近期，在与多位专家交流的过程中，人工智能的三个关键业务方面逐渐清晰。最后，人工智能是一个模糊的概念，它将数据与各种技术（如模式识别等）相结合，以模拟人类的学习和智能。“人工智能”一词是一个不精确的营销或展示术语。企业买家应该深入了解对他们最有意义的技术。其次，很少有公司大规模部署人工智能。有很多原型和概念证明，但人工智能对于大多数组织来说仍然是新的和实验性的。例如，SAS最近的一项调查显示，“人工智能的采用仍处于早期阶段”。第三，对制造商的说法持怀疑态度。许多科技公司仍在努力弄清楚人工智能可以在哪些方面改进他们的产品和自动化流程。许多供应商通过收购AI初创公司来获取专业知识并填补空白。企业买家的底线：学习技术，向您的供应商提问，并通过利用您的内部数据科学人才来规划AI。人才短缺是目前的一个大问题。麦肯锡全球研究院(MGI)是全球领先的研究机构之一，致力于研究人工智能将如何影响组织和劳动力。麦肯锡研究将定量分析与对高管和企业经营者的广泛访谈相结合，以创建富有洞察力和价值的报告。麦肯锡最近的两份报告重点关注人工智能的商业价值以及自动化和人口统计对就业和经济的影响。合伙人之一MichaelChui负责麦肯锡全球研究所围绕人工智能及相关技术的影响，他也是我认识的在这些方面最有说服力的人之一。Chui提出了几点我想强调的。首先，一个组织在采用人工智能方面的成功很大程度上取决于其整体数字成熟度。积极推进数字化转型的组织更有可能在人工智能项目上取得进展。在我看来，我们可以将人工智能项目视为数字化转型的延伸——重新思考文化、思维方式和商业模式——而不是孤立的技术项目。其次，人工智能给各种工作带来了变化，解放了一部分劳动力，可以重新部署，所以你现在要开始思考你要如何培训你的员工。崔说，大规模重新部署劳动力可能是我们面临的“重大挑战”之一。我与他的深入对话持续了45分钟，下面介绍了当今世界领先的人工智能商业研究人员如何看待这些问题。以下是这次深入对话的摘要记录：您如何定义人工智能？你可以花几个小时探索它。我们将人工智能描述为使用机器进行认知工作，而所有智能都仅限于我们的大脑，而大脑是我们身体的一部分。所以我们知道，在很多情况下，AI本身会进入物理世界，化身为机器人、自动驾驶汽车等等。但这是关于智能，然后是实例化的机器。您的研究得出了哪些重要结论？这些我们称之为人工智能的技术具有巨大的潜力。这些技术影响着我们的方方面面。一个原因是有大量潜在的AI应用程序是人们已经在使用数据和分析所做的事情的扩展。因此，我们研究了所有领域和所有功能方面的500个不同的人工智能用例。有时我们说，正是这些传统的分析方法给你带来了这么大的影响。但是，当你可以增加多维数据或更多的深度学习技术时，你可以提高预测准确性，或提高OEE，或减少浪费。这些用例使我们能够做到这一点。您可以将AI视为分析工具包中的另一个工具。我认为这是一个广泛的发现，几乎影响到业务的方方面面。我有另一位同事也直接与正在考虑或使用AI的客户合作，从中我们知道AI处于非常早期的阶段。尽管改善经济的潜力巨大，但很少有企业（无论是高级别还是低级别）大规模或在核心业务流程中部署人工智能。随着越来越多的企业部署这种能力来更多地了解人工智能，这种情况每天都在发生变化，他们可以将人工智能渗透到组织流程中，而在某些情况下，这是一件困难的事情。我们仍处于学习曲线的早期阶段，这实际上是一条陡峭的学习曲线，但我们仍处于早期阶段。仍有很大的潜力，但我们仍处于起步阶段。你研究的众多行业有哪些共同点？有很多行业，它们的价值来自于与客户的互动。如果你是一家零售企业，如果你是一家消费品包装企业，那么考虑人工智能和这种能力的价值是有意义的。另一方面，如果您的运营效率驱使您这样做，如果您从事制造业，则交付和运输产品，如果您从事物流业，那么这些运营需求可能会更优先考虑。我认为这是思考人工智能的一种方式，至少在高层次上是这样。