导航 AI ： 挑战北极星

VIEWPOINT 2024 NAVIGATINGAI：CHALLENGING NORTHSTAR 利用AI进行商业模式革命，而不仅仅是进化 公司采用人工智能的步伐正在加快，但最初的用例自然倾向于关注 围绕内部用例的优化和效率，而不是新颖的人工智能支持的产品，服务和业务模型。在这个观点中，我们使用来自一系列行业的示例 ，探索为什么公司应该确保他们能够抓住长期，革命性和以客户为中心的定位 AI机会。 AUTHORS MichaelMajsterClémentSamsonJoeriSamynFrédéricRoses Jean-PierreLéotardThomasThieleMattiasJonniauxRickEagar 我们今天在哪里 自从OpenAI推出ChatGPT并开始广泛使用生成AI（GenAI）以来，已经过去了一年半。值得记住的是，AI本身并不是什么新鲜事，可以追溯到20世纪50年代的专家系统（见图1）。 事实上，人工智能是指数技术的一个很好的例子。在20世纪60年代，人们做出了自信的预测，即一般人工智能将比人类更智能。 20世纪70年代末。但是在20世纪80年代和90年代有一些“人工智能寒冬”，最初是因为有限的算法模式，然后是因为稀缺的计算能力。只有成熟的数字和数据转换技术的融合才导致了几年前的GenAI突破和我们今天看到的急剧加速。 然而，行业专家，例如OpenAI的SamAltman，热衷于提醒我们，我们仍处于发现AI如何破坏业务的真正潜力的早期阶段。在2023年11月， 美国人口普查局报告说，只有3.8％的美国企业使用AI来生产商品和服务。IT和电信部门以及专业服务的采用进一步推进，如下所示。 Nvidia在2023年报告称，38%的电信公司已经使用人工智能超过六个月，只有5%的公司没有使用或不打算使用它。 电信在云计算(例如亚马逊、谷歌)和高端内容(例如Netflix)等过去中断方面的经验是它们领先于其他行业的原因之一。 尽管如此，即使在电信行业，初始用例也主要集中在他们已经知道的业务上，通过优化(60%)、降低成本 (44%)、客户互动(35%)和实现收入目标(31%)。早期AI应用程序的示例包括客户服务增强，销售/营销分析和个性化以及网络优化。同样值得记住的是，目前人工智能驱动创新的一些说法实际上只不过是对正在进行的数字化努力的重塑。 然而，很明显，人工智能具有超越生产力和效率的颠覆性潜力。类似于过去二十年来数字化转型如何通过使价值链脱媒并将客户置于业务流程的中心来重塑商业模式 ，人工智能将在当前价值链内甚至之外带来新的机会。在这个观点中，我们着眼于当前最先进的应用程序，以及人工智能将很快为商业价值带来什么，不仅是效率和生产力，而且是增长和商业模式创新-换句话说，人工智能是进化的，也是革命性的。 图1.AI阶段随时间的发展 神经网络的波动 GENERATIVEAI 一般AI 统计分析 窄/弱AI 一般/强AI 基于规则的系统/ GOFAI/专家系统深度学习/神经网络 机器学习人工智能 1950年代1960年代1970-20202022??? GOFAI=好的老式人工智能来源：ArthurD.Little 从进化到革命 如果我们根据任务复杂性和技术复杂性来映射当前的GenAI应用程序，很明显，大部分重点仍然放在第一阶段（内容制作），在这个阶段，准确率、控制水平和任务覆盖率的进步正在迅速进行（见图2）。 在接下来的几年中，自然语言流畅性的改进将发展到第二阶段，并允许部署更直接，更通用的人机界面 ，从而实现新产品和服务的商业化，具有更大的个性化，交互性和不断提高的准确性 （例如，“循环中的用户”服务）。 图2.GenAI的三个主要功能 KEEPINGTHE在TENTIONONPRODUCTIVITYAND EFFICIENCYISAGOODWAYTOEXPERIMENT 一些乐观的评论员认为，第三阶段可能只有三年的时间 ，它将涉及系统之间的无缝集成，允许自主代理协调复杂的任务并试点业务。