人工智能应用之道

近日，埃森哲公司发布了《AI应用高管指南》，从AI定义、AI历史、AI效率、AI信任、AI风险、AI投资等多个维度，向企业高管展示了人工智能的前世今生，并从“AI领导力”角度提出了行动指南和应用建议。

前所未遇，通用技术革命

过去二十多年，企业遭遇了颠覆性冲击。事实如此令人震撼：自2000年以来，数字化颠覆已令半数的《财富》500强企业从榜单除名。AI将让数字颠覆来得更加强烈。

这是因为，人工智能是一种经济学家所定义的通用技术（general-purpose technology）。而通用技术的影响通常巨大而且深远。我们不妨回想电力和内燃机的历史意义，通用技术影响不仅体现为对社会的直接贡献，还会通过溢出效应，激发广泛的互补式创新。正是由于电力的出现，工厂电气化、电信联络，以及随之而来的一切方才成为可能。内燃机则催生出了汽车、飞机乃至现代化的运输和物流网络。如今，人工智能将以类似的规模影响整个社会。

一系列快速发展的技术趋势正在形成组合效应，得益于此，人工智能已变得更具可行性。这些趋势不断降低着各行各业的进入门槛。一批依托人工智能的新企業纷纷涌入市场，改变了老牌企业固有的竞争格局。这些新生力量更加灵活，不受传统技术系统、分销渠道以及员工团队转型需求的束缚。

相关私人投资随之出现了激增。2017年前9个月，人工智能风险投资总额达76亿美元（与之相比，2016年全年为54亿美元）。人工智能专利的注册量亦攀升至历史最高水平，较2006年扩大四倍。在美国，人工智能初创企业的数量短短四年内便增长了20倍之多;截止到2018年6月，中国的人工智能初创企业达到了1011家。

这一切都在进一步加剧快速发展、持续变化的竞争、投资和研究格局。归根结底，人工智能已成为不容忽视的市场因素，每位高管都务必积极应对、密切关注。

心存犹疑，多轮努力无功而返

AI并非全新创意，它由来已久。“人工智能”这一术语早在1956年便已问世。该技术的发展历史上曾出现过多轮令人欢欣鼓舞的高潮，但随后迎来的却是失望和长时间的低迷（这些阶段被称为“AI寒冬”）。以往的每一次技术突破都只是部分达到对其的瑰丽憧憬，而从未使这项技术成为主流。

那么，这次有何不同？

当前出现的重大变化在于，我们正处于一个前所未有的时期——如此之多的不同领域都在展开技术创新。今天的人工智能应用软件可以利用云端几乎无限的处理能力，并且为特定任务定制设计的电脑芯片也在持续增多，此类芯片具备更高水平的计算效率和速度，其最主要的用途便是数据分析。这方面的典型实例包括，用图形处理器（GPU）代替中央处理器（CPU），使处理能力得到大幅提升。而谷歌已更进一步，其设计的张量处理器（TPU）的性能比当今使用的CPU和GPU高出30-80倍。

如果再考虑存储成本的快速下降（每Gb从1980年的50万美元降至2015年的3美分）、可供训练人工智能的数据量呈指数级增长、开源平台和框架的出现，我们现已具备独特的条件来结合技术和能力。这一切都为人工智能提供了非常强大的基础，使其日益趋近主流应用的临界点。从谷歌、亚马逊、脸书、微软，到百度、阿里巴巴和腾讯，几乎所有世界领先的技术巨头都极为关注人工智能。其他创业者和投资人同样热衷于此。超过半数的欧洲初创企业均以人工智能为焦点，而人工智能类业务的投资也通常会高出其他业务的20%至30%。

然而，这并不意味着，人们对于人工智能何时迎来爆发点，已形成普遍共识。而且我们也无法断定，是否可以很快看到通用人工智能（而非窄人工智能）的出现。一方面，牛津大学和斯坦福大学面向350位专家进行的一项调查得出结论：45年内，机器在所有任务中都能胜过人类的可能性为50%。另一方面，艾奇奥尼教授（Etzioni）2016年对知名人工智能研究者所做的调查显示：四分之一的受访人士认为超级智能根本不可能实现。

