|
▲ _____________________________ ▼ 德勤洞察發(fā)布：《懸而未決的AI競賽——全球企業(yè)人工智能發(fā)展現(xiàn)狀》
【導讀】近日，德勤洞察發(fā)布《懸而未決的AI競賽——全球企業(yè)人工智能發(fā)展現(xiàn)狀》報告，德勤中國科技、傳媒和電信行業(yè)編譯。 為了解全球范圍內(nèi)的企業(yè)在應用人工智能技術方面的情況以及所取得的成效，德勤于2018年第三季度針對早期人工智能應用企業(yè)的1900名信息技術及業(yè)務線高管開展了調(diào)查，范圍涵蓋七個國家：澳大利亞、加拿大、中國、德國、法國、英國以及美國。 該調(diào)查重點關注了全球人工智能發(fā)展動態(tài)，以全球視角解讀早期應用者，希望幫助所有企業(yè)制定更明智、更均衡的策略實現(xiàn)人工智能領域的獨特優(yōu)勢。我們在深度探索七個國家的早期應用者后， 報告主要內(nèi)容：
附：報告部分內(nèi)容摘要 1、內(nèi)容摘要 隨著企業(yè)領袖逐漸將人工智能視為下一輪經(jīng)濟大擴張的重要推動力量，一種擔 憂錯失良機的情緒在全球范圍內(nèi)日益蔓延。許多國家紛紛制定人工智能戰(zhàn)略， 通過資金投入、政策激勵、人才發(fā)展和風險管理推進技術能力的發(fā)展。人工智 能對于下一代技術的重要性與日俱增，許多企業(yè)領袖擔心會落后于時代發(fā)展， 無法分享技術發(fā)展的成果。 德勤《企業(yè)人工智能應用現(xiàn)狀分析（第 二版）》調(diào)查報告探索全球人工智能 發(fā)展的動向，深度探析七個國家的早期應用者。 調(diào)查發(fā)現(xiàn)： 企業(yè)對人工智能重要性的認識逐步加深，包括 增強競爭優(yōu)勢和改進工作方式。全球大部分早 期應用者表示，人工智能技術對企業(yè)在當今時代 取得成功尤為重要——這一觀念正在逐步增長。 亦有大部分早期應用者表示正在采用人工智能技 術趕超競爭對手，同時人工智能賦予了其員工更 加強大的能力。 人工智能成功的關鍵在于有效執(zhí)行。企業(yè)常常 必須在廣泛的實踐領域中創(chuàng)造卓越，包括制定戰(zhàn) 略、確定最佳應用方案、奠定數(shù)據(jù)根基并培養(yǎng)扎 實的實踐能力。隨著人工智能日益向消費層面普 及，實現(xiàn)差異化競爭的機會窗口很有可能將會收 縮，因此這些能力在當前至關重要。 不同國家早期應用者的人工智能成熟度各不相 同。不同國家的早期應用者對人工智能的熱衷程 度和實踐經(jīng)驗存在較大差異。部分早期應用者積 極發(fā)展人工智能，而部分則采取較為謹慎的策 略。部分應用者利用人工智能改進特定的流程和 產(chǎn)品，而其他則致力通過人工智能實現(xiàn)整個企業(yè) 的轉(zhuǎn)型變革。 無論各國人工智能成熟度如何，其策略方法均 值得借鑒。審視各國所面臨的挑戰(zhàn)以及企業(yè)應對 挑戰(zhàn)所采取的措施，我們可從中獲取某些領先實 踐的基本要素。例如，部分國家的企業(yè)領袖更為 關注解決技能方面的空白，而部分國家則專注于 利用人工智能提升決策或網(wǎng)絡安全能力。 在人工智能領域?qū)崿F(xiàn)卓越有多種途徑，而成功亦 并不意味著勝者擁有一切。以全球視角審視人工 智能的早期應用者，有助于了解更廣范圍的遠景 趨勢。如此，各方便能采用更為平衡的方式借助 人工智能推動企業(yè)的發(fā)展。 2、人工智能競爭并非“零和博弈” 未來數(shù)年，人工智能將對經(jīng)濟發(fā)展和工 作的性質(zhì)產(chǎn)生巨大的影響，同時亦將 重塑許多行業(yè)的競爭格局。因此，許 多企業(yè)領袖認為所在國家的未來懸而未決。無 怪乎各國政府爭相鼓勵人工智能領域的投資， 建立相關教育計劃，并推進研發(fā)工作，大力支 持境內(nèi)企業(yè)的發(fā)展。 事實上，許多國家政府已經(jīng)制定了正式的人工 智能發(fā)展框架，以助力刺激經(jīng)濟增長和技術發(fā) 展。這包括美國推動人工智能領導地位的行政 令、中國“新一代人工智能發(fā)展規(guī)劃”、“人 工智能德國制造”以及“泛加拿大人工智能戰(zhàn) 略”。這些國家戰(zhàn)略專注于人才和教育、政府 投資、研究及協(xié)同合作。然而，政府面臨的挑 戰(zhàn)遠不止于技術和經(jīng)濟層面。