《赛仕软件（SAS）：企业AI目标与承诺：实现价值之路白皮书（30页）.pdf》由会员分享，可在线阅读，更多相关《赛仕软件（SAS）：企业AI目标与承诺：实现价值之路白皮书（30页）.pdf（30页珍藏版）》请在三个皮匠报告上搜索。

1、企业企业 AI 目标目标与承诺与承诺:实现价值之路 执行摘要乐观感觉组织问题挑战和担忧开放讨论简介企业面临的特定挑战和机遇企业中现状驱动因素和相关利益方定义业务应用场景企业面临的挑战平台就绪数据科学团队就绪平台就绪感悟比较了解及其影响预期社会影响预计成为日常生活一部分的时间实际领域的成果带来的挑战实现价值不断变化的工作环境建立与发展循环学习调查团队其他读物 1:执行摘要 本次访谈调查了解企业部署人工智能(AI)的准备情况。受访者来自欧洲、中东和非洲地区的多个行业和部门。他们对于AI和自身组织准备工作的看法不尽相同。乐观乐观感觉感觉 调查结果表明绝大多数企业开始谈论 AI，少数企业已经开始实施合

2、适的项目。对 AI 潜力表现出很高的乐观情绪，尽管对于能够充分利用这种潜力持乐观看法的企业不多。这种情况表明推进工作存在问题，AI 的实际应用可能要比预期的时间长。大多数受访者都知道并热衷于知名的 AI 应用，如亚马逊 Alexa 和苹果 Siri。然而，很少有人可以举出自己行业的例子，或说出任何积极参与开发 AI 的竞争对手，尽管约三分之二的受访者认为，AI 将在今后5 到 10 年内产生广泛影响。组织问题组织问题 在数据科学专业知识和适用平台方面，组织具备的基础条件水平存在很大差异。大多数企业在思考这个问题。已经开始利用AI 的企业通常建立内部团队和平台，或者配备相应资源。尚未开始利用 A

3、I，但觉得必不可少的企业表示，他们极有可能选择基于云计算的解决方案和/或咨询支持。二者可以提供灵活性和扩展性，这在开始阶段是十分重要的。许多企业仍处在 AI 项目试验审批过程中。最流行的选择是建立集中的数据科学团队，虽然许多企业中业务部门也参与其中。决策所需的信息也不一样，一些受访者表示，AI 投资与其他任何投资一样，而另外一些受访者则认为 AI 很难量化收益，倾向于利用低成本方案进行试验。挑战和担忧 到目前为止，最为详细的反馈是企业和社会因 AI 的引入面临的挑战。只看到阻碍而忽视了机会也许是人的本性，但也清楚地表明人工智能引起高度担忧。提到最多的社会问题是就业，包括工作岗位丢失，由于人工智

4、能而出现的新工作，以及需要掌握的新技能。尽管对可能发生的确切变化没有明确看法，但如何处理这些变化引起广泛关注。紧随就业其后的是伦理考量，其中许多与失业和变化有关。问题包括：失去工作的人怎么办?监管和其他制度如何改变?新技术的引进与必要变革的滞后如何处理?这些都是大问题，围绕引入 AI 后的伦理与实际影响，有必要展开具有一定深度的对话讨论。在组织层面，许多受访者认为建立 AI 的可信度是其面临的最大挑战。这种可信度需要建立在客户组织的内部和外部。受访者探讨了数据科学家理解业务问题以改善关系，高管利用算法制定可信决策的重要性，这是 AI广泛应用的关键。这些发展可能需要改变上海品茶，因此需要时间。这

5、种认识可以解释，为什么受访者对 AI 的潜力要比企业对其加以利用的条件更为乐观。愿意讨论讨论 在我们调查的受访者中，企业利用 AI 的就绪状态存在很大差异。不过，显而易见绝大多数受访者组织内部在讨论这些问题。受访者细节理解模糊，并且没有举出自己行业的用例，但都确信很快将要进行变革。受访者对于探讨这类大问题以及如何管理也表现出极大兴趣，特别是伦理问题。这表明企业对 AI 危险和潜力的考虑相当谨慎。尽管表示担忧，但一致看好人工智能的未来发展，因此有理由谨慎乐观。2:简介 人工智能(AI)是当前的一个热门话题。令人鼓舞的实际用例每天都在出现。但是，除非企业有计划地引入，否则人工智能不会成为主流。本调

