如何运用 AI 创造业务价值：12个真实成功案例

IBM商业价值研究院|研究洞察 业务价值 如何运用 12个真实成功案例 AI创造 IBM如何提供帮助 企业可以利用IBM深厚的行业、职能和技术专业能力，丰富的企业级技术解决方案以及基于科学的研究创新来释放AI、分析和数据的潜能。如需了解关于IBMConsulting提供的AI服务的更多信息，请访问ibm.com/services/artificial-intelligence。 如需了解关于IBMSoftware提供的AI服务的更多信息，请访问ibm.com/Watson。 如需了解关于IBMResearch®提供的AI服务的更多信息，请访问research.ibm.com/artificial-intelligence。 如需了解关于MIT-IBMWatson人工智能实验室的更多信息，请访问mitibmwatsonailab.mit.edu。 许其多实关是于误人导工性智的能神的话常，只见概是念在众为暂多时新性兴热技术点的。炒作周期中成 摘要 深入最前线 AI 止步于锥刀之利还是追求大规模转型 IBM商业价值研究院(IBV)与MIT-IBMWatson人工智能实验室携手合作，针对全球范围内超过35个人工智能(AI)实施中深度学习项目的参与者开展了一项调研。我们与来自十多个行业的业务和技术专家展开对话，深入了解了他们的AI目标、挑战和经验。 根据调研结果，AI采用率呈持续增长之势，但大多数组织尚未充分运用AI来推动广泛转型。许多组织只是运用AI来应对一些孤立的业务挑战。到2022年底，我们估计只有四分之一的大型企业将从AI试点转为AI运营。1 揭开迷雾，破除神话 AI 多个不同行业真实企业的成功经验 随着许多企业纷纷开始采用人工智能，企业最高管理层和其他领导者务必时刻保持警醒，不要轻易相信AI的一些神话，比如“AI无捷径”、“只有深度学习才是真正的AI”。他们应当根据AI的现状来做出明智的决策。 本文揭穿了AI领域的五个神话，通过数据和真实案例揭示了当前企业运用AI的真实现状，让企业领导者及其团队能够学习和借鉴其他企业的实践经验。 采用 图1 AI* 2016–2022 到2022年底，我们认为四分之一的大型企业将从AI试点转为AI运营。1 引言 感知与现实的差距。 如今，各类媒体经常将人工智能(AI)视为缓解经济萎靡不振的灵丹妙药，但企业高管们仍然想了解当前企业运用AI的真实现状。这些AI采用者运用了哪些方法？取得了哪些成果？ IBM商业价值研究院与MIT-IBMWatson人工智能实验室携手合作，与超过35家组织开展了对话，希望从中探索这些问题和其他一些问题的答案。通过这些对话，我们掌握了参与深度学习项目的业务专家和技术专家运用人工智能在现实商业领域创造切实价值的真实图景。 AI：从概念到实际应用 人工智能在其技术采用曲线或成熟度周期中持续稳步上升（见图1）。 2016201820202022 5% 34% 9% 38% 25% （估计） 22% 4% 15% 运营中/优化中试点中/实施中 26% 48% 18% 61% 37% 51% 考虑中/评估中 *注意：AI采用包括试点中、实施中、运营中或优化中。详见尾注1。 不考虑 5% 受新冠疫情驱动，企业找到了AI采用的精准方向，并加速了AI采用。在新冠疫情期间启动AI试点项目的企业数量相比2018年增长了一倍多—最近的数据表明，此类企业继续保持增长之势。2 尽管调研数据反映AI采用呈上升趋势，但并未呈现AI采用的全貌，无法让许多业务和技术领导者通过对标分析了解其企业采用AI的真实情况。 为了探索这一全貌以及AI正在帮助企业解决哪些挑战，我们针对全球范围内参与深度学习项目的个人开展了一项调研。从2021年4月到2021年8月，我们与来自十多个行业的业务和技术专家展开对话，深入了解了他们的AI目标、挑战和经验（见图2）。 