2018年-数据局_IBM：向企业级人工智能转变_24页_1mb

向企业级人工智能转变总结

核心内容

本报告由 IBM 商业价值研究院发布，探讨了企业级人工智能（AI）在过去的两年中如何从概念走向实际应用，并分析了企业在实施 AI 过程中面临的挑战和机遇。

主要观点

• 人工智能正在从炒作走向实际应用：越来越多的企业开始采用 AI 技术，并专注于其实际价值，如收入增长、客户满意度和运营效率的提升。
• 数据与技能是 AI 实施的关键：企业正从关注技术可用性转向重视数据质量和 AI 技能培养。数据监管和人才短缺已成为 AI 实施的主要障碍。
• AI 在特定职能领域发挥最大价值：当前，企业高管更倾向于将 AI 投入五个核心职能领域，包括客户满意度、创新、风险控制、IT 和安全。这些领域是 AI 技术最能体现其价值的地方。
• AI 与创新紧密相关：AI 被视为推动创新的重要工具，它不仅帮助企业在现有市场中提升竞争力，还使其能够拓展新的市场领域。
• 企业需要构建数据驱动的平台：数据平台的建设成为 AI 实施的基石，能够支持企业做出更明智的决策，提高运营和财务绩效。

关键信息

人工智能的五大优先领域

1. 客户满意度与维系
2. 创新
3. 风险控制
4. IT
5. 安全

AI 价值驱动因素

• 客户导向：77% 的表现出众企业将客户满意度和维系率视为 AI 的主要价值驱动因素。
• 收入增长：AI 也被视为推动收入增长的重要手段。
• 数据能力：80% 的受访者表示他们已实施企业范围的数据监管。

技能短缺问题

• 技能缺口：63% 的高管认为技能短缺是 AI 实施的最大障碍，这一比例是 2016 年的 1.5 倍。
• 培养与保留人才：企业需要通过培训和合理的薪酬体系来培养和保留 AI 人才。55% 的表现出众企业设立了集中分析职能部门。

IBM 的角色与支持

• IBM 提供解决方案：IBM 通过行业专业知识、技术平台和咨询服务，帮助企业实现 AI 的价值。
• IBM 人工智能学院：IBM 开设了人工智能学院，专注于培养 AI 技能，并提升员工敬业度。

实施 AI 的建议

• 制定 AI 战略：企业需要制定明确的 AI 战略，包括监管政策、运营模式和实施路线图。
• 数据平台建设：企业应从现有数据入手，构建坚实的数据平台，以支持 AI 的广泛应用。
• 敏捷实施与扩展：企业应从小规模试点开始，快速失败、稳健扩展，同时注重与利益相关方的沟通和文化变革管理。

重要问题

• 战略转化：如何将战略要求转化为三年期路线图？
• 价值驱动因素：企业的主要价值驱动因素是什么？如何衡量 AI 带来的效益？
• 数据管理：谁拥有并维护企业数据？企业的数据专业能力如何？
• 技能与文化：企业的最大技能差距在哪里？如何管理预期的文化变革和社会影响？

作者与合作者

• 作者：

  • Francesco Brenna：IBM 全球企业咨询服务部欧洲分部人工智能实践负责人。
  • Giorgio Danesi：IBM 服务部认知业务决策支持服务线欧洲负责人。
  • Glenn Finch：IBM 全球企业咨询服务部认知业务决策支持服务线总经理兼全球负责人。
  • Brian Goehring：IBM 商业价值研究院副合伙人兼人工智能/认知与分析负责人。
  • Manish Goyal：IBM 全球企业咨询服务部人工智能业务总监兼全球负责人。

• 合作者：

  • Tony Giordano：IBM 全球企业咨询服务部高级合伙人/副总裁兼数据平台服务负责人。
  • Ratsika Gunnar：IBM Watson 数据与人工智能副总裁。
  • Immanuel Luhn：IBM 欧洲人工智能实践高管顾问。
  • Loretta Mahon Smith：IBM 全球企业咨询服务部数据监管全球负责人。
  • Catherine Reese：IBM 全球企业咨询服务部认知与分析业务合伙人。

调研方法

• 调研对象：来自 18 个行业的 5,001 位全球高管，涵盖企业高层及多个职能部门负责人。
• 调研范围：涉及 AI 技术的实施、价值驱动因素、数据能力、技能短缺及文化变革等方面。

相关报告

• “快速开展认知创新”：2017 年报告，探讨了高绩效企业在 AI 领域的实践。
• “加速企业重塑”：2017 年报告，介绍了如何构建认知型组织。
• “使 AI 成为杀手级数据应用”：2018 年报告，提供了一个实用的 AI 实施指南。

了解更多信息

• 访问 IBM 商业价值研究院网站：ibm.com/ijbv
• 下载“IBM IBV”应用：IBM 应用商店
• IBM 商业价值研究院中国网站：http://www-935.ibm.com/services/cn/gbs/ibv/

版权信息

• 本文档为 IBM 商业价值研究院与牛津经济研究院合作成果。
• 版权信息详见 IBM 官方网站。