掌握人工智慧應用的兩大「錢途」

Most of AI's Business Uses Will Be in Two Areas
麥可.崔 Michael Chui , 尼可拉斯.亨克 Nicolaus Henke , 梅蒂.米瑞馬帝 Mehdi Miremadi
瀏覽人數:5166
供應鏈、銷售與行銷,是第一個大機會。

雖然企業界的人工智慧整體採用率仍然偏低(我們上一次研究時約為20%),但資深高階主管曉得人工智慧不只是一時的熱潮而已。各行各業的組織正密切關注這門技術,想要知道它能為自家事業做些什麼。它們的確應該這麼做,因為我們估計,目前能從分析法當中創造的所有潛在價值,有40%來自稱做「深度學習」(deep learning)這個領域的人工智慧技術(深度學習使用多層的人工神經網路。如此稱呼是因為它們的結構和功能大致是參考人類的大腦)。整體來說,我們估計深度學習每年的價值,可能在3.5兆到5.8兆美元之間。

不過,許多企業領導人仍不完全確定應該在什麼地方應用人工智慧,以獲取最高的報酬。畢竟,在整個企業各處導入人工智慧,需要大量投資人才,以及技術堆疊(tech stack)升級,還要推展全面性的變革計畫,以確保人工智慧帶來有意義的價值,無論創造價值的方式是協助做出更好的決策,還是增進面對消費者的應用。

我們深入檢視19個產業和9個業務職能裡,超過四百個實際的人工智慧使用案例,發現有一句古老的格言,最能回答應將人工智慧用在何處的問題,那句格言就是:跟著錢走。

傳統上,對企業提供最多價值的業務領域,往往是人工智慧能產生最大影響的領域。舉例來說,零售組織中,行銷和銷售經常提供重大的價值。我們的研究顯示,在顧客資料上使用人工智慧,將促銷活動個人化,單是實體零售商店的新增銷售(incremental sales)就會增加1%到2%。相較之下,在先進製造方面,營運活動往往產生最多的價值。這方面,人工智慧能夠協助根據需求背後的因果驅動因素,來做出預測,而不是根之前的結果來預測,因而改善預測準確度達10%到20%。這可能會使得存貨成本降低5%,營收提高2%到3%。

雖然人工智慧的應用,涵蓋所有的職能領域,但我們認為,在幾個產業中,人工智慧其實在兩個橫切面領域可以產生最大影響,至少目前是如此,這兩個領域是供應鏈管理與製造,以及行銷與銷售。我們估計,這些使用案例合計占整個人工智慧機會的三分之二以上。人工智慧可以在全球企業的行銷和銷售上,創造1.4兆到2.6兆美元的價值,在供應鏈管理和製造方面,創造1.2兆到2兆美元的價值(其中部分價值歸企業所有,有些由顧客享有)。製造業中,若要創造人工智慧的最大價值,可以把它用在預測性維護(全球各企業約能獲得0.5兆到0.7兆美元價值)。人工智慧有能力處理大量資料(包括聲音和影像資料),因此,可以快速辨識出異常狀況,以防止故障,無論是飛機引擎中的怪聲,還是感測器偵測到組裝線運轉失常。

企業領導人若要了解應把人工智慧應用在何處,另一種方式是觀察哪些職能已經在善用傳統的分析技術。我們發現,人工智慧創造價值的最大潛力,在於神經網路技術可提供高於既有分析技術的績效,或是產生額外見解和應用的使用案例中。我們研究找到的人工智慧使用案例當中,69%的情況都是如此。只有16%的使用案例中,我們找到「尚未應用領域」的人工智慧解決方案,也就是適用其他分析方法無法發揮成效的情況。(隨著演算法的用途增廣,以及可讓演算法好好運作需要的資料類型與數量愈來愈容易取得,深度學習的使用案例數量可能會迅速增加,但「尚未應用領域」的深度學習使用案例,所占百分比可能不會顯著增加,因為根基更穩固的機器學習技術,也有機會變得更好和更無處不在。)

我們不想看起來像是很天真地積極提倡運用人工智慧。即使我們見到使用人工智慧技術的經濟潛力,卻也體認到實施人工智慧會遭遇的有形障礙和限制。獲得夠龐大和夠全面的資料集,以滿足深度學習對訓練資料的極大胃口,是個巨大的挑戰。另一個大挑戰,是處理有關這類資料使用方面日益升高的擔憂,包括安全、隱私,以及將人類的偏見傳給人工智慧演算法的可能性。在一些產業中,例如健康照護和保險,公司還必須設法用人們聽得懂的詞彙,向法規監管機構解釋演算法的結果:為什麼機器會產生這個答案?好消息是這些技術本身正在進步,開始解決其中一些限制。

除了這些限制之外,還有一些可能更困難的組織挑戰,是公司在採用人工智慧時會碰到的。若要精通這門技術,必須要有新的水準的專業知識,而流程可能會成為成功採用人工智慧的主要障礙。公司必須開發出穩健的資料維護和治理流程,並同時專注於「第一哩」和更加困難的「最後一哩」;「第一哩」是指如何獲取和整理安排資料與相關做法,而「最後一哩」是指如何把人工智慧模型的產出,整合納入各種工作流程之中,包括從臨床試驗經理、銷售人力經理到採購人員等的工作流程。

雖然企業在建置人工智慧時必須保持警覺和負責任的態度,但這門技術對企業、消費者和社會的影響規模和效益之大,值得企業徹底檢視尋求人工智慧的機會。企業追尋的不是簡單的前景,啟動這個追尋行動的是一個簡單的概念:跟著錢走。

(羅耀宗譯)



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。


尼可拉斯.亨克 Nicolaus Henke

麥肯錫顧問公司倫敦辦公室資深合夥人。


梅蒂.米瑞馬帝

梅蒂.米瑞馬帝 Mehdi Miremadi

麥肯錫顧問公司芝加哥辦公室高級顧問,並領導該公司能源與材料實務部門有關人工智慧、機器學習和機器人技術方面的業務。


本篇文章主題技術