6、查通过与来自欧洲、中东和非洲地区(EMEA)以及广泛行业部门的代表进行访谈，考察企业AI的准备情况。本报告分为四部分：企业业面临临的特定挑战战和机遇 对早期使用者的调查表明，企业面临很大的特定机遇和挑战。本章探讨企业AI 现状，包括使用范围以及涉及的挑战和驱动因素。AI 情绪情绪 第三章介绍企业对AI 是否感到乐观。热情是任何变革项目重要且往往被低估的因素。因此，AI 的乐观情绪有助于人工智能的引入取得成功。AI 实用范围实用范围 企业如何定义AI 业务范围将决定投资规模和速度。这在很大程度上受AI 教育的影响，说明一定时间内其对社会产生的整体效果，本章将对这些问题进行探讨。平台就绪 本章介绍

7、实施AI 的实际问题，包括人员和平台，以确定企业是否具备必要的技能和工具。这部分还介绍数据科学家的角色和技能，以及对于正确技术的看法。选择这些问题是为了显示不同领域和企业的多样性，确定企业 面临的主要挑战和机遇。更重要的是，我们想了解有待于完成的工作。通过全面分析AI，我们希望为思考做出贡献，帮助企业充分利用这一技术。对对 AI 感到困惑感到困惑?您 不不 会 孤 立 无 援。我会 孤 立 无 援。我 们 编 写们 编 写 的的入 门 读 物入 门 读 物 讲 解讲 解 人 工 智 能 概 念，为 什 么 它 是 重 要 历 史人 工 智 能 概 念，为 什 么 它 是 重 要 历 史进进 程

8、，目 前 现 状程，目 前 现 状，如 何 应 用如 何 应 用 及及 其其工 作 原 理。工 作 原 理。“3:企业面临的特定机遇和挑战 企业企业AI 现状现状 受访者证实了我们的观点，即人工智能还处于初期阶段。好的使用范例很少，早期采用者面临很多挑战。大多数受访者在使用 AI 方面至少采取了一些尝试性步骤，但这些往往是试点或概念证明，而不是任何更加实质性的作法。提及的项目包括建立一般分析能力，组建专门的部门，以及非常具体的试点项目，如自动驾驶汽车。目前，我们正在部署的大量应用场景都包含AI 模块。大部分投资和计划也处于初期阶段。有的还在规划阶段，甚至目前尚未取得任何进展。极少数受访者公开承

9、认目前没有任何 AI 使用计划，但大部分仍对这一问题保持关注。大部分受访者能够说明公司特定投资和计划所具有的价值。然而，只有少数受访者可以提出一两个以上或经过论证涉及整个组织的方法。一些受访者讨论特定项目战略重要性，但一般来说还不是企业战略的核心组成部分。我们正在制定企业AI战略指导方针路线图。企业应用场景驱动因素(主题)是什么?一些企业全面接受 AI，将其作为今后几年企业战略的重要组成部分。具备增长潜力、保持竞争力、或通过提高效率节省成本的要求促进了人工智能在企业中的应用。这些早期积极采用者希望尽快见到成效;他们的竞争对手希望从他们的错误中学习经验。驱动因素驱动因素 增长是关键驱动因素，高级

10、分析和最终机器学习的重点是提供卓越客户体验。企业需要达到或优于客户在其他组织在线或自助环境下的最佳体验。了解为什么实时客户体验了解为什么实时客户体验 是一种小决策的更多信息是一种小决策的更多信息 信息来源：企业 AI 基本条件调查.2017 年 8 月。总值=100,允许多选.具备增长潜力(新产品、新的细分市场、增加收入)保持竞争力提高效率节省成本改进客户交互 体验实验 失败 敏捷哲学由人力密集型变为资本密集型业务模式“每个分支机构有各自可以开发机会的数据科学部门，他们还具有一定的“实验”能力。所有需求“合并”之后提交企业数字团队。企业数字团队和研发部门集中推动，他们与 IT“协商”。道达尔集

