文/袁虹、柯涛

提要:作为新的通用技术,AI在新一轮史诗级颠覆中备受企业关注。对于着手应用AI的企业来说,正确的规模化战略是关键,完善的产业化平台是最终目标。

AI技术 将给企业带来巨大机遇和革新,那些成功部署AI技术的企业,已经实现了近3倍的投资回报和30%的关键财务估值指标提升。这也就不奇怪,为何高达79%的中国企业高管均认为必须借助人工智能来实现增长目标。过去三年,49%年营业额超10亿美元的受访中国企业在人工智能方面的投资超过3.5亿元人民币。

但想要蜕变为实现AI应用规模化的企业,却并非易事。52%的中国企业高管表示此举面临重重困难,他们知道怎样进行试点,但却难以将其扩展推广到整个企业;并有半数的中国高管担忧若无法顺利规模化应用AI的应用,企业有可能在5年内被行业淘汰。

AI应用的三个段位

我们应向成功规模化AI应用的企业学习哪些经验?为了回答这一问题,埃森哲进行了一项颇具里程碑意义的全球调研,采访了来自16个行业的1500名首席级高管,总结了企业AI应用的三个段位。

同时,我们的汇总分析表明,过去三年间这1500家公司在AI应用上的总支出为3060亿美元。不过,各企业之间的投资回报率差异巨大。尤其处在概念验证阶段的企业(投资回报率为32%)与规模化推广阶段的企业(投资回报率为86%)之间,其投资回报差额平均为1.1亿美元。

由此可见,规模化推广阶段是一个分水岭,若企业能成功演进至此,AI技术给企业带来的投资回报率将远远高于初期的概念验证阶段。

AI规模化推广的三大要素

从这些成功实现由概念验证到规模化推广的企业实践中,我们能够比较清晰地看到三个过人之处:

  1. 明确战略目标。规模化推广阶段企业能够试点并成功实现近80%的规模化部署方案,并能制订更加长远的发展计划。相较概念验证阶段企业,他们在1到2年从试点进入规模化部署的概率高出65%,但支出却低于概念验证企业。这些企业的领导者部署AI的意图更明确,并在规模化部署所需时间以及负责任行动措施方面,都具有更现实的预期。

  2. 成功案例——通盘筹划

    一家生命科学公司意图部署一款协作式数据服务交付模型,从而在公司内部打造FAIR(即Findable可查找、Available可使用、Interoperable可互通、Reusable可重复利用)数据交流平台。但没想到在推动旗下所有业务部门将理论转化为行动、高效利用数据和洞察方面却始终步履艰难。

    为此,负责该平台的跨职能团队与数据和数字领域的企业领导合作,制定并交付了一项综合性数据和分析战略,同时,在每个关键业务领域选择针对性的用例场景,从而快速实现项目价值。除了设计并构建新型可推广的数据和分析交付模型外,他们还打造了更加简单直观的数据搜索模型,培育了全新的数据驱动型企业文化。

    得益于对整个业务领域的数据分析洞察,该企业的数字化转型正进行得如火如荼。

    与概念验证阶段企业相比,规模化推广阶段企业的基础工作做得更细致到位(见图三)。他们拥有更清晰的AI战略和运营模式、更明确的流程和负责人制度以衡量AI价值、更严密的问责制度、更适度的资金投入以及内嵌AI技术的灵活业务流程。不仅如此,他们还充分利用平台上的可重复使用资产进行推广,以低成本和高推广速度规模化AI应用项目。其中,中国企业对标全球在明确战略目标方面大体相当,略有优势。

    1在本研究中埃森哲所谈论的人工智能并不特指某项技术,而是指一套支持机器实现感知、理解、行动和学习能力的能力框架。


  3. 消除数据干扰。大多数企业都疲于应对庞大的数据,无法有效对其进行清理、管控、维护和使用。但规模化推广阶段企业则能够消除数据“噪音”,挖掘并有效使用数据,使其发挥最大价值。

    首先,他们认识到关键业务数据的重要性,因此将财务数据、营销数据、消费者数据以及主数据确定为优先领域。其次,此类企业更善于组织和管理数据,通过大力投资,在云端建立数据质量、数据管理和数据治理框架,通过清晰的操作模式合理协调数据的生成与使用。最后,规模化推广企业更倾向于使用恰当的AI工具(例如,云数据湖、具有模型管理和治理功能的数据工程/数据科学工作台、数据和分析平台以及搜索工具)来管理其应用程序中的数据。从数据的创造、保管到使用,规模化推广企业充分了解使用多样化数据集对实施计划进行支持的重要性……

  4. 阅读全文请点击查看完整报告

订阅
关于我们的新闻中心 关于我们的新闻中心