【AI星球（微信ID：ai_xingqiu）】9月5日报道 （编译：小白）
人工智能（AI）的话题讨论越来越热闹已经蔓延到全球各大公司的高级管理层。对AI的投资也在持续升温，并且越来越多资本来自科技圈之外的企业。并且，AI的成功案例也越来越多，花样也层出不穷，从亚马逊使用基于AI的仓库管理机器人Kiva来取代重复操作提高效率到通用公司利用AI进行预测性维护来保持其工业设备的正常运行。
虽然毫无疑问，首席执行官们势必需要考虑到AI业务的影响力，但该技术在业务环境中的难点使得如何有利可图地利用之变得难以琢磨。通过一项涉及3073位高管的调查问卷和来自10个国家14个地区的160个案例分析，以及独立的数字研究项目，我们总结了10项关键意见，来帮助首席执行官们开启成功的AI之旅。
别轻信炒作：目前不是每家公司都在使用AI
虽然AI领域的投资一路升温，真正采用AI技术的企业仍不是很多。2016年，AI领域（内部与外部）的总投资约在260亿美元到390亿美元之间，其中外部投资自2013年以来增加了两倍。尽管不断有资本进入，但AI的采纳率依然徘徊在初级阶段，在我们的调查问卷中，仅20%的受访者表示他们有规模化或在核心业务中使用一项或多项AI技术，这其中又仅有10%不到使用了三项或更多的AI技术。（我们的结果以加权方式来反应不同规模企业的相对经济重要性。我们涵盖了AI技术系统中的五大类：机器人和自动驾驶汽车、计算机视觉、语言、虚拟程序和机器学习。）
目前，对于那些处于AI试验或测试阶段的公司（占到41%）来说，这是一个好消息。我们的结果表明现在开始迎头追赶在AI使用中与其他公司竞争为时未晚。
但是，我们极有可能处于AI采纳的关键转折点。AI技术，如基于神经的机器学习和自然处理，已经日渐成熟并证明了其机制，将迅速成为被广泛采纳的AI技术组件核心部分。并且，我们预计，至少有一部分目前正在试行AI技术的企业将在可见的未来完全整合AI技术到他们的业务中。最终，AI的采纳率将呈现爆炸式增长，虽然不同领域之间的程度不尽相同。通讯和金融服务行业很有可能成为领头羊，这部分领域的受访者均表示计划在未来三年内每年多投入15%资金到AI技术上——高于跨行业平均水平7个百分点。
AI可以潜在地促进你的上限和底线
在我们的调查问卷中，30%的早期AI采纳者——即已经规模化使用AI或在核心进程中使用AI的企业——表示，他们的营收确实增长了，利用AI来获得更多市场份额或扩张他们的产品与服务。另外，相比其他人，3.5倍多的早期AI技术采纳者认为未来利润率会比其他行业同行多增长5个百分点的。虽然相关性和因果关系的问题会越来越显著，但单独的分析已然展现出证明表明AI可以直接提升利润，AI的投资回报率范围接近相关数字技术，如大数据和高级分析。
没有领导层的支持，你的AI转型可能会失败
成功的AI采纳者无不拥有高级领导层的大力支持。来自成功规模化部署AI技术的公司的受访者对高级管理层支持的重要性评价是其他还未采纳AI技术的两倍。他们表示，强大的支持不仅来自CEO和IT主管，其他C级高管和董事会成员也给予了大力的支持。
你不必在AI的道路上孤军奋战——寻求合作伙伴
结束了长达数十件的“AI凛冬”之后，人工智能领域最近终于赶上了创新的步伐。技术专家和人才严重短缺，即便是大型数字公司，如亚马逊和谷歌，也不得不面向其他公司和外部人才来提升他们自身的AI技能。比如谷歌收购DeepMind。我们的调查问卷显示，事实上，早期的AI才难这主要以购买合适的适用于目的的技术解决方式，当然也有少部分受访者在内部一边进行开发一边应用所有的AI解决方案。
不要让技术团队独揽AI大权
针对AI技术，假如只让各技术部门，如IT、数字或创新部门的领导者各自分担责任，则会导致顾此失彼的结果：技术虽然落地了但缺乏引人注目的使用案例。为了确保重点关注最有价值的使用案例，AI计划应由业务和技术领导者共同评估和领导，这一方法已被其他数字技术采纳者证实为是成功有效的。
采用多种方式来加速你的AI旅程
如今的AI工具范围广泛，从用以解决业务问题的工具（如预测下维护的模式化检测）到那些暂未被广泛认识，目前使用有限但未来潜力无穷的工具（如应用AI开发竞争战略）。这种分布表明，企业可以考虑在以下三个时间维度内采用多种方式来应用AI，
短期：关注使用案例，这里有目前已被验证的技术解决方案，然后在公司内部规模化使用，来推动有意义的底线价值。
中期：尝试使用新兴但仍旧相对不成熟（如深度学习视频识别）的技术，以在规模化投入到关键业务中之前验证其价值。
长期：与学术界或第三方合作解决高影响力使用案例（如重要知识工作者角色中的增强人类决策），结合最前沿的AI技术来潜在地抓住先发优势。
机器学习是一个强大的工具，但并不适合所有
机器学习，及其最为突出的子领域——深度学习，已经吸引了众多媒体关注，并且大部分投入到AI领域的资金都流向这一领域。在2016年，机器学习吸收了行业外部60%的总投资。
尽管机器学习有很多应用，但其本质上仍是众多AI相关技术中的一种，用以解决企业问题。但这世上并没有万能的解决方案。打个比方，用来改进客户服务中心绩效的AI技术，跟用来识别信用卡支付欺诈的技术完全不同。关键在于，你应该在公司的数字与AI之旅的途中的各个阶段寻找合适的工具来解决每一个可以创造价值的业务问题。
数字性能先于AI到来
我们发现，在AI采纳上具有领先趋势的行业，如高科技、电信和汽车等，同样也是数字化程度最高的领域。同样地，无论在哪个行业，早期使用了AI技术的公司也是已经大力投资数字性能的公司，包括云基础架构和大数据。事实上，没有数字转型的经验，任何一家公司很难直接跳跃到AI阶段。根据数据，我们发现，那些在数字化方面有丰富经验的公司通过使用AI可以提高50%的利润。
要大胆
在一项关于数字变革的独立研究中，我们发现大胆采用数字战略是使得现有公司扭转数字变革诅咒的最关键因素。制定大胆数字战略的公司从根本上改变了其业务组合，并开发新的业务模型来开创比数字化之前更为强大的增长路径。到目前为止，这一模式也同样适用于AI：根据报告显示，具有更加积极、更加彻底大胆的战略计划的早期AI采纳者比其他公司具有更加乐观的利润前景。
在AI之旅中，最大的挑战其实是人
很多情况下，将人工智能纳入员工流程和决策过程中的挑战远远超过了应用AI技术的挑战。随着领导者决定机器应该处理那些任务，人类应该处理哪些任务，不论新的还是传统的，都将对实施可以不断重新培养员工队伍的方案至关重要。并且，随着AI不断融合先进的可视化、协作和设计思维，业务将从最初的流程效率第一转而为决策管理效益第一。而这又将进一步要求领导者打造一个持续改进和学习的企业文化。
不要犯错：下一个数字前沿就在这里，它就是AI。虽然上一波数字变革带来的阵痛仍未退却，但新的变革已然近在咫尺。好在，我们仍处于这一新变革的早期，我们仍有时间和机会来将AI变做自己的竞争优势。
