作者為德勤中國智慧未來學(xué)院總監(jiān) 高挺
對于人工智能的本質(zhì)，在《我們終將被人工智能替代？從AlphaGo Zero談起》一文中已有所闡述，大致可以用以下三點(diǎn)來概括：
1. 現(xiàn)階段所討論的人工智能，很大程度上都是在談人工智能這個(gè)大概念下機(jī)器學(xué)習(xí)領(lǐng)域中的深度學(xué)習(xí)技術(shù)。
2. 它的底層原理相對簡單，對數(shù)據(jù)有很大的依賴性，本質(zhì)上是一種基于大數(shù)據(jù)的統(tǒng)計(jì)分析技術(shù)。
3. 深度學(xué)習(xí)所能做的，簡單的來說就是將信息分類。而當(dāng)面臨海量、高維度的 信息需要分類的時(shí)候，人類的大腦無論是從數(shù)據(jù)存儲量還是計(jì)算速度而言都有很大的局限性；與之相比，計(jì)算機(jī)在存儲和計(jì)算上比人類優(yōu)秀的多，結(jié)合深度學(xué)習(xí)的方法可以做到信息越多、維度越多，分類結(jié)果越準(zhǔn)確， 這樣在某些特定場景中就能超越人類。
當(dāng)人工智能不再神秘之后，我們就能理解AI并不是一項(xiàng)只能掌握在少數(shù)人手中的“陽春白雪”。那么從商業(yè)的角度來看，這項(xiàng)技術(shù)如何才能帶來價(jià)值，真正落地到行業(yè)中去呢？
在探討這個(gè)話題之前，我們首先要了解這樣一個(gè)事實(shí)：人工智能目前正以一種“潤物細(xì)無聲”的方式悄悄地在各行各業(yè)中被應(yīng)用！例如，在互聯(lián)網(wǎng)行業(yè)中，電商會精準(zhǔn)地根據(jù)你潛在的需求推薦商品，“千人千面”的新聞APP會定制你感興趣的主頁并自動推送相關(guān)新聞，地圖導(dǎo)航軟件會根據(jù)海量用戶的GPS定位信息精確地預(yù)測未來的路況和預(yù)計(jì)的抵達(dá)時(shí)間；即使在傳統(tǒng)行業(yè)中，人工智能也被廣泛地應(yīng)用于芯片設(shè)計(jì)、藥物研制、金融交易甚至是財(cái)務(wù)、制造生產(chǎn)等不同的領(lǐng)域。
和傳統(tǒng)的互聯(lián)網(wǎng)打法不同，大量的企業(yè)，尤其是行業(yè)領(lǐng)先者對于AI普遍采取了“秘密超車”的戰(zhàn)術(shù)，試圖在競爭對手起步之前就領(lǐng)先一個(gè)身位或是進(jìn)一步拉先發(fā)優(yōu)勢的差距。毫不夸張地說，我們正處于人工智能大規(guī)模落地應(yīng)用爆發(fā)的前夕，現(xiàn)在開始追趕也許還未為時(shí)過晚，但隨著時(shí)間的推移，馬太效應(yīng)的逐漸顯現(xiàn)可能會使后來者處于弱勢的地位。
基于對人工智能目前整體形勢的認(rèn)知，我們可以采取以下的三步法探索這項(xiàng)技術(shù)的具體落地路徑：
第一步：尋找人工智能所能帶來商業(yè)價(jià)值的應(yīng)用場景
要找到合適的AI商業(yè)落地應(yīng)用場景，本質(zhì)上是要理解AI在哪些方面可以做的比人類更好。雖然目前AI還遠(yuǎn)未達(dá)到全面替代人類智能的階段，但是基于深度學(xué)習(xí)的AI技術(shù)在對海量信息處理和分類上已經(jīng)比人類更優(yōu)秀。換而言之，現(xiàn)階段的AI技術(shù)已經(jīng)可以取代從事簡單重復(fù)腦力勞動的“初級白領(lǐng)”。
即使是對于高級白領(lǐng)，在絕大多數(shù)腦力勞動中都包含了大量的基礎(chǔ)性和重復(fù)性工作，例如：信息的錄入、檢索和分析，流程的重復(fù)優(yōu)化等。這些工作涉及到教育、醫(yī)療、法律、金融投資、會計(jì)等各個(gè)行業(yè)，所以即使不用機(jī)器替代人，利用AI提高工作效率（生產(chǎn)力）也已經(jīng)是一項(xiàng)普遍的需求。
在理解了AI能做什么以后，企業(yè)可以進(jìn)一步思考一個(gè)關(guān)鍵問題：目前阻礙生產(chǎn)效率的最大障礙是什么？（或：組織中有哪些大量的重復(fù)工作？）想清楚了這個(gè)問題，往往就能找到一個(gè)切合實(shí)際的應(yīng)用場景。例如：企業(yè)中人力資源的招聘往往需要HR手工篩選大量的簡歷并匹配與之相關(guān)的職位，這類的重復(fù)工作是否可以用AI來提升效率？
第二步：落實(shí)人工智能落地的所需要具備的必要條件
