版權(quán)信息COPYRIGHT前言was-a-breakthrough-沒有人感到特別驚訝。皮查伊在面向技術(shù)開發(fā)范圍內(nèi)開展了超過2700個關(guān)于AI和機器學習的項目。AI嵌AshFontana,TheAl-FirstCompany:HowtoCompeteandW書、亞馬遜、騰訊、阿里巴巴等公司也是如此?！眆inancial-group/？sh=71bfdec2713a.更多細節(jié)，參見Davenport,“TheFutureofWorkNow”力。有些傳統(tǒng)大企業(yè)甚至中小型公司也瞄準責人基思·波拉斯基在2016年開始深入研究Airbuswebsite,/值。”的業(yè)務都蓬勃發(fā)展。該公司在每項業(yè)務中都運用了AI，AI可以根據(jù)照模式是在涵蓋金融服務、醫(yī)療健康服務、汽車服務和智慧城市服務的“生態(tài)系統(tǒng)”中，借助AI向客戶和互聯(lián)網(wǎng)用戶提供基于生活方式的金融消費產(chǎn)品，并不斷從業(yè)務的數(shù)據(jù)中學習，以完善其AI認知AI、決策AI在內(nèi)的系列解決方案?！爆F(xiàn)實生活中得到廣泛而深入的應用?！奔词购軜I(yè)充分利用了AI的力量。一家零售機構(gòu)的AI負責人告訴我在本書里，我們關(guān)注的是在AI出現(xiàn)之前就已經(jīng)存在的一些大企業(yè)如何在這項技術(shù)的幫助下實現(xiàn)轉(zhuǎn)型。我們不會介紹實施AI的普通或最常見的方法，而是介紹那些全力押注AI的公司——它們正在進行大規(guī)模且表明這些投入正在取得回報。我們以多種方式指代這些公司全力押注們在AI技術(shù)的支出、規(guī)劃、戰(zhàn)略、實施和變革等方面處于天平的另一端。不是每家公司都會選擇這種雄心勃勃的方法，但家公司為了實現(xiàn)這一目標需要什么。我們的觀點是點——最積極的采用、與戰(zhàn)略和運營的最佳集成、最高最佳的實施。我們將介紹積極使用AI對戰(zhàn)略、流ample,ThomasH.Davenport,“CompetingonA”我們兩人都有過與這類領先公司合作并對其進行剖析的經(jīng)歷。在進入佛商業(yè)評論》上的同名文章甚至被評為該雜志百年機構(gòu)、其在美國使用“德勤”名稱經(jīng)營的相關(guān)實流程、組織、變革管理以及成熟企業(yè)當前的技術(shù)架構(gòu)之間復雜的人印象深刻的是實現(xiàn)一項涵蓋AI的重大企業(yè)變革計劃。我們喜歡與那我們將提供很多案例分析，就像前面的例子那樣，介紹AI驅(qū)動的公司注”層面上成功運用AI。本書每一章的主題以及其中介紹的是人類的領導力、行為和變革。我們先與星展銀行的第3章的重點是介紹AI是如何實現(xiàn)或變革商業(yè)戰(zhàn)略的。我（KrogerCo.，及其子公司84.51°)、殼牌、聯(lián)合利華、安森保險和與其他業(yè)務能力一樣，AI可以根據(jù)公司在各個維度上的進展情況進行不同的能力模型。我們在本章中詳細介紹了平安、豐業(yè)銀行、險、前進保險和安森保險的能力。我們也在這一章中介紹了合些組織包括沃爾瑪、希捷、第一資本、美國政可以成為一家AI驅(qū)動的公司。每條路徑都有一個特定的案分析的公司到專注于AI的公司；Well本書盡管介紹了這些內(nèi)容，但并不是全力押注AI的標準配方。每家公司都積極地將AI集成到自己的業(yè)務中，其中的基本原理、策略和具體路徑都有所不同。但我們相信，本書中的案例和經(jīng)驗對每家公司的個性化轉(zhuǎn)型歷程都會有所幫助。至少我們希望，了解這些早期采用者和最好也行動起來?！盇I驅(qū)動意味著什么“在一個AI優(yōu)先的世界里，無論是在家里、工作場所、汽車上還是在旅要的是將變得更加智能”。其他行業(yè)中尋求AI驅(qū)動的在我們的分析中，AI驅(qū)動的公司在大企業(yè)中會和一些潛在的用例。很多公司從來沒有邁出可以增加經(jīng)濟一一步——將模型部署到生產(chǎn)中。雖然這種嘗試可能會帶來一些有價該從根本上重新思考人類與機器在工作環(huán)境中的互AI驅(qū)動的構(gòu)成有哪些你怎么知道一家公司是AI驅(qū)動的？它需要具備哪些組成部分才能匹配這種分類？目前，我們還沒有一個大家普遍接受的組成部分清單，但在研究和咨詢中，我們發(fā)現(xiàn)對這項技術(shù)采取特別積極態(tài)度的公司往往具有多種特質(zhì)。在過去的4年，我們對這些公司的AI行動進行了3次調(diào)查，因此還可以引用這些調(diào)查中的很多反饋。公司普遍通過使用多種技術(shù)來采用AIDeloitte/“StateofAIintheEnterprise”Survey/3rdedition/2020//cn/en/pages/about-deloitte/articles/state-of-ai-in-the-enterprise-3rd-edition.html.AI驅(qū)動的公司在整個公司內(nèi)部使用AI，通常采用多種用例或應用。AI是一項通用技術(shù)，可以用來支持公司的各種長期目標和短期目標。根據(jù)我們的調(diào)查，AI技術(shù)最常用于提高業(yè)務流程效率、改進決策質(zhì)量，以及提升現(xiàn)有的產(chǎn)品和服務。根據(jù)德勤2020年的調(diào)查，這也是最有可能實現(xiàn)的3個短期目標。但這些目標涵蓋了AI的廣泛應用領域。例如，改進業(yè)務流程可能包括更好地匹配供需以提高供應鏈效率、預測工廠設備的維護需求，甚至預測哪些應聘者被錄用后將取得最佳效益。全力押注AI的公司最終會開發(fā)出涵蓋各種功能和流程、決策以及產(chǎn)品或服務的用例。每項單獨的用例可能不會改變一家公司，但它們?nèi)婕掀饋砭涂梢?。在我們最近發(fā)起的“企業(yè)AI”調(diào)查中，擁有最強AI能力和最大成就的公司占調(diào)查樣本的28%，這些公司被稱為“變革者”（transformer）。正如我們在下面介紹的那樣，“變革者”在它們的AI歷程中進展順利，但這一類受訪者很少最終成為AI驅(qū)動的公司（數(shù)量太少，無法在廣泛的調(diào)查中被挑選出來）。平均而言，這類公司有大約6個全面部署的AI用例，并取得了大約7項業(yè)務成果。這些成果令人印象深刻，但與AI驅(qū)動的公司相比仍存在差距?！白兏镎摺钡臉撕灡砻?，它們的目標可能是業(yè)務轉(zhuǎn)型，但很少有公司已經(jīng)通過AI完成了轉(zhuǎn)型。依靠AI進行自我轉(zhuǎn)型的公司通常在這方面走得更遠，有些公司部署了數(shù)百個系統(tǒng)，業(yè)務成果數(shù)不勝數(shù)。當然，業(yè)務轉(zhuǎn)型是一個持續(xù)的過程，沒有一家公司能夠完全實現(xiàn)轉(zhuǎn)型。全力押注AI的公司也不會將其AI產(chǎn)品組合局限于單一技術(shù)。相反，它們會利用AI所能提供的一切。表1-1展示了該領域涵蓋的眾多技術(shù)。讓AI成為可能的基本資源只有4種——統(tǒng)計學、邏輯學及語義學形式的知識，所有這些知識都與計算聯(lián)系在一起。但在這些資源中，有多種方法、工具和用例的變種。表1-1AI驅(qū)動的公司采用的AI技術(shù)AI驅(qū)動的企業(yè)，其領導者對這項技術(shù)有足夠的了解，可以就將哪些技術(shù)應用于哪些用例做出明智的決策。這樣做有時并不容易，因為不同的工具之間隱藏著復雜性。