埃森哲：AI应用规模化，敢问路在何方？

相较于不断革新的人工智能技术，埃森哲认为企业的应用段位更为重要。我们建议企业进行四个整体性思考：

1. 为什么要应用人工智能？其战略方向与运营模型如何与业务保持一致？

2. 谁来负责与推动规模化应用？

3. 需要清除哪些干扰因素？

4. 是否可以借助创新应用加速器，实现业务价值？

今天，人工智能已经不算一件新鲜事。我们日常接触的淘宝小二，能够分担人工客服的工作量，提升消费者体验；上海临港原生态海滩上的，能基于机器视觉识别滞留游客，并在紧急情况下直接报警请求进一步干预；菜鸟网络的仓库采用边缘计算、人工智能等核心技术，自动计算货物存储堆积和进出情况，实时反馈到调度系统。

事实上，中国已成为全球第二大人工智能单一市场，无论是企业还是消费者，我们对AI技术的积极态度始终走在世界前列。

2021年世界人工智能大会期间，埃森哲接受了第一财经专访，介绍了埃森哲研究成果以及人工智能在中国企业落地的现状。

我们认为，企业应用人工智能技术可以分为三个阶段——概念验证、规模化推广，及产业化增长。规模化推广是应用人工智能的分水岭，从全球范围来看，其投资回报率平均达到概念验证阶段的三倍左右。

根据埃森哲调研，过去三年，年营业额超过10亿美元的受访中国企业中，近半数在人工智能领域的总投入超过3.5亿元人民币；近八成高管认为必须借助人工智能技术实现企业增长目标。

在他们中间，有一部分领军者已经收获了可观的回报，但过半数的企业，却依然止步于试点阶段，难以将人工智能推广到整个企业。如何突破瓶颈，提升AI应用段位，成为技术平台与产业均重点关注的问题。

明确业务战略

埃森哲调研发现，规模化应用人工智能的领军企业往往拥有明确的战略目标，其技术战略和业务战略方向一致。

对于实现规模化的时间跨度，以及需要为此采取哪些合理行动，他们均有着更现实的预判和规划，其基础工作也做得更细致到位。他们拥有更灵活的业务流程，并能将其整合进入更广泛的生态系统；他们制订了更严密的问责制度，以及可监督与管控的治理机制；当中65%的企业，从试点到规模化部署阶段的时间跨度为1至2年。

一家国内电力企业围绕“聚焦网络运营提效，业务运营精细化和行业生态建设”的业务转型战略，树立了人工智能战略的核心目标。

通过评估当前智能化运营的现状，该企业进一步规划出实现该人工智能战略目标的具体途径，包括：全员能力提升与资源平台建设；增加技术研发投入，加速创新与生态体系建设；聚焦核心业务领域的人工智能应用开发、试点与推广。

全员准备、群策群力

过程中，“人”是核心因素，因此做好员工的准备工作、做到群策群力也非常重要。

埃森哲调研显示，相较于普通企业由技术部门单打独斗，领军企业普遍针对人工智能应用，建立了专门的多学科团队，以及与之相匹配的培训体系和问责机制。这些团队大多能够得到自上而下的明确支持，从而始终与高管团队的愿景保持一致。

这支“面向未来”的队伍通常由首席人工智能官、首席数据官或首席数据分析官直接领导，团队成员则包括数据科学家、数据建模师、机器学习工程师、数据工程师、人工智能工程师、可视化专家、数据质量专家、培训专家和沟通专家等。

一家全球高科技企业创新性地成立了跨学科首席数据官团队，负责统筹建设集团各业务发展所需的数字化体系共性资源与能力，填补企业数字化变革和数字技术变现之间的断层，推动人工智能应用开发团队与业务部门的协同。

在此基础上，他们很快实现了数字技术的大规模应用，并成功实现了人工智能应用与业务的无缝结合，以及多业态模式下，业务的精益管理和智能管理。

有效清除数据干扰

数据的清理、管控、维护和使用一直都是企业面临的“老大难”问题，大多数企业都疲于应对庞大的数据，难以将其转化为价值。但领军企业能够消除数据“噪音”，对其进行精准挖掘并有效提炼价值。

与概念验证阶段企业相比，规模化推广阶段企业能够认识到关键业务数据的重要性，将财务数据、营销数据、消费者数据以及主数据确定为优先领域；更善于使用恰当的人工智能工具，组织和管理数据；这类工具包含云数据湖、带有模型管理与治理功能的数据工程数据科学工作台、数据和分析功能交易平台，以及搜索服务等，能够从数据的创建、托管，一直延伸至利用；通过大力投资，在云端建立数据质量、数据管理和数据治理框架，通过清晰的操作模式合理协调数据的生成与使用。

一家大型啤酒酿造企业凭借前沿的机器学习技术和新型智能，开发出更为精确的预测模型，有效提升了数据的准确性。

该企业通过人工智能应用改善了100多个数据集的数据质量。高质量的数据使得企业各部门的关键决策者以前所未有的速度和规模，获取了高度可行的数据驱动型洞见；在此基础上，该企业改进消费者和客户细分，推动销量不断增长；优化客户体验，精简流程与产品配置，从而实现了四倍的投资回报。

投入生产并扩大价值

当一家企业可以持续设计规划人工智能项目，并不断投入生产的时候，意味着企业实现了规模化推广阶段的价值。但在“知道自己不知道”后，企业往往又会进入“不知道自己知道”的阶段。

因此，企业需要在多方面判断自身是否已经在实现人工智能规模化的道路上步入正轨：

01 是否已界定“价值”对于公司的涵义，以及优先通过哪些人工智能应用来实现已界定的价值？

02 是否已制定数据战略，并明确数据是人工智能技术的关键使能因素？

03 企业人工智能团队是否确切知晓借助人工智能想要实现的商业目标——他们有没有准备好进入生产阶段（避免受困于概念验证阶段）？

04 当人工智能作出错误、片面，甚至非法的决策时，公司是否具备相应道德框架和正确方法来予以纠正？从这个维度看，企业具备可解释、负责任的人工智能框架和理念在当下也显得日渐重要。

如果企业是一架飞机，那上述四项元素可能就是助力其在“人工智能天空”翱翔的四枚“动力引擎”，能够帮助企业构筑内部的人工智能系统。

但光有引擎还不够，企业需要借助市场上业已成熟的人工智能解决方案作为企业推广人工智能应用的推进器和加速器，助力企业在快速发展的环境中，以可控的成本，快速部署、快速检测人工智能投资回报和商业价值，并根据企业独特的业务需求和目标做出适时调整，从而为提供源源不断的动力。

另外，企业可以站在巨人的肩膀上，借助人工智能创新服务企业的专业能力，以及全球领先的、赋能全业务流程的智能化转型行业最佳实践，实现人工智能应用落地，助力企业提升业务价值和战略升级。