麦肯锡报告：如果人工智能不转型，这些行业将被引入和解读越来越远。报告指出，早期证据表明“大规模采用人工智能技术将为企业带来丰厚回报”，这意味着人工智能的颠覆性力量将逐渐显现。政府、企业、开发商都应该对此有清醒的认识。人工智能即将带来下一波数字颠覆，企业需要立即开始准备。我们已经看到一些早期进入者开始收获真正的好处，这使得其他人追求和加速自己的数字化转型变得更加紧迫。我们的研究结果集中在五个AI技术系统上：机器人和自动驾驶汽车、计算机视觉、语言、虚拟代理、机器学习（包括深度学习，以及AI技术基础的许多其他最新进展）。1、人工智能投资快速增长，数字巨头领跑。在全球范围内，麦肯锡估计，2016年科技巨头在AI上的支出为200亿至300亿美元，其中90%用于研发和部署，另外10%用于AI并购。VC和PE资金、赠款和种子轮也在迅速增长，尽管基数很小，但总额已达到60亿至90亿美元。其中，机器学习作为一种赋能技术，无论是对内投资还是对外投资，都已经占据了最大份额。2.在科技行业之外采用人工智能仍处于早期试验阶段。只有少数公司进行了大规模部署。在我们调查的3,000名具有AI意识的C级高管中（来自10个国家和14个行业），只有20%的人表示他们在业务的核心部分使用了与人工智能相关的技术。许多公司表示他们不确定相关的商业案例或投资回报。在调查了160多个用例后，我们发现其中只有12%的用例有AI的商业部署。3.人工智能的早期采用者与其他公司之间的差距越来越大。高科技和电信行业以及金融服务行业是人工智能应用的领导者。他们也有最激进的人工智能投资意向。这些领导者在广度和深度上进行投资：在多个职能部门使用多种技术，并将它们部署在业务的核心。例如，汽车制造商正在使用AI开发自动驾驶汽车并改善车辆操作体验，而金融服务公司则更有可能将其用于与消费者体验相关的功能。4.早期证据表明，人工智能可以为严肃的采用者带来真正的价值，并且可以成为一股强大的颠覆性力量。在我们的调查中，将强大的数字能力与主动策略相结合的AI早期采用者具有更高的利润率，并有望在未来进一步拉大绩效差距。我们在零售、电力公用事业、制造、医疗保健和教育领域的案例研究突出了人工智能在改进预测和采购、优化和自动化运营、开发有针对性的营销和定价以及改善用户体验方面的潜力。5.人工智能对数字基础的依赖，以及人工智能通常需要针对特定??数据进行训练的事实，意味着企业没有捷径可走。公司不能拖延和延迟他们的数字化进步，包括人工智能。早期采用者已经创造了竞争优势，并且似乎正在将后来者推得越来越远。一项成功的计划需要公司解决数字和分析转型的许多要素：确定业务案例、建立正确的数据生态系统、开发或购买正确的人工智能工具，以及调整工作流程、能力和文化。特别是，我们的调查表明，高层领导、管理和技术能力以及对数据的无缝访问是关键的推动因素。6、人工智能有望实现价值收益，但也给企业、开发商和政府带来了紧迫的挑战。劳动力需要接受再培训和重新学习技能，以利用人工智能，而不是与之竞争；想要成为全球人工智能发展中心的城市和国家需要加入吸引人工智能人才和投资的全球竞赛；我们还需要推动解决棘手的伦理、法律和监管问题，否则这些问题会减缓人工智能的发展。企业准备好拥抱人工智能了吗？在科技巨头的推动下，对人工智能的投资正在飙升。科技巨头正在向人工智能技术投入数十亿美元。他们看到了AI技术未来的发展方向——强大的计算机硬件、日益复杂的算法模型和海量的数据，这一切都已经部分实现了。事实上，在人工智能领域，大公司的内部投资占据主要地位：麦肯锡估计，2016年，这一数字为180亿至270亿美元；而外部投资（来自风险投资机构、私募股权投资、并购、Funding和种子轮投资）约为80亿-120亿美元，如下图所示。科技巨头主导人工智能投资（单位：十亿美元）人工智能有望提升利润并推动行业转型人工智能技术近年来发展迅速，但后续应用仍处于起步阶段。这使得评估人工智能对公司和行业的潜在影响具有挑战性。