我们发现的另一个共同点是接下来的事情，我认为通常你发现了一种具有潜在变革影响的技术，然后你会说，“天哪，没有捷径吗？我可以直接走吗，我们可以用它来更有竞争力？”确实，我们需要大量的培训数据，我们看到正在进行数字化转型的行业和公司之间存在高度相关性——能够在其核心流程中使用数字技术来提高流程效率。这也与是否做好准备高度相关人工智能。我们发现的另一个共同点是，很难加速你的数字化之旅。你需要踏上数字化之旅，为人工智能做好准备。我认为这是另一个发现。如果你想加速人工智能的潜在影响，你需要加速你的数字化之旅。人工智能对员工问题有什么影响？这些技术有一些潜在的影响，这些技术使我们付钱给人们做的工作自动化。我们对个人活动（不仅仅是工作）进行研究，我们有2,000种不同的全球经济中目前成本较高的活动。人们将近一半的带薪工作时间花在了我们理论上可以自动化的活动上现有技术。听起来很可怕，对吧？这是一个很大的百分比，但这并不像我们预测明天将有50%的失业率。开发这些技术也需要时间。您需要一个积极的商业案例。新技术在最初开发时总是很昂贵，无论是自动驾驶汽车还是人工智能算法。因为摩尔定律，这个成本会慢慢降下来。您需要将其与世界各地不同的人工成本进行比较。无论如何，未来40年，到2055年，全球50%的活动可能不会实现自动化。但是，我们会想象20年前的场景和20年后的场景。我们知道，越来越多的付费活动将实现自动化。那么问题就变成了，是否会有足够的劳动力需求，即使是那些可以自动化的东西？我们上个月的报告表明答案是肯定的。考虑不同的潜在催化剂——是否是全球复苏；未来几十年将有十亿人进入消费阶层；减少，但另一方面，老龄化问题带动了医疗保健需求。未来我们会看到越来越多的基础设施投资，这有利于消费阶层，也有利于修复和改善我们现有的基础设施。我们将看到能源结构和效率的变化，甚至是越来越多目前无报酬的工作，例如许多女性在家做的育儿、做饭和清洁工作。如果将所有这些因素放在一起考虑，甚至将这些与人工智能和机器人的能力进行比较，我们仍然可以看到要抵消自动化的影响还有很多工作要做。但广泛的问题是，如果你认为大规模失业不会成为问题，那么大规模重新就业才是问题。我们认为，未来几十年最大的挑战之一是我们如何对数百万技能被取代的工人进行再培训？我们需要让他们继续努力以维持经济增长，但从大规模上，对这些人进行再培训以度过他们的头二十年，我不敢说，这是我们还没有完全弄清楚的事情。这是我们需要解决的问题。企业领导者是否应该现在就开始考虑员工再培训，还是为时过早？这个问题现在需要引起注意。虽然很多变化不是一夜之间发生的，尤其是在人工智能方面。但如果我们更广泛地考虑自动化，我们实际上开始看到一些变化正在发生，无论是机器人过程自动化，还是制造工厂、物流或配送中心的物理自动化。这些技术正在发挥作用。虽然我们将其定义为跨越数十年的趋势，宏观上需要一定的时间，但对于个人而言，这种变化很快就会发生。对于个别员工来说，这可能会很快发生。此外，再培训需要时间。我们认为这是一个巨大的挑战。一般来说，巨大的挑战不可能一蹴而就，所以我认为企业领导者应该持续考虑员工再培训的问题，应该是他们开始考虑员工战略时首先想到的。全民基本收入的概念是否会参与此次讨论？全民基本收入（有保障的社会收入）的想法需要大量资金。我现在在旧金山，看到很多人在谈论它，当然还有很多争论。其中一个论点是，如果我们认为机器将接管每个人的工作并且我们将出现大规模失业，那么我们需要确保每个人都有足够的收入来养活自己，养家糊口。我认为现在谈论普遍基本收入的想法还为时过早，因为它以大量失业为前提。事实上，我们的意思是，我们确实需要大规模的重新安置，而不是大规模的承接，以确保经济有足够的增长。我们的观点是，我们将审视过去五十年的经济增长，其中一半是因为越来越多的人在工作。由于老龄化，我们还将失去大量劳动力。因此，考虑这一点的一个因素是我们将遇到劳动力不足的问题。