尽管我们尚未拥有通用人工智能，但随着基础技术以惊人的速度发展，窄人工智能已经在现实世界的商业应用中显露了非凡威力。

随着企业持续加大人工智能的应用力度，系统所能处理的数据和工作的复杂性必然有增无减。若想了解其如何在业务环境中发挥作用，下方框架可能会有所帮助。此框架列出了各种技术的潜在应用形式（本文以金融服务行业为例），并根据所涉及数据和工作的复杂程度，将人工智能应用分为四大模式——效率、效力、专家、创新。

在与客户的长期合作中，我们已看到人工智能正在不断被扩展和产业化。过去几年，许多企业都在试点人工智能如何影响其员工、流程和产品。现在，我们相信这些企业已经开始将试点项目向整个组织范围内推广。多达四分之三的高管表示，其组织未来三年将“积极部署” 某种人工智能。

一言蔽之，当前的局势已非常明确：人工智能正蓄势待发，并且事关重大。

与时并进，需要采取切实行动

采取正确的应用方式，人工智能将成为提升企业经济价值的全新驱动力。但问题在于，选择何种路径才是恰当之举？在这样一个飞速发展的领域中，我们很容易一叶障目，迷失战略方向。首先，应当了解人工智能将带来哪些机遇。通过将这些机遇划分为三大类型，你可以对应采取的路线有更清晰的认知。这意味着需要分别考虑：如何利用人工智能来加快自动化，如何增强工作效力和执行方式，以及如何在企业内外扩展人工智能创新。

扩大自动化范围

人工智能已成为自动化的新前沿。借助具备自我学习能力的自动化系统，充分利用机器学习、计算机视觉、知识表达和推理等技术模仿人类行为，人工智能可以使自动化超越仅基于规则的预测性工作，延伸至我们目前认为需要人类判断的领域当中，从而创造出大量全新的自动化机遇。

增强工作能力

人工智能大大提升了资源的利用效率。在实际工作中，这体现为两方面的助益：其一是增强人类员工的判断力，其二则可提升客户体验。

1.更聪明地工作。在增强员工判断力方面，与人类相比，机器学习能够从非常庞大、且高度复杂的数据集中提炼出更多洞见。因此，它们可以发现人类专家未曾觉察的模式、相似性和异常。例如在筛查癌变症状时，人类专家能够从扫描胶片中识别出数百种恶性病变，而人工智能可以识别数千种之多。

诺丁汉大学的研究人员已创建了一套人工智能系统，预测哪些患者可能在十年内发生中风或心脏病。该系统的表现优于标准预测方法（得分在0.745和0.764之间，而标准方法为0.728）。

这些进步令人印象深刻。但其并不意味着人类专长很快会被取代。当前，最佳成果仍源自人类专家与人工智能的合作——双方都发挥各自独特的能力来共同解决问题。

2.提升客户体验。利用人工智能——特别是该技术在认知方面的功能，企业可以极大地改善与客户的交互。其具体方式包括：使用数字助理和聊天机器人，通过社交媒体和数字平台全天候地与客户交谈;或者，在电子商务网站上推荐个性化的产品和服务。

例如，当南美阿维安卡航空公司（Avianca）希望提升其2800万客户的旅行体验时，他们很快下定決心引入聊天机器人助理。埃森哲帮助该公司创建了一款在Facebook Messenger上运行的聊天机器人Carla，利用人工智能协助客户安排旅行。通过在客户已经熟悉的消息平台上与Carla进行自然对话，Avianca的客户可以快速、直观地办理值机手续、查看行程和航班状态，并从航空公司处获取天气和其他更新信息，无需等待电话人工客服的应答。

此外，创建像Carla这样的聊天机器人或数字助理无需投入庞大资金，或者花费数月时间。开发Avianca的这款聊天机器人只花了六周时间，而且几乎立刻就拥有了超过2万名独立用户，他们每个月都会与Carla进行约4000次对话。 Carla甚至还设法将Avianca客户的平均值机时间缩短了一半。