例如，表1-1列出了幾種不同類型的機器學習技術(shù)，積極的用戶需要知道為了什么而采用哪一種技術(shù)。此外，在要做出的選擇中還要進一步選擇。例如，表1-1中的“基于語義的AI”描述了面向語言的應用，如自然語言理解（NLU）和自然語言生成（NLG）。但自然語言理解應用的核心可以是深度學習算法，以及闡述術(shù)語“語義”所暗示的單詞和概念之間聯(lián)系的知識圖譜。自然語言生成應用也可以如此，就像OpenAI（人工智能研究公司）開發(fā)的非常復雜的GPT-3（一種語言模型）系統(tǒng)一樣，根據(jù)對“下一個單詞”的預測生成各種類型的文本，從詩歌到計算機程序。簡單的自然語言生成應用也可以由規(guī)則驅(qū)動。AI技術(shù)的類型非常復雜，因此，做出AI相關(guān)決策的公司高管在對工具和項目進行重大投資之前，需要做好功課。有些公司針對同一用例或應用場景使用多種技術(shù)。Cotiviti是一家從事保險欺詐檢測和醫(yī)療健康分析的公司，它將規(guī)則與機器學習相結(jié)合，形成了一種非常實用的組合。星展銀行采用同樣的組合來打擊洗錢活動。很多公司都在使用機器人流程自動化（RPA它可以自動執(zhí)行后臺的結(jié)構(gòu)化工作流并根據(jù)規(guī)則進行決策。但越來越多的廠商及其客戶將機器人流程自動化與機器學習相結(jié)合，以更好地進行決策，這有時被稱為“智能流程自動化”。我們將會越來越多地看到這些技術(shù)結(jié)合在一起，或許還會賦予它們一些新名稱。積極的采用者很可能會使用所有的AI技術(shù)，有些如表1-1所述，有些則是我們現(xiàn)在還無法完全介紹清楚的剛剛出現(xiàn)的組合形式。虛擬現(xiàn)實（VR）及其他形式的模擬、數(shù)字孿生和元宇宙都采用了各種形式的AI技術(shù)，未來很可能會得到廣泛的應用。生產(chǎn)部署中的眾多AI系統(tǒng)除非另有說明，所有陳述和引用均來自作者進行的采訪。應用AI的挑戰(zhàn)之一是讓這些系統(tǒng)進入生產(chǎn)部署。很多公司會著手進行試點、概念驗證或原型設計，但它們很少或根本沒有將系統(tǒng)投入生產(chǎn)。通過這樣的實驗進行學習是很好的，但公司并不能從中獲得任何經(jīng)濟價值。AI驅(qū)動的公司確實在設法讓系統(tǒng)投入生產(chǎn)，我們最近關(guān)于“企業(yè)AI”的調(diào)查發(fā)現(xiàn)，“變革者”（最成功和最有經(jīng)驗的受訪公司）平均有6個AI系統(tǒng)進行生產(chǎn)部署。這使它們被歸為最積極的受訪者之列，但在我們?yōu)楸緯稍L的一些公司中，有更多的AI模型投入了生產(chǎn)。IBMWatsonGlobalAIAdoptionIndex2021,/mr5mr_ibmnews/190846/IBM’s%20Global%20AI%20Adoption%20Index%202021_Executive-Summary.pdf.SamRansbothametal.,“WinningwithAI:Findingsfromthe2019ArtificialIntelligenceGlobalExecutiveStudyandResearchReport,”MITSloanManagementReview,October15,2019,/projects/winning-with-ai/.Deloitte,“StateofAIintheEnterprise”Survey,2ndedition,2018,/us/en/insights/focus/cognitive-technologies/state-of-ai-and-intelligent-automation-in-business-survey-2018.html.ThomasH.DavenportandRandyBean,“CompaniesAreMakingSeriousMoneywithAI,”MITSloanManagementReview,February17,2022,/article/companies-are-making-serious-money-with-ai/.盡管AI驅(qū)動的公司相對成功，但還有很多其他調(diào)查數(shù)據(jù)支持我們的一個斷言，即部署AI很困難。IBM（國際商業(yè)機器公司）在2021年的一項調(diào)查發(fā)現(xiàn)，在7個國家的5000多名技術(shù)決策者中，只有31%的人表示他們的公司“已將AI作為業(yè)務運營的一部分進行了積極部署”；41%的受訪者表示，他們“正在探索，但尚未在業(yè)務運營中部署AI”。《麻省理工斯隆管理評論》與波士頓咨詢集團在2019年的一項調(diào)查中發(fā)現(xiàn)，“在接受調(diào)查的10家公司中，有7家說迄今為止AI的影響很小或沒有影響。在對AI進行過投資的90%的公司中，只有不到2/5的公司報告稱，在過去3年從AI中獲得了業(yè)務收益……這意味著在對AI領域進行重大投資的企業(yè)中，有40%沒有報告從AI中獲得了業(yè)務收益”。在我們的調(diào)查中，AI面臨的前三大挑戰(zhàn)是實施問題、將AI集成到公司的角色和職能中的問題，以及數(shù)據(jù)問題，所有這些都是大規(guī)模部署所涉及的因素。這種情況已經(jīng)開始發(fā)生變化，很多公司開始報告它們正在部署更多的AI系統(tǒng)，并從這些系統(tǒng)中獲得更多的經(jīng)濟回報。但是，數(shù)據(jù)科學家的調(diào)查仍然發(fā)現(xiàn)，實際上只有少數(shù)AI模型得到了部署。公司在部署AI方面面臨挑戰(zhàn)并不令人感到意外。項目試點包括創(chuàng)建模型和編寫最小化可行產(chǎn)品（MVP）的代碼，但生產(chǎn)部署的規(guī)模大得多，并且通常涉及很多其他活動，例如更改業(yè)務流程、增加員工數(shù)量以及與現(xiàn)有系統(tǒng)集成。此外，一些數(shù)據(jù)科學家認為，創(chuàng)建一個適應數(shù)據(jù)的良好的機器學習模型之后，他們的工作就結(jié)束了。系統(tǒng)部署通常被認為是其他人的工作，但這項工作的責任歸屬往往并不清晰。非常成功的AI驅(qū)動公司如何解決這些問題并部署系統(tǒng)？首先，它們從一開始就對部署進行計劃，除非項目在早期階段出現(xiàn)問題。其次，它們通常會安排專人負責整個開發(fā)和部署過程，專人有時被稱為基于AI的系統(tǒng)和流程的產(chǎn)品經(jīng)理，這個人會確保系統(tǒng)得到部署。最后，它們會指派數(shù)據(jù)科學家和產(chǎn)品經(jīng)理，從一開始就與業(yè)務方面的利益相關(guān)方密切合作，這些公司期望進行系統(tǒng)部署以及與之相關(guān)的所有行動。利用AI對工作流程進行重新設想和設計20世紀90年代初，一場名為“業(yè)務流程再造”的運動讓很多商界人士感到興奮。在這場運動中，公司對其工作方式進行了徹底的重新設計（本書的作者之一托馬斯·達文波特參與發(fā)起了這場運動）。當時出現(xiàn)了一些新技術(shù)——企業(yè)資源計劃（ERP）系統(tǒng)，以及后來出現(xiàn)的互聯(lián)網(wǎng)——可以實現(xiàn)新的流程。不幸的是，在很多公司里，流程再造變成了盲目裁員，但利用新技術(shù)推動新的工作方式的想法仍然是有效的，AI現(xiàn)在就是最突出的例子。