該報告指出，“人工智能技術的廣泛應用將為企業帶來豐厚回報。”這意味著人工智能的顛覆性將在未來變得更加明顯。而在這一點上，政府、企業、開發商應該都清楚這一點。此外，該報告提出了一些有趣的觀點：
(1)除了科技產業之外，人工智能技術仍處于早期試驗階段，只有少數企業部署了人工智能解決方案。
(2)早期采用者可以更好地發現該技術的真正潛力，而那些后來的采納者將很難跟上這種步伐。
(3)人工智能對數據和大數據基礎的依賴意味著企業需要立即開始實施。
(4)人工智能不僅給企業和開發商帶來了新的挑戰，也帶來了新的監管壓力。例如，勞動力需要接受培訓，以響應機器支持的發展，各個國家和地區需要進入全球勞動力/資本競爭，并解決道德、法律和監督問題。
如今，研究人員和行業企業正專注于人工智能系統的開發與應用，如機器人技術和自動化運輸、虛擬代理和機器學習(包括深度學習和人工智能技術等技術進步的基礎)。在眾多行業知名數字巨頭領導下，人工智能的投資將日益增長。
企業是否準備好利用人工智能?
最近，人們一直在談論人工智能的發展潛力和帶來的風險。然而，人工智能已不是一個新概念。它在整個歷史中經歷了動蕩起伏，對此人們既有期望也有失望。這次會有所不同嗎?根據新的分析，答案是：人工智能終于開始提供真正的商業利益，取得突破的條件已經具備。
計算能力顯著增長，人工智能的算法變得更加精細，更重要的是，全球已經生成了大量的數據，并且眾所周知的是，數據是人工智能的燃料。目前，大多數行業新聞都來自人工智能的技術提供商。許多新的使用案例仍處于試驗階段。市場上的產品是有限的，或者企業能夠立即和普遍應用的產品更少。因此，分析人士有兩種截然不同的觀點：一些人對人工智能的潛力持樂觀態度，一些人對其經濟效益仍持謹慎態度。這種不一致的概念導致了市場規模的巨大差異。
在科技巨頭的推動下，人工智能的投資正在增加，但商業應用仍然落后。
科技巨頭正在投入數十億美元開發人工智能技術。他們看到了人工智能技術的未來發展方向——強大的計算機硬件，越來越復雜的算法模型和大量數據，這些已經部分實現。事實上，大型科技公司的投資在人工智能領域占據重要地位。
人工智能將增加利潤促進產業轉型
盡管人工智能近年來發展迅速，但隨后的采用仍處于起步階段。這使得評估人工智能對企業和行業的潛在影響具有挑戰性。那些已經在人工智能投資的公司發生了什么事?麥肯錫公司已經發現了大規模采用人工智能的早期證據，并帶來了豐厚的回報。
它回顧了五個行業的大量案例研究，以研究人工智能如何改變某些業務活動，并為其他企業帶來潛在的根本性變化。這些案例展示了人工智能如何在整個價值鏈和不同行業中塑造不同的功能。這些案例還對跨國公司、初創企業、政府和社區組織等利益相關方產生了廣泛的影響。
行業案例研究展示了人工智能的顛覆性潛力
這個研究包括五個案例，以便了解人工智能在商業領域的廣泛應用。這些案例研究表明人工智能如何通過多種形式影響特定行為。該研究涵蓋零售、電力、制造業、醫療保健和教育行業。企業類型包括私營、公共和社會企業，其中包括從勞動密集型行業到B2B的重型資產運營。
如果要滿足期望，人工智能需要在經濟學領域發揮實際作用，以顯著降低成本，增加利潤，并提高資產利用率。該研究包括人工智能在四個方面創造價值的方式的分類：
(1)使企業能夠更好地規劃和預測需求，優化研發，增加資源。
(2)提高生產商品的能力，以更低的成本和更高的質量提供服務。
(3)以適當的價格和正確的信息向客戶交付產品。
(4)提供個性化、便捷的用戶體驗。
這四個領域的價值創造取決于具體的用例。許多組織已經圍繞這些用例發現或部署了解決方案(在本文將列出這些人工智能用例)。同樣，這些用例在各行業之間具有不同的相關性，這意味著在規劃和生產層中有很多機會使用人工智能。
此外，當機器學習可以為所有行業帶來具有價值的好處時，某些特定技術可能在特定行業中具有獨特的商業應用。例如，銷售和制造中的機器人技術，醫療行業中的計算機視覺，以及教育行業中的自然語言處理。
