高績效公司擴大AI效能六大作為

How High-Performing Companies Develop and Scale AI
麥可.崔 Michael Chui , 布萊斯.霍爾 Bryce Hall
瀏覽人數:1840
單純將人工智慧技術引入企業還不夠,更應採用正確的方式,才能將人工智慧的效益最大化。研究顯示,那些運用人工智慧而達到高績效的公司,都做到了六項實務,包括:讓人工智慧與策略大方向一致、跨職能協作、投資與訓練人工智慧人才、提供標準化工具、採用強大的數據實務、推廣採用人工智慧和促進創造價值。如此一來,便能將對人工智慧的投資報酬最大化。

麥肯錫顧問公司(McKinsey)最近的「全球人工智慧調查」(Global Survey on AI)中,我們注意到各行各業裡使用人工智慧的公司,一年比一年大幅增加。雖然大部分受訪者表示,他們的公司已經由人工智慧取得價值,但有些公司藉此擴大的規模、增加的營收和節省的成本,比其他公司都更多。根據我們的研究和經驗,這絕非偶然。公司如何制定商業策略、打下哪些基礎,以及如何處理工作場所裡對人工智慧的運用,都會影響他們轉型的潛力。

許多已經花費數年開發人工智慧技術的公司,現正面臨一項殘酷的事實,那就是如果要成功擴大運用人工智慧的規模,單是建置人工智慧技術仍不足夠。我們發現較能成功擴大實施規模的公司,比其他公司更有可能採用一套核心實務。但即使是這些高績效公司也有改進空間,因為我們發現,不是所有公司都採用了所有的最佳做法。那麼,領導人可以採取什麼步驟,讓他們在人工智慧的投資發揮最大效果?以下是頂尖公司正在進行的六件事。

1.人工智慧與企業策略的方向一致

擴大人工智慧使用規模的基本步驟之一,是聯合業務、分析與資訊科技領導人,共同討論如何使用人工智慧來為組織創造價值,並合作擬定計畫來獲取那些價值。有些公司會讓人工智慧策略與公司更廣泛的策略達成一致方向,而人工智慧高績效公司這麼做的可能性,是其他公司的兩倍半。有些公司也會為各項業務領域的使用案例(use case),制定明確的企業層級路線圖,而高績效公司這麼做的可能性,幾乎是其他公司的四倍。依據可行性、投入時間和所創造的價值,來設定使用案例的優先順序,如此可協助領導人平衡短期需求和長期價值。例如,如果一家工業公司的業務領導人和分析領導人,制定如何運用人工智慧來改善營運的計畫,接著安排未來18個月內實施近12種人工智慧工具的順序。他們估計,在執行完所有使用案例之後,這種結構化方法讓他們順利獲取了數千萬美元的獲利。

2.他們確實做到跨職能協作

人工智慧高績效公司讓人工智慧專家與業務專家合作解決商業問題的可能性,是其他公司的三倍,這證明了擁有多元觀點的跨學科團隊,對人工智慧的發展很重要。這些團隊確保人工智慧相關工作可以反映組織的優先事項、處理終端使用者的需求,以及更快實現價值。根據我們的研究,在專案期間,跨職能人工智慧執行團隊通常會被安插進事業單位中,團隊成員包含專案負責人(通常來自業務領域)、翻譯人員、數據科學家、數據工程師、數據架構師、視覺化專家、使用者介面設計師和商業分析師。有家零售商讓跨學科團隊協助人工智慧專家,協助他們更深入了解產品採購人員與商店採購人員如何執行工作。有了這些見解之後,他們打造出一個更有效的模型,為店內商品的陳列方式提出建議。採用這項工具的產品類別,毛利率成長了4%到7%。