扩展创新成果

创新能够激发连锁反应。非同凡响的新技术将带来贯穿整体经济的溢出效应，以前所未有的方式永远改变一切。当电力首次实现工业化时，谁能想象当今世界对电能有如此巨大的需求与依赖？当内燃机诞生时，谁又曾预见我们互联互通的全球运输网络能够具备这般速度和规模？

人工智能将对社会产生类似程度的影响。其创新成果会在企业中不断延伸——甚至扩散至整个经济体系，创建出全新的、超越想象的商业模式和机遇。无论是将那些我们曾认为离不开人类智慧的任务加以自动化，还是在海量数据中洞悉规律，抑或，是支持全新的认知型人机交互界面，这项技术必将对我们的工作和个人生活带来深远的根本性影响。

例如，自动驾驶电动汽车无疑会彻底颠覆我们当前对交通的思考。就在几年前，驾驶还被认为是一个十分复杂的行为，只能由人类完成。但现在，自动化的交通运输正成为现实。从车厂到物流和汽油销售，再到全球石油产业，自动驾驶汽车转型的直接影响将广泛而深远。与此同时，伴随安全性的显著提高，车辆设计、保险需求以及医疗和紧急援助等方面也会与以往大相径庭。另外，路网设计、停车需求、汽车经销商和汽油税收亦无法维持原状。仅仅是来自某一行业的一项人工智能创新，所引发的社会影响就令人惊叹不已。

人工智能之所以产生革命性的威力，原因之一便是其应用简单。具体而言，人类不需要主动去适应此类技术，或者另外学习一套新的技能来使用它们，这使其在技术的发展史上具备了独一无二的特性。我们能够通过简单、自然的沟通介质——语音、文本甚至是图像，和人工智能系统进行互动。与之相比，无论是学习驾驶汽车，还是首次使用电脑，对技能的要求都远高于此。它给了我们非常重要的启示：同以往的颠覆性技术相比，应用人工智能的临界点可能更快到来。

付诸实践

通过清楚地了解机遇，我们能够做好准备，将人工智能应用于企业之中。首先，需要制定人工智能的战略和路线图。该路线图必须涵盖重新设计受影响的业务流程以及适当的治理控制。而最重要的是，务必优先考虑对企业具有高度影响力的人工智能计划。

其中的关键在于：应当从业务模式着手，而非技术，这一点至关重要。通俗而言，就是首先考虑想达成什么目标，而不是技术可以做哪些工作。只有这样才能准确将人工智能加入技术组合之中，分析出它可以增添价值的具体环节。相关事宜应包括：评估使用人工智能的可行性、付出与回报比以及可能遇到的风险。此外，还需要找到一家能够鼎力相助的商业机构，助推人工智能在整个企业中的应用。毕竟在引入各种重大创新的进程中，改变人们的行为习惯通常都是最为艰巨的挑战。

在开发人工智能应用程序时，敏捷的“快速试错”方法非常重要。就是说，应针对每项业务问题或机遇进行试点，测试解决方案的可行性，并评估企业可用的技术选项。

适当的运营模式和董事会级别的认可，两者缺一不可。根据埃森哲的经验，创建一个集中式的“枢纽”或卓越中心，能够最有效地发挥领导力并实施治理工作。这一枢纽可以通过一系列“影响力辐射”，扩展至企业的其他部门（营销、风险管理、人力资源等）。

这种中心辐射模式可以为企业的人工智能征程带来多种非常重要的益处：

·在选择所需技术与工具以及招聘和人才开发等方面，能够形成规模效益;

·支持以跨组织的方式，构建并维护必要的数据生态系统;

·确保标准、定义和方法的一致性，并促进在整个组织范围内推广最佳实践;

·提供了一种衡量价值，并合理排列机会优先级的严谨方法;

·确保在所有人工智能项目中采用最高标准的治理措施。

密切关注发展动态

随着企业在人工智能应用之路上的不断迈进，紧跟最新的创新和应用至关重要。在当下快速演进的市场环境中，局势可能在一夜之间发生巨变。了解人工智能领军者和人工智能第一梯队的动向，并知晓这些行为背后的意义，将始终是商业智能极为宝贵的来源。