11、团数据官道达尔集团数据官 Michel Lutz AI 驱动驱动因素和相因素和相关关利益方利益方 建立中央数据科学团队是开展 AI 项目最流行的一种形式，尽管一些企业各个业务部门推动自己的计划。.“我们有一个特殊的部门将大数据 和分析整合到我们的业务流程中。中央团队有两种广泛选择：无论团队推动人工智能普及，还是业务部门提出建议，都必须得到作为业务支持部门的中央团队批准。少数企业采用混合模式，建议由中央团队或业务部门推动，从而提高灵活性。一些受访者认为，目前的状况有可能在未来发生改变。“目前主要由部门推动。我希望 更加集中。一些企业指出，AI 和高级分析得到高层支持。某些情况下，提供这种支持的是

12、高管成员，少数情况下是首席执行官。另外一些企业中是级别较低的主管，通常是对这一领域感兴趣的管理人员。一位受访者指出，企业计划今后六个月内任命首席数据官，负责这方面的工作。信息来源：企业 AI 基本条件调查.2017 年 8 月。总值=100 专业中央部门/实验室 业务部门 实施 业务策略 敏捷创新团队 混合模式 推动开发 利用的单位“定义定义 AI 业务应用场景业务应用场景 业务应用场景是一种很好的方法，可以了解一项新计划是否在许多方面相同。如果在许多方面相同，那么相同的系统和要求适用于其他项目。有趣的是，我们调查的受访者表示，AI 和高级分析与其他计划至少在一些企业中被认为大不相同。一些受访

13、者，通常是那些没有认真开始使用 AI 企业中的受访者没有给出答案。即使项目正在进行中仍未确定在哪方面投资可以取得实际成效。在一些企业中，AI 和高级分析项目是在粗略估计基础上获得批准的。某些情况下，负责审批的人认为很难确定投资回报，因此鼓励组织成员进行实验，或先测试低成本方案。几乎没有正确评估投资回报的基准。不过，其他企业采取更为传统的方法，尽力量化 AI 项目可能带来的好处。一些受访者表示，AI 项目的评估方法与任何其他计划完全相同。一些受访者指出，AI 项目需要经过设计解决业务问题，部分受访者表示项目通常旨在降低成本或以某种方式优化交付。一位受访者提出战略契合的重要性，另一位提出保持竞争力

14、。AI 本身不产生效益，因此形成业务应用场景很重要。采用新技术很容易，因为技术是现成的，或者因为其企业已经在采用，尤其是在担心保持竞争力的企业更是如此。“AI 项目认证方法与传统计划相同。信息来源：企业 AI 基本条件调查.2017 年 8 月。总值 i=100 建立建立业务应用场景业务应用场景 追求黄金应用场景阻碍了许多企业充分利用分析。在机器学习追逐中我们会看到这种危险的重现。等待竞争对手提高门槛不是可持续的模式。对唤醒呼叫做出响应，对唤醒呼叫做出响应，考虑考虑检检测激进想法和支测激进想法和支持文化的持文化的实验室环境实验室环境 与其他业务应用场景 没有不同 我们承认目前 没有基准 难以评

15、估应用场景的投资回报 以策略而不是投资回报为重点 如何定义 AI业务应用场景企业部署AI 面临或预计的最大挑战是什么?组织面临的挑战组织面临的挑战 对于实施新技术面临挑战的看法往往影响新技术的使用。如果认为阻碍过大，企业通常决定搁置，直至看到其所带来的好处大于问题。不过，了解他人经历的具体挑战往往有助于第二阶段采用者克服之前的障碍着手进行部署。.可信是许多企业面临的重大挑战。许多受访者指出组织内部人员中建立可信度，进而使用高级分析的重要性。某些情况下，这意味着改变工作方式，或许转变为更加网络化的方式，这又需要上海品茶做出相应改变。您要寻找的不是数据科学家。而是要寻找能够收集数据、分析数据、解读

16、结果并提出建议措施的全面人才。如果您愿意，可以将他们称为数据科学家。这些人员应该能够支持各种大数据计划。没有一成不变的解决方案。Tamara Dull,SAS数据科学思想领袖和数据科学思想领袖和新兴技术总监兴技术总监1 可 信不仅是内部问题。一些受访者指出，客户态度也需要改变。客户需要愿意依靠 AI，或者他们的供应商未使用人工智能。从建立个人关系开始，这种可信度的形成可能是长期问题，因此首先要建立数据科学家与业务部门之间信任，然后扩展到客户。数据整合支持 AI 也是一个重大问题，仅次于最重要的问题排在第二位。这与我们的经验一致：我们一次又一次看到要想实现高级分析的投资价值，必须进行数据管理，整

