如何运用 AI 创造业务价值

业务如何运用AI创造业务12个真实成功案例其实见是在兴炒

入 入 止利还是追大规模转IBM商价值研究院(IBV)与MIIBMWatson人工智能实验室携合针全球范围内超过5人能(AI)实施中深度习项目的参与者开展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深解他们止利还是追大规模转根据调研结AI采用呈持续增长之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来应一些孤立业挑战到2我们估有四一的大型企从AI试点转为AI运1揭迷揭迷除 多同成功随着许多企业纷纷开始采用人工智企业最高管理层和他领导者必时刻保持警不要相信AI的一神比AI无捷深度是真正的AI他们根据多同成功本文揭了AI领域神通过数据真实例揭示企业运用AI的真实现状让企业领导及其团队能够和鉴他企业实践经验。采图采AI *20162022到2022年我们认为四分之一的大型企业将从AI试点转AI运营1

感知与现实的差距。如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MIBMatson人工智能实验室携手合与超过35家组织开展了对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能在其术采曲线或成熟度期中持续稳上（见图16 8 0 39%839%8% 218%1运 218%1%48%%48%%不*注AI采用包括试中实施中运营中或化中见尾注1。受新冠疫情驱企业找了AI采的精准并加速了AI采用在新冠疫情期间启动A试点项的企业数量相比2018年增一倍多—最近的数据表此类企业继续保持长之2管调研数据映AI采用呈上升趋但并未呈现AI采的全无许业务和术领导者通过对标分解其企业采用AI真实情况。

了探索一全貌以及AI正在帮助企业解决哪些挑战我们针对全球范围内参深度习的人开展项调从2021年4到2021年8我们来十多个行业的业务和技术专家展开对深解了他们的AI标挑战和经（见图图2我们调研的范围和规模我们的调研侧重于如何用定制化AI方案来解不同业务问题。

机器习领域视觉言视觉言他国家/地区国家/地区职能领域澳大利加丹麦法国德国中国香荷兰瑞英美

能金融服酒店IT服命科学采矿业服公共部零售软件公

服财务安息制造营采品研究创风合销售供应链与物流5观点5观点神话与现实AI是一把万能钥匙神话1神话2真正的A学习才是成3最佳发力点是 的AI神话4AI无捷径AI仅为眼前的问题神话5提供价5我们从AI的现状中看到了什么？模式AI能成收长然是毫无。于一分创型AI采例如NVIA和eh企AI助于造全至开模式我们还许多关于AI见概念其实是误导转型大多数企业都是应用AI来解决孤立的实际业务本改善客户和我们还许多关于AI见概念其实是误导转型大多数企业都是应用AI来解决孤立的实际业务本改善客户和员工体验提高赢单率优化供应链绩性的神们在众多新兴技术的炒作周期成为暂时实的AI分散组的注意在接下来的报告实的AI分散组的注意在接下来的报告我们将通过调研中获取的相关清事实和假象这些信让企业能深入本质并与力和价值希望解详细信息的读者以从附录中找解际例来揭个最普遍的AI神话我们与家AI采用者企清事实和假象这些信让企业能深入本质并与力和价值希望解详细信息的读者以从附录中找他他同类企业进行而更加有效地发挥AI的影响到12个详细的例研究A一把能钥匙的发神话神有2度学习才是真正降低3是AI的最佳的发神话神话A神话仅题提

神话1AI是能匙现实I。例在众多AI深度常最适于解视言和他预测模的底（是大型数据集相关的问题从虚拟助手到欺诈检深度在改变我们作和娱乐方式在这些场景传统机器能有效。但AI并不定适应对每项业挑战或实每项期望成效管在体传时经常会过度神化AI的适性组先需要确定AI是适更泛战计还是仅适解决特定业务问题本文“重考的AI法分更全面地探主题企以评估其整“数据财富体业务问题。观点的定I学习的定