图2 我们调研的范围和规模 我们的调研侧重于如何应用定制化AI方案来解决不同的业务问题。 机器学习领域 13 视觉 12 语言 11 其他 受访者 12 国家/地区 13 行业 12 职能领域 澳大利亚巴西 加拿大丹麦法国德国 中国香港印度 荷兰瑞士英国美国 广告能源 金融服务食品 酒店 IT与服务生命科学采矿 专业服务公共部门零售 软件 公用事业 客户服务财务 信息安全信息技术制造 营销采购 产品开发研究与创新风险与合规销售 供应链与物流 5 观点 神话与现实 AI是一把万能钥匙 神话1 神话2 只真有正深的度AI学习才是 神低话成本3 最佳发力点 是的 AI 神话4 AI无捷径 AI仅为眼前的问题 神话5 提供价值 5 我们从AI的现状中看到了什么？ 业模式。 AI能否成为营收增长的驱动力？这当然是毫无疑问的。对于一部分创新型AI采用者，例如NVIDIA和NavTech等企业，AI有助于创造全新的产品，甚至开创全新的商 我们还发现，许多关于AI的常见概念其实是具有误导 转型。大多数企业都是应用AI来解决孤立的实际业务 本、改善客户和员工体验、提高赢单率、优化供应链绩 性的神话，它们在众多新兴技术的炒作周期中成为暂时 但只有极少数企业能够应用AI来实现如此大规模的问题。全球范围的组织都在广泛采用AI来帮助降低成效等等。 实的AI工作，并分散组织的注意力。 在接下来的报告中，我们将通过从调研中获取的相关见 性热点。不幸的是，这些误解往往会阻碍组织开展更务 清事实和假象。这些信息让企业能够深入本质，并与其 力和价值。（希望了解详细信息的读者可以从附录中找 解和实际案例来揭穿五个最普遍的AI神话。我们与35家AI采用者企业的超过55位专业人员展开了对话，从中获取了宝贵的观察结果和真实案例，旨在帮助企业厘 他同类企业进行对比，从而更加有效地发挥AI的影响 到12个详细的案例研究）。 神AI话是1一把万能钥匙 的AI 发力点 神话4 只神话有深2度学习才是真正神降话低成3本是AI的最佳 神话5 AI无捷径 A价I值仅为眼前的问题提供附录 神话1 AI是一把万能钥匙 现实 适用性至关重要。AI驱动的业务改进与许多技术密不可分。 例如，在众多AI技术中，深度学习通常最适合用于解决与视觉、语言和其他预测模型中的底层（通常是大型）数据集相关的问题。从虚拟助手到欺诈检测，深度学习正在改变我们的工作和娱乐方式。在这些场景中，传统机器学习技术可能不太有效。 但AI并不一定适用于应对每一项业务挑战或实现每一项期望成效，尽管在媒体宣传时经常会过度神化AI的适用性。组织首先需要确定AI是适用于更广泛的战略计划，还是仅适用于解决特定的业务问题。本文在“重新思考您的AI方法”部分中更全面地探讨了这一主题。企业可以从评估其整体“数据财富”入手，并分析具体的业务问题。 观点 的定义 A和I、深机度器学习 AI 机学习器 深学习度 的概念和起源 深度学习是机器学习的一个子集，而机器学习又是人工智能的一个子集。这有点类似于俄罗斯套娃。这些技术通常与其他前沿技术形成互补，包括基于物联网的机器人、传感器和执行器以及虚拟接口等。 AI AI旨在通过计算机来处理过去只能依靠人力执行的任务。但是，随着人类在准确性、速度和处理能力方面逐渐达到瓶颈，AI才开始真正获得发展动力。 AI诞生于20世纪中叶，但直到21世纪才开始进入技术成熟期。1955年，达特茅斯学院和哈佛大学的两位数学教授以及贝尔实验室和IBM的两位研究科学家建议“在（那一年）夏天开展为期2个月的……人工智能研究”。这项提议在摘要中指出，“将尝试探索如何让机器使用语言，形成抽象和概念，帮助人类解决各种难题，并实现自我改进。”3 这就是人工智能的第一个正式定义。此后，学术界和企业开始竭力构建越来越强大的人工智能。 什在麻么省是理机工器学学院习出？版社的《深度学习》一书中，作者给出了机器学习的定义：“人工智能系统需要从原始数据中提取模式从而获取自有知识的能力。