ThomasH.DavenportandJuliaKirby,OnlyHumansNeedApply:WinnersandLosersintheAgeofSmartMachines（NewYork:HarperBusiness,2016）;alsoThomasH.DavenportandStevenMiller,WorkingwithAI:RealStoriesofHuman-MachineCollaboration（Cambridge,MA:MITPress,2022）.德勤將當前稱為“與的時代”（AgeofWith即人類“與”智能機器協(xié)作的時代。托馬斯·達文波特也很喜歡這個想法，他經(jīng)常稱之為“增強”，甚至為此與人合著了兩本關(guān)于這個主題的書。雖然很多預言家預測AI將會取代人類，但到目前為止，這種情況并不多見，而且大多數(shù)公司都在利用這項技術(shù)，讓人類員工騰出時間來完成更復雜的任務。因此，AI推動的公司面臨的首要問題不是如何用AI取代人類員工，而是如何通過重新設計工作崗位、重新培訓員工以及在工作流程中充分利用這兩者來提高效率。在我們的調(diào)查中，有相當大比例的公司高管表示，AI已經(jīng)給就業(yè)帶來了適度或重大的變化（在2019年的調(diào)查中，持這種觀點的人所占的比例是72%，82%的受訪者預計3年內(nèi)會發(fā)生巨大的變化）。但是，在很多情況下，這種變化并沒有出現(xiàn)在正式的業(yè)務流程環(huán)境下。這意味著，可能整個公司缺乏對流程工作流、衡量標準和統(tǒng)一執(zhí)行的說明。ThomasH.Davenport/“ContinuousImprovementandAutomationatVoyaFinancial/”Forbes/December9/2019//sites/tomdavenport/2019/12/09/continuous-improvement-and-automation-at-voya-financial/?sh=4f8441ac46a4.流程改進（如果不是根本性創(chuàng)新）與AI之間最緊密的聯(lián)系可能就是機器人流程自動化。有些人認為機器人流程自動化的智能化不足以被稱為AI，但它確實具有基于規(guī)則的決策能力。很多公司都將機器人流程自動化視為通向更智能、更基于機器學習的AI的墊腳石。有些公司已將機器人流程自動化集成到其流程改進計劃中。在將流程自動化之前，公司會將衡量和改進技術(shù)應用到這個流程中。例如，在退休及金融服務公司Voya，其持續(xù)改進中心嵌入了一個自動化人才中心，該中心通常采用精益方法和六西格瑪方法。Voya有一個三步程序：分析和改進流程、實施機器人流程自動化、評估自動化流程的性能。但是，為了真正通過AI實現(xiàn)轉(zhuǎn)型，公司必須在廣泛的范圍內(nèi)做到這一點，并且至少偶爾在流程中尋求不僅僅是漸進式的性能改進。我們還看到一些公司將流程的重新設計與機器人流程自動化之外的AI形式有效地結(jié)合起來。例如，星展銀行在東南亞采用AI來改進其反洗錢工作，以及改進印度和新加坡客戶中心的主要業(yè)務流程。評估潛在反洗錢案例的時間縮短為原來的2/3，而客戶中心在不增加員工的情況下，客戶數(shù)量增長了6倍，金融交易量增長了12倍。更多的公司應該解決AI如何顯著改進業(yè)務流程的問題。在某種程度上，能夠促進這一點的是采用了AI的新技術(shù)：流程挖掘。它分析來自公司事務系統(tǒng)的數(shù)據(jù)，以了解流程的執(zhí)行情況，然后使用AI提出改進建議。流程挖掘消除了流程改進中的大量細節(jié)工作，并在很多面向流程的公司中迅速流行起來。公司的很大一部分人精通AI及其應用方式我們將在本書中不止一次地指出，全力押注AI不僅關(guān)乎技術(shù)，也關(guān)乎人。希望在業(yè)務中大量使用AI的公司需要大量了解其工作原理的高管和普通員工。明智的公司正在對員工進行再培訓和技能提升，以開發(fā)、解釋和改進AI系統(tǒng)。隨著AI系統(tǒng)的開發(fā)（尤其是機器學習）變得越來越自動化，以及未經(jīng)深入專業(yè)培訓的公民數(shù)據(jù)科學家（CDS）可以接管部分工作，這一點變得更加重要。公司的高管需要通過自己的方式來提升AI技能。大多數(shù)AI和分析部門的負責人告訴我們，他們?nèi)匀粫ù罅繒r間向其他經(jīng)理宣傳這項技術(shù)的價值和用途。高管不僅應該為AI項目提供資金和時間，還應該在自己的工作中實施AI。AI通常可以自動做出決策，而此前部分決策是由人類高級經(jīng)理做出的。因此，重要的是要讓這個群體了解AI如何工作、何時適合使用AI，以及對他們自己和整個公司而言，應該對AI做出什么樣的重大承諾。對絕大多數(shù)公司來說，這種技能提升和再培訓工作仍為時尚早，而且并不是所有員工都需要接受AI培訓。但很明顯，有些人確實需要，而且這樣的機會可能越多越好。有些公司已經(jīng)著手開展針對AI的技能提升計劃，如空客和星展銀行等?？湛鸵呀?jīng)對1000多名員工進行了AI和高級分析技能方面的再培訓；星展銀行已經(jīng)對18000多名員工進行了數(shù)據(jù)技能培訓，并創(chuàng)建了一家公民數(shù)據(jù)科學家公司。在這些員工中，約有2000人精通數(shù)據(jù)科學和商業(yè)智能等前沿領域，另有7000人被認定在數(shù)據(jù)使用、分析和AI等學科領域的技能得到提升。Deloitte/“StateofAIintheEnterprise”Survey.但是，在我們的一項AI調(diào)查中，只有10%的美國受訪者明確表示傾向于再培訓和留住現(xiàn)有員工。80%的受訪者傾向于“保留或替換比例相當?shù)膯T工”，或者“主要用新的人才替換現(xiàn)有員工”。我們認為這是一種目光短淺的行為，而且公司可能無法找到或負擔不起這么多新的AI人才。再培訓和技能提升是一種顯而易見的替代方法。對AI的長期承諾和投資一家公司的高管決定通過AI完成公司轉(zhuǎn)型，這絕不是一項隨隨便便的決策。他們所做的決策將對公司未來的幾十年產(chǎn)生重大影響，最終涉及數(shù)億或幾十億美元。我們?yōu)楸緯稍L的每一家公司都告訴我們，這是全力押注AI的代價。起初，這樣的資源承諾可能會讓公司感到害怕，但在看到從早期項目中獲得的各種好處之后，這些AI驅(qū)動的公司發(fā)現(xiàn)，在面向AI的數(shù)據(jù)、技術(shù)和人才上投入資金要容易得多。以AI為中心意味著公司承諾使用數(shù)據(jù)和分析來做出大多數(shù)的決策，以不同的方式與客戶打交道，將AI嵌入產(chǎn)品和服務，并以更加自動化和智能化的方式執(zhí)行很多任務，甚至執(zhí)行整個業(yè)務流程。很多公司正處于數(shù)字化轉(zhuǎn)型的陣痛之中，但基于AI的轉(zhuǎn)型要更進一步。簡言之，這是一筆很大的賭注，大多數(shù)公司還沒有足夠的勇氣押注。當然，如果領導者是這個想法的堅定擁護者，那么這會有所幫助。CEO的承諾會推動公司做出很多其他類型的承諾，但這最終還是不夠的。如果公司的高層、中層甚至一線管理人員只是口頭上支持用AI推動業(yè)務發(fā)展，那么事情就會進展緩慢，公司也很可能會回歸老路。我們已經(jīng)看到，一些高度敬業(yè)的CEO通過多項舉措建立了以分析和AI為中心的公司。但在他們離開公司之后，下一任CEO并不相信AI，因此公司對數(shù)據(jù)、分析和AI的關(guān)注也就淪為平常。