宋辰

幾乎所有企業(yè)都發(fā)布了AI戰(zhàn)略，2019年，AI落地還面臨諸多挑戰(zhàn)。

剛剛過去的2018年，幾乎所有企業(yè)都將AI作為重要的發(fā)展戰(zhàn)略。據(jù)《Constellation Research 2018年人工智能研究》顯示，60%的組織預計2018年AI投資將增加50%以上，2018年AI預算平均增加50%以上，52%的受訪者表示投產(chǎn)或試運行的AI項目用于IT部門;50%表示投產(chǎn)或試運行的AI項目為客戶服務/商務用途;46%表示AI項目為銷售和營銷用途，36%表示AI項目用于提高員工工作效率。

如今，AI被成功用于搜索引擎、預測分析、聊天機器人和像Alexa一樣的語音個人助手。它還被嵌入到軟件解決方案中，用于管理設施維護、優(yōu)化庫存、銷售預測、預測客戶未來購買需求，以及許多其他應用。

技術準備充足，企業(yè)逐步認識到AI技術可以擴大業(yè)務場景，優(yōu)化決策。說到與AI技術相關的應用，人們最先想到的通常是機器人，但它還有大量其他應用，而且通常是后臺應用。受到效率需求的推動，醫(yī)療保健和制造業(yè)等行業(yè)正在進行進一步的創(chuàng)新。

咨詢公司McKinsey數(shù)據(jù)顯示，在營業(yè)收入超過10億美元的企業(yè)中，接近60%至少啟動了AI試驗項目。另外，F(xiàn)orrester預計，未來三年，AI相關軟件產(chǎn)生的收入將增加近兩倍，達到29億美元。到2021年，機器人自動化技術將能夠代替全球大約430萬人的工作。

AI不僅意味著更高的利潤，還可以在不降低競爭力的情況下增加銷售機會，這是因為，AI在發(fā)現(xiàn)之前未發(fā)現(xiàn)的數(shù)據(jù)規(guī)律方面有巨大的開發(fā)潛力，而且具有先發(fā)優(yōu)勢。

AI落地面臨三大挑戰(zhàn)

目前的局面是，在利潤方面具有顯著優(yōu)勢（要求不斷尋找實現(xiàn)差異化的方法）的行業(yè)，或者具有大量與流程相關的數(shù)據(jù)的行業(yè)將最先應用AI。組織必須能夠?qū)νㄟ^AI預測、自然語言處理（NLP）和機器學習節(jié)省的成本和實現(xiàn)的收入進行量化。如果你能細化這些成果，通過一個解決方案構(gòu)建多個項目，你就有足夠的動力全面落地AI了。

在制造業(yè)，考慮到物聯(lián)網(wǎng)的興起，以及用戶很難搞清楚其中含義的大量數(shù)據(jù)，AI將在發(fā)現(xiàn)洞察方面發(fā)揮顯著優(yōu)勢。在零售等行業(yè)，電子商務的迅速發(fā)展導致競爭愈演愈烈，現(xiàn)在他們可以使用自己的數(shù)據(jù)作為差異化因素，實現(xiàn)更高的自動化并獲得更多洞察。他們可以找到創(chuàng)造更多價值的新模式，例如設定產(chǎn)品零售價、預測缺貨情況等。

盡管擁有顯而易見的優(yōu)勢，但AI依然面臨一些挑戰(zhàn)，以下是減緩AI落地的三大主要因素：

早期案例。許多早期的試驗案例主要圍繞零售和消費應用，企業(yè)應用發(fā)展一直比較緩慢。這些案例具有局限性，覆蓋面較窄，通常只適用于一家公司、一種產(chǎn)品或小眾領域。人們很難從與自己的市場完全不相關的案例中學習經(jīng)驗。

沒有確定的最佳做法。AI全面落地的另一個障礙是目前缺乏明確的最佳做法。早期采用AI的組織在記錄AI的落地工作時通常只進行簡要概述，出于保護專利概念的目的故意模糊其辭。在實施AI方面，企業(yè)沒有可以借鑒的詳細操作經(jīng)驗，需要自行研究。

未知的財務影響。對AI的財務影響知之甚少是又一個尚未解決的問題。截至目前，媒體報道的成功應用通常集中在技術領域，而且是由IT團隊主導的，而不是需要解決特定的市場問題或達成量化目標的業(yè)務經(jīng)理。這種以技術為中心的方法有其自身的價值，但也有局限性，例如缺乏支持企業(yè)用例或投資回報率（ROI）的數(shù)據(jù)。

所以，企業(yè)如果要在2019年落地AI，需要收集可用于提出大規(guī)模實施建議和獲得利益相關者，尤其是財務部門支持的量化數(shù)據(jù)。

“我們認為AI是一項基礎技術，會在所有行業(yè)、產(chǎn)品和用例中得到廣泛應用。相比只適用于某個行業(yè)中某個用例的產(chǎn)品，為什么不開發(fā)一種適用于所有企業(yè)用戶，讓所有業(yè)務部門都能利用機會的解決方案呢？根據(jù)我們的經(jīng)驗，幾乎不可能重復使用一種AI技術，因為不同客戶的數(shù)據(jù)模式千差萬別。然而，通用平臺應提供一個模板，讓客戶可以根據(jù)自己的準確需求和數(shù)據(jù)調(diào)整AI。Infor的Coleman AI Platform就是這樣一個平臺?！盜nfor技術產(chǎn)品總監(jiān) Rick Rider表示。

AI落地前，不妨先試驗

IT部門和開發(fā)人員希望盡快部署AI，但決定性因素更多是成本。企業(yè)領導和董事會成員希望先搞清楚投資回報率（ROI），因此，許多企業(yè)會在2019年選擇可衡量的項目。

部署AI前可以先進行AI試驗，而通過AI試驗可以取得三個成果：

成本合理性。通過試驗階段，組織會從提高生產(chǎn)力、減少浪費、刺激客戶消費和創(chuàng)造新收入方面確定行之有效和無效的措施，以及對利潤的影響。收益隨時間的增長（即使是小幅增長）將證明成本的必要性和合理性。

可擴展模型。除了生成ROI數(shù)據(jù)，詳細的試驗案例記錄還可以為后期擴展AI應用提供可擴展的框架，從而幫助企業(yè)加快未來全面落地AI的速度。創(chuàng)新型解決方案提供商幫助客戶快速啟動試驗項目采用的方法包括發(fā)現(xiàn)決策工具、培訓服務、流程自動化和內(nèi)置智能工作流程。使用適當?shù)墓ぞ呖梢詫⑻剿鬟^程縮短至兩個月。

地下水配送聯(lián)合公司Headwater Companies信息技術總監(jiān)Matt Hendrickson表示，公司最近部署了Infor Coleman AI Platform，該平臺包括居民開發(fā)者工具包，用于指導用戶建立可擴展模型。他指出：“對我們來說，AI解決方案必須便于部署和使用才能充分發(fā)揮它的作用?？焖俨渴鹩媱澯兄诖龠MAI的落地，如果我們不需要經(jīng)過幾個月或幾年的開發(fā)就能利用解決方案，剩下的工作就順理成章了?！?/p>

團隊忠誠度。成功的試驗案例會為用戶帶來積極的體驗，這將幫助團隊克服被AI取代或邊緣化的恐懼。主動向員工展示AI只是一個工具，不會取代人類，這將有助于克服可能導致項目失敗的懷疑心理。通過讓組織中多個層級的員工參與其中，試驗項目可以幫助員工形成新的心態(tài)，完全接納AI及其巨大潛力。