向企业级人工智能转变_填补数据与技能差距_实现卓越价值_22页_1mb

企业级人工智能转变总结

核心内容

随着人工智能技术的成熟，越来越多的企业开始将其视为实现竞争优势的重要工具。本报告探讨了企业在人工智能实施过程中面临的挑战，以及如何通过战略规划、数据管理和技能培养来克服这些挑战，从而最大化人工智能的价值。

主要观点

• 人工智能从炒作走向实践：企业正在从试验阶段过渡到实际应用阶段，人工智能的采用率显著提高。
• 客户导向的价值驱动因素：企业越来越关注人工智能如何提升客户满意度和维系率，而不是单纯的成本节约。
• 数据能力成为关键：数据质量、可用性和治理成为人工智能成功实施的核心要素，企业需要构建强大的数据基础设施。
• 技能短缺是主要障碍：63% 的受访者认为技能短缺是人工智能成功部署的最大阻力，企业需重视人才培养和内部技能建设。
• 政府与企业协作：各国政府正在推动人工智能发展，企业需与政府和外部合作伙伴协作，以应对技能短缺和监管挑战。

关键信息

人工智能的优先部署领域

• 客户服务：企业使用人工智能来提升客户体验，如虚拟助手。
• 风险控制：人工智能用于欺诈检测和预防，提高安全性。
• 创新：企业利用人工智能推动新业务模式和产品创新。
• 信息技术 (IT) 和信息安全 (IS)：这些领域是人工智能技术部署的基础。
• 运营效率：人工智能帮助优化流程，提高效率。

人工智能的价值驱动因素

• 客户满意度与维系率：77% 的表现出众企业将客户满意度视为人工智能的关键价值驱动因素。
• 收入增长：人工智能被用来创造新的收入来源，提升市场渗透率。
• 成本优化：尽管成本节约不是首要目标，但它是人工智能实施的重要考量之一。

数据的重要性

• 数据治理：86% 的表现出众企业已实现企业范围的数据监管。
• 数据质量与可用性：企业必须确保数据的准确性和完整性，才能有效利用人工智能。
• 数据平台建设：构建坚实的数据平台是实现人工智能价值的前提。

技能培养与人才管理

• 技能短缺问题：63% 的受访者认为技能短缺是人工智能成功的主要障碍。
• 人才培养策略：企业需要设立集中分析职能部门，以提高现有人才的利用率。
• 技能合作与外部支持：企业应与外部合作伙伴建立联系，以补充内部技能短板。

成功案例

• 东芝电子台湾公司：利用人工智能和物联网技术，改善心脏病患者的健康监测。
• 美国某银行：通过人工智能优化客户服务流程，提高效率并节省成本。
• 一家快餐店：结合天气和位置数据，利用机器学习提升客流量和广告效果。

实施建议

• 制定明确的战略：人工智能战略应来自企业高层，包含清晰的业务目标和路线图。
• 快速执行与迭代：企业应从战略制定迅速过渡到执行，展示阶段性成果以推动持续扩展。
• 培养组织文化：鼓励跨部门协作和开放式数据使用，以支持人工智能的广泛应用。
• 关注监管与合规：随着 GDPR 等法规的实施，企业必须确保数据使用符合法律要求。

重要问题

• 战略转化：如何将战略要求转化为三年期的路线图？
• 价值衡量：贵公司最主要的价值驱动因素是什么？如何衡量人工智能带来的效益？
• 数据管理：谁拥有并维护贵公司的数据？数据专业能力有多强？
• 技能与文化：贵公司最大的技能差距在哪里？如何管理预期的文化变革和社会影响？

作者与合作者

• 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。
• 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。
• 合作者：包括 Tony Giordano、Ratsika Gunnar、Immanuel Luhn、Loretta Mahon Smith、Catherine Reese 等。

调研方法

• 样本规模：共采访了 5,001 位来自 18 个行业的全球高管，涵盖政府、教育机构及多个职能领域。
• 调研机构：IBM 商业价值研究院与牛津经济研究院合作进行调研。

相关报告

• 《快速开展认知创新》：2017 年，IBM 商业价值研究院发布，探讨企业如何快速推进人工智能创新。
• 《加速企业重塑》：2017 年，IBM 探讨如何构建认知型组织。
• 《使AI成为杀手级数据应用》：2018 年，IBM 与 HfS Research 合作，提供人工智能实施的实用指南。

备注与参考资料

• 数据来源：调研数据来自 IBM 商业价值研究院与牛津经济研究院合作，涵盖 2016 年和 2018 年的数据。
• 版权信息：IBM Corporation 2018，部分信息可能来自第三方，未经独立核实。
• 法律声明：本文档信息“按现状”提供，不附带任何明示或默示的保证。

作者联系方式

• Francesco Brenna：francesco.brenna@ch.ibm.com
• Giorgio Danesi：giorgio.danesi@fi.ibm.com
• Glenn Finch：glenn.f.finch@us.ibm.com
• Brian Goehring：goehring@us.ibm.com
• Manish Goyal：manish.goyal@us.ibm.com

了解更多信息

• IBM 商业价值研究院官网：ibm.com/ijbv
• IBM IBV 应用：可在应用商店下载免费“IBM IBV”应用，以访问执行报告。
• 中国网站：http://www-935.ibm.com/services/cn/gbs/ibv/