在下一章中，我們將進一步闡述領導力和承諾的重要性。我們還將介紹一些領導者的實例，他們以全面而富有戲劇性的方式，展現(xiàn)了將AI作為戰(zhàn)略力量的承諾。獨特且龐大的數(shù)據(jù)來源，實時分析并采取行動如果AI可以驅(qū)動公司發(fā)展，那么數(shù)據(jù)就可以驅(qū)動AI發(fā)展。對AI持審慎態(tài)度的公司必須認真對待數(shù)據(jù)——搜集數(shù)據(jù)、整合數(shù)據(jù)、存儲數(shù)據(jù)，并使其廣泛可用，這些都不是新的挑戰(zhàn)，但如果一家公司關(guān)注AI，那么數(shù)據(jù)就比平常情況下更重要。在我們2020年的AI調(diào)查中，當被要求選擇通過AI增強競爭優(yōu)勢的舉措時，采用了AI的公司將“實現(xiàn)AI數(shù)據(jù)基礎設施的現(xiàn)代化”作為首選。事實上，我們采訪過的所有公司都在采取AI舉措之前或同時，啟動了重大數(shù)據(jù)管理項目。除了擁有良好的數(shù)據(jù)之外，渴望通過AI實現(xiàn)業(yè)務轉(zhuǎn)型的公司必須擁有越來越多的獨特數(shù)據(jù)或?qū)Ｓ袛?shù)據(jù)。如果一個行業(yè)中的所有競爭對手都擁有相同的數(shù)據(jù)，那么它們都將擁有相似的機器學習模型和相似的結(jié)果。AI能讓你的公司脫穎而出的部分原因在于，你要找到尚未被充分利用的現(xiàn)有數(shù)據(jù)源，或者獲得新數(shù)據(jù)的訪問權(quán)限。銀行業(yè)和零售業(yè)的數(shù)據(jù)量已經(jīng)非常龐大。加拿大的豐業(yè)銀行、美國的第一資本銀行和新加坡的星展銀行等銀行利用它們的數(shù)據(jù)來了解更多關(guān)于客戶和交易的信息，并將這些數(shù)據(jù)反饋給客戶，以幫助他們理財。美國的克羅格和加拿大的羅布勞等零售機構(gòu)則更多地利用了銷售點數(shù)據(jù)、庫存數(shù)據(jù)、購物者忠誠度數(shù)據(jù)等，這些數(shù)據(jù)量可能超過了它們的所有競爭對手。在某些情況下，積極采用AI的公司已經(jīng)開發(fā)了新的商業(yè)模式，可以更多地訪問數(shù)據(jù)。中國平安有一個非常合理的“生態(tài)系統(tǒng)”模型，它不僅可以開放給客戶和供應商，還允許數(shù)據(jù)分析模型訪問?！爸腔厶炜铡保⊿kywise）是空客公司的航空開放數(shù)據(jù)平臺，可以在全球很多使用空客飛機的航空公司和其他原始設備制造商（OEM）之間共享數(shù)據(jù)。這些公司從具有平臺型商業(yè)模式的電子商務初創(chuàng)公司那里了解到，擁有來自多個參與方的數(shù)據(jù)是業(yè)務增長和企業(yè)價值提升的重要驅(qū)動力。高度依賴AI的公司不只是搜集數(shù)據(jù)并在有空的時候進行分析。它們會盡可能采用實時方法，以當代企業(yè)的速度做出基于數(shù)據(jù)的決策。它們在銷售點為客戶提供實時的報價，并防止欺詐交易發(fā)生。它們對業(yè)務中斷的反應更快，會監(jiān)控模型的運行情況，并在必要時對模型進行重新訓練。這在一定程度上是因為它們擁有現(xiàn)代技術(shù)堆棧，但也因為它們有適當?shù)牧鞒虂砉芾頂?shù)據(jù)供應鏈和利用數(shù)據(jù)的緊迫感。當然，沒有哪家公司的數(shù)據(jù)是完美的，但AI密集型公司的數(shù)據(jù)環(huán)境要比大多數(shù)公司好得多。建立合乎倫理和值得信賴的AI框架VeronicaCombs/“GuardrailFailure:CompaniesAreLosingRevenueandCustomersDuetoAIBias/”TechRepublic/January11/2022//article/guardrail-failure-companies-are-losing-revenue-and-customers-due-to-ai-bias/.一家公司的業(yè)務如果高度依賴AI，那么它就需要確保其使用的AI系統(tǒng)合乎倫理且值得信賴，否則很可能會因AI而得不償失。到目前為止，大多數(shù)關(guān)于AI倫理的正式治理機制和結(jié)構(gòu)都在科技公司那里，它們都擁有大量的AI產(chǎn)品和服務，并且希望向客戶證明自己是負責任的。也許是因為科技公司相對而言是AI的早期采用者，它們過去也最有可能被指控存在AI偏見或其他違反倫理的行為。公司并不需要付出巨大的努力來打造一種合乎倫理和值得信賴的AI方法。很多可用的框架有助于創(chuàng)建一套原則，我們將在第5章中討論這些原則。當然，挑戰(zhàn)在于將原則付諸實踐，我們也會在該章討論這一點。ReidBlackman/“IfYourCompanyUsesAI/ItNeedsanInstitutionalReviewBoard/”HarvardBusinessReview/April1/2021.我們可以成立一個由具備強大技術(shù)和業(yè)務專業(yè)知識的高管組成的小組，來評估所有要投入生產(chǎn)的AI系統(tǒng)的每條標準。事實上，我們聽說有幾家公司設立了算法審查委員會之類的團體，不過我們認為需要審查的不僅僅是算法。一位倫理顧問呼吁成立一個AI機構(gòu)審查委員會，就像那些針對人體受試者的學術(shù)或醫(yī)學研究的委員會一樣，以確保AI系統(tǒng)的任何方面都不違反倫理原則。畢竟，AI工作通常也涉及人類。AI驅(qū)動的公司如何實現(xiàn)價值AI驅(qū)動的公司通過一些具體的價值杠桿創(chuàng)造了比其他很多公司都高的價值（見表1-2）。我們將在整本書中引用這些內(nèi)容。在這里我只想說，AI驅(qū)動的公司經(jīng)常使用多種杠桿（有時是同一個用例）來改善它們的業(yè)務。表1-2全力押注AI的公司如何實現(xiàn)價值在單個用例的層面，我們在本章前面提到的星展銀行反洗錢應用通過多種方式為銀行帶來了價值。它幫助星展銀行更早地識別欺詐行為，因此有利于加快執(zhí)行速度。交易監(jiān)控分析師可以更快地分析潛在的反洗錢案件，提高生產(chǎn)效率并降低成本。它使用更多的銀行數(shù)據(jù)來判斷案件中出現(xiàn)真正欺詐的可能性有多大（即理解復雜性）。當然，反洗錢應用的總體目標是增強客戶和監(jiān)管機構(gòu)對銀行的信任。當然，利用AI實現(xiàn)的價值越大越好。希望在AI領域取得成功的公司應該采用盡可能多的不同的價值杠桿，并努力在單個用例中實現(xiàn)多種杠桿。有些杠桿（比如降低成本）相對容易衡量。但是，公司不應該將自己局限于容易衡量的AI用例中。一些最大的好處可能來自改變商業(yè)模式、基于更多和更復雜的數(shù)據(jù)做出決策，以及建立值得信賴的AI。公司在全力押注之路上的位置是什么并非我們在本書中提到的每一家公司都是AI驅(qū)動的公司。在某些情況成為一臺組織學習機器總結(jié)所有這些特征的一種方法，是將全力押注AI的公司視為組織學習機器。在這樣的公司里，與AI相關(guān)的學習在很多方面都已經(jīng)制度化且運轉(zhuǎn)良好。這類公司至少在兩種方式上是組織學習機器。第一種方式是不斷地從AI的研究和部署中學習。它們進行試驗，并采用快速試錯 各種與金融服務相關(guān)的業(yè)務領域（詳見第3章）。