全球AI议程：数据共享的前景、现状与未来.pdf

AI 创作合作方 金牌合作伙伴 银牌合作伙伴 全球 AI 议程 数据共享的前景、现状与未来 2麻省理工科技评论洞察 引文 “全球 AI 议程：数据共享的前景、现状与未来”是一份麻省理工科技评论洞察报 告，由麻省理工与 Genesys 和飞利浦合作编撰。这份报告的依据是一项针对 11 个行业的 1,000 多名高管开展的全球调查，以及针对 AI 领域专家的一系列访谈。此报告由 Denis McCauley 撰写， Claire Beatty 编辑， Nicola Crepaldi 制作。该研究独立编撰，所表达 的是麻省理工科技评论洞察的观点。 调查 此次调查于 2020 年 1 月和 2 月进行。受访者平均分布在全球各地，其中北美、欧洲、 亚洲、拉丁美洲、中东和非洲各占 20%。样本均为高级职员， 26% 的受访者为高 管， 30% 为主管， 16% 为 AI 主管， 10% 为数据或分析主管。在受访者所代表的企业 中，半数以上 (55%) 规模庞大，年收益超过 10 亿美元；近三分之一 (32%) 的收益达到 50 亿美元或以上。 在受访者所代表的 11 个行业中，占比最高的几个行业分别为制造业 (15%)、 IT 和电信 (14%)、消费品和零售业 (13%)、金融服务 (11%) 以及制药和医疗保健 (10%)。调查所涉 及的其他行业还包括专业服务、能源和公用事业、运输和物流、旅游和酒店、媒体和营 销以及政府机构。 专家访谈 特此感谢以下人员抽出宝贵的时间与我们分享他们的真知灼见： George Bailey， 数字供应链研究所总经理 Tony Bates， Genesys 首席执行官 Kiran Bhat， Loom.ai 联合创始人兼首席技术官 Adi Chhabra， Vodafone 英国产品创新主管 Kay Firth-Butterfield， 世界经济论坛人工智能和机器学习负责人 Mike Hanrahan， 沃尔玛智能研究实验室首席执行官 Karen Hao， 麻省理工科技评论高级 AI 报告员 Dirk Jungnickel， Emirates Group 企业分析高级副总裁 Cline Le Cotonnec， 新加坡银行首席数据创新官 Gary Marcus， Robust.AI 创始人兼首席执行官，纽约大学名誉教授 Hossein Rahnama， Flybits 创始人兼首席执行官 Daniel Schreiber， Lemonade Insurance Company 首席执行官 Jeroen Tas， 飞利浦首席创新和战略官 3麻省理工科技评论洞察 目录 1. 执行摘要 .4 2. 理清 AI 的商业意义 .5 循序渐进 . 5 3. 当前与未来的使用案例 .8 卓有成效的使用案例 .9 即便您最初没有取得成功 . 11 个人 AI . 11 4. 扩展的挑战 . 13 流程、文化和数据 . 14 5. 解锁数据共享的机会 . 16 数据的价值 . 18 从愿景到现实 . 18 6. 结论 . 20 4 麻省理工科技评论洞察 变更管理和数据挑战对于 AI 应用范围扩展的阻碍最大。 对 于任何组织来说，将 AI 使用案例拓展到试行阶段以外都困 难重重。接受调查的组织所面对的最大困难是为使用 AI 而 修改业务流程时遇到的变更管理问题，有 51% 的受访者提 到这一挑战。数据挑战几乎与变更管理比肩（有 48% 的受 访者提到数据挑战造成的困难），其中的主要问题是难以 集成非结构化数据和与开放数据平台连接（分别有 57% 和 53% 的高管报告了此问题）。受访者对后一种问题的重视 表明，他们希望访问外部数据来支持 AI 模型。 当今 AI 的主要使用案例涉及质量控制、客户关怀和网络安 全领域。 10 家制造商和制药公司中约有 6 家使用 AI 来提 高产品质量。将近一半的消费品和零售组织 (47%) 在客户 关怀中使用 AI。超过一半 (51%) 的能源组织利用 AI 进行监 控和诊断， 58% 的金融服务提供商利用 AI 检测欺 诈， 52% 的技术组织利用 AI 加强网络安全。 目前刚刚起步的数据共享技术可以扩大 AI 的影响力。 接 受调查的组织中，有三分之二 (66%) 的组织愿意对外共 享内部数据，以帮助 AI 技术取得发展，带来新的效率增 益，开发出新的产品乃至价值链。