許多國家已經(jīng)著手評估如何在擴大創(chuàng)新和潛在經(jīng)濟利益的同時， 確保隱私、安全、透明、責任和對人工智能系 統(tǒng)的掌控。 盡管國家以及企業(yè)之間的競爭日趨激烈，但人工 智能不應被視為一場“零和博弈”。所有應用者 均可相互學習和借鑒，先期成功的關鍵很可能在 于有效執(zhí)行——從選擇最佳應用方案，到助力員 工做好準備，再到管控風險和應對挑戰(zhàn)。 為更好地了解早期應用企業(yè)在人工智能技術方 面的所取得的成效，以及他們?nèi)绾沃珠_展轉(zhuǎn) 型變革，我們針對全球范圍內(nèi)的1,900名企業(yè)高 管展開了調(diào)查（見補充欄“方法論”）。我們 亦希望通過此次調(diào)查研究人工智能對這些企業(yè) 的影響，以及不同國家在推動人工智能發(fā)展的 策略方面是否存在顯著差異。 3、為全球人工智能發(fā)展動向把脈 人工智能技術組合 機器學習。借由機器學習技術，計算機可以學會分析數(shù)據(jù)、識別隱含模式、進行分類并預測未來結果。 這種 學習 來自這些系統(tǒng)在無需遵循明確程序指令的情況下，隨著時間推移自我進化和改善自身性能的 能力。大部分人工智能技術以機器學習及其更復雜的后代——深度學習為基礎，包括計算機視覺和自然 語言處理。我們的調(diào)查表明，全球受訪者采用機器學習技術的比例已經(jīng)達到61%。 深度學習。深度學習基于被稱為“神經(jīng)網(wǎng)絡”的人類大腦概念模型，是機器學習的子集合。之所以被稱 為 深度 學習，是因為這種神經(jīng)網(wǎng)絡具有多重互相連接的層級，包括接收數(shù)據(jù)的輸入層、多個計算數(shù)據(jù)的 隱含層，以及提供分析結果的輸出層。深度學習尤其適用于分析大量復雜的多維數(shù)據(jù)，如演說、圖像及 視頻等，在分析大型數(shù)據(jù)集時最為有效。新技術使得企業(yè)更容易啟動深度學習項目，促進了深度學習應用率的提升。在我們的調(diào)查中，51% 的全球受訪者表示采用了深度學習技術。 自然語言處理。自然語言處理是從可讀的、風格自然的、語法正確的文本中提取或生成意義和意圖的能 力。自然語言處理為虛擬助理和聊天機器人提供基于語音的界面，該技術也日益被用于數(shù)據(jù)集查詢。 2全 球60%的受訪者已經(jīng)采用自然語言處理技術。 計算機視覺。計算機視覺是從視覺元素中提取意義和意圖的能力，包括字符識別（針對數(shù)字化文檔）和 圖像內(nèi)容分類（如人臉、物體、場景和活動）。人臉識別背后的技術——計算機視覺技術——是消費者 日常生活的一部分。例如，部分用戶通過人臉識別便可登陸其手機。此外，計算機視覺技術還推動了無 人駕駛汽車的發(fā)展，并為無人售貨商店提供了助力。 3計算機視覺在全球受訪者中業(yè)已成為主流，有56% 表示其所在公司目前已采用該項技術。 4、懸而未決的 AI 競賽 有跡象表明，人工智能差異化競爭的窗口正在 迅速關閉。隨著人工智能在消費層面迅速普及， 且內(nèi)置人工智能的產(chǎn)品和服務數(shù)量日益增長， 先行企業(yè)所具有的優(yōu)勢將被迅速削弱。多數(shù)受 訪者（57%）認為人工智能技術將在未來三年 內(nèi)從本質(zhì)上轉(zhuǎn)變他們的企業(yè)（見圖1）。然而，僅 38%的受訪者認為人工智能將在同一時期內(nèi)改 變其所在的行業(yè)。這種預期相對遲緩的行業(yè)變 革可能意味著短暫的機遇。早期應用者切勿低 估競爭對手的能力。 人工智能的早期應用者正致力于提升企業(yè)內(nèi)部 和外部的能力。他們所取得的人工智能成效主 要在于提升產(chǎn)品和服務（43%選擇該項為其前 三大成效之一）以及優(yōu)化內(nèi)部業(yè)務運營（41%選 擇該項為其前三大成效之一）。企業(yè)可選擇以 內(nèi)部或外部（或兩者）提升為重點，許多企業(yè)所采用的應用方案各有不同。 例如，某專家小組成 員之一、零售業(yè)首席信息官已經(jīng)探索過多種類型 的應用：“ 我們研究了各種不同的應用方案，從 所有渠道的自動化、協(xié)助處理客戶詢問的聊天 機器人，到?jīng)Q策支持和客戶數(shù)據(jù)分析以更好地了 解購買模式和產(chǎn)品性能?！?