該公司擁有一個龐可以創(chuàng)作藝術(shù)的AI系統(tǒng)可能會吸引公司龐大的客戶群體和合作伙伴網(wǎng)試驗取得了成功：研究人員能夠利用AI創(chuàng)作出高平安集團正在研究將AI藝術(shù)創(chuàng)作系統(tǒng)與集團不同生態(tài)系統(tǒng)AI驅(qū)動的公司成為組織學習機器的另一種方式與機器學習直接作為向銀行客戶提供無須等待、全天候可用的高質(zhì)量客戶服務的一種這項挑戰(zhàn)激勵團隊為印度的數(shù)字化銀行制訂了一“組織學習機器”這個術(shù)語的最終含義集中于這樣一個事實，即這些公些可以在整個公司內(nèi)多次重復使用。它們確保很多員工也是AI的持續(xù)有更多的公司擁有這些能力。或許通過介紹在這方人性的一面對AI的影響不亞于甚至會超過對公司其他方面的影響。如果我們使用很多AI領導者都承認這些因素的重要性。例如，我們采訪了一家以生物學為重點方向的學術(shù)研究機構(gòu)——馬薩諸塞州劍橋市布羅德研究所器學習和生物學之間的聯(lián)系。我們向該研究所旗下新成立的埃里克和化。他們說，AI研究員（通常是計算機科學家）和生物學家在如何應對智力挑戰(zhàn)方面有著截然不同的語言和直覺。他們知道，連接這兩個處于探索潛在策略的階段（這是該中心歷史上their-efforts-to-become-data-driven.例近年來甚至有所下降。我們將在本章后面介紹AI優(yōu)先的公司為解所有公司在全面采用AI方面取得進展的一個主要因素是能夠一位AI領導者的畫像星展銀行集團的CEO高博德在保守的銀行業(yè)工作了近某種原因，他不僅在曾經(jīng)被稱為“該死的慢節(jié)奏”的銀行業(yè)成《歐洲貨幣》評為“世界最佳數(shù)字化銀行”。信息為中心的業(yè)務。高博德曾主管花旗銀行在亞這項技術(shù)并進行試驗。該銀行的KPI（關(guān)鍵績效指標）之大變革，以使其適合雄心勃勃的AI計劃。大型企業(yè)的CEO親自據(jù)轉(zhuǎn)型的情況并不常見。高博德將自己這樣做的興趣和能力歸星展銀行的數(shù)據(jù)轉(zhuǎn)型效果相當可觀。與很多公司一樣，它將大據(jù)從傳統(tǒng)數(shù)據(jù)倉庫遷移到了數(shù)據(jù)湖——后者的成本要低得多，而且更適合結(jié)構(gòu)化程度較低的數(shù)據(jù)。此外，星展銀行為其元數(shù)據(jù)創(chuàng)建了新的據(jù)獲取對象簽訂了新的協(xié)議，并引入了可視化工具以使數(shù)據(jù)趨勢更加工活力、消除對AI的恐懼。一名員工提出了鼓勵員工參一款教授機器學習和強化學習的自動賽車游戲。星展的時候與他們展開競爭?！庇行┤艘呀?jīng)提高了技能水平以改變職務。隨著這家關(guān)于領導力的經(jīng)驗（信息技術(shù)這一點的幫助很大。沒有像高博德這樣背景的CEO當再次，領導者要有掌控財務的權(quán)力。AI探索價格不菲，AI的開發(fā)和生產(chǎn)部署成本也非常昂貴。AI領導者必須投入足夠多的資金來保障這兩個層面的AI采用。值得注意的是，高博德在采用AI的早期就打開錢包率會扼殺試驗?！弊罱?，他為業(yè)務部門和職能部門制定了KPI，要求他們記錄AI項目的節(jié)省額或回報額。星展銀行的個人銀行業(yè)務本財年的個人參與的另一種可能性是開發(fā)一個特別重要的AI用例。例如，摩根士丹利的財富管理業(yè)務是全球規(guī)模最大的，該公司打造了一個基于AI的聯(lián)席總裁。十幾年前，羅森塔爾就有了一個類似網(wǎng)飛的推薦引擎的想法，并一直監(jiān)督其開發(fā)工作，直到他從摩根士丹利退休。薩珀斯坦平臺功能添加到一個系統(tǒng)中，這個系統(tǒng)后來被稱為“下一步最佳行動”https://www.theglobeandmanow/.裁薩拉·戴維斯也形容自己是“一個非常擅長數(shù)鎖藥店及醫(yī)療病歷公司。他特別關(guān)注數(shù)據(jù)、分析和AI售店銷售的5.5萬種產(chǎn)品提供營養(yǎng)信息和健康產(chǎn)品推薦。一些最優(yōu)秀的AI領導者本質(zhì)上都是技術(shù)專家。正如我們所討論的，星展銀行的高博德?lián)碛泻軓姷倪@種特征。CCC智能解決方案是一家中型司占據(jù)市場主導地位。公司的CEO吉蒂斯·拉馬穆爾蒂此前業(yè)、全球和戰(zhàn)略服務部門的執(zhí)行負責人賈森·吉扎達商業(yè)模式、流程和人員的影響可能是什么。只播下成功的文化種子形成一種文化——強調(diào)數(shù)據(jù)驅(qū)動的決策和行為，并且熱衷于通過AI推也無法獲得利用該技術(shù)打造優(yōu)質(zhì)應用所需的資源，AI職能的提供一定程度的正規(guī)教育課程。很多公司都啟動了數(shù)據(jù)素養(yǎng)成功。這些努力讓公司的所有人都有責任提出、開發(fā)、使用_調(diào)查數(shù)據(jù)證明了這類干預措施的重要性。與其他公司相比，大力投資實現(xiàn)預期目標的可能性是其他公司的1.5倍以上。德勤在這方和擴充AI人才。該學院的愿望不僅是培養(yǎng)自己的AI專業(yè)人才，而且是要的原因可能是AI的傳播和文化轉(zhuǎn)型。迪士尼的/article/achieving-return-on-ai-pro在識別、試驗和實施AI系統(tǒng)時，AI團隊的領導人才中心新任負責人張韌最初專注于擁有大量數(shù)據(jù)的企業(yè)中的和分析來理解數(shù)據(jù)并實現(xiàn)個性化的客戶交互。該銀行具來識別和阻止犯罪活動很感興趣。張韌的AI舉措常聚在一起（至少一年一次）非常重要。這些活動可以DeloitteInsights/“2021StateofAIintheEnterprise對在公司內(nèi)部領導AI工作的人來說，通過將短期價值與長期轉(zhuǎn)型潛力為了實現(xiàn)這些期望，AI開發(fā)人員應該開發(fā)出機器學習應用從PDF文件中提取會員數(shù)據(jù)。這似乎只是一項平平無奇PDF中提取數(shù)據(jù)意味著呼叫中心的代表可以使用這些數(shù)據(jù)快速確定會對員工進行關(guān)于AI及未來工作的教育原因有很多：大型公司有很多員工；很難預測在未來幾年里，AI工作帶來什么樣的變化；不同的員工相對于工作有不同的目標和興有些公司（通常不是那些全力押注AI的公司）將這些挑戰(zhàn)作員工進行AI教育的理由。例如，一家大型國防領域廠商的人力資源2018）/.化做好準備。雖然任務難度增強確實要比大規(guī)模自動員工的工作會發(fā)生適度或大幅度的變化。盡管優(yōu)先事項但我們認為現(xiàn)在是時候?qū)T工進行關(guān)于AI及其影響的教育了存所需的技能。該公司的主要關(guān)注點是分布在及總部非技術(shù)性崗位上占總?cè)藬?shù)1/3的員工。公司為技能，并為非技術(shù)性崗位的員工提供軟件工程技能方面包括數(shù)字通信、數(shù)字商業(yè)模式、數(shù)字技術(shù)和數(shù)據(jù)Wei-ShenWong/“DBS有時，這些新技能會帶來一些新的職位。星展銀行創(chuàng)建了一個“翻譯”業(yè)務利益相關(guān)方和AI開發(fā)人員之間進行協(xié)調(diào)。這個職位很重要，已經(jīng)被廣泛討論，但沒有得到廣泛設置。星展銀行甚至決定為AI此策略的一個變體是對員工進行數(shù)據(jù)科學技能教育。這種做法通常涉及與該領域的在線課程提供商合作。