17、合多种来源的数据。技能短缺被视为第三个最重要的挑战。一些受访者表示，他们的企业可能聘请顾问，而不是发展内部技术队伍，也许认识到数据科学技能短缺，因此后一方法不可行。信息来源：企业 AI 基本条件调查.2017 年 8 月。总值=100,允许多选.1 https:/ 文化挑战(AI 黑盒子缺少可信度)AI 分析整合到 业务决策流程中 数据整合支持 AI 模型 提高洞察力 技能挑战(缺少数据科学家)部署成本高/缺少投资回报 专业知识/成熟度挑战 普及速度/技术快速演进 从孤立组织转变为互连组织/变更管理 数据隐私/网络安全/监管方面的挑战“4:平台就绪 采用 AI 依赖于实际条件。也就是说，需要有

18、能够有效利用这种技术的工具和熟练的工作人员。我们主要了解两个方面：组织内部的数据科学技能以及可用于分析的适用平台，因为这两方面可以非常有效地描述企业 AI的进展。数数据科据科学团队学团队就就绪绪 我们想了解企业是否已为面临的挑战做好准备。我们的目的是确定企业是否已经具备数据科学家，同时评估企业如何看待对数据科学团队。我们感兴趣的是进展动态，以及企业今后如何有计划地招募和/或掌握数据科学家的技能。调查结果相当明确。极少数企业认为他们和他们的团队已经完全做好准备。他们位于人工智能进程的顶端，已经具备基本条件，与业内发展保持同步。一些企业已组建数据科学团队，但认为内部还没有掌握必要的技能。这需要进行

19、测试，培养必要的技能。团队通过参加研讨会和会议积极提高技能，研究并跟上这一领域的最新发展。技能提高的一个特定领域是业务知识问题。受访者表示，数据科学家需要提高业务知识水平，支持全面部署 AI，在分析/IT 与业务衔接方面，数据科学家可以发挥新的或进一步的作用。其他受访者指出扩大数据科学能力管理 AI 的重要性。即使已经组建数据科学团队，他们还想招募更多数据科学家，并认为未来数据科学的需求可能增长。“我们正处于转折时刻。数据科学家不容易找到，而且很难保留。“数据科学团队如何为满足这些要求做好准备?超过五分之一的受访者正在考虑招聘顾问或者聘请合作伙伴 的计划以弥补差距，举例来说，这样可以提高工作的

20、灵活性。这可能与越来越多地利用云平台支持 AI 有关。我们确实不需要大的数据科学团队.我们更愿意依靠具有利基工具专业技能的第三方合作伙伴。数据科学家就绪数据科学家就绪 信息来源：企业 AI 基本条件调查.2017 年 8 月。总值=100,允许多选.培训现有分析团队(研讨会,在线讲座,会议)组建数据科学家团队/招聘阶段 与外部伙伴合作/借助专业知识 扩大数据科学家团队能力/卓越数据中心 准备数据科学家团队 自我发展/社区交流/知识共享 未组建数据科学团队 API 在分析中的潜在影响是巨大的。从收集新来源的数据、建模、为消费者提供结果到评估，它们有利于整个分析生命周期中的各个步骤。了解这了解这种

21、情况如何改变种情况如何改变数据科学家的数据科学家的作作用，包括平用，包括平民数据科学家民数据科学家“平台就绪绪 这个问题再次评估 AI 准备情况，这次主要了解是否具备所需的基础设施。这方面已经就位，或者已经做好准备的企业与认为自己处于初期阶段的企业之间存在巨大差距。只有极少数受访者表示已经一切就位，而且管理得很好。“是的，我们准备好了;一切都已就位，可以从头开始构建AI。您的平台能力如何支持预期数据管理和算法处理?最大一部分是没有配备具体平台的企业。部分受访者指出，目前还没有这种平台的需求，所以没有做出任何可能所需的决定。然而，第二大部分，超过五分之一的企业准备采用云存储系统或方法。云平台是必