制造商、消费品组织、 零售商和医疗部门组织预想到了这项技术能给供应链速度 和可见性带来的益处，以及在缩短新产品上市时间方面的 成效。科技和金融服务组织认识到了客户服务、网络安全 和欺诈检测等方面的收益。但是，企业仍然保持谨慎态 度，在数据共享技术站稳脚跟之前，隐私法规和行业标准 都需要进一步明晰化（分别有 64% 和 58% 的受访者提到 此问题）。 早期 AI 采用者受益最多，但也有血泪史。 有着最长 AI 使 用经历的组织通过不断试错总结经验教训，最终从中受 益。最初于 2015 年部署 AI 技术的受调查组织比后续部署 的组织更有可能看到，其 AI 项目在投资回报率 (ROI) 方面 表现不尽人意。但早期采用者也比其他人更有可能认为 ROI 已经超越预期。 人 工智能技术已不再是全球头部技术和 数字平台玩家的专利。我们的研究显 示，从制造业到能源，从医疗保健到 政府，所有行业和部门的组织都在众 多使用案例中尝试采用 AI 解决方案。 在本报告所调查的组织中， 72% 已在 2018 年着手部署 AI， 87% 已在 2019 年着手部署。然而，人工智能的实际影响 （而非潜在影响）仍有许多未知之处。各公司都在积极开发 使用案例，但远未取得成果。商业领袖们都有这样的疑问： 我们该如何将前景广阔的使用案例推广到企业的各个环节？ 我们该如何利用数据、人才和其他资源来充分发挥 AI 的作 用？我们又该如何在不逾越道德和监管边界的前提下实现这 样的目标？ 麻省理工科技评论洞察调查了全球不同行业、不同地区 的 1004 名高级管理人员，以了解企业目前如何使用 AI，以 及计划在将来如何使用。以下是这项研究的主要结果： AI 部署广泛，但需要一定的时间扩大规模。 AI 目前在各个 行业已经得到广泛部署，但其在企业内覆盖范围的扩展倾 向于缓慢。大多数调查受访者 (60%) 预期在三年内将 AI 应用于 11% 至 30% 的业务流程中，使 AI 在其运营中发挥 重要影响，但尚不足以发挥主导作用。金融服务提供商、 制造商和技术公司对 AI 渗透的期望最高。 01 执行摘要 5 麻省理工科技评论洞察 近 年来，很少有新兴技术领域能像 AI 一样激发如此之多的兴奋情绪和激烈 争论。到目前为止，最大多数的兴奋 情绪（以及大部分争论 请参阅“道 德至上”一节）都集中在技术行业， 美国和中国（从某种程度上来说，还包括欧洲）已投资数 十亿美元来提升 AI 能力。 1 其他行业部门的组织可能不会在 AI 上投入如此之多的资金，但调查表明，大多数组织至少 都在试水。 接受本报告调查的大型公司中，有 97% 将在 2020 年年底 之前部署 AI。最早的采用者是 IT 和电信组织，到 2018 年， 其中已有 81% 的组织使用 AI 略领先于金融服务组织 (78%) 和消费品与零售组织 (75%)。公共部门也在积极探寻 AI 的各种使用案例：到 2019 年底， 94% 的政府机构受访者 表示他们已部署 AI。 AI 在不同类型的企业中扮演的角色自然也有所不同。对某些 类型的企业来说， AI 能力有助于提高运营效率。其他类型的 企业则预期， AI 技术能改变游戏规则。 飞利浦 消费和医疗保 健设备提供商的首席创新和战略官 Jeroen Tas 表示：“对 我们来说， AI 是一种基础技术，将在未来几年间在我们的绝 大多数产品中得到运用。”对于一些诞生于在线环境的公司 来说， AI 是业务模式取得成功的决定性因素。位于纽约的财 产和意外保险在线提供商 Lemonade 就是这样一家公司，它 被称为现行保险行业的“颠覆者”。 2 其首席执行官 Daniel Schreiber 认为，像 Lemonade 这样的 AI 机器人是“保险 业的未来 。” 02 理清 AI 的 商业意义 “ 对我们来说， AI 是一种基 础技术，将在未来几年间 在我们的绝大多数产品中 得到运用。 ” 飞利浦 首席创新和战略官 Jeroen Tas AI 图 1：您是在哪一年或将在哪一年首次在您的组 织中部署 AI？ （单位：受访者百分比） 来源：麻省理工科技评论洞察调查， 2020 年 2015 201820172016 202120202019 6% 32% 22% 12% 3% 10% 15% 6麻省理工科技评论洞察 定 IT 架构、 AI 能力、目标运营模式或数据治理方面的合理 基础。“我的答复是重要的事情要先做”，她说。“我 们需要首先设定合理的数据基础，然后才能继续前行。”