这种能力被称为机器学习。”4换句话说，计算机能够从复杂的数据集中进行学习，并通过不断学习变得更加智能。 如今，机器学习系统已广泛应用于各种领域，包括选择最相关的结果、响应关键字搜索以及解析视觉图像等。在此类人工智能应用中，深度学习是一项日益广泛采用的技术。5 深深度度学学习习是的机定器义学习的一个子集，其灵感来源于人类大脑中的神经元网络的运作方式。在当今投入使用的机器学习技术中，最重要的一项技术非深度学习莫属。深度学习具备以下能力： –处理图像和自由文本等非结构化数据 –通过非线性关系建模来对解决复杂问题 –无需在目标任务上预先编程即可学习关系 –利用持续产生的新数据提高预测能力 对于有足够数据可用的复杂问题，深度学习通常可以提供比其他机器学习方法更加出色的性能。 7 欧可持洲续服发装展零能售力商运用AI提高效率和 需求预测和销售效率始终是消费品和零售行业的核心；即使是些微改进也会对业务产生巨大影响。 服装零售商BESTSELLER希望提高其需求预测准确性，并借此充分提高服装产品的销量。当时，这家服装零售商售出了其成品的78%。这个成绩在充满变数的时尚行业已经算相当不错了。但是，如果BESTSELLER可以增加其预测算法中的产品属性粒度，就可以进一步提高效率。 在确定传统分析技术已经达到极限之后，BESTSELLER团队利用其服装图像作为输入训练了一个卷积神经网络(CNN)。（CNN是一种人工神经网络，通常用于分析视觉图像。）这样一来，BESTSELLER可以根据未包含在其结构化数据集中的其他特征来对产品进行分类。 营应率销平台利用机器学习技术提高响 一家营销和广告代理商运用机器学习模型来预测消费者对客户营销活动的接受程度。这家代理商将此功能融入到了其面向所有客户的数据和分析平台中。准确性方面改进一小步，只要规模够大，就可以创造数百万美元的额外销售额，因此回报率相当有吸引力。 代理商发现这项改进可以将响应率提高20%-30%，但同时也会增加存储、训练和处理额外数据及模型参数的计算成本。所幸的是，在迁移至云端之后，该团队可以更加清晰全面地了解成本状况，从而更有效地管理这些成本。最终，他们保持了较高的响应率，提高了计算利用效率，并将处理成本降低了约三分之二。 供AI助为力呼叫中心、食品科学等领域提 通过将这些数据输出至核心预测引擎，BESTSELLER将销售效率提高到了82%，并将所需的样本设计数量减少 法国合作银行集团CréditMutuel广泛采用深度学习来 了15%。在全球销售因疫情而持续低迷之际，实现这一改进已难能可贵。此外，该企业还减少了打折、捐赠或丢弃的服装商品，从而积极改善了可持续发展能力。 级科学家的水平。 美（味国好食美品）调运味用品公AI司来M弥c补Co初rm级ic食k品能够科达学到家拥在有经验20上年的专不业足经，让验他的们高 协助人工呼叫中心客服，每月节省数万小时的工作量。 同样，在另一个完全不同的行业中，美国食品调味品公司McCormick运用AI来弥补初级食品科学家在经验上的不足，让他们能够达到拥有20年专业经验的高级科学家的水平。 我们调研中的其他一些案例重点展示了如何运用定制化AI方案来解决不同地理区域、行业甚至职能领域的不同业务问题。通常，在选择正确的数据集来解决问题之后，正确的方法也将变得更加清晰可见。BESTSELLER和营销代理商的成功经验就充分说明了这一点。 神话1 AI是一把万能钥匙 的AI 神只话有深2度学习才是真正 发力点 神话4 降神话低成3本是AI的最佳 神话5 AI无捷径 A价I值仅为眼前的问题提供附录 神话2 只有深度学习才是真正的AI 现实 业务价值。 大型和企预业处正理在技运术用来混解合决数各据种科不学同、的传业统务机问器题学并习实、深现度重学大 在过去十年中，AI研究中的许多进展都发生在深度学习领域。随着社交媒体、搜