以殼牌公司為例，它與優(yōu)達學城遠遠不夠，無法完成它計劃中的所有AI相關(guān)的項目。公司給擁有IT背景的人創(chuàng)建了一個試點項目，然后啟動了一個針對石油工程師、化學家、數(shù)據(jù)科學家和地球物理學家等人的更大的項目。完成優(yōu)達學城的AI納米學位通常需要4~6個月，每周學習10~15個小時。截至本書撰寫時，已有500多名員工完成或正在學習納米學位課程，另有1000名分析方面的培訓。公司要求員工和他們的經(jīng)理每周花半“JPMorganChaseMakes$350MillionGlobalInvestmentinthehttps://www.jpmorganc/articles?id=10.1257/pand預測和細化。該銀行正與麻省理工學院及其最有可能被AI取代。機器學習實用性分析將幫助該種與眾不同的方法讓員工為未來的工作做好準備。公司并沒待著對強加給他們的改變做出反應。聯(lián)合利華通過介紹可供AI-EnabledWorkforce.”參與自身的AI歷程。大多數(shù)公司可能會證明，AI技題詞摘自AlexConnockandAndrewS覆做好準備……你需要決定自己的公司在下一波技術(shù)浪潮中扮演什么我們通常認為，AI是數(shù)據(jù)科學家和技術(shù)專家主導的領動公司的發(fā)展？”“我們?nèi)绾瓮ㄟ^AI賺錢？能性，也需要了解AI如何解決或改變這些問題。這就是為什么“對話”是一種正確的說法——沒有一個人可以擁有所有的想法，而這些想法公司試圖通過AI實現(xiàn)的目標有3種主要的戰(zhàn)略原這些戰(zhàn)略原型的公司實例。我們將討論的專注于AI的公司包戰(zhàn)略原型1：創(chuàng)造新事物全力押注AI的公司通過AI開創(chuàng)了幾種新的經(jīng)營方式。這可能涉及新業(yè)也許是來自AI的最激動人心的機會。我們將介紹創(chuàng)造新事物的每一種cultural-benefits-of-artificial-intelligence-in-the-enterprise/.新業(yè)務的創(chuàng)建或進入新市場。它們利用AI的現(xiàn)有優(yōu)勢新產(chǎn)品和優(yōu)惠以及進入新市場?！堵槭±砉W院斯隆管羅布勞正在利用AI推動其在醫(yī)療健康行業(yè)的發(fā)展。該公司以健康領域。2013年，該公司收購了加拿大最大的連鎖藥店“購物者藥羅布勞在醫(yī)療健康領域的數(shù)據(jù)資產(chǎn)非常龐大。義的方式將AI添加到它們的產(chǎn)品與服務中通常會使它們面臨更大的挑into-the-future-a591fbba2298.are-taking-longer-to-build-than-everyone-thought/.太感興趣。幾家自動駕駛汽車制造商宣稱為出租車和汽車行業(yè)的普遍看法是，自動駕駛汽車的制造進展已經(jīng)達到了制造目標的80%，但剩下20%的進程將花費與前面80%一樣長的時間——大設置了地理圍欄、無行人專區(qū)、溫暖干燥的城市里，比如在美國的菲豐田在智能汽車上的策略很有趣。在自動駕駛汽車開發(fā)商乃至專注于于讓人類駕駛變得更智能、更安全。豐田研究所的CEO吉爾·普拉特多年來一直強調(diào)安全性。普拉特在2017年麻省理工學院舉辦的自動駕駛/insights/getting-real-about-autonomous-機免于犯下致命的駕駛錯誤。該公司還為需要普拉特和豐田研究所仍在致力于推動“守護者”項目和“司機”項目。我加入我們的使命，通過AI、自動駕駛、機器人和材料科學的進步來改善人類的生活質(zhì)量。我們致力于打造一個“所有人都能自由移動Jobdescriptionfor“ResearchScientist,Machine-AssistedCognition,”9sbM2sxZvZ5eCw4DFFo2fIRUkQGllRXw,accessedAuvegas-on-toyota-guardian-autonomy/.現(xiàn)在說還為時過早；這可能超出了某些司機想要的智能和出完全自動駕駛的預測要現(xiàn)實得多。豐田還有另一個全問題也更有可能在實現(xiàn)完全自動駕駛之前帶來一些經(jīng)濟制造商和風險投資機構(gòu)已經(jīng)在完全自動駕駛項目上投資年紀較大的司機可能會因為其配備了“守護者”功能而購買豐top-10-wealth-management-firms-by-aum/355658.AI還可用于提供差異化服務和提高服務價值。這通常意味著以差異化根士丹利首席運營官的吉姆·羅森塔爾有一個想法，即一個類似“網(wǎng)飛”的推薦引擎可以幫助摩根士丹利的財富管理集團實現(xiàn)財富管理產(chǎn)品的差異化。摩根士丹利擁有龐大的財富管理業(yè)務——其管理資產(chǎn)的規(guī)模在全球排名第三，僅次于瑞士聯(lián)合銀行和瑞士信貸，但它以傳統(tǒng)的方投資、感興趣的行動以及與特定客戶的相關(guān)性。該“下一步最佳行動”系統(tǒng)可能會在一天內(nèi)生成20多條可能的客戶建議，務顧問討論投資思路。如果共同基金或交易所交易基金的意事項。在這種情況下，“下一步最佳行動”系統(tǒng)可以將摩根士丹利的“下一步最佳行動”系統(tǒng)還根據(jù)的主要方式是與客戶頻繁接觸?！跋乱徊阶罴研袆印毕到y(tǒng)（現(xiàn)在包括一個客戶端通信平臺）則為這一過程提供了便利。正如該公司官杰夫·麥克米蘭在接受采訪時所說的那樣：“我們用一種非常復雜的時刻關(guān)注著客戶?！惫細w因于“下一步最佳行動”系統(tǒng)或通信平臺。其他高端財富管理公司有時會說，AI無法管理包含藝術(shù)品、大宗商品建議。但我們可以根據(jù)客戶的個性化行為和特征來推動麥克米蘭評論道，這不是一個系統(tǒng)，而是一種很難被競經(jīng)營方式。他贊揚了管理系統(tǒng)和流程的跨職能方法，以及富有遠見并長期堅持這一想法的高管們。除了對已經(jīng)退休的羅森塔爾之外，麥克米蘭還對財富管理部門前負責人、摩根士丹利現(xiàn)任聯(lián)席總裁安迪·薩珀斯坦表示了贊揚。在我們看來，麥克米蘭也值得高度贊揚，因為他讓“下一步最佳行動”系統(tǒng)成為現(xiàn)實。models-are-coming-to-all-indus在過去的幾十年里，AI一直在促進新的戰(zhàn)略和商業(yè)模式，盡管從中受的多邊平臺（它們在其中管理買家和賣家之間的關(guān)系）一直在快速增所有商業(yè)模式中，多邊平臺的估值是最高的，其年收入估值乘數(shù)是某AI在讓平臺商業(yè)模式發(fā)揮作用方面承擔著重要作用。數(shù)據(jù)來自平務進行匹配?？蛻舢a(chǎn)品可以通過AI實現(xiàn)個性化。數(shù)以百萬計使用平臺數(shù)據(jù)、吸引和服務新客戶。對它們來說，AI成為減少要手段。我們2021年的調(diào)查發(fā)現(xiàn)了AI領導者采用生態(tài)系兩個AI用戶群體（即變革者和探路者）更有可能擁有兩AI驅(qū)動的生態(tài)系統(tǒng)：平安以醫(yī)療健康為例，平安的醫(yī)療健康生態(tài)系統(tǒng)將政府、患者、醫(yī)提供商、醫(yī)療保險公司和技術(shù)聯(lián)系在一起。在醫(yī)療健康服務方面，它使用AI相關(guān)的服務來幫助醫(yī)生診斷和治療2000多種疾46500多名外部醫(yī)生累計提供了12億次就診服務。它與189000多店、4000多家醫(yī)院和83000多家其他醫(yī)療機構(gòu)合作。