这将对商业和社会产生深远的影响。 今天，大多数公司的用例都在 第一阶段，侧重于生产率和效率（见图3）。在短期内，保持对生产率和效率的关注是一个很好的实验方式，同时投资于坚实的技术、人才和治理基础。然而，一些 公司已经开始转向使用人工智能在现有业务中生成新服务；更具颠覆性的业务 从长远来看，模型转换是可以预期的。下面，我们来看看AI进化和实践革命的一些实际例子。 3 综合和代理能力 2 语言流利 1 AI技术的复杂性 处理的复杂性 来源：ArthurD.Little 图3.AI进化和革命 中断级别 新服务 额外收入 更好的CX 短期和中期价值创造将为长 期革命提供资金 生产力/效率 降低成本 相邻业务 新业务 核心业务 经营范围 商业模式革命 高革命 长期商业模式转型 Evolution 介质短期/中期效率提升，增加收 入和改善CX Low CX=客户体验来源：ArthurD.Little VIEWPO在TARTHURD.LITTLE 导航AI：挑战北方明星4 实现基于人工智能的生产力& 效率收益 已经有许多基于AI的主要生产力和效率提升的例子。其中 ，Klarna和GitHub很好地说明了AI可以实现的目标： -斯德哥尔摩Klarna是世界上的 领先的“立即购买，稍后付款”在线银行和服务提供商。2024年2月，它推出了OpenAI开发的AI助手。在23个市场中可用，AI助手在超过 35种语言，并提供更好的全天候客户支持，个人财务援助和退款/退货管理服务。Klarna声称已将重复的客户请求减少了25％，将平均解决问题的时间从11分钟减少到两分钟，并达到了类似于人类操作员的客户满意度。它取得了一些成就 US$40millioncostsavings,largelythroughreplacingapproximately10%(700employees)oftheworkshipwithAI.Afterseveralloss-makingyears,thiscost-cuttingmeasurewasessentialtomakethecompanyprofitable. -微软子公司GitHub，其中一个 世界领先的开源软件开发平台于2022年12月推出了基于AI的Copilot业务。AI编码助手Copilot在开发人员键入时建议代码完成，并根据项目上下文将自然语言提示转换为编码建议。它 已经成为世界上采用最多的AI开发人员工具，允许开发人员以55％的速度编写代码，并提高了近90％的生产力。近四分之三的用户报告说，他们现在可以专注于更令人满意的工作。Copilot已经使付费GitHub帐户比2023年最后一个季度增加了30 ％。 KNOWINGWHERE THEWEAKNESSESARE，AND，ETOFOCUSAIINVESTMENFOR 在ESTIMPACT，是AMAJORC HALENGEFORLARGECOMPANIES However,thesegame-changingcaseexamplesofproductivityandefficiencyareyetnotyetasprospected.Asurveyof财富AdreesseHorowitz在2024年初的500家公司证实，绝大多数用例都是围绕内部生产力的，大多数公司在与客户直接互动之前，仍然倾向于让人参与其中。同一项调查显示，2024年GeAI的计划支出大幅增加(2023年支出的2.5倍)，预算平均从IT 、研发和业务部门重新分配。 尽管发生了这些预算变化，但仍有超过一半的公司尚未准确衡量ROI收益，尽管人们普遍预期该收益为正 。大约30％的用例专注于节省成本，但只有9％专注于新的收入机会。 