人工智能在企业应用的反思

来源：新软件（ID：ccidsaism）

文 / 龙湖集团人工智能研究院院长 傅志华

　　我今天要跟大家分享我的一些思考，先从一个实际案例开始。我有一个朋友在保险行业工作，也是做人工智能相关的工作。他们有一个人工智能团队，但不是特别大，大概有几十人，其中有20多人做自然语言处理，主要用在智能客服方面。狭义的人工智能包括语音和图像，企业搭建人工智能团队无外乎这两方面的能力，要么是图像，要么是语音，还有相关的机器学习团队。这两个方面都不好招人，于是他们就招聘了自然语言处理方面的人才专门做在线智能客服。后来我问他一个问题，为什么考虑选自然语言处理？他其实也没有想得特别明白。

　　从这个案例看，投入20多人做在线客服对不对？是不是也存在一些问题？从给企业带来价值的这个角度看，我今天给大家分享的是，AI不仅是一个技术点，从整个企业生态来看，应该怎样布局AI？如何协助企业实现真正的数字化转型，能够帮助企业提效降本和提升客户体验？如何从一个更系统的视角去看A I技术的价值？我想如果大家都从这些角度去看A I的价值，我相信您去跟企业的董事长沟通的时候，可能会更加有效，而不是一上来就谈智能客服，或者通过图像识别帮企业识别安全问题等。

　　麦肯锡曾经做过一次调查，在2016年麦肯锡面向企业高管做的一次调查中提出，目前人工智能技术是不是企业高管层面的重要议题？

基本上有一半企业高管认为是重要的，但是有一半高管认为进展特别缓慢，都知道这个东西重要，但是不知道怎么弄。包括我刚才提到那个案例，很多企业不缺钱，但是要赶时髦建一个人工智能团队，却没有想清楚哪些方面能用。

　　对于传统企业来说，是不是要用人工智能已经不是他们要回答的问题，问题是，人工智能要怎么用。为了解决这个问题，我建议企业领导在制定人工智能战略时需关注三个方面，这样才能很好地去回答，AI究竟在传统行业的数字化转型中能起到什么样的作用。

　　第一方面是价值规划。从价值规划来看，首先要研究一下目前你所处的行业有哪些潜在的好的应用。其次，长短结合，不能跟老板说我要建一个A I团队做自然语言处理，要两三年才能见效，其实任何一个企业的老板都希望能够立竿见影，不能是按年规划，至少得按半年规划，半年能有产出，所以必须长短结合。再次，从这个规划来看，未来3～5年内除了内部赋能以外，有没有可能通过人工智能技术让企业进入新的行业，产生新的商业模式？这个值得我们去思考。

　　第二方面是产品和技术的组合。应该规划什么样的产品？技术的边界是什么？因为你不可能像百度或者是像Fac e++那样，大规模地投入做人脸识别或者自然语言处理。技术边界在哪里，这个要考虑清楚。

　　第三方面就是团队和组织架构。从AI的三层架构看分为基础层、技术层和应用层。哪些方面如果长期投入是不是就会产生企业的核心竞争力呢？这个值得去研究，不同的行业不一样，大部分企业不会在基础层做大规模投入。

　　大部分的传统行业都会在应用层去做大规模的投入，少数的传统企业可能会在技术层和基础层去投入，所以我个人的建议是在跟行业紧密关联的应用层做大规模投入，而且是要在短期和长期都有比较好的规划，投入的同时还要看政府政策是不是支持。

　　我们做好规划以后，产品和技术组合是什么？我举个例子，企业的不同业务部门代表了不同的业务线，你要研究的是这些业务要成功，其关键因素是什么？怎样快速提升市场占有率？怎样快速提升资金周转率？比如地产行业都流行一个资金周转率和产品质量保证。从这个角度再反过来思考A I产品该如何投入，就可以跟老板说清楚A I的价值，比如你的投资决策系统能不能快速地帮地产企业拿地？怎么通过A I技术拿地？进入哪个城市？这个城市是不是值得进入？进入以后拿哪个板块的地？很多开发商拿地盖楼却卖不出去，原因是什么？所以这是非常重要的一个思考。能不能通过机器学习的手段，通过AI的手段去取代人的设计工作？这个是值得我们去研究的。

