人工智能在企业中开始变得务实

作者: Matt Asay 2019-11-06 09:44:55

事实证明,人工智能并不是洒落在遗留流程和遗留技术上的神奇精灵,而是对如何做生意的一种根本性的反思。

两年之前,对人工智能(AI)的荒谬期望达到了顶峰,我会试图在这篇文章中对此进行讨论。现在呢?好吧,现实似乎已经悄然而至,从企业是如何接近人工智能的就可以看出,如今的人工智能已经开始专注于那些唾手可得的成果,而不是空想。

人工智能在企业中开始变得务实

这是在德勤的《企业人工智能状况》第二版中得出的结论,该书揭示了一个对人工智能的越来越严肃的世界。也就是说,数据中仍有一些让人头疼的地方。让我们深入研究下这份报告。

把无聊的事情做好

首先,在德勤所调查的1100名高管中,有高达82%的人认为他们从人工智能投资中获得了积极的财务回报。当然,并非每个人都能够平等的受益。声称从投资中获得高回报的行业包括科技/媒体/娱乐/电信/专业服务和工业产品(最后一类支出最少,但收益仍然很大)。相比之下,生命科学和医疗保健、政府、金融服务和消费品的投资回报率则相对较低。然而,“较低”的投资回报率也并不意味着“不存在”,因为几乎每个投资人工智能的人都声称对此感到满意。

问题是为什么。

显然不是因为企业能够解雇生产率最低的员工。在德勤2017年末和2018年末的调查中,列出了“通过自动化实现裁员”的高管仅增加了两个百分点(从22%增加到24%)。与此同时,“优化内部运营”这一争议性小得多(也可以说是更有用)的效益则上升了6个百分点(从36%上升到42%)。

然而,更令人担忧的是人工智能似乎并没有能够改善产品开发,进而也没有改善客户体验。尽管44%的受访者选择了“增强当前产品”作为了人工智能投资的收益,但这一比例低于2017年的51%。“创造新产品”方面又怎么样呢?也下降了,从32%下降到了27%。事实上,从2017年到2018年,超过一半的引用收益下降了,唯一的另一个至少提高了2%的收益项是“获取和应用稀缺知识”。

这一数据的积极一面是,短期预期的下降趋势可能预示着对人工智能的长期影响。此外,正如德勤所估计的那样,对改进产品的关注可能表明,我们需要一点现实主义:

这种向内部运营的转变伴随着将人工智能集成到现有产品和服务中的重视程度有所降低,尽管这仍然是最受欢迎的目标。事实上,在进行这种集成之前,通常需要进行操作更改。我们的受访者可能已经意识到他们应该首先进行运营改革了。

这是对的。事实证明,人工智能并不是洒落在遗留流程和遗留技术上的神奇精灵,而是对如何做生意的一种根本性的反思。除非一家公司愿意改变其文化(和相关流程),否则任何人工智能投资都不会奏效。

这些数字无法相加

尽管这种现实主义很受欢迎,但报告中并非所有数据都是有意义的。例如,当被要求回答这个问题时——“相对于竞争对手,受访者表示,他们的公司采用人工智能让他们能够……”——人们可能会期待一系列的回答,但其中可能应该包括“我们不会因为人工智能而被竞争对手打败。”相反,结果如下:

  • 16%-迎头赶上
  • 20%-保持水准
  • 27%-略微领先
  • 28%-扩大领先优势
  • 9%-跃居领先地位

所以,没有人落后么?显然,在人工智能方面,我们都高于平均水平。当然,也许是被调查的1100个人都代表着完全不同的行业,没有被调查的每个人都将被这些人工智能驱动的行业巨头所超越,但是...也许不会。也许,只是也许,事实上,16%的人还没有赶上大众的步伐,也许20%已经落后了,等等。

或许是高管们正透过这些玫瑰色的眼镜寻找着下一个惊喜:88%的受访者打算在明年(也就是2019年)增加人工智能投资,整整54%的人预计增加10%以上。还记得至少一半行业的投资回报率有多低吗?显然,这并没有挫伤人们增加支出的热情。不过,别担心!正如德勤所写的,“只有不到50%的受访公司衡量了衡量财务回报所必需的关键绩效指标。”

换句话说,“我们不知道我们的人工智能投资是否是卓有成效的,但是为了它们能够有成效,就让我们为此注入更多燃料吧。”人们很容易接受这种冷漠的观点,但在预期的好处方面,实用主义会有所抬头。只要组织关注于渐进的流程改进,而不是昂贵的空想,我们就应该能够看到组织有能力对那些空想进行投资,但这仍然要归功于今天的更加谨慎的投资。

人工智能 数据 德勤
上一篇:百度飞桨全新发布四大产业应用开发套件 创新Master模式 鼎力相助产业智能升级 下一篇:谷歌把打败99%程序员的AutoML集成到Kaggle平台!
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
高真实感、全局一致、外观精细,面向模糊目标的NeRF方案出炉

自 NeRF 被提出后,有多项研究对其加以改进。在本篇论文中,上海科技大学的研究者提出了首个将显式不透明监督和卷积机制结合到神经辐射场框架中以实现高质量外观的方案。

Haimin Luo等 ·  2021-06-01 09:57:39
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载