那么，我們有望在未来的道路上看到哪些情形呢？

短期内，语音交互仍将是人工智能面向消费者的最主要应用形式。亚马逊Alexa和谷歌Home将继续在该领域角逐，力争成为智能家居的主要掌门人，而苹果公司的HomePod近期也加入了战局。此外，围绕客户数据和客户关系，我们很可能看到在平台提供商和服务提供商之间，会出现关于所有权和访问权的争执。

但实际上，在人工智能普遍成为最新用户界面的趋势中，语音只是其中的一种沟通方式。也就是说，无论是通过聊天服务，消息发送，还是智能家居设备，人工智能都正在成为客户互动的首选渠道。其重要性使得企业必须谨慎思考如何运用人工智能，并使之为自身品牌代言。那些将此视为次要或附加事项的企业很快就会遭遇失败。

这种转变的重要启示之一，就是人工智能团队不能仅由技术人才组成，必须具备跨学科的能力。例如，微软聘请了一支包括作家和心理学家在内的完整团队，为其人工智能操作系统Cortana赋予独特个性。

同时，我们还应关注另一项发展趋势——众多品牌正通过亚马逊Echo和谷歌Home等设备进行广告宣传。然而，语音广告目前仍处于起步阶段，需要进行大量试验及试错。在没有得到许可的情况下，打扰人们的居家生活来推销服务，极有可能招致愤怒。事实上，亚马逊已在2017年4月更新了其Alexa开发者政策，禁止在音乐和新闻简报（flash briefing）之外插入广告。因此，必须以创新方式推动人们使用品牌的语音互动功能。提供一定补偿或许可，以得到顾客认同——他们付出注意力，由此换取某种回报。

关键在于：即便人工智能技术的发展状态尚未超越我们的集体想象，这种局面也会很快到来。这令其与以往的技术革命截然不同。人工智能的可能性只会受到我们实验和使用意愿的限制。

未雨绸缪，预先考量相关风险

毋庸置疑，人工智能在带来巨大机遇和效益的同时，也引发了相应的风险。事实上，创新必然会有挑战。因此，在踏上人工智能征程之前，首先需要对所有可能面临的风险进行评估。

那么，风险的来源有哪些？我们认为，必须预先考虑四类主要风险，分别涉及信任、责任、安全和控制。

信任

我们怎样向广大民众证明，人工智能的安全性？我们如何从一开始构建人工智能的时候，就避免无意或有意混入偏见？答案是坚持透明度和问责制。所有由人工智能做出的决定必须可以公开申诉和质询。

责任

当人工智能系统出错，甚至违法时，会造成何种后果？谁将为此承担法律责任？需要实时更新相关法律和监管要求的变化。

安全

我们如何防止人工智能在未经授权的情况下遭到恶意操控？随着开源代码的使用越来越多，安全性挑战逐步加剧。

控制

由机器控制流程后会发生什么？在极端必要情况下，人类如何收回控制权？对于何时以及如何在人与人工智能之间进行控制交接，需要仔细加以斟酌。例如，在自动驾驶汽车中保留人类驾驶功能，使之以各种方式控制车辆，这看上去给安全加了砝码，但由于人类无法每时每刻都全神贯注，因此，一旦出现危急情况，仍无法依靠人类进行足够快速的干预。

埃森哲对这些问题作了深思熟虑的考量。我们强烈建议，采用“以人为本”的方法思考人工智能。而这意味着，需要依托一套框架来实现我们所定义的“负责任的AI”。对于降低人工智能的使用风险，该框架主张展开以下四方面的必要行动：治理、设计、监测、再培训。

治理

创建恰当的治理框架，支持人工智能快速发展。将其锚定在企业的核心价值观、道德边界和问责制框架之上。

设计

在设计的最早阶段便开始考虑隐私防护、透明度和安全性，从人工智能应用伊始就建立各方对其的信任。

监测

根据一组关键指标审核人工智能的性能。确保其中包含有关算法责任、偏见和安全的指标。

再培训

使企业全体员工都能了解人工智能，扫除受此技术影响人员的应用障碍。

需要注意的是在人工智能的构建过程中，很难消除人类无意识的偏见。这对人工智能的编码与培训以及使用数据集的选择来说，会产生重大的影响。只有通过建立通用标准，来减少这方面的影响。总体而言，我们或许需要期盼，人工智能系统将比人类同事承担更多的责任。