這些學家肖京所說的“數(shù)據(jù)的深海”。平安還通過其智能醫(yī)療健康部門提供放射影像分析服務，該智慧城市生態(tài)系統(tǒng)的一部分。它輔助醫(yī)生和醫(yī)療專家的影像讀取系統(tǒng)以空客為例，它在2017年推出了“智慧天空”。這個開放數(shù)據(jù)平臺是與全球大數(shù)據(jù)巨頭Palantir合作建立的。其目標是成為所有主要航空參與者使用的參考平臺，以提升它們的運營績效和優(yōu)化業(yè)務成果，發(fā)了一系列附加應用：“智慧天空”運行狀況監(jiān)控、維護和“智慧天空”可靠性。所有這些應用的目標“運行狀況監(jiān)控”整合了來自飛機的所有實時數(shù)據(jù)，可以分析設備事件在哪里找到需要的零部件；正如很多其他行業(yè)所公司可以訂閱該數(shù)據(jù)集來跟蹤自己和其他航空公別隨時間而發(fā)生的變化。這些非常準確的地理空間分析地利用和變化檢測到經(jīng)濟活動分析和監(jiān)測等各個方面。棲息地的地圖；Sinergise和EuroDataCube用經(jīng)濟和社會的影響。空客集團領導AI規(guī)劃和戰(zhàn)略的羅曼里受我們采訪時表示：“使用OneAtlas空間圖像作伙伴進一步開發(fā)應用。”標是使用數(shù)據(jù)和AI來實現(xiàn)安全、健康和福祉方面的社應用來分析數(shù)據(jù)并為數(shù)據(jù)提供增值。自2015年起，該公司一直在擁抱AI，并推出了多項針對移動出行和護理的應用。該公司還希望通過對初創(chuàng)公司的投資來獲得AI方面的幫助，比如它投資了日本的深度學習初創(chuàng)公司Abeja和美國初創(chuàng)公司OneConcern，后者擁有一個基于AI的“復原力平臺”。它還成立了一家新的數(shù)字化子公司“Shell,C3.AI,BakerHughes,andMicrosoftLaunchtheOpenAIopen-ai-energy-initiattransform-the-energy-industry/.力。這種安排是以物易物的形式：AI產(chǎn)品是通過公平計劃的關(guān)鍵。該計劃接受的每一項應用都將在C3.AI平享數(shù)據(jù)，“運營商多年來積累的豐富數(shù)據(jù)資產(chǎn)對于解決一對狹窄的業(yè)務流程。在維護上的合作可能不會引安森保險是另一家接受平臺商業(yè)模式的AI驅(qū)動的公司，也是一家行業(yè)領先的、致力于改善社區(qū)的健康保險公司，該公司通過其健康計劃系于數(shù)字化和AI戰(zhàn)略。其目標之一是以數(shù)字化的方式將會員與醫(yī)療健康供應商和會員需要的服務連接起來，而不是像一些競爭對手那樣僅僅安森保險的CEO蓋爾·布德羅公開談論了這一將基于安森保險廣泛的制藥、行為、臨床和復雜護理資產(chǎn)已經(jīng)交付了一些AI支持的功能。安森保險成立了一7,2002）,/doi/10.10其中包括針對糖尿病、心血管疾病、糖尿病和體重管理等問題的措施。該應用安全地使用來自安森明以及連接的醫(yī)療設備（如血壓袖帶、體重秤和血糖儀對于大多數(shù)這樣的生態(tài)系統(tǒng)（平安是個例外AI應用的業(yè)務集合比戰(zhàn)略原型2：運營轉(zhuǎn)型型——使現(xiàn)有的、定義明確的戰(zhàn)略更加成功。如果一家公司希望其供克羅格將加快數(shù)字化和電子商務行動，“通過（內(nèi)在客戶數(shù)據(jù)和個性化方面的專業(yè)知識應用于業(yè)務的更多方面，并以自有品牌產(chǎn)品的出色增長為基礎”。相關(guān)內(nèi)容提供“靈感和個性化發(fā)現(xiàn)”。架布局、優(yōu)化產(chǎn)品組合并改善庫存”。有或大部分戰(zhàn)略性舉措都依賴于84.51°的數(shù)據(jù)、分析和AI能力。發(fā)布個平臺所做的那樣，增強個性化并創(chuàng)造替代收入來源是重點領域?！蓖顿Y者會議演示材料中，“數(shù)據(jù)和科學驅(qū)動模型fresh-accelerate-digital-2021.略是不可能實現(xiàn)的；有些則可以通過AI做得戰(zhàn)略原型3：影響客戶行為變客戶的購買、社交、信息消費、信息共享和其他行為方公平地說，這種影響行為的方法并不是什么新鮮事。它由費埃哲率先行為評分系統(tǒng)。信用評分是機器學習最早的商業(yè)應用之一，它使用借貸和支付數(shù)據(jù)的統(tǒng)計分析來確定哪些因素與償還貸款相關(guān)，然后使用ProgressiveInsurance,“TelematicsDevicesforCarinsurance,”的遠程信息處理數(shù)據(jù)來計算駕駛評分（盡管分字母等級）。費埃哲現(xiàn)在也提供安全駕駛評分。分。宏利保險及其附屬公司約翰·漢考克以及世界各地它們顯示出了改善相關(guān)行為的潛力。這些保險戰(zhàn)略性AI的流程企業(yè)如果要通過AI推動新的戰(zhàn)略、商業(yè)模式和客戶行為，那么自下而上地管理這項技術(shù)就沒有意義。對這些公司來說，像AI這種變革性的、至關(guān)重要的資源從定義上講是具有戰(zhàn)略意義的。如何在業(yè)務中使用這些資源，應該成為高級管理者和戰(zhàn)略團隊關(guān)注的重點。戰(zhàn)略團隊應該在公司內(nèi)部協(xié)助決定AI用例的優(yōu)先級，以及其對產(chǎn)品、流程和合作伙伴關(guān)系產(chǎn)生的影響。AI和戰(zhàn)略應該以兩種主要方式聯(lián)系起來。第一，正如我們在本章中所討論的，是AI如何影響或支持業(yè)務戰(zhàn)略。如果它可以改進產(chǎn)品和服務、增強商業(yè)模式、轉(zhuǎn)變客戶渠道、優(yōu)化供應鏈等，那么它就應該成為公司戰(zhàn)略性考慮的一部分。第二，是為AI本身制定一個戰(zhàn)略。關(guān)于如何使用和管理AI，公司必須做出很多關(guān)鍵決策，包括如何構(gòu)建或購買AI能力、從哪里尋找關(guān)鍵人才、開展哪些項目，以及AI舉措如何與數(shù)字化平臺和流程相關(guān)聯(lián)。所有這些決策都影響戰(zhàn)略，也受戰(zhàn)略影響，因此應該在戰(zhàn)略層面進行討論。德勤2021年“企業(yè)AI”的現(xiàn)狀調(diào)查顯示，戰(zhàn)略的某些方面是AI領導者的典型特征。那些在AI領域走得最遠的受訪者更有可能認同這樣一種觀點：他們擁有AI戰(zhàn)略，并且通過AI的使用從競爭對手中脫穎而出，他們的高級管理者闡明了AI的愿景將如何改變運營，以及他們的AI舉措對公司在未來5年保持競爭力很重要（見圖3-1）。圖3-1領先的AI戰(zhàn)略實踐要想讓AI以適當?shù)姆绞綄?zhàn)略性決策產(chǎn)生影響，企業(yè)需要滿足以下前提條件。·對高級管理人員進行AI教育至關(guān)重要。對于包含AI的戰(zhàn)略流程，參與戰(zhàn)略性規(guī)劃的高級管理人員需要熟悉不同的AI技術(shù)及用例。以AI為中心的戰(zhàn)略是商業(yè)舉措與AI能力的“匹配”過程，參與者需要了解這兩個方面。戰(zhàn)略職能部門或AI人才中心可能希望支持正式或非正式的教育舉措，以確保廣泛的參與，以及介入業(yè)務戰(zhàn)略中與AI相關(guān)的部分。·在戰(zhàn)略性流程中，企業(yè)需要將AI和其他技術(shù)的有利影響納入戰(zhàn)略性替代方案的考慮范圍。