認識到人工智能的真正潛力
現在是企業、開發商和政府認識到人工智能真正潛力的時候了。雖然人工智能有可能從根本上重塑整個社會，但仍然不確定該技術將如何發展。對于企業、政府和工作人員來說，這種不確定性意味著必須采取“觀望”的態度。但是，人們仍然認為有必要采取積極和明確的行動，以便在應對風險的同時充分利用新出現的機會。
對于許多企業而言，這意味著他們需要加速數字化流程，并確保他們有效地部署人工智能工具。由于人工智能將大量高質量數據集成到自動化工作流程中，因此數據的影響也在增長。人工智能并不是數字化基礎的捷徑，與其相反，它是數字基礎的有力擴展。
開發人員在幫助企業實現技術潛力方面發揮著至關重要的作用。開發人員需要考慮的問題是人工智能產品需要解決實際的業務問題，他們不必開發一些有趣的解決方案，而是必須大規模地解決實際問題。
政府部門和企業員工需要為人工智能在未來帶來的轉型變革做好準備。企業需要重新思考公共教育系統和員工培訓問題，以確保員工的技能與機器相輔相成，而不是與機器競爭。此外，希望建立本地人工智能生態系統的國家或地區必須加入人工智能人才和投資的全球競爭。
對于整個社會而言，尚未解決的法律和道德問題可能是實現人工智能真正利益的最重大障礙。
人工智能過渡成功的必要因素是什么?
1.用例/價值來源
(1)瀏覽用例
(2)明確商業需求，并創建商業用例
(3)數據生態系統
(4)打破數據孤島
(5)確定整合和預分析級別
(6)識別高價值數據
2.技術與工具
(1)為工作確定合適的人工智能工具
(2)使用合作伙伴關系，合并或收購彌補能力差距
(3)采用靈活的“反復試驗”方法
3.工作流程集成
(1)將人工智能集成到現有工作流程中
(2)優化人機界面
(3)開放組織文化
(4)采用開放和協作的文化
(5)信任人工智能
(6)勞動力可以根據需求重新學習技能
關于職業分布，只有少數職業可以實現自動化。麥肯錫公司的分析師聲稱，在60%的職業中，只有30%的工作可以實現自動化。從地理角度來看，美國和中國在人工智能領域處于領先地位，而歐洲則很遺憾地落在后面。
采用人工智能面臨的挑戰
人工智能的興起給政府和社會帶來了廣泛的問題。在其調查報告中，麥肯錫公司不僅指出了其中的一些問題，還提出了一些解決這些問題的方法。人們在解決這些問題方面取得的進展對于實現潛在效益和避免人工智能的風險至關重要。
(1)鼓勵更廣泛地使用人工智能
當前的人工智能應用程序集中在已經處于新技術前沿的行業中。擴大人工智能的應用范圍以支持新技術領域，特別是對小型公司而言，對于確保生產力和經濟發展的增長至關重要，并且可以確保健康和競爭的市場。人工智能跨行業的應用也有助于平衡不同行業的工資水平。人工智能可以提高生產力，從而提高工資。與其將人工智能局限在已經處于收入金字塔頂端的前沿企業和員工，不如在更廣泛的應用范圍內將人工智能的好處帶給更多公司及其員工。
(2)解決就業和收入分配問題
人工智能驅動的自動化革命將深刻影響到人們的工作和收入。在麥肯錫公司的調查中，絕大多數企業管理者表示不相信人工智能對就業構成任何威脅。但是，顯然某些職業的某些技能將無法滿足未來的要求。政府部門可能不得不重新考慮他們提供社會服務的模式。當然，將有幾種不同的方法來解決這些問題，其中包括調整勞動力，調整所得稅和全球基本收入水平等。
(3)解決道德、法律和監管問題
人工智能提出了一系列道德、法律和監管問題。例如，在訓練數據集中存在一種普遍的現實世界的偏見風險。由于種族、性別和其他偏見，機器學習算法茁壯成長的現實世界數據也不可避免地充滿了歧視性特征。最終，這會影響人工智能系統，因為它們有可能在訓練過程中產生這些偏差。
隨著偏見變得更加細化，這些問題變得更加激烈。與此同時，公眾可能對這些算法本身持懷疑態度。由于程序人員的道德觀點可能被編碼到算法中，人們有權知道算法的哪些部分?誰負責人工智能的輸出?這導致了算法透明度和問責制的要求。
