存在的、新的、具有突破性的工作。“

运营和制造业：工业企业的高管预计，AI 将会对运营和制造业产生的影响将最大。例如，BP plc 通过人工智能提高人的技能，以改善现场操作能力。Upstream Technology 全球负责人 Ahmed Hashmi 表示：“我们设有一个 BP 钻井顾问的 AI“岗位”，它从钻井系统中提取数据，为工程师提供调整钻井最佳区域参数的建议，并提醒他们潜在的操作异常和风险。我们尝试自动分析失败的原因，并训练系统进行快速评估，并根据描述进行预测。

面向客户的业务：市值 1200 亿美元的中国第二大保险公司——中国平安保险股份有限公司（中国第二大保险公司），正在通过人工智能改善其保险和金融服务组合，为客户提供更好的服务。例如，平安现在可以在三分钟内提供在线贷款，这部分归功于一个内部开发的基于人脸识别功能的客户评分工具，它比人类的精准度更高。这个工具已经验证了 3 亿多人的面孔并用于各种用途，对平安的认知 AI 功能，包括语音和图像识别进行了补充。

采用 AI 带来的机会和风险

虽然高管对人工智能的期望值高涨，但同时也认识到其潜在风险。Sikka 对 AI 持乐观但又谨慎的态度：“从 1956 年起，纵观 AI 的历史，我们会发现 AI 的发展经历过高峰，也经历过低谷，现在我们正处于一个 AI 发展火爆的时代，一切都似乎预示着 AI 处于快速发展的时期。“超过 80％的受访高管正瞄准这个高峰，把人工智能看作一个战略性的机遇。（见图 4）事实上，50％的受访者只看到人工智能是一个机遇。而另一些人则看到了 AI 竞争加剧的潜力，以及将会带来的风险和收益。另外，有 40％的管理者将人工智能视为战略性风险。而仅有 13％受访者认为人工智能既不是机会，也不也是风险。

人们对 AI 商业化的高期望值和兴趣背后意味着什么呢？我们没有一个简单的解释。（见图 5）大多数受访者认为，人工智能将使组织受益，例如带来新业务或降低成本 ; 84％的人认为，Al 将让他们的组织获得或维持竞争优势。四分之三的管理者认为，人工智能将带领他们进入新的业务领域。

同时，高管们意识到，他们的组织不可能是 AI 的唯一受益者。受访者预计，新入局和已经进入的组织都同样有获益的可能性。四分之三的受访者预计，新的竞争者将通过 AI 进入市场，而 69％的受访者预计，目前的竞争对手将会在他们的业务中采用人工智能。此外，他们意识到，他们的商业生态系统中供应商和客户将越来越期望他们能够使用 AI 提供服务。

AI 采用和理解上的差异

尽管人们对 AI 抱有很高的期望，但商业化应用开发还处于初级阶段，即期望与行动之间存在着巨大的鸿沟。尽管五分之四的高管认同人工智能是他们的一次战略性机遇，但只有五分之一的组织已经在某些产品和流程中采用人工智能。仅有二十分之一的企业在其产品或流程中广泛地引入了人工智能。

组织采用 AI 情况的差异性是很惊人的，特别是在同一行业。例如，旗下有 110 名数据科学家的中国平安已经推出了约 30 个 CEO 发起的人工智能计划，部分原因是为了响应“技术是推动公司 2018 年快速增长关键动力的口号，“平安首席创新官 Jonathan Larsen 说道。然而，与保险行业的其他领域形成鲜明对比，其他大公司的人工智能计划仅限于”聊天机器人产品的试验。“这家大型保险公司的高管如此描述其公司的 AI 项目。

另外，报告显示，企业对于 AI 的理解也是大相径庭。例如，16% 的受访者一致认为公司理解开发 AI 相关产品和服务产生的成本。然而，17% 的受访者表示其所在组织并不理解相关成本的产生。相似地，19% 的受访者认为所在企业理解训练 AI 所需的数据投入，16% 则不同意这一观点。

