人工智能影响企业运行的四大发现
作者： Narrative Science
译者：机器之心
人工智能并非新鲜事，它数十年前就已经存在了。但人工智能技术由于数据的扩增以及在存储、追踪以及分析技术上的投资，近来才有所进展。例如，仅 2014 - 2015 年间，部署或者使用数据驱动项目的公司增加了 125%，企业花费在此的金额平均为 1380 万美金。市场情报公司 IDC 也表示，到 2019 年，大数据技术与服务市场将达到 486 亿美元。
越来越容易获取的大量丰富数据结合与“智能机器”合作的意愿，正在加速人工智能驱动的商业应用的进程，这在金融服务、医疗、市场、销售这样的数据丰富的部门和业务智能部门尤为显著。不管它是采用了预测分析、自然语言生成、语音或图像识别，或者机器学习等形式，人工智能应用对创新而言都是极其重要的技术并且正在重塑公司做生意的方式。
为了更好的理解如今以及未来人工智能在企业中的影响，美国科技公司Narrative Science最近调查了来自各行各业的 230 名商业以及技术高管，以便确定一些影响如今商业如何使用科技的趋势，并最终形成了以下四大主要发现：
1.采纳人工智能迫在眉睫，即使市场混乱
人工智能看起来到处都是。人工智能的例子围绕着我们的日常生活。无论是亚马逊推荐系统的购买建议、IBM Watson 帮助医生诊断癌症，还是 Siri 这样在执行我们的语音指令上变得更为熟练的应用。还有自动驾驶汽车以及智能机器人的崛起，开始让人感觉到每个人都在使用人工智能。
但事实是，尽管它吸引了众多注意，人工智能在普遍采纳上依然处于初期。事实上，调查对象中只有 26% 说他们目前在办公室使用人工智能技术来自动化完成手动的、重复性的任务。虽然人工智能的使用已经从 2015 年的 15%增长到现在的26%，但这个数字仍意味着大量的公司仍未将人工智能服务以一种切实的方式融合进他们的业务中。
或者他们已经这样做了？
自相矛盾的是，在没有使用人工智能技术的公司中，有 88%表示他们的公司在使用依赖人工智能技术的解决方案，包括预测性分析、自动写报告和对话、语音识别与应答。 看起来，在众多案例中，公司在甚至没有意识到的情况下得益于人工智能支持的解决方案。
这一严重的断层强调了这样的事实：当提到人工智能的定义时人们依然困惑，并且这成为了人工智能的核心问题之一。它能应用于领域太多了，以至于对它的清晰定义和有保证的投资回报仍然是模糊的。在仍未采纳人工智能的调查对象中，20% 表示他们至今仍未部署该技术的原因是其价值定位不够清晰。
虽然人工智能并非新鲜事，它也只是在最近几年随着人工智能尤为需要的数据变得最终可用，才开始真正影响我们的生活。也就是说，足有 20% 的调查对象表示缺乏数据是采纳人工智能的关键阻碍。但当你考虑到全球每天创造 2.5 quintillion（百万的三次方）字节的数据，那么可以说长期看来这并非是个问题。
尽管人工智能仍处于被采用的早期阶段，但是它对大量公司产生影响只是时间问题。在仍未部署人工智能技术的调查对象中，41% 表明部署人工智能是优先考虑的事。而且，超过一半（56%）计划在接下来两年内部署人工智能技术，他们中的近四分之一（23%）计划在 12 个月内这么做。这意味着，62%的调查对象所在公司可能会在 2018 年之前使用人工智能技术。
2.预测分析正在主宰企业
人工智能可以有很多不同的形式，从演绎、推理和解决问题的应用到自然语言生成和社会智能解决方案都是人工智能的形式。这些技术一层层叠加在一起形成的人工智能解决方案在企业中获得了早期成功。具体而言，预测分析使用数据挖掘、统计、建模和机器学习来分析当前的数据去预测未来。在我们调查的受访者中，预测分析是最常用的解决方案，有 58%的受访者使用过它。自动化的书面报告和/或通信与语音识别和响应是第二个用的最多的选择，约 25% 的人用过。预测分析的广泛采用可能是因为其被感知到的价值。事实上，当我们要求调查参与者选出人工智能解决方案应该提供最重要利益时，最常见的共识是技术，因为技术可以提供有关机器、客户、或企业健康活动的预测。鉴于预测分析需要大量的数据，这一发现还指出，随着众多公司在追踪、存储呢和管理数据上变的越来越复杂，数据的可用性需要不断被提高。