这 包括拥有“分析解析人员” 不但通晓 AI 技术，也对业务 有深入了解的人员，以便确定项目范围，管理交付，衡量投 资回报，并了解扩大规模的可行性。 对于拨出大量预算来开发 AI 能力的大型公司而言，开发使 用案例并排定其优先级是一个相当大的挑战。 沃尔玛智能研 究实验室 (IRL) 首席执行官 Mike Hanrahan 表示：“我们投 入时间所做的第一件事是决定要在何处集中投入资源。”他 的团队确定了超过 250 种不同的使用案例，然后筛选出几 个。“在确定要投入资源的案例时，我们采用了非常复杂的 甄选过程”， Hanrahan 说道。“并最终决定了哪些案例最 切合实际，最适合推广扩展。” 对于沃尔玛来说，与库存管理有关的优先案例占了跨国成本 基础的很大一部分，微小的效率提升也能带来可观的成本节 约。然而，纵观各个行业部门，企业都在纷纷探究各种使用 案例，希望至少有几个能够尽早产生回报，并在整个企业范 围内树立对 AI 的信心，激发兴奋情绪。 循序渐进 即便 AI 得到广泛部署，它不会成为企业中的主宰性技术。在 接受调查的高级管理人员之中，仅有极少数 (4%) 认为， AI 技术在三年内会在其半数以上的业务流程中得到采用。其中 不到三分之一 (30%) 的人预期， AI 技术会在其 31% 到 50% 的流程中得到利用。大多数（ 60% 的受访者）认为， AI 将 在其 11% 到 30% 的流程中占据一席之地，对于大多数企业 来说，这样的比例会产生相当显著的影响，但不一定能产生 主导性的影响。根据这样的评定标准， AI 将在金融服务提供 商、制造商和技术组织的经营中发挥尤为重要的作用。 由于不能确定其实际（而非假定）能力，也无法充分认知 其相关挑战，企业一直在采用迭代的方法来部署 AI。据 Emirates Group 企业分析部高级副总裁 Dirk Jungnickel 表 示，他的公司在 2015 年和 2016 年为构建 AI 功能而进行的 早期尝试大多止步于概念验证或试点阶段。 2018 年中期， 这种局面开始发生变化，他说，该公司开始在业务经营中 “实施” AI 开发成果，并“实现数据科学的工业化”。 新加坡银行 首席数据创新官 Cline Le Cotonnec 指出，许 多公司组织希望先通过 AI 使用案例亲眼见证成效，然后再设 图 2：在三年内，您的业务流程中大约有多少比例会使用 AI 技术？ （单位：受访者百分比） 来源：麻省理工科技评论洞察调查， 2020 年 金融服务 制造业 IT 和电信 消费品和零售业 制药和医疗保健 政府 旅游和酒店 专业服务 能源和公用事业 运输和物流 媒体和营销 41-50% 的流程 31-40% 的流程 12%29% 9%29% 9%27% 7%25% 4%26% 3%24% 2%25% 8%14% 4%17% 2%15% 0%14% 7 麻省理工科技评论洞察 产生意外结果的算法并不少见。亚马逊是一家置身 AI 技术开发前沿的公司，不过近年来，其 AI 开发工作引 发了媒体的负面报道。 亚马逊并不是个例。过去两年来，许多科技公司被认 为在开发 AI 技术时没有很好地奉行道德准则，并因此 受到决策者、非政府组织和媒体的严厉苛责。 3 其他行 业的公司应从科技领先企业所遭遇的这些问题中吸取教 训，而不应盲目认为自己并不会受到同等严厉的监督。 据 麻省理工科技评论 资深 AI 记者 Karen Hao 表 示，在组织中工作的专家很少有人知道如何在开发实际 AI 模型的同时保持道德操守。她说：“技术界再也不能 否认 在 AI 模型开发中不重视道德 已经成为问题，而且 需要在任何模型的开发工作中尽早应对这样的问题。” Hao 说，当下最重要的道德难题是建立算法问责制。软 件工程可以成为 AI 工程发展中效仿的楷模：“它对于 代码的调试方式实行严格规管，确保一切顺利运行，不 会产生意外后果，并且结果符合任何既定原则。” Hao 指出，学术界和技术行业的一些 AI 专家建议，模 型构建者写下为构建模型而采取的所有步骤，并系统地 对照组织的道德原则进行核查。“任何公司都能做到这 一点”， Hao 说道。“最重要的是在这个过程中要保持 严格：只要发现有违原则之处， 那么在找到方法以确 保符合原则之前，就不能部署模型。” 世界经济论坛 (WEF) 人工智能和机器学习负责人 Kay Firth-Butterfield 说， AI 道德的最终责任自然要落在 董事会和高管肩上，但目前很少有人认同。