AI器度的概念和起深度机器的一个而机器又是人能的一个集这点类于俄罗斯套娃这些技术通他前沿技术形成包括基于物联网的机传感AI器度的概念和起AIAI旨在通过计算机来处理过去只能依靠人力行的任务但是随人类在准确速度和处理能面逐渐达到瓶AI开始真正获发展动。AI诞于0世中但直到21世纪开始进入术成熟期5达特茅斯学院哈位学教以及验室和M究科家“（）夏天展为期2人工智能研究这项提议在摘要中指“将尝试探索如何机器使成抽象和概人类解决各种难实我改进3这就是人工智能的第一正式定义此学术界和企业开始竭力构建越来越强大人能。在社《深度一书作者机器定人能系统需要从原始数据中提取模式从而获自有知识的能力这种能力被称为机器习4句话算机能从复杂的数据集中进行通不断更加能。如机器系已泛应于各种领包括选择相关的结响应关键字搜以及解视觉图像等在此类人能应深度是益泛采的术5深的一个其灵感来人类大的神经元网络的运作方式在投使的机器最重要的项深度莫属深度下能处理图像文本等非结构化数据通非线性系建模来对解决复杂问题无需标任上预先编程即系利用持续产生的新数据提高预测能力够数据的复问深以提比他机器法更色的性能。777可商运用AI提高效率和预测销效始终是品零售的；即使是些微改进会对业产巨大影响。服装零售商BESTSELLER希望提高其需求预测准确性并借此充分提高服装产品的销量当这家服装零售商售了其成品的78%个成绩在充满变数的时尚行已经算相当不错但是如果BESTSELLER以增加其预测法中的品属性粒度就以进一步提高效率。在确定传统析技已经达到极限之BESTSELLER利其服装图像作输训一个卷积神经网络CNN)CNN是一人工神经网于视觉图像这样一来BESTSELLER根据未包含在其结构化数据集他特征来品进行分类。

应销平台利用机器学习技术提高响一家营销和广告代理商运用机器习模型来预测消费者对营销活动的接受程度这代理商此功能融入其面向有的数据和析台中准确性方面改进一小只要规模够大就以创造数百万美元的额外销额因此回率有。代理商发现这项改进将响应率提高20%30同会增加储训练和处理额外数据模型参数的计算成本所幸的是在迁移至云端之该团可以更加清晰全面解成本状从而更有效地管理这些成本最他们保持了较高的响应率提高计算利效将处理成本降之二。A呼叫中心食品科学等领域提通过将这些数据输出预测BESTSELLER将销效率提高了所的样设计数量减少

法国合作银行集团CréditMutuel泛采用深度习来了1%在全球销因疫情而持续低迷之实现一改已难能此该企业还减打捐丢弃的服装从而积极持续发展能。科品ACrik能经科

协人呼心客服省数小时作量。同样在另一个完不同的行业美国调味品公司McCorick运用AI来弥补初级品科学家在经验上的足让他们能够达到拥有20年专业经验的高级科学家的。我们调研他一些例重点如何运定制化AI方案来解决不同地理至能领域的不同题选数集来题之，正确的法也将变更加清晰见BESTSELLER和营销代成功就分。神话AI是一把能神话的AI只有2度学习才是真正的AI发神话神低3是AI的最佳发神话神话A神话仅题提

神话2是真的AI现实业务价值大和预处理技术来解决各种不现重业务价值在去十年AI研中的许多进展都发生在深度习领域随社交体搜索零售和流媒体的兴起以在商业模式中嵌入深度习的他B2C台的爆炸式增长坊间开始流关于AI的这一神话—深度是人能。现I第0图概念上对深度成本的能会导致AI研究的未来向和性质面临重大挑请参阅第11页“成本会导致深度习消亡吗在实际应用企业通常以通过比较概念验证试际结果来确定深度有哪足。9图3深度并非放之四海准组织采用的机器学习技术因具体业务问题而异。使用每种机器习术的组比异值分解独成成/主异值分解独成成/主持向量机内核曼滤波/尔卡马夫链/包括法主题建模神经/逻性回归/随策林息来2021IBVAI能力调未布的数据问16A.您的组织采哪些机器习(ML)技术？请选择有适用项。能他分析功全球税审计和询司毕威发场内部黑客马拉旨在确定如何采用最优方式来减少项目投资和税款抵免等归档流程中所涉及的手动工作量一做法以帮助客减少每年的纳税额从而创造切实的业务价值该司发使用即开用的文档发现软（其效果与手动关键字搜索相当可以实现5%的准确而使用深度习以实现超过0%的确率。

最优方式则是采用基于规则的机器学可实现超过8%准确率通动处理这些流程毕威帮助特定提高成本效益每年省百美元的税费支出采用这种方法之毕马威的一位在其研发支获额外40%的税收抵免。观点学习消亡吗？