通过回顾五个行业的大量案例研究，我们还展示了人工智能如何改变一些商业活动，并有可能从根本上改变其他商业活动。这些案例展示了人工智能如何在整个价值链和跨行业中塑造不同的功能。这些案例还对跨国公司、初创企业、政府和民间社会组织等利益相关者产生广泛影响。这些行业案例研究展示了人工智能的颠覆性潜力。为了发展人工智能在商业中广泛应用的愿景，我们创建了五个案例研究来展示人工智能如何以多种形式影响特定行为。我们选择创建案例的行业是：零售、电力、制造、医疗保健和教育。类型涵盖私营、公共和社会企业，包括从劳动密集型行业到企业对企业的重资产运营。为了不负众望，人工智能需要在经济中发挥真正的作用，以显着降低成本、增加收入和提高资产利用率。我们将人工智能创造价值的方式分为4个方面：1-使企业能够更好地规划和预测需求，优化研发，改善资源；提供服务的能力；3-以合理的价格向客户提供正确信息的产品；4-允许他们提供丰富、个性化和方便的用户体验。成功的AI转型需要哪些因素？1.数据生态系统：打破数据孤岛，确定集成度和预分析识别高价值数据2.技术和工具识别合适的人工智能工具合作或并购填补能力缺口，采用灵活的“测??试和学习””方法3.工作流程整合将人工智能融入工作流程以优化人机界面4.开放的组织文化采用开放和协作的文化，相信人工智能劳动力将重新获得技能以备不时之需从职业分布的角度，只有少数职业会被自动化完全取代，而对于60%的职业来说，只有30%的工作可以被自动化。从地域上看，美国和中国在世界人工智能领域处于领先地位，欧洲落后。人工智能目前面临这些挑战人工智能给政府和社会带来了广泛的问题。在这份报告中，麦肯锡指出了其中的一些问题，也包括了一些解决方案。我们在这些问题上取得的进展对于实现人工智能的潜在好处和避免风险至关重要。1.鼓励更广泛地使用人工智能。当前的人工智能应用集中在已经处于新技术前沿的相对数字化的行业。扩大人工智能的使用并支持新技术领域，尤其是其中的小公司，对于确保生产力增长和经济发展以保持市场健康和竞争力至关重要。人工智能的更广泛应用也有助于平衡各行业的工资。人工智能可以提高生产力水平，从而提高工资。更广泛的应用可以帮助更多的公司和工人受益于人工智能，而不仅仅是处于收入金字塔顶端的前沿公司和员工。2.解决就业和收入分配问题人工智能驱动的自动化变革将对人们的工作和工资产生深远的影响。麦肯锡调查的绝大多数公司预计未来不会大幅裁员。但是，很明显会有一些工作的技能不能满足未来的要求。政府可能不得不重新考虑社会服务的模式。将考虑不同的想法，包括共享劳动力、负所得税和全球基本收入水平。3.解决伦理、法律和监管问题人工智能引发了一系列伦理、法律和监管问题。真实世界的偏见风险被写入训练数据集。由于现实世界中的种族、性别或许多其他类别的歧视，输入机器学习算法的现实世界数据不可避免地具有这些特征，而人工智能在训练过程中也会学习偏见。随着偏见的内化，这些问题更加严重。同时，人们对算法本身也产生了质疑。程序员的道德观点会写入算法。在决策过程中，人们有权知道哪些内容？谁来为人工智能输出的结果负责？这引发了人们对算法透明度和问责制的呼吁。隐私是另一个问题——谁拥有数据的所有权？在不影响其可用性的情况下，需要什么来保护高度敏感的数据（例如医疗数据）？致力于解决这些问题的组织和机构包括PartnershiponAI、OpenAI、负责任机器人基金会和人工智能伦理与治理基金会。4.确保训练数据的可用性大量数据对于人工智能训练系统至关重要。开放公共部门的数据可以刺激私营部门的创新，而制定共同的数据标准可以提供帮助。在美国，证券交易委员会于2009年强制要求所有上市公司以XBRL（可扩展商业报告语言）格式披露其财务报表，确保公共数据是机器可读的。5.在政府中部署人工智能人工智能在公共部门的潜力是巨大的。提高政府服务水平和效率非常需要它改进规划、目标和个性化的能力。在报告的附录中，作者探讨了人工智能技术在两个主要公共领域的未来：医疗保健和教育。