解释的必要性

最重要的一点是，当企业开始使用人工智能时，“可解释性”将确保公众的信任。换言之，必须做好准备来说明人工智能如何以及为何做出一项决定。这是某些受监管行业早已熟悉的情形。例如，若其决策影响到客户，金融服务机构有义务作出解释。

但这方面还有另一层原因：人们更有可能信任那些自己所理解的事物。因此，“可解释的人工智能”已成为所有人工智能战略的重要组成部分。

事实上，这项任务知易而行难。从本质角度出发，机器学习通常都是一种“暗箱操作”。也就是说，其特定运作方式使得很难清楚解释，最终的输出究竟如何生成。不过，许多人工智能业内人士和数据科学家都在思考该问题，并且可能很快就会找到新的方法，对人工智能决策进行更充分的科学解释。

与此同时，现在每家企业都可以采取一些实际步骤，使自身人工智能系统更易于解释：

列表

考虑在本企业中，人工智能正在或将要制定的决策。哪一项可能需要加以解释，或者创建出预期成果？它们是否与就业、招聘、贷款、教育、医疗保健、住房、包容性或安全防护等关键领域有关，甚至是间接相关？

评估

考虑所有目前可用以解释人工智能决策的定量及定性模型。对于模型计划帮助的人士来说，其目前贡献力度如何？

设计

重新审视用于人工智能的设计原则。它们怎样才能使决策过程更加以人为本，且易于理解？

審核

查看数据。如何确保人工智能系统正在使用可反映工作环境不断变化的数据集？

高瞻远瞩，广泛影响不容忽视

没有人能够独善其身，企业亦然。我们采取的各种行动都可能会超出单一组织的界限。因此，鉴于人工智能的革命性潜力和深远的溢出效应，使用它所形成的广泛社会影响不容忽视。这意味着，必须群策群力来解决一些重要问题。例如，在人工智能驱动的世界中，我们如何确保人们拥有发展进步所需的技能？人工智能会取代多少现有工作，又将创造出多少个全新岗位？一些人是否需要从工作以外的来源寻求收入和成就感？关于人工智能所做的决定，需要哪些新的法律框架？当人工智能变得比他们的创造者更聪明时，人类是否会面临生存威胁？

技能问题

在技能方面，各国政府多年来一直在推动科学、技术、工程和数学（STEM）四类课程的学习。这一趋势必须保持甚至加快，并在学校和培训课程中增加新的数据和分析法内容。这不应只针对STEM课程，必须以同等力度强调数据和分析学对其他学科的重要性。此外，着力扩大学徒制培训也可为此做出一定贡献。例如，英国政府就采取了此类举措。

当然，在提升人工智能时代的员工队伍技能方面，行业部门也起着至关重要的作用。虽然这需要相当大的投资，但此举对于企业而言，不仅能产生经济激励（确保人才供应），还事关道德义务（负责任地使用人工智能）。更重要的是，如果与人工智能驱动下的变革速度相比，我们现有教育和培训机构无法同步迈进，那么行业参与就变得愈发重要。

一些工作需要运用人类最内在的特质——创造力、同理心、善良、关怀等，在任何情况下，它们都可能是最后才受到人工智能影响的岗位。人工智能极难复制人类智慧的这些核心元素。因此，即使人们无法制胜机器，但许多重要且有意义的职业道路仍将对其开放。

就业问题

最终，人工智能带给就业的净影响会是正面，还是负面？该问题太过庞大，不过埃森哲的专家对此普遍持乐观看法。如果企业能够通过负责任、以人为本的方式使用人工智能，并且在替换岗位的同时，给与增强人类智能同等关注，那么我们相信，所有努力必将带来积极影响。依照这种思路引入人工智能，将使人类员工专注于工作中更具趣味性、挑战性、创造性，且更多涉及人际关系的部分，而将单调、无聊、重复的部分留给机器。

