近来ChatGPT的流行,又一次引发了市场对人工智能的热议,开启了另一个层次上大众对人工智能应用广泛性和可能性的认知,为人工智能赋能生活场景、商业场景的各个领域奠定了广泛的群体基础。

的确,很多有心人也会发现,无论应用何种技术,当需要人工智能去解决真正聚焦的商业问题时,现有市场流行的人工智能产品就会存在局限。比如:当人们询问某地过去几年的房价信息及趋势预测、某品牌旗下特定位置的商店适合选择和调配什么商品、某种疾病的临床表现适合采用什么治疗方案等等,都会因为缺乏数据和经过专业人士训练的商业模型而让答案流于普通,缺乏针对性。

但是,笔者认为,有了上述群众基础,伴随大规模预训练模型等技术愈发成熟,人工智能在综合性复杂商业场景上的应用即将迎来全新时代。

探索误区众多,造成落地偏差

过去很多年中,很多企业都开始了人工智能的应用和探索之路,但是商业应用一直存在一定局限和瓶颈。最典型的表现为:企业浅尝辄止,为规避风险,选择一个孤岛场景落地。人工智能被作为独立项目单独立项,场景聚焦,但是切割后的应用场景重要度不足,企业很难真正投入人力、物力、财力去训练模型以及解决推广应用中遇到的问题。

另一种情况是:选定的人工智能场景解决的确实是企业核心痛点问题,但是只是其中很小的一个节点,由于缺乏对复杂问题剥茧抽丝的分析,人工智能实际应用执行的情况与想象大相径庭,这种缺乏综合分析的头疼医头,连所需的有效数据都无法获得,环环相扣的落地更无法推动,结果肯定不了了之。

第三种情况也极其普遍,一说到人工智能,大家就认为是技术问题,因此把公司最强的技术力量投入其中,并且邀请大量外部技术专家共同研发。只有技术专业力量投入,往往会陷入比拼技术、研究最尖端科技的牛角尖,忽略通往业务目标更为简单可行的窍门、办法。在车联网、零售B2C转型的项目中,我们都曾经有过这样的经验教训。

还有的小伙伴在系统上线初期就要求极高的准确度,忘记了持续优化投入的重要性,甚至把人工智能当成神机妙算的大仙、管理者肚子里的蛔虫,最好人工智能算出来的和自己想象出来的一模一样。上述情况,都减损了人工智能真正的价值,并且影响了人工智能在商业领域能够发挥作用的整体口碑。

重新思考AI的商业应用场景

好在随着ChatGPT的问世,人们开始越来越了解人工智能到底能够在哪些方面发挥作用,并且重新思考人工智能在商业领域的应用场景和更高维度的价值与意义。

笔者认为,未来人工智能的企业应用将会以及应该聚焦在两大领域: 核心业务、创新模式。

第一,核心业务:和企业运营管理密切相关的综合领域以及专业业务领域,比如风险管控、供应链、营销、企业综合决策,在多年的项目经验中,最能够持续应用和发挥价值的人工智能场景,即是上述领域的综合场景。比如企业的数字化绩效推进与实时综合分析平台,能够多方位结合预测模型的供应链控制塔,帮助经销商提升销量的访店系统,解决商品分配问题的门店配货补货系统等等。这些领域首先是足够核心,足够引起企业的重视。其次是确实存在很多不确定因素,涉及到方方面面因素的变化,有很多人工智能能够发挥作用的空间。

第二,创新模式:突破客户传统业务模式的人工智能,不光会带来全新客户体验,甚至随着应用推广,有可能让企业全面实现一次飞跃、革新,甚至缔造出一个全新企业。当然,这样的情形不光是人工智能带来的,每一次信息技术都会迎来一些全新行业领军企业的诞生。比如,世界领先的旅游及航空电子商务解决方案提供商Sabre前身是美国航空公司(American Airlines)的信息技术部门,于上世纪六十年代在IBM帮助下利用当时最先进的计算机技术开发名为SABRE的计算机预订系统(CRS),伴随互联网、电子商务等技术不断升级演化,塑造了一个体量数倍于传统业务的行业领军科技企业。如今,IBM依然在和所有致力于科技改变社会的生态伙伴一起,不断助力企业实践科技创新,探索人工智能带来的业务模式突破可能性。比如我们和郑远元长期合作,利用人工智能和视觉识别技术大幅提高足部疾病的康复率,在技术加持下,未来企业对全球足部疾病群体的覆盖率有可能几何级数提升。比如我们与大众集团共同设计落地人工智能赋能的车联网,助力大众集团转型成为一家软件驱动的企业。此外,人工智能在绿色、低碳等领域的尝试,都将成为改变世界的重要步伐。

合适伙伴与模式加速实现AI价值

当越来越多的企业思考人工智能的商业价值场景落地之时,如何选择人工智能合作伙伴就成了大家普遍关心的问题。仅仅高科技建模公司、云服务提供商或许无法直达企业痛点,具备下属特征的企业将成为企业在此进程中必不可少的商业伙伴:第一,具备行业经验与跨行业经验,特别是2B业务服务经验,懂2B业务并且长期根植和聚焦2B业务;第二,能够引导企业用户共同发掘商业场景和业务价值;第三,具有技术赋能的设计能力、落地能力和整合能力,能够协同各不同技术伙伴共同达成业务目标;第四,有端到端数据整合能力和平台构建能力,能够从业务角度规范和清理数据。

最后,什么方法最适合去实践人工智能赋能的业务价值创新呢?对于中国企业来说,“不容许犯错”和“节省成本”是很多企业根深蒂固的价值观。因此全然敏捷的方式不见得是最适合中国企业的方法。笔者建议采用瀑布式与敏捷相结合的混合模式:大阶段按照瀑布式划分,每个阶段中按照敏捷的方法不断滚动迭代。这样既有面向企业高层领导明确的阶段目标和成果,又能够在非常短的时间内不断迭代、纠偏。此外,与“开工没有回头箭”的运动式大型系统落地方法不同,人工智能赋能的业务场景创新必须时刻以用户为核心,驱动业务场景滚动创新。第三,创新必须与节省成本相结合,On Site与Offshore相结合的开发资源池模式可以作为企业创新中规避风险、节省成本的一个很好选择。最后,未来的系统远远不止成功上线这么简单,陪伴客户的持续运营,不断从数据中发掘价值,不断设定业务目标,形成长效创新机制,将成为人工智能赋能创新转型中必不可少的环节。引以为傲的是,IBM率先实践和推广这种综合长效的创新转型方法,并且以Garage(车库创新)命名和享誉业界。它能以初创企业的速度实现企业规模化创新,降低创新成本,同时达成创新共识。

无论是人工智能还是其它的科技革命,诞生的初衷都是为了让整个世界更加美好,滚滚车轮不可逆转。人工智能会不会给世界带来颠覆性影响,我们拭目以待。

（ 本文作者： 林岚  IBM咨询大中华区大数据与人工智能转型事业部总经理 ）