估計(jì)AI的潛在價(jià)值

據(jù)估計(jì)，報(bào)告探討過的所有AI技術(shù)加在一起，可能在19個(gè)行業(yè)的9種職能中，產(chǎn)生每年3.5-5.8萬億美元的價(jià)值。這在所有 (包括傳統(tǒng)和AI) 數(shù)據(jù)分析技術(shù)一年產(chǎn)生的價(jià)值中，約占40%。

報(bào)告中估計(jì)，在每個(gè)行業(yè)的2016年?duì)I業(yè)額中，AI的平均貢獻(xiàn)約在1-9%。但在19個(gè)行業(yè)之間，AI貢獻(xiàn)的營業(yè)額百分比差異較大，取決于具體應(yīng)用案例、獲取大量復(fù)雜數(shù)據(jù)的能力，以及規(guī)章制度等其他限制。案例分析得到的結(jié)果是，AI能夠產(chǎn)生最大價(jià)值的領(lǐng)域，既有頂線導(dǎo)向 (top-line-oriented) 的功能，比如營銷和銷售，也有底線導(dǎo)向 (bottom-line-oriented) 的功能，如供應(yīng)鏈管理和生產(chǎn)制造。

在零售和高科技等消費(fèi)行業(yè)，AI可能在營銷和銷售中擁有更大的潛力，因?yàn)樯碳遗c用戶之間頻繁的、數(shù)字化的互動(dòng)會(huì)為AI技術(shù)提供龐大的數(shù)據(jù)集。電子商務(wù)平臺(tái)將會(huì)尤其受益，點(diǎn)擊數(shù)據(jù)與頁面停留時(shí)間等用戶信息都可以輕松獲取，并用于生成實(shí)時(shí)動(dòng)態(tài)的產(chǎn)品推送。

在零售領(lǐng)域，定價(jià)和促銷可以成為AI的天地。案例表示，使以用戶數(shù)據(jù)來定制個(gè)性化促銷活動(dòng)，可以將實(shí)體零售商促銷的增量銷售額提升1-2%。

在消費(fèi)品的供應(yīng)鏈中，AI部署也能起到重要的作用。基于潛在因果驅(qū)動(dòng)因素 (而非先前結(jié)果) 的預(yù)測(cè)，可以將預(yù)測(cè)準(zhǔn)確度提升10-20%，從而帶來2-3%的營業(yè)額增長(zhǎng)。

在銀行業(yè)，特別是零售業(yè)務(wù)中，AI依然可以在營銷和銷售中施展才能。另外，鑒于風(fēng)險(xiǎn)評(píng)估和管理的重要性，AI在這一方面的產(chǎn)生價(jià)值可能會(huì)更大。

挑戰(zhàn)在哪里

AI正在吸引越來越多的企業(yè)投資，但到目前為止，擁有AI技術(shù)的公司里，只有約20%將自己的技術(shù)應(yīng)用于核心業(yè)務(wù)或者大規(guī)模使用。AI技術(shù)的應(yīng)用還面臨著許多挑戰(zhàn)——

標(biāo)注訓(xùn)練數(shù)據(jù)：這在監(jiān)督學(xué)習(xí)中必不可少。目前大多是手動(dòng)標(biāo)注，但新的技術(shù)正在涌現(xiàn)，比如強(qiáng)化學(xué)習(xí)和in-stream supervision，數(shù)據(jù)可以在自然使用過程中獲得標(biāo)注。

大量全面的數(shù)據(jù)獲取：對(duì)許多行業(yè)案例來說，獲取大量數(shù)據(jù)非常困難，比如用于預(yù)測(cè)治療方案效果的臨床數(shù)據(jù)。

解釋輸出結(jié)果：比如，疾病診斷過程中，AI可以利用患者信息來得出診斷結(jié)論，但無法解釋這一結(jié)論是如何一步步取得的。

學(xué)習(xí)的普遍性：AI模型在將學(xué)習(xí)經(jīng)驗(yàn)從一類情況向另外一類情況遷移時(shí)，經(jīng)常遇到困難。這意味著，企業(yè)需要投入大量資金訓(xùn)練新模型，即便情況與之前的用例相似也很難避免。