为什么第一波 AI 企业注定失败：PE才是赢家，不是创业者和VC

【新智元导读】 《哈佛商业评论》称，第一批 AI 公司的大部分努力都将失败，但失败不是因为 AI 有泡沫，而是因为这些公司没有用正确的方式去进行 AI 驱动的创新。

日前，《哈佛商业评论》发表了一篇题为《第一波人工智能企业注定会失败》（The First Wave of Corporate AI Is Doomed to Fail）的文章。

文章写道：AI 这个话题现在太热了。许多公司宣布聚焦 AI 的举措，是怕错过了 AI 这班车。不幸的是，这些公司的大部分努力都会失败。失败不是因为 AI 有泡沫成分，而是因为这些公司没有用正确的方式去进行 AI 驱动的创新。这样的错误不是第一次了。

针对这一话题，Hack News上名为 TLDR 的读者评论说：目前 AI 创业公司最好的商业模式是：筹集资金（至少1000万美元）以启动私募股权基金。然后去找到你知道将大大受益于 AI，但它们的管理者根本不明白的企业。买下那家公司。利用 AI 去增加利润。卖掉公司。获利。这比花时间为别人的公司出谋划策要好，那些公司的管理者根本不明白你为他们所做的事。

他说，实际上，还有一点，就是从 AI 获利的将是 PE ，不是创业公司，也不是 VC。

早在20世纪90年代末，互联网就是大趋势。多数公司都成立了互联网部门（online division）。但是其中成功的很少。一旦发生问题，这些公司要么关门，要么大大削减其在线业务。几年以后，在互联网新贵企业颠覆音乐、旅游、新闻和视频产业时，最早的那批公司也不知道在干些什么，只能眼睁睁看着别人盈利。

21世纪第一个10年的中期，云计算被炒得很热。于是又一次，有几家公司决定试水。 但是，从法规到安全性等一些初期不可避免的问题让许多企业打了退堂鼓，不再将他们的数据和应用程序移动到云端。为数不多的坚持下来的企业今天已经在行业中占据了重要位置，优势明显，竞争对手很难模仿。

哈佛商业评论认为，AI 领域也会发生类似的事情，非理性的退缩将到处可见。已经有证据表明，早期的 AI 项目不太可能产生技术爱好者预测的戏剧性结果。例如，为Facebook 的 Messenger 平台开发聊天机器人的公司在处理用户请求时有 70％ 的失败率。然而，如果这些大公司放弃他们在 AI 上的举措，那也大错特错。AI 确实具有使行业发生转型的巨大潜力。麦肯锡全球研究院最近的研究发现，今日的 AI 技术能够使 45％ 的工作活动自动化，而其中有 80％ 是靠机器学习技术实现的。该报告还强调，许多行业，比如制造业和医疗，数据和分析投资发挥的作用还不到全部潜力的30％。早期的一些失败常常会减缓或完全终止对 AI 项目的资金注入。

对于很多企业来说，AI 将是一个模式转变。 因此，在新平台中摸爬滚打积累经验远比在短期内看到结果重要得多。但是，如果在 AI 项目上的前几项举措没有产生结果，一位经理要如何证明应该继续在 AI 上投资？

我们建议对 AI 项目采取组合投资的方式：将可能快速产生收益的项目和长期项目组合起来，侧重于转变端到端的工作流程。为了获得快速收益，可以利用语音识别、计算机视觉和语言理解领域的最新进展，着重于 touchpoint 的改变。这些项目的例子可能是帮助药剂师寻找替代药物的语音界面，也可能是安排内部会议的工具。这些领域可以使用现成的 AI 工具，例如谷歌的 Cloud Speech API 和 Nuance 的语音识别 API，不需在训练和招聘环节进行大量投资。（披露：哈佛商业评论的作者中有一位就是谷歌母公司 Alphabet Inc.的执行官）这些项目不会对行业产生革命性的影响，但它们将有助于大家在 AI 的潜力上达成共识。这些项目还将帮助企业获得大数据收集、处理和标注的经验，这些都是公司在开始更有意义的 AI 项目之前必须具备的技能。

对于长期项目来说，某一点上的优化是不够的，需要重新思考端到端的流程，这有可能是受到最大影响的领域。例如，保险公司可以将索赔处理这样的业务流程，使用语音和视觉理解完全自动化。 Allstate 汽车保险公司已经允许用户自己拍摄事故照片，并通过手机 App 提交他们的申请。经过在以往申请照片中的训练，新技术可以准确地估计损坏的程度并使整个过程自动化。像谷歌这样的公司已经明白，建立这样高价值的工作流自动化，不仅需要现有技术，还要求培训机器学习算法的组织技能。

随着 Google 将转型为 AI-first 公司定为追求的目标，它就开始遵循类似组合投资的方法。最初先聚焦在将机器学习纳入到系统的一些组件中（例如，Gmail 中的垃圾邮件检测），但现在公司正在使用机器学习来替换整套系统。此外，为了增加组织层面上的学习，该公司正在将机器学习专家分散在产品组中，并在所有 Google 产品中培训数千名软件工程师，了解机器学习的基本知识。

这一切都引出了一个问题：如何最好地为这些努力招募相应的资源？ 好消息是，AI 算法和数据集的新兴市场，如 Algorithmia 和谷歌拥有的 Kaggle，以及为 AI 定制的可扩展的基于云的基础架构，正在降低进入 AI 世界的障碍。用于大规模机器学习的算法、数据和 IT 基础设施对中小型企业也是开放的了。

此外，由于受过良好训练的专业人员增加，人工智能人才的成本在下降。正如做一个手机 app 的成本从2010年的20万~30万美元，到现在由于有更好的开发工具和围绕几个平台（Android和iOS）的标准化，以及开发商数量增加，成本已经降到不足1万美元。类似的 AI 系统的成本降低也将到来。这意味着企业不需着急雇用 AI 专门人才。随着时间推移，慢慢增加雇用，利用机器学习软件和基础架构的市场可以将成本维持在可控范围。

毋庸置疑的是AI的热潮开始了。我们相信 AI 确实会改变行业。但是，利用 AI 得到成功的公司将是那些专注于创建组织学习（organizational learning）并改变组织基因的公司。采用投资组合方法，而非将努力集中在一个大赌注，将最能利用 AI 的变革力量。

原文地址：https://hbr.org/2017/04/the-first-wave-of-corporate-ai-is-doomed-to-fail