　　今天只是举了一些例子，希望大家去思考AI投入的时候，一定要从业务和成功的关键要素去看A I投入起到了什么作用，想清楚以后再看每个产品背后所依赖的技术是怎样的。什么样的产品容易成功？其中有三方面比较重要，第一方面是数据。要考虑有没有数据？数据多不多？或者是数据可不可获取？如果现在没有，能不能通过新的手段获取到？第二方面是容错。如果A I推荐错了、算法错了会不会导致比较大的问题？比如说自动驾驶犯错了，犯错成本非常高。所以最好选犯错成本不太高的场景。

　　第三方面是生产力，要研究企业里哪些环节是人力重复劳动比较多的，如果去掉这个重复劳动是不是有可能明显提高生产力？这三方面值得去思考。

一网打尽系列文章，请回复以下关键词查看：

创新发展：习近平 | 创新中国 | 创新创业 | 科技体制改革 | 科技创新政策 | 协同创新 | 科研管理 | 成果转化 | 新科技革命 | 基础研究 | 产学研 | 供给侧

热点专题：军民融合 | 民参军 | 工业4.0 | 商业航天 | 智库 | 国家重点研发计划 | 基金 | 装备采办 | 博士 | 摩尔定律 | 诺贝尔奖 | 国家实验室 | 国防工业 | 十三五 | 创新教育 | 军工百强 | 试验鉴定 | 影响因子 | 双一流 | 净评估

预见未来：预见2016 | 预见2020  | 预见2025 | 预见2030  | 预见2035 | 预见2045  | 预见2050

前沿科技：颠覆性技术 | 生物 | 仿生 | 脑科学 | 精准医学 | 基因 |  基因编辑 | 虚拟现实 | 增强现实 | 纳米 | 人工智能 | 机器人 | 3D打印 | 4D打印 | 太赫兹 | 云计算 | 物联网 | 互联网+ | 大数据 | 石墨烯 | 能源 | 电池 | 量子 | 超材料 | 超级计算机 | 卫星 | 北斗 | 智能制造 | 不依赖GPS导航 | 通信 | 5G | MIT技术评论 | 航空发动机 | 可穿戴 | 氮化镓 | 隐身 | 半导体 | 脑机接口 | 传感器

先进武器：中国武器 | 无人机 | 轰炸机 | 预警机 | 运输机 | 直升机 | 战斗机 | 六代机 | 网络武器 | 激光武器 | 电磁炮 | 高超声速武器 | 反无人机 | 防空反导 | 潜航器

未来战争：未来战争 | 抵消战略 | 水下战 | 网络空间战 | 分布式杀伤 | 无人机蜂群 | 太空战 | 反卫星

领先国家：美国 | 俄罗斯 | 英国 | 德国 | 法国 | 日本 | 以色列 | 印度

前沿机构：战略能力办公室 | DARPA | 快响小组 | Gartner | 硅谷 | 谷歌 | 华为 | 阿里 | 俄先期研究基金会 | 军工百强

前沿人物：钱学森 | 马斯克 | 凯文凯利 | 任正非 | 马云 | 奥巴马 | 特朗普

专家专栏：黄志澄 | 许得君 | 施一公 | 王喜文 | 贺飞 | 李萍 | 刘锋 | 王煜全 | 易本胜 | 李德毅 | 游光荣 | 刘亚威 | 赵文银 | 廖孟豪 | 谭铁牛 | 于川信 | 邬贺铨

全文收录：2017文章全收录 | 2016文章全收录 | 2015文章全收录 | 2014文章全收录 

其他主题系列陆续整理中，敬请期待……