22、要的.这种多层可扩展架构是 AI 部署的必要条件。一些企业已经专门投资特定平台用以处理 AI 部署产生的数据。这些企业 往往采用云技术。其他企业采用合作伙伴的基础设施。一些企业(大部分金融机构)目前不采用云技术，但认为未来可能是必要的。特别是，如果实时分析成为必要的话，一两家企业提出构建混合云的策略。计划采用云解决方案的企业往往提出这种方法提高了灵活性和可扩展性。这与准备利用顾问补充数据科学技能的作法相对应。我们认为，云技术对于灵活性和速度是必不可少的 平台就绪平台就绪 平台不具备能力/没有专用工具 或基础设施支持 AI 需要采用现有平台架构(试点、实时流、互操作)很好地支持数据管理 和运算处

23、理 准备&有待 进一步改进 建立支持 AI 的基础架构是为高级分析创建一个现代平台，并且意味着能够支持分析生命周期的所有步骤。除了技术功能外，支持分析过程也很重要。信息来源：企业 AI 基本条件调查.2017 年 8 月。总值=100 本指南帮助您评估平本指南帮助您评估平台就绪情况台就绪情况 问题是要在很短的时间是内取得进展，要求这些企业提供进行必要研发的预算。同时，缺少部署AI 的基础设施，从这个意义上来说，我属于10分之2、3 的人。仍然缺少大数据支持，因此对于许多企业来说真正的AI 还有很长的路要走。Yves Mulkers,大数据分析、物联网、人数据分析、物联网、人工智能工智能 领域知

24、名专家领域知名专家2 5:乐观程度比较 对 AI 的乐观程度普遍较高。AI 基本条件平均乐观程度最高，达到 10 分之7.5。然而，当被问及 AI 对企业的潜力时，以及企业利用 AI 准备工作时，乐观情绪仍然较低，仅为10 分之 6。鉴于大多数人倾向于夸大自己和企业的能力，这是令人担忧的。企业在AI方面非常乐观。定期出现使用 人工智能的新想法。这意味着负责推动企业使用学习算法的专业人员对AI基本条件最为乐观，而他们企业的准备情况却最差。这种情况与预期速度联系起来看，我们发现有可能出现很大的执行问题。总有一条退路。对准备工作感到真正乐观的企业相当少，这表明早期行动者可能很少。AI 可能有巨大潜力

25、，但是准备好利用它的企业非常少，落后者可能不会受到太大影响。2 https:/ AI 及其影响及其影响 人们如何定义事物影响事务的看法和做出回应的方式。因此，企业如何看待和定义人工智能(AI)的业务范围将决定其投资水平和速度。看法也可以由企业是否看到 AI 在行业或更广泛的领域中使用来决定。调查对象对 AI 的意见和看法表现出某些共同特征。大多数受访者能够对 AI 和高级分析给出广义定义，许多人提到决策支持。然而，对 AI 细致入微理解的受访者不到一半。计算模型模拟人类思维过程，自学系统利用数据挖掘、模式识别和自然语言处理仿效人类大脑的思维方式。您是否了解术语分析及其各种最新演进技术，如机器学

26、习、认知计算或人工智能?经验更丰富的受访者探讨了认知计算、机器学习与 AI 之间是否存在差异，并且认为分析不一定依靠任何或所有这些技术。许多受访者指出，这些技术的发展是渐进式的，而不是革命性的，源于熟悉的技术。没有先进的分析工具无法实现人工智能 大多数受访者清楚地意识到高级分析与AI关联的潜力。机器学习已广泛用于支持推荐引擎，满足消费者需求达成普遍共识，一些受访者探讨了诸如亚马逊 Alexa 或苹果 Siri，以及互连家居和自动驾驶汽车。然而，许多受访者没有举出自己行业的例子，或者自已行业的例子非常一般，例如预测性维护或预防欺诈。比其他人经验更丰富的受访者对于剩余问题给出的交叉表中未发现与其