正因如 此， WEF 近期发布了一个工具包，帮助董事会更好地 了解 AI，并就 AI 开发和使用监管措施的制定提供指 导。 4 它为 AI 监管结构提出的选项之一是设立道德委员 会或小组。她承认迄今为止这些小组的成效毁誉参半， 5 不过她也强调“只要吸取了正确的教训，它们仍是不错 的主意。” Robust.AI 的创始人兼首席执行官及纽约大学荣誉教 授 Gary Marcus 认为：“每家公司都应该设立道德 委员会，而不仅仅是用来规管 AI 的使用。我们不能一 切靠自律，因为公司的利益很少与全社会的利益完全 一致。”他认为，即使对于拥有长期 AI 经验的公司而 言，人为监管同样必不可少：“ AI 还不够智能，不能完 全依赖。” 道德至上 8 麻省理工科技评论洞察 各 公司的早期 AI 部署已经体现出了回 报。在调查受访者中，绝大多数人表 示 AI 项目的投资回报 (ROI) 达到 (59%) 或超越了 (37%) 他们当初的期 望。在受访者所代表的所有行业中都 是如此，不过在受访者所在组织中，媒体和营销组织声称 ROI 未能达到预期的（占总体样本的 12%）可能性是其他行 业（占总体样本的 4%）的三倍。 经验似乎有助于成功，这并不令人意外。接受调查的组织 首次部署 AI 的时间越早，其回报就越有可能超过预期。在 2015 年引入 AI 的组织中，超过一半 (54%) 表示 ROI 已超出 预期，与之相比， 2016 年或 2017 年部署的组织中这一数字 为 50%， 2018 年部署的组织中这一数字为 33%。 同时，早期采用者也比其他组织更有可能对 ROI 感到失望 （ 10%，而在任何其他年份部署的组织对 ROI 感到失望的比 例不超过 5%）。这表明，更有经验的 AI 用户已从作为先行 者时经常遇到的困难中学到了很多。此外还表明，后续引入 AI 的公司从早期采用者的错误中吸取了教训。 03 当今与未来的 使用案例 图 3： AI 实现投资回报的程度 - 按首次部署年份划分 （单位：占受访者的百分比） 来源：麻省理工科技评论洞察调查， 2020 年 2015 201820172016 2019 高于预期远超预期 低于预期符合预期 14% 40% 36% 10% 8% 42% 48% 3% 2% 48% 48% 3% 1% 32% 63% 4% 4% 12% 82% 5% 1% 9麻省理工科技评论洞察 IVR（交互式语音应答）集成几乎可以即刻消除这些操作的 成本，也能加快制定解决客户问题的决策。” 在整个调查样本中，质量控制、客户关怀和欺诈检测目前是 最为主要的 AI 使用案例。然而，更详细的审视表明，不同行 业部门实施的主要使用案例大有不同。例如，超过半数的金 融服务组织 (58%) 和政府组织 (55%) 将欺诈检测作为其主要 AI 使用案例。 Cline Le Cotonnec 说，她以前在一家全球 保险公司担任职位时，欺诈检测使用案例是其实施的第一个 案例，因为这方面有望实现的获益潜力极为可观：根据美国 再保险集团 (RGA) 2017 年开展的一项调查，全球范围内的 所有理赔中有 3-4% 属于欺诈性理赔，其中亚洲的发生率最 高 (4.16%)。 6 技术（ 52% 的受访者）、专业服务 (59%) 和政府 (58%) 部 门中，一半以上接受调查的组织着眼于网络安全使用案例。 同时，约有六成的制造商和制药 /医疗保健提供商正在开发 AI 的质量控制使用案例。客户关怀是 62% 的旅游和酒店行 业组织、 48% 的技术部门组织和 47% 的消费品和零售业组 织主要关注的 AI 使用案例。 卓有成效的使用案例 AI 采用者最常实现的回报是运营效率的提升和更多的成本节 约， 51% 的调查受访者提到了这一点。 AI 投资带来的其他优 势中，受访者提及频率最高的还有更明智的管理决策和更优 质的客户体验（分别为 44% 和 41%）。 Emirates 提供了特定 AI 使用案例所带来的成本节约示例： 高端餐饮服务。 Dirk Jungnickel 解释说，针对每天的每一次 航班， AI 算法都会预测其商务舱乘客将消耗的食物量。“在 高级舱位中，必须根据客户的喜好为其供应热餐，这通常就 要求储备大大超出每位乘客食量的膳食。相关成本不仅包括 膳食本身，还包括用于支持承运重量的额外燃油。算法产生 的预测值有助于防止过量备餐，避免浪费食物和燃料，并且 可以降低成本。