/span> 針對全球人工智能支出、人工智能初創(chuàng)企業(yè)投 資，以及人工智能技術對未來經(jīng)濟的影響的預 測有很多。 4大部分評估均認為，美國和中國的 投資力度最大，歐盟成員國家則正在迎頭趕上。 5市場正在迅速增長——這一點顯而易見。我們 的受訪者均表示其企業(yè)正在日益加大對人工智 能技術的投入，同時逐漸取得可觀的收益（見 圖2）。事實上，51%的受訪者預期企業(yè)將在下一 財年將人工智能投入提升10%或更高。 5、全球企業(yè)人工智能發(fā)展現(xiàn)狀 盡管對投資于人工智能技術具有高度的熱情和 意愿，企業(yè)卻面臨著相互交織的多重挑戰(zhàn)。全 球受訪者中，有30-40%將以下挑戰(zhàn)列入企業(yè) 面臨的前三大挑戰(zhàn)：將人工智能融入角色與職 能、數(shù)據(jù)問題、實施困境、成本以及衡量人工 智能實施的價值。倍耐力（Pirelli）全球數(shù)字產(chǎn) 品開發(fā)總監(jiān)Carlo Torniai便經(jīng)歷過部分這些挑 戰(zhàn)。他解釋說：“ 多數(shù)情況下，挑戰(zhàn)均與數(shù)據(jù)質(zhì) 量和可用性、清晰且可衡量的關鍵績效指標以 及變革的阻力有關?！彼衅髽I(yè)均應預先考慮 這些潛在的阻礙，并制定計劃予以妥善解決。 企業(yè)高管們亦擔憂人工智能技術所具有的廣泛 漏洞。43%的高管對潛在的人工智能風險表示 非?；驑O度擔憂。高管首要擔憂的問題包括網(wǎng) 絡安全漏洞（49%的高管將此列入前三大風險） 以及基于人工智能的建議做出錯誤決策（44% 將此列為前三大風險）。另有40%的高管將人 工智能決策的潛在偏見列為前三大道德風險 之一。 瑞士信貸集團（Credit Suisse）股票業(yè)務 全球戰(zhàn)略與轉(zhuǎn)型負責人Falguni Desai亦對人 工智能的可靠性表示擔憂：“ 無論采用何種類型的應用方案，如果要對人工智能具有更大的信任和透明度，監(jiān)管機構需要更進一步地參與進來——正如我們對出行、食品等級水平進行 星級評分，以及在藥品上市前進行測試一樣?！?/span> 最后，大部分企業(yè)面臨著人工智能技能差距的 困境，并正在積極尋找具備專長的人才以增強自 身的能力。全球有68%的受訪者表示企業(yè)存在 中等到極其嚴重的技能差距，而填補這些差距 所需要的三大類型人才包括人工智能研究人員、 軟件開發(fā)人員以及數(shù)據(jù)科學家。 許多企業(yè)在尋 找技術專長人才之外，還表示需要能夠解讀人 工智能結果并據(jù)此做出決策和采取行動的企業(yè) 領袖。企業(yè)可能認為尋找最優(yōu)秀的外部人才將 會帶來巨大的優(yōu)勢，但同時亦不應忽略對現(xiàn)有員 工的培訓。 Datalog.ai主管合伙人兼首席執(zhí)行官 Jack Crawford表示：“ 我傾向于在建立技術卓 越中心之前，對高級管理層進行培訓學習。企業(yè) 需要引領競爭，而領導者則需要具備信念以推 動企業(yè)向前發(fā)展?！比斯ぶ悄軐⒏淖?nèi)藗児ぷ鞯?方式，企業(yè)需要具備一系列技能才能確保成功。 6、各國AI應用對比分析 成熟專精型人工智能應用者 一些人工智能應用者的發(fā)展比其他應用者更為深入。為便于對比，我們按發(fā)展成熟度水平將受訪企 業(yè)劃分成三個層級。成熟專精型企業(yè)（占全球受訪企業(yè)的21%）是最具經(jīng)驗的人工智能早期應用者， 處在人工智能應用成熟度的前沿。 這些企業(yè)已經(jīng)開展了大量人工智能生產(chǎn)部署活動，并稱其已發(fā)展 形成全方位的高水平人工智能專業(yè)能力，包括人工智能技術和供應商的選擇、應用方案的確定、人 工智能解決方案的建立和管控、人工智能在自身信息技術環(huán)境和業(yè)務流程中的融合，以及人工智能 技術人才的招募與管理等方面。 技術嫻熟型企業(yè)（43%）處于中間水平，他們總體上已經(jīng)啟動了多 個人工智能生產(chǎn)系統(tǒng)，但仍未達到成熟專精型企業(yè)的人工智能成熟度水平，主要在人工智能實施， 或人工智能專業(yè)能力，或兩個方面相對落后。初級應用型企業(yè)（36%）處于最末端，他們剛剛涉足 人工智能應用領域，尚未具備穩(wěn)固的人工智能解決方案建立、融合及管理能力。 7、全球企業(yè)人工智能發(fā)展現(xiàn)狀(略） |
|
|