27、他答案有明显的差异。这表明理解不一定促进行动。信息来源：企业 AI 基本条件调查.2017 年 8 月。总值=100,允许多选.机器学习 与深度学习 自动化业务 交易处理 预测性/规范性分析 自学系统/模拟人类智能 模式识别/趋势分析 自动化简单人工 技能和流程 增强客户交互/CRM 数据挖掘 欺诈分析 对社会进行通盘考虑：您认为 AI 会改变人们的生活和工作吗?6:预期社会影响 这个问题旨在评估受访者对 AI 潜力的理解。相当随意的反应“哦，这将是巨大的”，与细致入微、深思熟虑地探讨 AI 的确对事务可能产生怎样的影响之间存在重要区别。受访者的答案往往很大程度上是推断的。早期成功者的看法一般

28、基本是预测，举例十分具体，如自动驾驶汽车，或者是非常粗略，例如，认为这个或那个领域可能面临重新洗牌。对行业的关注高于社会。提出最多的问题是 AI 对就业的影响，包括工作岗位减少和需要新技能的新工作的出现。这并不令人感到惊讶，因为这是大多数新闻报导和 AI 评论的焦点。我们预计目前很多人工操作的作业不久的将来将由机器人或数字代 理来完成。自动化和机器人肯定会对技能较低的人产生影响。信息来源：企业 AI 基本条件调查.2017 年 8 月。总值=100,允许多选.关心就业关心就业 一些金融服务和银行业受访者探讨了 AI 应用可能的发展路径。有人指出，AI将从单一任务应用开始，经过似人类任务发展到超

29、人类。也有人指出，AI 并不是新的。目前的机器学习和 AI 的发展建立在已经存在一段时间的技术之上。部分受访者认为，发展速度很大程度上取决于消费者的接受程度。一位受访者指出，真正颠覆可能来自任何方面，有可能还没有预料到，因为这将依赖于消费者的反应。一个“缺失”的问题是人机关系的讨论。这似乎很奇怪，因为这是最基本的部分，对于 AI 驱动呼叫中心等方面的发展至关重要。这表明许多受访者没有详细考虑这些问题，尽管三分之二以上的人认为未来 10 年会发生变化。AI进一步发展已经开始，不会停步，而且会不断加提高效率和生产率/业务优化 提高客户接受、知识和了解 影响就业市场(有些工作消失，有些会出现)影响医

30、疗保健/生命科学领域 影响制造业(汽车)影响金融业(银行和保险)影响运输 和物流业 需要特殊监管/伦理问题 人机合作已经存在。现在，我们中的许多人使用语音激活个人助理执行简单的数字任务。数字革命需要越来越多重复性和有针对性的决策，而管理这些决策最好的方法是利用机器学习算法。了解日益增强的知识了解日益增强的知识为人类实现更高效率为人类实现更高效率铺平道路的更多信息铺平道路的更多信息 速。预计预计 AI 成为日常生活一部分的时间成为日常生活一部分的时间 我们希望了解受访者的看法，AI 将在多长时间对日常生活产生影响。这样可以了解他们在多大程度上认真思考AI 的发展，现在是否有必要对话，还是为时尚早

31、。回答很说明问题。大约五分之一的受访者认为很难估计时间表，略微多一点的人认为变化是几十年后的事。因此，这些受访者不认为情况多么紧迫，对平台或能力的实际对话没有多大兴趣，尽管他们对长期偏重于理论方面的伦理问题讨论可能感兴趣。不过，三分之一左右的受访者认为人工智能将在未来五年快速普及，如果不是指数级的速度。三分之一左右的人认为将在十年之内。对于这些人来说，提前重点讨论显然很重要。他们想知道将来的情况，以及他们如何成为其中一部分，他们的能力和准备将是至关重要的。“AI一旦达到一定成熟程度，并且成为一种势头(我们非常接近这一点)就会改变社会就像工业革命一样。未来几年，AI 的不断进步将对几乎每个行业的

32、工作、技能和人力资源策略产生深远影响-企业没有充足的时间制定 AI 世界的计划已是不争的事实。普普华永道执行董事华永道执行董事 Mike Quindazzi33 https:/ 信息来源：企业 AI 基本条件调查.2017 年 8 月。总值=100 快速普及 年内难以预测时间 几十年到年年 到年 预计产生影响的时间您是否了解任何实际领域的早期成果?实际实际领域的成果领域的成果 我们通过询问是否知道相关领域的早期成果，了解受访者有关AI真实情况掌握的现状。自身行业的例子表明 AI 已经众所周知;比较一般的答复，或大部分来自媒体报道的答复则告诉我们实际应用还差的很远。最常见的例子是自动驾驶汽车或联