我们也需要所有的人工智能、机器人等来工作，此外我们还需要人力来发展经济。而且，如果你认为UBI是基于会出现大规模失业的事实，我认为你已经放弃了，事实上，你需要向前迈出一步来思考。另一方面，我认为这可能会有所帮助，因为我们了解人工智能和其他技术的潜在影响，加上这些额外的驱动因素，我们可能会继续看到收入差距或收入不平等的扩大。你可能会问，“看，我们需要人们得到足够的报酬。”好吧，如果你从公共政策的角度来看这个问题，也许你可以针对补贴类型，比如所得税抵免，这两者都能奏效，有可能为人们提供额外的收入。在我看来，所有这些可能性都需要考虑。现在，对于发展中国家，UBI可能会让人们在工作中可以做什么方面拥有更大的自主权。但是，在发达国家，因为支出并不是为了让人们找到工作，所以我认为这是具有挑战性的。总的来说，我们发现的另一个历史教训是，我们希望继续这样做，那就是虽然我们不希望每个人都完全停止工作，但在过去的几十年里，平均每周的工作时间已经缩短了年和数百年来出现了两位数的减少。希望我们都有更多的闲暇时间。此外，休闲会激发新的活动和新的职业。那是我们需要做的另一件事。我们需要继续创造新的活动和职业。每周工作时间将继续减少，至少在可预见的未来不会为零。那么改变人口结构呢？人口统计是一件有趣的事情，其中??涉及一些强大的因素。这个话题在我们上个月发布的一份报告中得到了解决。首先，每个国家的人口差异很大。对于许多国家来说，他们正在老龄化，使这个问题进一步加剧。我们没有足够的劳动力来维持多年来的经济增长。我们现在比我们的父母甚至我们的祖父母过得更好的原因正是因为多年的经济增长，而这种增长的一半来自有更多的人工作。德国的劳动力在缩水，日本的劳动力在缩水，中国15亿人口也快要缩水了。这些国家根本没有足够的劳动力来维持经济增长。在这方面，人工智能和机器人技术可能会发挥一些劳动力作用，填补可工作劳动力的一些空白。尽管如此，还有其他国家，如印度和非洲大陆的国家，仍处于发展的早期阶段，他们的人口金字塔看起来非常不同。我们担心的是，如果自动化人工智能，这些技术开始发挥作用，这些国家需要创造更多的就业机会，我们该怎么办？比如印度就是这样，还有1.5亿人需要工作。我们考虑了额外需求的所有潜在驱动因素，并选择了其中的七个。我们知道还有更多的因素，甚至我们的模型也有局限性，尤其是在那些还很“年轻”、对经济增长的要求仍然很高的国家，人均GDP起步很低。因此，这将对人类、机器人和人工智能产生大量需求。即使在这些国家，我们也看到了很多工作的潜力，还有很多工作要做。回到再培训和教育的话题。我们能让人去做这些工作吗？您能否像我之前所说的那样部署这些技术，人工智能和机器人技术需要成为数字旅程的基础？即使是那些发展中国家和年轻国家，也需要踏上数字化之旅，以便利用这些其他技术来提高生产力并为人们创造新的就业机会。您会给成熟的组织什么建议？首先投入一些时间和资源来了解技术及其潜力。我认为首先要了解它的潜力。然后是在数据和分析中广泛使用的相同测试和学习方法，我认为这里也适用。还有一点，尤其是那些擅长机器学习和深度学习的技术。这些技术基于训练数据集，我认为拥有严格的数据策略很重要。例如，我有机会与深度学习和机器学习的先驱之一AndrewNg交谈，他谈到了一些处于部署人工智能前沿并花费大量时间了解多个方面的公司对收集或访问的数据进行分级。数据很重要，而且已经持续多年。他将获取重要数据比作多维度的国际象棋游戏。目前最大的挑战之一是人才。它曾经缺乏数据科学家。在某些时候，我们正在谈论许多人工智能用例作为分析用例的扩展。现在，围绕分析人才的挑战也扩展到了人工智能，因此对人才、对这些技术有深刻理解的人将会有很多争夺。当然，随着越来越多的人利用在线资源、参加课程等，这种情况也在发生变化。供给和需求在不断变化。目前需求如此之高，供应相对有限。最大的挑战之一是有能力的人。