考虑到我们的运营规模，这意味着我们可以 节省大量成本。” 据 Vodafone 英国 产品创新主管 Adi Chhabra 介绍，对于移 动运营商 Vodafone 而言，最成功的使用案例就是客户服 务。 他说，这些优势既可以提高成本效率，又可以提升客户 体验。“在电信行业，客户服务要耗用大量成本。将 AI 与 “ 在电信行业，客户服务要耗用大量成本。将 AI 与 IVR （交互式语音应答）集成几乎可以即刻消除这些操作的 成本，也能加快制定解决客户问题的决策。” Adi Chhabra Vodafone 英国产品创新主管 AI 10 麻省理工科技评论洞察 消费品和零售业 制造业 制药和医疗保健 IT 和电信 金融服务 运输和物流 质量控制 59% 库存管理 44% 监控、诊断 32% 客户关怀 29% 产品、服务的个性化 22% 资产维护 22% 质量控制 60% 库存管理 31% 客户关怀 44% 产品、服务的 个性化 25% 监控、诊断 42% 网络安全 24% 监控、诊断 31% 库存管理 40% 质量控制 34% 网络安全 31% 客户关怀 32% 欺诈检测 29% 52% 网络安全 48% 客户关怀 38% 欺诈检测 38%质量控制 31%产品、服务的个性化 30% 监控、诊断 58%欺诈检测 41%财务流程、分析 33% 网络安全 33%产品、服务的个性化 31%客户关怀 25%资产维护 客户关怀 48% 47% 质量控制 47% 库存管理 产品、服务的 个性化 定价 欺诈检测 36% 29% 24% 图 4：按行业部门划分的主要使用案例 （单位：占受访者的百分比） 11麻省理工科技评论洞察 AI 虚拟角色实现个性化”）。随着个人学会构建或定制健 康、娱乐、安全、教育和其他应用程序，以使用 AI 执行即时 分析并采取相应行动，“个人 AI”最终会发展出更多层面的 含义。 AI 必定会以不同于现在的方式，将个性化提升到全新水准。 例如，市场营销行业使用“超个性化”这个词表示收集并实 时分析客户行为数据，从而使公司可以定制适合每个客户的 产品和服务。据软件公司 Genesys 首席执行官 Tony Bates 称，这意味着打造个性化的体验、产品和服务，这很有可能 会改变公司对客户服务和交互的传统观点。 他说：“算法的使用有助于公司了解客户希望在互动中使用 的渠道，以及他们希望使用这些渠道的确切时机。”“ AI 让 公司可以了解客户在前门附近的偏好 希望何时何地进 行互动。这将颠覆公司以往对于 CRM客户关系管理 系统和 数据库用法的观点。” 根据能源和公用事业部门 51% 的受访者的说法，该部门中的 组织使用 AI 监控其网络状态。可想而知，监控和诊断也是医 疗保健行业组织在发展 AI 技术时的关注点，接受调查的此类 组织中，有 42% 的受访者正在实施这些使用案例。据飞利 浦的 Tas 称， AI 已彻底改变行业诊断癌症的方式，其功能 如今正进一步扩展到治疗方法的选择：“现在，在确诊之 后， AI 算法可以帮助我们选择正确的治疗方法。这很复杂， 因为选择可能包括手术、消融、化疗、免疫疗法或放疗，或 者组合疗法。正确疗法和治疗途径的选择将逐渐转变为由深 度见解引导、由 AI 技术支持的做法。” 即便您最初没有取得成功 . 癌症治疗是 AI 使用案例的一个例子，由于技术存在局限性、 相关数据匮乏、开发成本高或其他因素，就在几年前，这个 使用案例对于大多数医疗保健组织来说都全无可行性而言。 而在如今，飞利浦已经展现出了 AI 技术的可行性，这充分表 明，即便当下认为不切实际的使用案例在几年后也可能变为 可行。对于 Tas，一个即将转为可行的使用案例就是个性 化、预防性的风险筛查。“这意味着利用 与现在相比 更加 个性化的途径，我们可以根据对风险和病情恶化情况的详 细了解，筛查疾病或健康状况。然后，我们可以在病情真 正恶化之前，及时为患者施加干预措施。” 沃尔玛的 Mike Hanrahan 认为，边缘技术（在远离云、 靠近设备和数据源的位置进行计算）的发展将提高公司在 其智能研究实验室中使用的实时视频分析技术的可扩展性 （请参阅“沃尔玛的 AI 工厂”）。他表示，在边缘运行 这种 AI 驱动的分析的能力将减少对功能强大但成本高昂 的服务器的需求。他补充说，必要的传感器的费用在不断 下降，网络运维成本也越来越低。 个人 AI 将计算能力转移到网络边缘也有可能给个人 AI 带来生机。 