33、网汽车，其次是 Siri 或 Alexa 等智能虚拟助理。大约四分之一的受访者都提到了这两种例子。提到的其他成果包括自动化重复任务和聊天机器人。所有这些例子表明，对于 AI 的了解仍然源于媒体。伪 AI 已经成为人们日常生活中的一大组成部分，著名的例子包括自动驾驶汽车、智能助理软件（Cortana，Watson等）以及生产流程和组装线上使用的机器人。以银行业为例，AI 在实时数据流处理、面部识别、客户支持智能助理、欺诈检测等方面非常实用。Stelios Mantas,希腊希腊国家银行国家银行 客户分析客户分析与与客户关系管理经理客户关系管理经理 所有这些例子或应用过去一年左右在主流媒体上广泛报

34、道。但是，只有少数受访者提到这些应用的实际可行性，也许是因为媒体没有对这方面充分报道。受访者也没有注意到社会影响。“问题是社会能否快速跟上无人驾驶汽车这样的复杂技术-这不仅仅是汽车，而是基础设施和相关成本的问题。信息来源：企业 AI 基本条件调查.2017 年 8 月。总值=100,允许多选.自动驾驶汽车/联网汽车 智能/虚拟助理(Echo,Siri,Alexa)或软件(Cortana,Watson)自动化重复任务 聊天或语音机器人 自动化决策/支持 健康科学/保健 个性化定制服务功能/用户体验 预测消费者行为/定向网络广告 预测库存管理/供应链 答案是非常具体的有趣组合，例如自动驾驶汽车，而

35、不是更为广泛的“运输”业，涉及的领域非常广泛，例如自动化重复任务。有些专注于行业，如医疗保健，有些专注于可能受到影响的任务类型。总的来说，答案表明，对于 AI 仍然只是非常基础的了解，实际应用并不广泛。“AI 带来的挑战带来的挑战 通过有关挑战和困难的看法，我们可以深刻了解技术和变化的普遍认识和接受程度.普遍的严重担忧意味着认识水平不高，但当担心开始变得更加具体时，可在产品设计中解决特定问题。因此，这个问题提供的信息有助于了解思考和认识的成熟程度。对这个问题的回答可能是最详细的，这表明人们的担心，而且相当普遍。最常提到的问题是工作范围的变化，与上一个问题的回答完全吻合。第三个提到最多、联系最为

36、紧密的看法是出现需要新技能的新工作。总的感觉是AI 会影响就业，但很难准确预测影响程度以及覆盖的地理区域。我认为AI带来的挑战类似于全球化。在经济方面是一件好事，但分配公平影响巨大。随着企业、政府、甚至个人更加广泛利用 AI，您认为会面临哪些挑战?伦理也是关心的主要问题。受访者提出的问题是，机器人和 AI 系统是否应该“为了人类的利益”，而不是仅仅为了一个公司，如何照顾那些因 AI 系统失业的人，以及认识到新的现实可能需要改变税制。AI不讲伦理或道德是一个大问题.你可以教AI坏行为。有可能任何变化都会严重推迟技术的引入，这可能产生实际问题和伦理问题。目前很少有政党(如果有的话)准备解决这个问题

37、。因此，伦理与就业是密不可分的，企业如果愿意为辩论做出贡献，最好在早期就考虑伦理问题。我们可以通过聊天机器人了解最新的新闻、股票市场和所有财务数据，下一步是以可解释的方式告诉人们数据背后的故事.我认为这非常有价值的。Kirk Borne博士博士 Booz Allen Hamilton首席数据科学家首席数据科学家1 改变人类工作范围/自动化与自治 伦理问题/法律责任/义务 全球治理/立法进程缓慢 社会问题/文化变化 需要新技能的新工作/缺少数据科学家 数据隐私问题和 安全/GDPR 基本收入问题和 机器人税收 AI 技术使用民主化/提高信心 可信度和透明度问题 数字鸿沟加大 信息来源：企业 AI

