估計AI的潛在價值
據估計，報告探討過的所有AI技術加在一起，可能在19個行業的9種職能中，產生每年3.5-5.8萬億美元的價值。這在所有 (包括傳統和AI) 數據分析技術一年產生的價值中，約占40%。
報告中估計，在每個行業的2016年營業額中，AI的平均貢獻約在1-9%。但在19個行業之間，AI貢獻的營業額百分比差異較大，取決于具體應用案例、獲取大量復雜數據的能力，以及規章制度等其他限制。案例分析得到的結果是，AI能夠產生最大價值的領域，既有頂線導向 (top-line-oriented) 的功能，比如營銷和銷售，也有底線導向 (bottom-line-oriented) 的功能，如供應鏈管理和生產制造。
在零售和高科技等消費行業，AI可能在營銷和銷售中擁有更大的潛力，因為商家與用戶之間頻繁的、數字化的互動會為AI技術提供龐大的數據集。電子商務平臺將會尤其受益，點擊數據與頁面停留時間等用戶信息都可以輕松獲取，并用于生成實時動態的產品推送。
在零售領域，定價和促銷可以成為AI的天地。案例表示，使以用戶數據來定制個性化促銷活動，可以將實體零售商促銷的增量銷售額提升1-2%。
在消費品的供應鏈中，AI部署也能起到重要的作用。基于潛在因果驅動因素 (而非先前結果) 的預測，可以將預測準確度提升10-20%，從而帶來2-3%的營業額增長。
在銀行業，特別是零售業務中，AI依然可以在營銷和銷售中施展才能。另外，鑒于風險評估和管理的重要性，AI在這一方面的產生價值可能會更大。
挑戰在哪里
AI正在吸引越來越多的企業投資，但到目前為止，擁有AI技術的公司里，只有約20%將自己的技術應用于核心業務或者大規模使用。AI技術的應用還面臨著許多挑戰——
標注訓練數據：這在監督學習中必不可少。目前大多是手動標注，但新的技術正在涌現，比如強化學習和in-stream supervision，數據可以在自然使用過程中獲得標注。
大量全面的數據獲取：對許多行業案例來說，獲取大量數據非常困難，比如用于預測治療方案效果的臨床數據。
解釋輸出結果：比如，疾病診斷過程中，AI可以利用患者信息來得出診斷結論，但無法解釋這一結論是如何一步步取得的。
學習的普遍性：AI模型在將學習經驗從一類情況向另外一類情況遷移時，經常遇到困難。這意味著，企業需要投入大量資金訓練新模型，即便情況與之前的用例相似也很難避免。
京公網安備 11010502049343號