根据对 AI 的理解和采用程度，企业的成熟度可以分为四种类型：先锋、研究者、实验者和消极者。

先锋（19％）：了解并采用 AI 的组织。这些组织在将 AI 融入其组织产品和内部流程方面处于领先地位。

研究者（32％）：了解人工智能，但仅限于试验 AI 阶段的组织。这些组织对 AI 具有前瞻性的理解。

实验者（13％）：试点采用人工智能，但对其缺乏深入了解的组织。这些组织在实践中学习 AI。

消极者（36％）：没有采用或不了解 AI 的组织。

既然组织对 AI 的期望如此之高，那么是什么在阻碍企业采用 AI 呢？即使在一向具有整合新技术和管理数据理念的行业中，推广人工智能的障碍也很难克服。例如，在金融服务方面，瑞银集团（UBS）首席投资官西蒙·斯迈尔斯（Simon Smiles）就这样说道：“大型金融机构在业务中更积极地利用技术（包括人工智能）和数据，为终端用户提供更好的客户体验的潜力是巨大的。但问题在于，这些传统机构是否真的能够抓住机遇。“抓住人工智能带来的机遇需要组织的承诺，并跨越许多伴随着人工智能而来的不可避免的挑战。

然而，导致这些差异的原因较少涉及技术限制，而更多的是商业。总体而言，受访者将竞争投资重点和不清晰的商业案例列为部署 AI 的更大的障碍，排在技术障碍之前。Airbus 的 Evans 指出了关键性的区别所在：“严格来说，我们不投资人工智能、自然语言处理和图像分析。相反地，我们投资是因为要解决具体的业务问题。“Airbus 采用人工智能，是因为它能解决业务问题 ; 向人工智能投资比向其他方向投资更有意义。

瑞银集团的 Smiles 称，组织要面临的困难其实不一而同。对于大公司和金融科技创业公司，他说道：“它们之间存在着巨大的差异，前者的规模让他们足以开发比较大的平台，而后者虽然有更先进的模式，但是缺乏客户和相关数据来充分利用这个机会。“这样的差异导致不同组织人工智能采用率上的差异。

采用 AI 的障碍

这些组织分为不同的类型表明他们采用 AI 所面临的障碍不同，进而影响了 AI 的采用率。（见图 6）先锋组织已经克服了理解上问题：这些公司中有四分之三已经有了 AI 实践的商业案例。领导组织 AI 计划的高级管理人员面临的最大障碍，是如何挖掘 AI 人才，并获得优先投资，他们也更容易接受人工智能所带来的安全问题。相比之下，被动者型组织还没有认识到 AI 能为他们做什么，也并未确定符合他们投资标准的商业实践案例。缺乏 AI 计划上的领导，技术也是一个障碍，甚至许多人还未意识到他们在挖掘人工智能人才和专家上将面临的困难。

不同类型的组织在对 AI 的理解上业存在着巨大差异。

商业潜力：人工智能可能会改变组织创造商业价值的方式。报告显示，先锋（91％）和研究者（90％）比实验者（32％）和消极者（23％）组织更能意识到 AI 对商业的影响。Airbus 的 Evans 表示：“我们只是在尝试解决飞机产品的服务问题。“

工作场所的影响：现如今，在工作场所把人类和机器的能力结合起来是需首要解决的问题。人工智能在很大程度上改变了日常的工作环境。先锋和研究者组织能够更好地意识到，工作场所中的机器将改变组织内的行为。麻省理工学院航空学副教授 Julie Shah 说道：“即使你可以开发一个针对某项任务（目前由人类完成）的系统，但除非流程中完全不需要人类工作，否则就会有新的问题产生，因为人类在协调工作，以及协助 AI 系统之间进行交流必不可少。这样的交流问题仍然是我们亟待解决的难题。

详细内容请点击原文链接：https://mp.weixin.qq.com/s/li93WkF8ga-HJ30p6yYZLw