要能將AI真正落地，至少要具備以下兩項(xiàng)必要條件：
數(shù)據(jù)基礎(chǔ):
由于目前基于深度學(xué)習(xí)的人工智能高度依賴大數(shù)據(jù)，企業(yè)的數(shù)據(jù)基礎(chǔ)往往是決定AI項(xiàng)目是否能成功實(shí)施的基石。在實(shí)施AI方案之前企業(yè)可以對自身的數(shù)據(jù)基礎(chǔ)進(jìn)行診斷和評估，我們可以簡單地將數(shù)據(jù)基礎(chǔ)成熟度分成以下幾個(gè)等級：
L1 關(guān)鍵業(yè)務(wù)數(shù)據(jù)缺失
L2 基礎(chǔ)數(shù)據(jù)完整但組織內(nèi)存在信息孤島
L3 數(shù)據(jù)整合度高但不能支持業(yè)務(wù)決策
L4 可以進(jìn)行數(shù)據(jù)驅(qū)動的業(yè)務(wù)決策但不能實(shí)時(shí)響應(yīng)業(yè)務(wù)變化
L5 支持?jǐn)?shù)據(jù)驅(qū)動的業(yè)務(wù)決策并能實(shí)時(shí)響應(yīng)業(yè)務(wù)變化
當(dāng)企業(yè)的數(shù)據(jù)基礎(chǔ)成熟度在較低級別時(shí)，例如：關(guān)鍵數(shù)據(jù)缺失的L1級，需要做的往往不是馬上實(shí)施AI方案，而是先進(jìn)行數(shù)字化（或信息化）改造以打好基礎(chǔ)?；ヂ?lián)網(wǎng)和金融行業(yè)由于每天發(fā)生的業(yè)務(wù)天然就能產(chǎn)生大量數(shù)據(jù)，相對而言數(shù)字化程度最高，最早就有機(jī)會嘗試?yán)肁I技術(shù)；對于數(shù)據(jù)基礎(chǔ)建設(shè)還未完成的其它傳統(tǒng)行業(yè)，則必須通過業(yè)務(wù)流程的改進(jìn)將數(shù)字化的程度提高才能考慮AI解決方案。有了大數(shù)據(jù)，人工智能的落地就成功了一半！
團(tuán)隊(duì)構(gòu)成:
我們通常有個(gè)誤區(qū)，認(rèn)為人工智能只是一個(gè)技術(shù)問題。事實(shí)上，掌握AI算法距離行業(yè)落地還差十萬八千里，并不是具備技術(shù)能力就穩(wěn)操勝券了。企業(yè)如果想打造AI能力，至少需要以下幾類人才所組成的團(tuán)隊(duì)：
1) AI技術(shù)專家 - 包括數(shù)學(xué)、統(tǒng)計(jì)學(xué)方面的科學(xué)家，進(jìn)行底層算法的研究；同時(shí)也包括傳統(tǒng)意義上IT技術(shù)專家，能使用最新的AI算法開發(fā)技術(shù)原型以及后續(xù)的商業(yè)產(chǎn)品。
2) 行業(yè)專家 – 對于特定行業(yè)的AI解決方案，團(tuán)隊(duì)中需要有經(jīng)驗(yàn)的行業(yè)專家加入。
3) AI應(yīng)用專家– 這可能是目前AI行業(yè)最緊缺的人才了。AI應(yīng)用專家首先是一名優(yōu)秀的產(chǎn)品經(jīng)理，其次要了解算法特性，最后還要能理解行業(yè)問題，這樣才能將AI技術(shù)專家和行業(yè)專家的優(yōu)勢整合在一起構(gòu)建適合行業(yè)的技術(shù)解決方案。
第三步：快速驗(yàn)證迭代，大規(guī)模實(shí)施
有了應(yīng)用場景，完善了數(shù)據(jù)基礎(chǔ)，搭建好團(tuán)隊(duì)以后，接下去要做的是基于AI的過程設(shè)計(jì)原型驗(yàn)證(Proof of Concept)。在確認(rèn)技術(shù)原型可行的情況下，再進(jìn)行迭代和最終的大規(guī)模實(shí)施。
以上三步是將人工智能進(jìn)行商業(yè)落地的基本框架，在實(shí)際操作的過程中還會遇到許多現(xiàn)實(shí)問題，例如：企業(yè)能否自上而下的支持與推進(jìn)AI戰(zhàn)略、實(shí)施人工智能是否會打破組織內(nèi)部已有的利益格局并造成沖突等等。在技術(shù)上由于人工智能還沒有完全成熟，所以在不同行業(yè)和場景中也會有各種局限性，這既是一個(gè)大的挑戰(zhàn)，也同時(shí)是行業(yè)發(fā)展中的機(jī)遇，誰能最先將AI發(fā)展成一種“通用技術(shù)”并制定標(biāo)準(zhǔn)，就將會在這場關(guān)于未來的競爭中取得巨大的優(yōu)勢。
聯(lián)系客服