3.投資人工智慧人才與訓練

人工智慧轉型既是技術轉型,也是文化變革。這種轉型需要新技能,例如翻譯專業,也需要新的心態。這必須提升技能,而且所有的組織(包括人工智慧高績效公司)都必須進一步投資在訓練上。只有35%的高績效公司受訪者表示,他們有為員工安排積極的人工智慧持續學習課程,而其他公司受訪者僅10%表示有這麼做。儘管現在市面上已有許多學習課程,但對於翻譯人員這類必要且關鍵角色所需的廣泛基礎學習來說,公司內部的人工智慧訓練課程(我們稱為「分析學院」)日益成為這類學習的核心要素之一。一個零售綜合集團設立一項全方位訓練課程計畫,要讓四萬多名員工為人工智慧轉型做好準備。這項課程的最初六個月有一千多名員工參加,每週還有另外150人接受訓練。這個行動,協助公司把零散的人工智慧使用案例與心存懷疑的最終使用者,轉變成一系列行動方案的組合,預期在未來三年內,帶動息前稅前盈餘成長70%。

4.提供標準化的工具、準則和做事方法,讓人工智慧專家能施展長才

將合適的工具和標準化、可重複執行的教戰手冊,提供給人工智慧專家,如此他們就能順利協作,順暢地在整個組織中調動以填補人才缺口,更快交出真正的業務成果,以及用更好的方式管理企業風險。高績效公司中有76%的受訪者表示,他們的組織擁有一套標準的人工智慧工具組,而其他公司中只有18%的受訪者如此表示。專家必須能夠取得最先進的作業平台和工具,以管理與建構數據資料、建立模型、將數據視覺化,以及模擬數據。他們也應該擁有可重複執行的方法和準則,以便執行新的使用案例。在這方面表現良好的公司,在人工智慧開發作業的各個階段,都遵照結構化的教戰手冊進行:找出機會、驗證潛在價值、評估可行性、開發人工智慧模型、修改營運方式以確保模型能真正獲取價值,最後,追蹤模型績效並持續更新模型。公司必須知道多久得更新人工智慧模型一次,而高績效公司知道這點的可能性,幾乎是其他公司的四倍。

5.他們採用強大的數據實務

與其他公司相比,人工智慧高績效公司更有可能制定清楚的人工智慧數據策略,也會針對與數據有關的關鍵決策,制定明確的治理流程。一家銀行發現,改善數據管理每年可產生的價值,最高可達二十億美元,這些價值的來源是:數據品質提升而改善了交叉銷售;因數據品質不良所產生的營運風險降低,從而省下了資金;整合數據系統與團隊而省下的成本。我們在研究中發現,最成功的公司都為數據品質與數據管理,制定一個強大而集中的治理計畫。內容包括:制定政策以規範可以使用哪些資料;不同的數據集應該如何儲存、儲存在哪裡;如何監控和維護數據品質;如何使用與追蹤數據;以及如何記錄後設數據(metadata),包括數據的定義和數據歷程(lineage)。成功的公司還具有明確的數據所有權結構,事業單位擁有業務相關的數據,並對自身所產生的數據品質負責。

6.推動採用人工智慧和促進創造價值

我們發現所有組織都面臨的最大挑戰之一,就是讓第一線員工在日常決策中運用人工智慧見解。我們最近的研究顯示這個問題非常普遍:高績效公司中只有36%的受訪者、其他所有公司中只有8%的受訪者表示,第一線員工會即時使用人工智慧見解來做出日常決策。為了推動這方面的進展,公司必須重新設計工作流程,讓員工更容易把人工智慧見解納入日常活動中。他們還必須授權第一線員工做出數據驅動的決策,而不必請示主管批准。領導人也應該發起一系列大範圍的變革管理活動,以鼓勵和激勵員工使用這些新工具。例如,一家零售綜合集團的執行長為了激發員工參與人工智慧轉型,於是大肆宣傳全公司的成功經驗,並根據員工開發新人工智慧工具的努力,來晉升頂尖人才擔任新職位。

領導人若是制定這些核心實務,就能讓公司做好準備可以更迅速地行動,並把人工智慧投資的報酬最大化。

(游樂融譯)



麥可.崔

麥可.崔 Michael Chui

麥肯錫全球研究院(McKinsey Global Institute)合夥人,派駐舊金山,領導有關技術變革影響的研究。


布萊斯.霍爾 Bryce Hall

麥肯錫顧問公司(McKinsey)華盛頓特區辦公室初級合夥人。


本篇文章主題策略