如今，“个人 AI”这个词常用于描述高度定制化的个人助 理和聊天机器人，以及人类的数字化副本（请参阅“通过 “ 算法的使用有助于公司了解 客户希望在互动中使用的渠 道，以及他们希望使用这些 渠道的确切时机。借助 AI 技术，公司可以了解客户的 偏好，也就是希望何时何地 进行互动，这将颠覆公司以 往对于传统 CRM 系统和数 据库用法的观点。” Tony Bates， Genesys 首席执行官 12 麻省理工科技评论洞察 个人 AI 可以表现为多种不同的形式。当前，人们最耳 熟能详的形式莫过于能够即时洞悉个人健康、财富状况 和约会对象等方面的应用程序。近期出现的一种表现形 式是个性化虚拟角色。这并不是通常用于展现社交媒体 用户形象的那种静态或动画头像。它更像是一个以数字 化形式再现的交互式虚拟角色，不但有着与用户高度相 似的外表，还有着用户的表达方式。位于旧金山的初创 公司 Loom.ai 由多名曾就任于好莱坞动画工作室（包 括 Dreamworks 和 Lucasworld）的资深人士创办，该 公司使用深度学习技术研究个人的面部表情，并能够在 不同类型的对话和情境下，通过虚拟角色惟妙惟肖地展 现出此人的面部表情和动作。 Loom.ai 推出的平台允许软件开发人员创建虚拟角色， 并对其进行个性定制，以便在企业环境中使用。该公司 的联合创始人 Kiran Bhat 预计，随着该平台吸引到更 多的忠实用户，视频会议将成为此类虚拟角色的最常见 用途。他说，视频电话是这项技术的典型应用，员工 可以在视频通话过程中使用其个性化虚拟角色来取代自 己真人形象。声音仍然由员工发出，但虚拟人物的表情 与动作则由算法确定。 Bhat 说，虽然这种使用案例较 为基础，但确实有着为公司剩下大笔费用的潜力，他认 为，使用虚拟角色的通话成本远低于流媒体视频通话。 他说，鉴于一家跨国公司在一年当中可能要举办数百乃 至更多次的电话会议，由此剩下的资金会相当可观。 Bhat 说，当今组织在与客户和其他利益相关者进行在线 互动时多会使用虚拟助手或聊天机器人，而在这项技术 发展成熟后，个性化虚拟角色终会融合到其中。 AI 技术 已经为当今的聊天机器人注入了相当程度的智能，但据 Bhat 表示，所缺少的是富有表现力的面孔和个性化的声 音。“在这种环境中，虚拟角色必须能够富有表现力， 必须能展现出感情，”他说，“不过使用个性化声音的 能力也很重要。”他认为，目前实现个性化声音的能力 仍然处于雏形阶段，但必将在不久的将来得到完善。 Bhat 认为，虽然个性化虚拟角色在消费者领域也很有 可能具有实用价值，比如在游戏中与虚拟现实技术结合 使用，但要使虚拟角色得到广泛应用和采纳，还需要对 市场进行大量教育引导。员工可以通过学习职场虚拟 角色的个性化方法来熟悉这项技术，并将相关知识融入 自己的家庭生活。但就目前而言， Bhat 和他的同事认 为，企业市场还要在相当长的一段时间内占用他们的全 部精力。 通过 AI 虚拟角色实现个性化 当今组织在与客户和其他 利益相关者进行在线互动 时多会使用虚拟助手或聊 天机器人，而在这项技术 发展成熟后，个性化虚拟 角色终会融合到其中。 13 麻省理工科技评论洞察 通 过我们采访的经理可以清楚地看出， 将 AI 使用案例推而广之非常困难。 7 就像 Hanrahan 在实时视频分析中所 提到的那样，现有的技术制约因素可 能会妨碍更广泛的应用。 Chhabra 说，在谈到个人 AI 的形式时，自然语言处理技术仍需有所进 展，然后聊天机器人才能真正成熟化。 在某些行业中，监管阻碍着 AI 技术创新的更广泛应用。一个 很贴切的例子就是美国基于算法的保险定价。据 Lemonade 的 Daniel Schreiber 表示，目前美国只有少数几个州允许这 样做。他说：“在美国这个全球最大的保险市场中，监管环 境未给这些下一代技术留出任何余地。” AI 相关人才和技能的短缺也是让许多 CIO 和 CTO 头疼的问 题，我们调查的受访者中有 42% 表示内部数据科学家和相关 专家的短缺是制约他们使用 AI 的主要因素。制造业及技术 行业的受访者对这方面的缺口感受颇为强烈，这两个行业分 别有 48% 和 47% 的受访者认为，这样的缺口制约了 AI 的 发展。 Chhabra 说，在内部自主构建高级 AI 模型的公司通常会受 到人才不足的制约，因为这些公司需要非常复杂的技能。