预测分析普及的原因之一可能是，它在许多不同的行业都可以提供巨大潜力。在医疗业，它被用来预测和避免昂贵以及通常没必要的再次入院治疗。在制造业，它通过预测和调整由恶劣天气、罢工等因素引起的或者甚至是地缘政治事件引起的潜在延误，实现高效的供应链管理。我们对预测分析的研究结果与其他第三方的研究一致。例如，据 Howard Dresner 的年度高级预测分析市场研究（Howard Dresner’s annual Advanced and Predictive Analytics Market Study），74%的受访者认为，预测分析是重要的，非常重要的，或对于他们的任务至关重要。同时，Gartner预计，到 2020 年，预测分析会吸引商业智能和分析领域的企业 40% 的新投资。
尽管预测分析是目前使用的最突出的解决方案，其他人工智能提供的解决方案发挥的作用将越来越重要，比如高级的自然语言生成。高级的自然语言生成是人工智能的一个分支，这种技术首先了解人想沟通什么，并分析数据，突出最有趣的和重要的东西，然后把这些分析利用在自然语言中。它被用来自动化与数据分析和报告相关的人工处理过程，并大规模地生成个性化沟通。它的创作能力也能很容易地集成到其他分析平台，生产出一些叙述来解释数据中不清楚的见解或单独的可视化结果。
3.数据科学人才的缺乏持续影响着公司
我们正处于一个数据新阶段的开始，在这个阶段，要做的数据抓取和存储不多，所做的每件事都是为了让数据更有用，更容易理解和更有效。这给我们带来了下一个发现：数据科学人才的短缺持续影响着公司。到2018年，全球数据科学家的需求将超过供应量的 50%。如果一家公司缺少受过分析复杂数据训练的人才为快速决策提供高水平见解，这家公司会很容易错过有价值的资产。
在所有已使用大数据技术的调查对象中，大约有 50% 的人感觉到他们的公司善于利用大数据来解决业务问题。45% 的人感觉到使用大数据能为他们的客户产生有价值的信息。有趣的是，几乎所有的受访者（95%）在表示他们能熟练使用大数据来解决业务问题或产生见解的同时，也使用人工智能技术。这一数字从去年的59% 上升到现在的 95%，明确表明许多公司正在转向使用智能系统来帮助提升他们的数据科学能力，来面对人才短缺的挑战。
4.能从技术投入中获取价值的公司都把创新放在优先位置
在很多案例中，真正拥抱和优先考虑创新的公司通常都有一个敬业的团队和投资创新的独立预算。正如我们的研究结果表明的那样，投身于创新的公司在采用，测试，并从新技术中派生价值上获得了最大的成功。
在本报告调查的商界领导人中，54%的人表示其公司有一个创新战略，62%的人提到其公司有一个专门的创新预算。在观察那些有创新战略的公司和那些没有创新战略的公司的成功时，会出现一些有趣的结果。
例如， 63%的有创新战略的受访者认为，他们能熟练使用大数据来解决业务问题，而在没有战略的人中，只有13%的人有同样的看法。类似地， 37%的有创新战略的受访者认为，他们的公司能有效使用来自人工智能的信息指导决策，而在没有战略的人中，只有 9%的人会这么认为。调查发现揭示了优先考虑创新的公司能从他们正在使用的技术中获得最大价值。对于今天的商界领导人来说，这是为什么他们应该组织和投资一个正式创新战略的一个非常有说服力的理由。
结论
从全球范围来看，企业正在采用人工智能驱动的多种技术帮助他们更有效地运作企业，更好地服务于他们的客户。未来，人工智能会有很多甚至我们无法想象的用途，但是在短期内，人工智能帮助公司发掘新的领域增加收入，提高生产力或准确找到萌芽中的操作问题，这些已经证明了它的巨大价值。虽然目前对于人工智能以及如何最好地使用它还有很多困惑，但它一定能被广泛采用。我们预测，当真正的赢家出现这，这种混乱会减少。
还有，我们的分析发现，公司应专注于能让它们更快进入测试、采用技术并从这些技术中获得价值的创新。有人说，技术本身并不等于成功的创新。最成功的公司会将开放思维的文化与人类的才能和智能系统结合起来。虽然培养一个团队之间可以自由探索思想的环境是件好事，但是培养一个人和智能系统可以一起探索想法的环境才是最理想的。有了人机合作伙伴关系，公司将会拥有独立超越任何其他团队的技能。