如何运用 AI 创造业务价值

IBM 商业价值研究院 | 研究洞察如何运用 AI 创造 业务价值12 个真实成功案例B企业可以利用 IBM 深厚的行业、职能和技术专业能力，丰富的企业级技术解决方案以及基于科学的研究创新来释放 AI、分析和数据的潜能。如需了解关于 IBM Consulting 提供的 AI 服务的更多信息，请访问 ibm.com/services/artificial-intelligence。 如需了解关于 IBM Software 提供的 AI 服务的更多信息，请访问 ibm.com/Watson。如需了解关于 IBM Research® 提供的 AI 服务的更多信息，请访问 research.ibm.com/artificial-intelligence。如需了解关于 MIT-IBM Watson 人工智能实验室的更多信息，请访问 mitibmwatsonailab.mit.edu。IBM 如何提供帮助1深入 AI 最前线IBM 商业价值研究院 (IBV) 与 MIT-IBM Watson 人工智能实验室携手合作，针对全球范围内超过 35 个人工智能 (AI) 实施中深度学习项目的参与者开展了一项调研。我们与来自十多个行业的业务和技术专家展开对话，深入了解了他们的 AI 目标、挑战和经验。止步于锥刀之利还是追求大规模转型根据调研结果，AI 采用率呈持续增长之势，但大多数组织尚未充分运用 AI 来推动广泛转型。许多组织只是运用 AI 来应对一些孤立的业务挑战。到 2022 年底，我们估计只有四分之一的大型企业将从 AI 试点转为 AI 运营。1揭开迷雾，破除 AI 神话随着许多企业纷纷开始采用人工智能，企业最高管理层和其他领导者务必时刻保持警醒，不要轻易相信 AI 的一些神话，比如“AI 无捷径”、“只有深度学习才是真正的 AI”。他们应当根据 AI 的现状来做出明智的决策。多个不同行业真实企业的成功经验本文揭穿了 AI 领域的五个神话，通过数据和真实案例揭示了当前企业运用 AI 的真实现状，让企业领导者及其团队能够学习和借鉴其他企业的实践经验。许多关于人工智能的常见概念其实是误导性的神话，只是在众多新兴技术的炒作周期中成为暂时性热点。摘要23引言感知与现实的差距。如今，各类媒体经常将人工智能 (AI) 视为缓解经济萎靡不振的灵丹妙药，但企业高管们仍然想了解当前企业运用 AI 的真实现状。这些 AI 采用者运用了哪些方法？取得了哪些成果？IBM 商业价值研究院与 MIT-IBM Watson人工智能实验室携手合作，与超过 35 家组织开展了对话，希望从中探索这些问题和其他一些问题的答案。通过这些对话，我们掌握了参与深度学习项目的业务专家和技术专家运用人工智能在现实商业领域创造切实价值的真实图景。AI：从概念到实际应用人工智能在其技术采用曲线或成熟度周期中持续稳步上升（见图 1）。图 1AI 采用* 2016–2022到 2022 年底，我们认为四分之一的大型企业将从 AI 试点转为 AI 运营。12016 2018 2020 2022不考虑考虑中/评估中试点中/实施中运营中/优化中26%18%5%48%61%51%37%22%15%34%38%4%5%9%25%（估计）* 注意：AI 采用包括试点中、实施中、运营中或优化中。详见尾注 1。4受新冠疫情驱动，企业找到了 AI 采用的精准方向，并加速了 AI 采用。在新冠疫情期间启动AI试点项目的企业数量相比 2018 年增长了一倍多 — 最近的数据表明，此类企业继续保持增长之势。2尽管调研数据反映 AI 采用呈上升趋势，但并未呈现 AI 采用的全貌，无法让许多业务和技术领导者通过对标分析了解其企业采用 AI 的真实情况。 图 2我们调研的范围和规模我们的调研侧重于如何应用定制化 AI 方案来解决不同的业务问题。13视觉12语言11其他机器学习领域12国家/地区13行业12职能领域受访者澳大利亚 巴西加拿大丹麦法国德国中国香港印度荷兰瑞士英国美国广告 能源金融服务 食品酒店 IT 与服务 生命科学 采矿专业服务 公共部门零售 软件 公用事业客户服务财务信息安全 信息技术 制造 营销 采购产品开发 研究与创新 风险与合规 销售供应链与物流为了探索这一全貌以及 AI 正在帮助企业解决哪些挑战，我们针对全球范围内参与深度学习项目的个人开展了一项调研。从 2021 年 4 月到 2021 年 8 月，我们与来自十多个行业的业务和技术专家展开对话，深入了解了他们的 AI 目标、挑战和经验（见图 2）。5我们从 AI 的现状中看到了什么？AI 能否成为营收增长的驱动力？这当然是毫无疑问的。对于一部分创新型 AI 采用者，例如 NVIDIA 和 NavTech 等企业，AI 有助于创造全新的产品，甚至开创全新的商业模式。但只有极少数企业能够应用 AI 来实现如此大规模的转型。大多数企业都是应用 AI 来解决孤立的实际业务问题。全球范围的组织都在广泛采用 AI 来帮助降低成本、改善客户和员工体验、提高赢单率、优化供应链绩效等等。我们还发现，许多关于 AI 的常见概念其实是具有误导性的神话，它们在众多新兴技术的炒作周期中成为暂时性热点。不幸的是，这些误解往往会阻碍组织开展更务实的 AI 工作，并分散组织的注意力。在接下来的报告中，我们将通过从调研中获取的相关见解和实际案例来揭穿五个最普遍的 AI 神话。我们与 35 家 AI 采用者企业的超过 55 位专业人员展开了对话，从中获取了宝贵的观察结果和真实案例，旨在帮助企业厘清事实和假象。这些信息让企业能够深入本质，并与其他同类企业进行对比，从而更加有效地发挥 AI 的影响力和价值。（希望了解详细信息的读者可以从附录中找到 12 个详细的案例研究）。神话 1 AI 是一把万能钥匙神话 2 只有深度学习才是真正的 AI神话 3 降低成本是 AI 的最佳发力点神话 4 AI 无捷径神话 5 AI 仅为眼前的问题提供价值观点神话与现实56神话 1AI 是一把万能钥匙现实 适用性至关重要。AI 驱动的业务改进与许多技术密不可分。例如，在众多 AI 技术中，深度学习通常最适合用于解决与视觉、语言和其他预测模型中的底层（通常是大型）数据集相关的问题。从虚拟助手到欺诈检测，深度学习正在改变我们的工作和娱乐方式。在这些场景中，传统机器学习技术可能不太有效。但 AI 并不一定适用于应对每一项业务挑战或实现每一项期望成效，尽管在媒体宣传时经常会过度神化 AI 的适用性。组织首先需要确定 AI 是适用于更广泛的战略计划，还是仅适用于解决特定的业务问题。本文在“重新思考您的 AI 方法”部分中更全面地探讨了这一主题。企业可以从评估其整体“数据财富”入手，并分析具体的业务问题。6神话 1 AI 是一把万能钥匙神话 2只有深度学习才是真正的 AI神话 3降低成本是 AI 的最佳发力点神话 4 AI 无捷径神话 5AI 仅为眼前的问题提供价值附录7观点AI、机器学习和 深 度 学 习的定义深度学习是机器学习的一个子集，而机器学习又是人工智能的一个子集。这有点类似于俄罗斯套娃。这些技术通常与其他前沿技术形成互补，包括基于物联网的机器人、传感器和执行器以及