在 技术行业之外，大多数组织更有可能借助 AI 初创公司的能力 来实现此目标，他说：“这些公司已经在竭力应对您希望解 决的某些问题，您可以使用他们的服务，或是在您的体系结 构中轻松集成他们的工具。” 04 扩展的挑战 “ 大规模地在企业中实施 AI 或机器学习技术本身就是一项 严峻的变更管理挑战。每个人都想独立完成这一任务， 但如果能将不同业务部门的数据集成到单一平台上，并 基于这个平台训练 AI 模型，将带来颇为可观的价值，可 惜人们对此知之甚少。” Dirk Jungnickel Emirates Group 企业分析高级副总裁 14麻省理工科技评论洞察 超过一半的受访者 (53%) 也提到了与开源平台连接时遇到的 困难。当组织主要依靠自己的数据来支持模型时，这项限制 并不是那么严重。但 53% 这个数字清晰表明，许多企业正 在寻求获得更多数据。他们可能认为，其模型的强大功能和 准确性将越来越依赖于整合各种内外来源数据的能力。 流程、文化和数据 对于希望让 AI 用例超越试行阶段、得到更广泛的应用的组织 而言，最大的阻碍莫过于必要的流程与企业文化变革程度。 超过一半的受调查高管 (51%) 将业务或流程挑战视为其使用 AI 的主要制约因素。“大规模地在企业中实施 AI 或机器学 习技术本身就是一项严峻的变更管理挑战”， Jungnickel 说 道。这不仅要求改变业务流程，还需要打破组织孤岛。“每 个人都想独立完成这一任务”，他说，“但如果能将不同业 务部门的数据集成到单一平台上，并基于这个平台训练 AI 模 型，将带来颇为可观的价值，可惜人们对此知之甚少。” 数据确实是另一个主要制约因素，在调查受访者所提出的的 流程问题中排名第二，紧随第一名之后（有 48% 的受访者 提到数据问题）。 AI 模型需要数据：模型获取的数据越多， 其分析结果就越准确，所提示的决策也就越有可能正中目 标。数据整体可用性并不是问题的关键所在，只有 10% 的受 访者表示他们受制于这方面的问题。据 Le Cotonec 说，更 主要的问题在于集成不同格式的数据（尤其是非结构化数 据）之困难。她说，保险公司应该着手利用其非结构化数据 （通话记录、图片、电子邮件），以提高理赔流程效率或改 善客户体验。“我们拥有的数据够多了，可目前我们从非结 构化数据中提取价值的能力十分有限。”她所在的行业并不 是个例：调查中有 57% 的组织（其中专业服务、运输和政 府组织的数量要远超过其他行业）都遇到了这一问题。 41% 51% 39% 48% 29% 42% 12% 来源：麻省理工科技评论洞察调查， 2020 年 图 5：贵公司使用 AI 时的最大制约因素是什么？ （单位：受访者百分比） 使用 AI 洞察时 的业务或流程 挑战 数据数量、质 量或可用性 缺少内部数据科 学家或 AI 开发 人员 难以确立商业 论证理由 监管或安全问题 技术成本高昂 高层管理人员对 AI 缺乏了解 来源：麻省理工科技评论洞察调查， 2020 年 图 6：贵公司在开发 AI 过程中遇到的最大数 据挑战是什么？ （单位：受访者百分比） 集成非结构化数据 难以与开放数据平台连接 AI 模型结果中的偏差 质量 /完整性差（错误、异常） 满足合规性要求 数据量不足 57% 53% 46% 37% 37% 10% 15 麻省理工科技评论洞察 在普通的社区超市中，购物者看到数据中心的几率低而 又低。但是，如果他们前往纽约 Levittown 的沃尔玛门 店，他们就能看到数据中心。自 2019 年 4 月以来，这 家占地 50,000 平方英尺的门店已成为沃尔玛的智能零 售实验室 (IRL) 本部，是新兴店内技术的测试基地。 IRL 的首席执行官 Mike Hanrahan 称其为沃尔玛的“人工智 能工厂”。不同于其他公司采用在独立研发实验室开发 和测试基于 AI 的系统的做法，沃尔玛选择将实验室设立 在一家全面运营的门店中，而且这还是全美最繁忙的沃 尔玛社区门店之一。 Hanrahan 说：“我们当时想要建 立一处实验室，以便容纳我们的工程资源。我们想，为 了正确地将 AI投入生产，我们真的需要将 IRL 设立 在一家真实的门店中 一家有着数百名员工、 35,000 种商品以及您在真实沃尔玛门店中会遭遇的所有互动和 细枝末节的鲜活真实的门店。” 数据中心（客户可以看到）提供计算能力，用于分析门 店中部署的智能摄像头和传感器生成的大量数据。这些 设备能够监控货架，以跟踪库存水平。