38、 基本条件调查.2017 年 8 月。总值=100,允许多选.实现价值实现价值 AI 概念正在形成一种紧迫感。绝大多数受访者预计随着 AI无处不在，未来十年内将出现重大变化。他们还预计 AI 的引入以及由此带来的挑战。引入 AI 最大挑战是文化问题。受访者想了解组织内外是否接受AI。他们想知道文化需要随着人工智能做出怎样的调整，包括企业、国内和国际?技术往往经过相当长的一段时间才能导致监管变革，AI 也不可能违背这个规则。监管变革之前需要充分考虑AI 引入带来的伦理问题。不不断变化的断变化的职场职场 也许AI 带来的最具体问题是就业环境发生的变化。这并不奇怪，因为霍金等著名评论家多次表示这将是

39、一个重大问题。然而，我们的受访者认为情况并不像“很多就业岗位要消失”那么简单，而是可能会更加微妙。实际上，就业岗位会减少，但AI 也会创造新的工作机会。这些新的工作岗位包括培训 AI 系统，确保其继续按计划运作，不会学习“错误”的东西，缩小业务与技术之间的差距。但也许最有前景的新的就业岗位是创新：创意出只有 AI 带来的变化才有可能产生的新概念。这些变化支持我们的受访者认为文化变革是必要的。AI 不太可能“一成不变”。我们还不知道它会带来什么变化，但是会有“已知”和“未知的未知”变化。循环循环学习学习 很明显，我们必须学习新的技能才能与 AI 驱动的算法有效配合。未来属于那些意识到这一点，并开

40、始及早发展这些技能的人。但当合作开始时，学习不会停止。就像 AI 算法从经验中学习一样，他们的合作伙伴也要不断学习。两套能力的增强可以持续下去，形成一个良性的循环学习模式。但是，这可能不是一个简单的循环。AI 的快速发展速度表 明，这个学习周期实际上可能是加速的：每个合作伙伴可以相互学习很多东西，这种能力可以达到双倍甚至三倍的效果。因此，值得为此做出努力。建立和建立和发展发展 然而，已经清楚的是 AI 不会接管。人工智能的到来并不意味着大批工人下岗，他们会有更多的时间与家人在一起。许多方面可以看出早期 AI 采用者或用户发生的变化：人与 AI 之间形成伙伴关系。从自动驾驶汽车或联网汽车到虚拟助

41、理、聊天机器人和决策支持，有一点很清楚：AI 可用来增强人的能力，而不是取代人。最简单的，AI 接替部分工作，而人可将更多时间专注于更高价值的工作。当事情变得难以处理时，需要由人来接管。例如，一些银行正在尝试在客户服务中引入聊天机器人。聊天机器人可以处理简单的查询，如密码重置，但当会话变得更加困难，或者开始进入循环时，机器人可以快速有效地将工作交给操作人员。我们可以把此看作一个顺序合作：首先是机器，然后是人。这种类型的合作可在多种情况下发展，即有多个步骤的流程，有些流程比其他流程更为复杂。在更复杂的情况下，随着 AI 技术的成熟，AI 与人的合作可能有所不同。这种合作不是连续的，而是更加传统的

42、关系，二者的技能和能力结合在一起，建立一个大于局部之和的新的更大“整体”。我们已经开始注意到这种情况。例如，平民数据科学家利用更强大的算法，尤其是从以前交互中学习的算法，可以得到更好的洞察结果。调查团队8:其他读物 下一个分析时代:人工智能 哈佛商业评论哈佛商业评论 白皮书 对话视频 高级分析、机器学习和自然语言处理的演进白皮书 大数据和人工智能是主流而非世俗 博客 营销分析必备：不要掉以轻心洞察文章 实现认知 洞察文章 实现机器人类化今天的机器学习 如何推动明天的人工智能白皮书 入门洞察文章 人工智能：区分现实与炒作博客 认知计算:分析及其他白皮书 人工智能 个问题与英特尔合著英持尔英持尔博客 利用可操作的人工智能 改善客户体验 国际分析研究所国际分析研究所 白皮书 机器学习与视频 深度学习入门洞察文章 机器学习入门电子书 SAS 和所有其他 SAS 软件公司产品或服务名称是 SAS 软件公司在美国和其他国家的注册商标或商标。表示美国注册。其他品牌和产品名称是各自所属公司的商标 2017,SAS 软件公司版权所有。保留所有权利。1640188_UK0917