自0代存经了AI寒投资饥荒后，从000代直沐浴在。近段时以来随着数据处理能力和计算能力的大幅提再加上结构化和非结构化数据的快速深度应益泛。数持指数预摩（果还，一些AI研究人员担心维持这一趋势所需的财务和环境成本将大幅增长在IEEESpectrum于2021发布的篇文章NeilC.Thompson人就指显然如使更加强大的能建更复杂的模的数据进行训您利用深度实现更色的性能但需高成本才能维持这种算能力呢成是否上至碍术发展的程度7例据报道OpenAI的GP3在发和训练花了300美而Alphabet子DeepMnd的AlphaGo训练上花了500美元。成本如巨大且呈迅速增长之企也将面临更加两难的处境—方面要满足更复杂的模更的数据和训以及更强大的能又要接受预算和效率的固业务现实应当如何在这两之间找到合理的平衡点研究人员必须要解决难则术发能会陷8各种研究组织在探索应对之包括采不同的硬解决方案和全新的AI，以寻创方式来融合数据和参数的强大深度基于推理和规则的经典符号术。这些研究作前途正如IEEESpectrum的篇文章做出总虽然深度习如飞火流星般急速兴但其未来能充满坎9此同组使用深度时需要密切关注成本与性能之间的平点—尤其是要参照他AI具。111111apMlra用AI造福世，202疟疾造成约27人死其中9%发生在非洲101年度XPRIZEAI优胜者ZzappMalaria致力于发AI动法来疟通有动应用直接方传达至实地。鉴于现有的卫星图像识别技术无法有效识别小型水ZzappMalaria一个试点旨在利用卷积神经网络来视觉图检测小型（这有能是携带疟疾病毒的蚊子的滋生地该方法实现大约%确但无法清晰地确哪些因素以改善预测虽然这种方法的效果不但还不够无法展至他地理位置。

作改进方案该团利用CNN从图中提取50个地形和其他特征并将这些特征用于传统的线性回归方法以确定出现积水的可能性其效果之前的方法相当但能够更加清晰透明地确定哪些因素可以改善预测这样一来团队就可以更加轻松地解释数据也就展地差异较大的地域该队运这种AI驱动的成功经验来调整其方法不断扩大适用范围以助降低他地区的疟疾发病率。神话AI是一把能神话的只有2度学习才是真正的发神话降低3是AI最佳发神话神话A神话仅题提

神话3降低成是AI最佳发现实是AI的唯一用领先的组织在从战略层面积极运用是AI的唯一用领先的组织在从战略层面积极运用效率推业增成本固然重但创新和社公益更加重V研究许组直户心的长列为AI对业务影响最大的领第15的图我们想知道这种对营收的关注是否更愿而非现实调研期间高管对话的我们几家成功愿望转化现实的企业。价值驱价值驱AI20162020企业专注于以客户为中心的营收收入增长

6 8 0 AI价提高满意度提高率降获取成降低他运成本通过缩短销期实现收通过大单实现收长重新部伍通过快速市实现收减工人数降低他本成本息来见尾注11。AI动保险合资收长度的通用保险合资企业FFCOokio决定在提交获批索赔后直接向付维修费从而改善体验。第一是更地捕获碰撞受损汽车的图像然团队运用深度习对汽型受损的零部件和损坏类型进行类AI系统确件是需要维修还是更，

并提供成本预同时让人评参其以降低欺风险。最取巨大成功FCOko只到一就收成将结成本降了4接从%提至且还提满意留率和获得率AI仅是提高效率的利更收长强助推器。神话AI是一把能神话的只有2度学习才是真正的发降低3本是AI的最佳发

神话4AI现实A捷径神话5

尽管AI模型的应用场景因行业和部门而但越来越多仅题提

模型可以为企业数据科学家自06以IBM价值研究（IB持续采系统化法来量化企业AI的各种趋势2020年IBV的一项意发现就是“技术可用性再次成为AI采用的头号障碍（2018“技用性曾“技能和他因素见第7页的图我们不禁要追用性为何再次成为AI采的头号障碍？我们此的解释仍然组织最意识掌握数据技能工让AI术发挥效用的必条但条件是远远够许企都聘数据科家训练各种数据集这些数据科学们也尽职责地完成这项任但是针对每业务问题企业常都需要采之前不同的AI模型乎都要零开始企业无法通过简有效的法来重利去成果。图AI20162020技术可用性再次为0年I的头号障碍。

6 8 0 AI性术型才或术能用监制支持程度数据和使的法律/安全私问题跨企业以合作享的数据治理和政策应决策解决策情景的数据量/数据用性就绪程度合作或利益相者的就绪程度组认同/就绪/化契度信息来“ShiftingtowardEnterprise-gradeAI:ConfrontingskillsanddatachallengestorealizevalueIBM商业价值研究院。2018年9。/though-leadership/instituebusines-va