然后，基于算法 的工具会在货架需要补货时，或在易腐食品不再新鲜且 需要处置时提醒员工。 除了帮助员工节省时间，确保客户始终可以找到自己需 要的商品之外，在实际运营的门店中实施 AI 使用案例 也带来了另一个优势， Hanrahan 说：“它使我们能够 向员工和客户介绍 AI 的工作原理，表达沃尔玛对于 AI 在零售领域的应用的观点。它还使我们能够针对由 AI 引起的一些关键问题进行谈论，例如隐私、算法偏差和 工作的未来。” Hanrahan 表示， Levittown 模型的“成熟程度已经超 越现有需求，让我们能开发可以想象到的任何使用案 例”，他说，由于带宽和计算能力的限制，其他门店无 法轻松实现这一目标。在这方面， IRL 在试验使用案例 中发挥着重要作用。“我们确定哪些案例可以有效地大 规模运行，然后将其推广到零售链的其余部分。” 沃尔玛的 AI 工厂 通过将实际运营的门店用 作 AI 研究实验室，使尔玛 能够向员工和客户介绍 AI 的工作原理，表达沃尔玛 对于 AI 在零售领域的应用 的观点。 16 麻省理工科技评论洞察 在 2019 年 6 月， 10 家大型制药公司专门 为了共享药物研究数据而成立了联 盟，联盟旗下的每家公司都可以使用 这些数据来训练其 AI 算法。 8 这并不 是药物专业人员首次就研发开展合 作。但在该行业的研究合作中， AI 既作为推动技术又作为受 益技术的情况却是先例。联盟成员使用“联合学习”技术相 互查阅对方的数据，联合学习是机器学习的一种分散化形 式。这样，所搜索的数据就可以保留在各公司的服务器内， 而不是集中在中央存储库中。这些公司可以保护他们认为具 有专有性质的内容，而区块链的使用可确保数据的完全可追 溯性。最终目标是简化和加速药物研究和开发，从而使新型 低成本药物和治疗方法得以进入市场。 这个示例重点介绍了 AI 与其他技术的结合使用如何促进公司 之间高效、安全的数据共享，以及基于共享数据构建的强大 AI 模型可能带来的好处。这些好处的形式可以表现为达到新 水准的效率、新的产品和服务，甚至是围绕数据共享安排形 成的新价值链（请参见“以信誉为基础的银行业务”）。 三分之二 (66%) 的调查受访者表示，愿意出于这些目的共享 05 解锁数据共享 的机会 AI 图 7：您对贵公司为构建新的价值链、产品或服务而与第三方共享内部数据的意愿如何？ （单位：受访者百分比） 来源：麻省理工科技评论洞察调查， 2020 年 制造业 消费品和零售业 IT 和电信 全部 专业服务 能源和公用事业 旅游和酒店 媒体和营销 制药和医疗保健 运输和物流 金融服务 政府 非常愿意 勉强愿意 19%62% 23%57% 23%56% 17%49% 15%51% 17%49% 13%46% 7%48% 17%36% 10%43% 14%36% 9%33% 17麻省理工科技评论洞察 加强网络安全和欺诈防范能力，这与金融行业受访者关注的 主要优势一样。 Genesys 的 Tony Bates 表示，在客户旅程中在不同价值 链、不同提供商之间共享数据能给消费者带来巨大的获益。 “我们产生了亿万次交互，我们可以围绕这些交互构建通用 数据模型。但我们也需要其他形式的数据。为此，我们有必 自己的数据。尽管所有行业都展示出高度就绪状态，但制造 商、消费品和零售组织以及技术组织的热情度最高。他们期 待从中获得哪些收益？在制造商们看来，主要的收益在于更 高的供应链速度和可见性、更有效率的生产运营，以及更快 且更具创新性的产品开发。消费品和零售业以及制药和医疗 保健部门的受访者都提到了同样的供应链和产品开发收益。 IT 和电信管理人员认为，主要优势在于改善客户服务体验、 来源：麻省理工科技评论洞察调查， 2020 年 图 9：数据共享的最大预期优势 - 按行业划分 消费品 和 零售业 金融服务 旅游和酒店 IT 和电信 制造业 制药和医疗保健 运输和物流 能源和公用事业 媒体和营销 专业服务 政府 更高的供应链 速度和可见性 更快且更具 创新性的 产品开发 全新或增强的客户 服务和体验 更高效或 更具创新性 的制造 新的业务模式 网络安全 或欺诈防范 X X X X X X X X X X X X X X X X X X X X X X X X 来源：麻省理工科技评论洞察调查， 2020 年 图 8：与您所在行业或邻近行业的公司共享数据的最大好处是什么？ （单位：受访者百分比） 更高的供应链 速度