很多人对此持乐观态度，他们认为，从就业机会角度看，人工智能的创造力将大于破坏力。这些人士的理论依据来自以往的技术革命史，他们发现，每次技术革命最后都会促进整体就业的净增长。诚然，这种增长过程往往会超越一代人，虽然上一辈工作者可能由于引进新技术而被淘汰，但历史表明，下一代将从中受益。这种论点坚信，从长远来看，人工智能同样会产生积极的净影响。

不过可以确定的是，并非所有人都如此乐观。一些人认为这次的变革不同以往。他们指出，虽然此前的许多技术革命都曾推动手工劳动的机械化，但人工智能却是触及到了更为基础的认知过程自动化。因此，机械自动化只能取代一系列特定任务（例如，在农业劳作中拖拉机取代马），而认知自动化的影响如此广泛，以至于会令人类丧失核心竞争优势——他们的思考能力。这种观点认为，从长远来看，我们应该为普遍失业做好准备。

鉴于观点如此多样，针对就业问题的解决方案不太可能快速成形。相关辩论仍将持续一段时间。与此同时，政府和各行业都有责任尽一切努力，确保对人工智能的使用秉承负责任、以人为本的方针。

法律问题

毫无疑问，随着人工智能在商业、工业及其他领域的不断发展，法律和监管框架需要随之更新。最先着手，也是最紧迫的领域之一，可能就是与自动驾驶汽车有关的法律。应思考的法律范围包括人身伤害、疏忽过失和侵权等。例如，若一辆自动驾驶汽车在没有驾驶员的情况下撞车，谁将承担责任？是汽车制造商、软件提供商，还是车内乘用者？

那么，人工智能的设计工作又会产生何种法律后果呢？当一辆自动驾驶汽车面临极端紧急的情况（比如，在挽救车内乘客和前方行人之间做出选择），人工智能的设计需要采用明确的思维框架来决定作何选择。这将涉及某些最困难的法律和道德问题的核心。

维护竞争秩序的法律也需要调整。定价算法已被在线零售商广泛使用，以此实现了更加快速而精准的价格调整。据报道，亚马逊每小时内会多次变更某些商品的价格，这相当于每天修订数百万条单价。人工智能在开放市场中作出的任何决定都需要保持透明且有理有据。

生存问题

没有人确切知晓人工智能是否会超越人类的一般智力水平，更遑论如果真的如此，将发生何种状况。即便那些相信通用人工智能确有可能的专家中，有关其具体发生时点的判断也存在很大分歧。我们有信心断定，尽管人工智能无疑具备令人惊叹的潜力，但通用人工智能距离问世还有很长时间。然而这并不意味着，我们现在全然无需考虑其后果和影响。因此，建立由行业赞助的学术机构（如牛津大学的人类未来研究院），对这一问题进行审视分析，将对AI的发展大有裨益。

应用智能，恰逢其时

随着人工智能的普及，它必将永远地改变我们工作与生活的方式。

作为全新生产要素，人工智能会以多种重要方式推动业务增长——将自动化扩展至此前仅限人类完成的领域;增强我们的工作能力以提升决策效力;或是在企业内外，促进飞速发展的创新成果广泛传播。

无论规模大小，众多企业已纷纷尝试利用人工智能解决方案驱动新的增长。他们正想方设法使员工更具智慧、积极探索新的客户互动方式，并且着手构建能够比人类员工更快、更出色工作的人工智能机器。

如同所有重大创新一样，踏上人工智能征程势必要面临风险，并且可能出现意想不到的后果。这便是以负责任方式利用此类技术如此重要的原因。必须从一开始就将信任、透明度和安全性纳入人工智能设计当中，并且始终谨记做出明确解释的必要。

总而言之，形势的紧迫性已毋庸赘言：人工智能已来，积极关注和行动，实现技术向善、智能有为，现在恰逢其时。

（本文内容摘自埃森哲《AI应用高管指南》报告）