另一個問題是隱私問題。誰擁有這些數據?在不損害數據可用性的情況下，人們需要采取哪些措施來保護高度敏感的數據(如醫療數據)?致力于解決這些問題的組織和機構包括Partnership on AI、OpenAI，以及人工智能道德和治理基金會。
(4)確保訓練數據的可用性
大量數據對于訓練人工智能系統至關重要。開放公共部門數據可以刺激私營部門的創新，建立共同的數據標準也會非常有幫助。在美國，證券交易委員會強制所有上市公司在2009年以XBRL(可擴展商業報告語言)格式披露其財務報表，以確保公共數據是機器可讀的。
(5)政府部門部署人工智能
人工智能在公共部門的應用具有巨大潛力。它能夠加強規劃、目標設定和服務個性化，這對提高政府服務的質量和效率至關重要。在報告的附錄中，該報告探討了人工智能技術在醫學和教育這兩個主要公共領域的未來。
人工智能用例
該報告詳細說明了附錄部分中的五個特定用例。麥肯錫公司對其中三個用例進行了直觀描述。以下部分總結了這些人工智能用例：
1.零售營銷和供應鏈
(1)人臉識別軟件、機器學習和自然語言處理可以使虛擬代理提供各種服務。
(2)機器學習，用于個性化消費者推薦和匹配。
(3)深度學習支持計算機視覺識別消費者的能力。通過添加傳感器數據，人工智能可以實現自動計費和支付。
(4)由深度學習提供支持的無人機可以在收件人不在交貨地址時，自動避開障礙物和處理情況的同時進行交付。
(5)交互式屏幕和桌面可以使用計算機視覺和深度學習來識別產品，推薦相關產品和補充消費者檔案。
(6)自動購物車可以跟隨商店中的購物者，然后將裝滿商品的購物車直接運送到購物者的汽車附近，或者將它們通過機器人或無人機自動送貨上門。
(7)通過采用機器學習技術，商店可以根據競爭對手的價格、天氣和存儲實時更新和優化價格，以獲得最大利潤。
(8)人工智能增強型機器人可以持續跟蹤倉庫，識別空貨架并補貨。其他機器人可以協助包裝倉庫中的物品。
2.發電和配電行業
(1)人工智能可以使電網更加智能，并減少發電站數量。
(2)從傳感器收集的數據可以使機器學習系統實時調整發電廠的輸出。
(3)機器學習可以預測峰值功率需求，并最大化間歇性可再生能源使用的效率。
(4)智能網線可以實時調節電流，以提高電網負荷。
(5)無人機和微型機器人可以在不關閉整條生產線的情況下檢測和預測設備損壞。
(6)電力公司可以自動記錄數據，以減少技術人員數量。
(7)實時接收數據的能力可以節省人工檢查的工作量和時間。
(8)虛擬助手可以幫助用戶處理交易，并提供錯誤訂單的早期警告。
(9)智能電表可根據使用情況和天氣等因素自動調整功耗數據。
3.醫藥保健行業
(1)人工智能可以幫助提供更快的診斷、更好的醫療計劃和更全面的醫療保險。
(2)機器學習應用程序可以分析在可穿戴設備上收集的健康數據，提供健身建議，并預測用戶的疾病風險。
(3)自動傳感器可以幫助患者在沒有醫生和護士的情況下監測身體體征。
(4)借助醫療數據和記錄，診斷工具可以更快、更準確地診斷疾病。
(5)通過使用醫療和環境因素來預測患者行為與患病可能性之間的聯系，人工智能可以優化醫院運營、人員配置和庫存管理。
(6)人工智能工具可以分析患者的醫療記錄和環境因素，以識別處于危險中的患者，并為他們提供預防性健康計劃。
(7)虛擬助手可以幫助患者快速找到合適的醫生，節省候診時間，增強醫療體驗。
(8)在機器學習工具的幫助下，個性化治療計劃可以讓患者更快地康復。人工智能驅動的大數據健康分析可以減少住院時間。
(9)公共衛生分析的人工智能見解可以通過鼓勵醫療服務提供者管理患者健康，以幫助患者降低治療成本。
結論
在此已經討論了人工智能如何解決實際業務問題，并且正在為各種規模的企業提供無處不在的技術。人們需要的是認識到人工的獨特價值主張，使其成為業務戰略中不可或缺的一部分，并實現其轉型效益。
京公網安備 11010502049343號