当前可证明结果的不足可能是因为新的AI计划通常是作为概念的技术证明而推出的，但它们并不能确定真正的性质 ROI增益(e.Procedre、生产率、效率、质量)，并且没有充分考虑整个企业的规模扩大。也缺乏基础能力，例如训练AI引擎的适当数据。鉴于市场上经过战斗测试的企业AI应用程序的可用性有限，公司仍在内部构建应用程序。了解弱点在哪里，以及将人工智能投资集中在哪里以获得最大的影响，对于大公司来说是一个重大挑战 。开发AI成熟度热图是开始应对这些挑战的有效方法 （见图4）。 图4.AI成熟度热图项目示例 工艺结构 供应商 制造商收购 分类管理 关系管理 需求捆绑 招标 条件管理 中央法规 奖金管理 租赁 融资 保函 推动营销 拉动营销 POS优化 内容创建 特许经营 当地经销商的定位 培训 Consulting Events 经销商收购 关系管理 HR PR IT FI (例如，域模型) 采购 金融服务 市场服务 知识服务 Sales 支持功能 的AI映射 &管理 AI成熟度: 1234 基础数据功能 数据资产 数据管理进程 分析工具/平台 人与文化 组织与治理 人力资源计划的技能和能力 通过生成AI增加内容量 战略与愿景 AI-specific 能力能力 内部 创造的价值 部署的用例 部署 0 通过启用AI的 RPA提高效率 下一代产品 ecompmendati r上 0-不存在，I-反应，2-初始定义，3-运行，4-优化 RPA=机器人过程自动化来源：ArthurD.Little 热图使用两个维度来总结公司的AI成熟度。在价值方面 ，热图帮助公司开始根据最大的影响优先考虑投资和技能开发，从外部和内部的角度来看。在有利的方面，热图帮助公司识别和构建可持续成功所必需的基础能力。 从长远来看（例如，数据采购，AI治理和人才获取）。因此，它既可以作为公司AI格局的蓝图，也可以作为高管沟通工具。 似乎很清楚的是，对AI开发和集成采取行动-即使只是试点和实验开始- 对于公司而言，建立知识和能力至关重要。但是，除了飞行员，速赢和低挂成果之外，采用更具战略意义的观点也很重要。这有助于确保实现AI的全部潜力，并且在未来几年中，公司不会因进一步的突然加速而落后。 走向AI革命 如前所述，人工智能有潜力 （1）彻底改变公司现有价值链中的商业模式；（2 ）为公司提供进入AI价值链的机会，而不仅仅是技术用户。第一点尤其是人工智能可以集成到新的产品和服务中，通过完全自主的系统、超个性化或无缝的产品融合和集成开辟新的收入。后者发生在公司打算将其开发的一些AI功能货币化时（不仅是内部，而且是通过并购 ，企业合作伙伴关系和生态系统投资）。因此，他们可以投资于人工智能价值链的每一步，包括： 基础设施（如GPU、超级计算器、数据中心）、基础模型（如大型语言模型[LLM]、语音模型）和应用程序 （如聊天机器人接口、企业软件）。 鉴于人工智能的采用水平仍处于早期阶段，“人工智能革命”的现有用例仍然倾向于更多地关注现有商业模式中的新服务，而不是相邻或全新的商业模式。然而，我们预计不同行业的人工智能采用会有所不同（见图5 ）。 总的来说，我们看到首先受到影响的行业是那些可以利用最容易获得的GeAI形式的好处的行业：电信和媒体 ，零售，消费品，医疗保健，能源和金融服务。更多的制造重工业需要更大的综合和代理AI能力，也称为“系统系统”（包括生产车间机器人和供应链管理）。 它的全部力量仍在出现，并且无疑会随着时间的推移而出现。航空航天和国防以及旅行和运输等高度管制的部门也受到绝对准确性和训练模型所需数据敏感性的限制。 下面我们提供了一些具体的、革命性的人工智能在一系列行业中的例子，其中一些已经部署，一些还处于概念阶段。 图5.AI对行业影响的预期序列 电信：沿着AI价值链进行垂直整合 2022年，韩国SKTelecom宣布了成为“AI公司”的愿景，垂直整合以涵盖AI价值链中的三个主要步骤。这包括直接投资于新的AI数据中心，直接开发自己的多LLM以及开发 “AI即服务”产