這可能需要改變戰(zhàn)略規(guī)劃的方法。例如，一家公司可能會問：“如果我們使用機器學習更好地預測了客戶行為，那么我們可以通過營銷計劃得到什么？我們?nèi)绾瓮ㄟ^對話式客服來實現(xiàn)客戶服務的轉(zhuǎn)型？”如果沒有內(nèi)化AI能力的思維過程，企業(yè)就不可能實施富含AI的戰(zhàn)略舉措?！こ藰?gòu)想之外，只有當公司實際部署執(zhí)行所需AI任務的系統(tǒng)時，AI才會被嵌入公司的產(chǎn)品和流程中。在戰(zhàn)略與AI開發(fā)部署周期之間建立聯(lián)系對于戰(zhàn)略性AI系統(tǒng)至關(guān)重要。戰(zhàn)略團隊需要影響AI項目的優(yōu)先級排序，并且應該有能力監(jiān)控AI項目的進展。在本章中，我們考慮了AI與戰(zhàn)略之間的5種關(guān)聯(lián)性——新業(yè)務與市場、新產(chǎn)品與服務、新商業(yè)模式與生態(tài)系統(tǒng)、新客戶行為和運營戰(zhàn)略執(zhí)行。一些大公司，比如平安、克羅格和安森保險，實際上可能采用三四種不同的原型。但在AI驅(qū)動的公司里，重要的是AI可以為公司的業(yè)績提高或增長做出實質(zhì)性貢獻。否則，我們很難說AI真正發(fā)揮了作用。雖然AI及相關(guān)技術(shù)可以幫助公司實現(xiàn)改進，但它們有時也會成為改進的障礙。這就是第4章的主題。技術(shù)和數(shù)據(jù)對以AI為中心的公司進行了介紹。AI的人性化方面是最具差異化和關(guān)使用工具包中的所有工具斷的傳統(tǒng)機器學習模型。深度學習算法并未被銀行監(jiān)管機個名為“ADA”（AdvancingDBSwithAI）的新數(shù)據(jù)平臺。這個平臺擁維護新的AI模型時實現(xiàn)盡可能多的自助服務。星展銀行還將其很多AI更快、更好地打造AI應用且結(jié)果未知的額外數(shù)據(jù)進行預測或分類。開發(fā)良好的學習也有AutoML版本）?？肆_格公司旗下的子公司84.5預下構(gòu)建和部署大量模型。84.51°的網(wǎng)站上提供了一些具有在第3章，我們介紹了克羅格公司在多大程度上依賴于這些工作來推動其戰(zhàn)略舉措。84.51°在數(shù)據(jù)科學方面探索劃。數(shù)據(jù)科學經(jīng)理斯科特·克勞福德從2015年開始領導這AutoML為企業(yè)的機器學習能力提供了各種潛在好處。與很多公更廣泛地支持、賦能和參與公司更好地使用和嵌入機器學習。“支持”和嵌入機器學習；“賦能”涉及確定最佳的機代碼共享或示例（通過促進共享的代碼存儲庫Github）以及咨詢來展其內(nèi)部開發(fā)的方法被稱為“8PML”定最適合訓練數(shù)據(jù)的模型。使用DataRobot的AutoML大大加快了這一時間來適應更多模型或?qū)⒏嗑ν度肓鞒痰钠渌邇r值方?jīng)Q方案工程、特征工程等）。該技術(shù)還使得技術(shù)水平較低的由于將算法與問題相匹配以前是專業(yè)數(shù)據(jù)科常不信任AutoML或認為它無法創(chuàng)建有效模型。在84富的數(shù)據(jù)科學家最初擔心，未來他們在算法和方法方面來之不易的深厚知識會變得沒有價值。公司的領導者強調(diào)，新工具將使人們更高效據(jù)科學訓練的人也能夠創(chuàng)建機器學習模型。84中的大量活動（如確定用例和探索性分析）現(xiàn)在家來完成了。擁有更多統(tǒng)計和機器學習經(jīng)驗的數(shù)84.51°的第三個機器學習方法的組成部分是模型部署，這也是最后一個方法。模型部署是將所選模型部署到生產(chǎn)系統(tǒng)和流程中?？紤]到克羅格公司的機器學習應用規(guī)模龐大（例如，銷售預測應用在隨后兩周的每一天都為2500多家商店里的每一件商品創(chuàng)建預測該流程的這國最大的保險公司之一和全球最大的銀行之一構(gòu)建和部署有經(jīng)歷的一個共同點是，“生產(chǎn)化”通常是機器學習項目中最具挑戰(zhàn)性AutoML工具可以通過生成嵌入模型的代碼或API來幫助完成部署過AutoML工具的標準化以及三階段機器學習方法都有助于打造“進行機器學習的機器”。模型的構(gòu)建、開發(fā)和部署業(yè)打造實體產(chǎn)品的方式相同。未來我們可能會看到這逐步擴大規(guī)模對很多采用AI的公司來說，一個關(guān)鍵的挑戰(zhàn)是如何達到足夠大的規(guī)模，以便在運營和績效方面有所作為。技術(shù)可以幫助公司實現(xiàn)這一目標，不過就像我們前面介紹的其他AI目標一樣，完整的答案是將技術(shù)與其他變革（如新的流程和新參與的人群）結(jié)合起來。我們在2021年進行的調(diào)查通過多個題目探討了大規(guī)模AI運營的問題。在AI上取得較高成就的公司（被稱為變革者和探路者）比兩類成就較低的公司（起步者和后進生）更有可能（高出的概率通常約為25%）同意進行大規(guī)模AI運營，因為它們已經(jīng)采用了幾種不同的AI運營實踐，以促進AI的規(guī)?；统掷m(xù)管理。這些實踐包括：AI模型的記錄流程或生命周期，使用MLOps來管理生產(chǎn)中的模型并確保其持續(xù)有效性，管理AI的新團隊結(jié)構(gòu)和工作流程，以及設置新的工作角色（包括產(chǎn)品經(jīng)理、數(shù)據(jù)工程師和機器學習工程師）來最大限度地推動AI進步（見圖4-1）。圖4-1領先的Al運營實踐殼牌是一個例子，它既需要擴大AI規(guī)模，又具備快速實現(xiàn)這一目標的能力。該公司正在利用AI實現(xiàn)幾個不同的商業(yè)目標：更快地提高對地下環(huán)境的了解，最大限度地提高新油田和現(xiàn)有油田的回收率，提高現(xiàn)有資產(chǎn)運營的效率和能效，以及為客戶提供低碳解決方案，比如優(yōu)化電動汽車充電，以及將可再生能源集成到電力系統(tǒng)之中。維護過程尤其需要大規(guī)模，這樣才能發(fā)揮作用，因為殼牌的所有設施中有數(shù)十萬臺設備需要維護。殼牌的數(shù)字創(chuàng)新和計算科學部門負責人丹·杰文斯表示，為了在該領域?qū)崿F(xiàn)規(guī)?；?，該公司不得不采用多種技術(shù)和方法。一種方法是使用預測性維護，這是一種用于預測設備何時性能下降或出現(xiàn)故障的技術(shù)，而不是在標準間隔進行維護或等待設備出現(xiàn)故障時才進行維護。殼牌的高管深信，預測性維護可以使設備更加可靠，維護更加高效，并有助于提高過程的安全性。杰文斯認為，AI對預測性維護模型（通常會在每個需要監(jiān)控的組件上采用監(jiān)督式機器學習）的需求超過了任何一個集中化的數(shù)據(jù)科學家團隊所能處理的能力。因此，殼牌決定招聘并培訓在AI技術(shù)方面與工廠和設備一起工作過的工程師，以便他們將來能夠在自助服務的基礎上開發(fā)、解釋和維護預測性維護模型。目前，殼牌AI社區(qū)的外部核心團隊成員已經(jīng)超過5000人（2013年內(nèi)部核心團隊只有30人未來還會有更多人加入，他們中的很多人是負責創(chuàng)建和監(jiān)督預測性維護模型的工程師。殼牌與優(yōu)達學城合作，創(chuàng)建了AI方法和技術(shù)的在線培訓。杰文斯表示，來自壓縮機、儀器、泵和控制閥等設備的數(shù)據(jù)被匯總到一個中央數(shù)據(jù)平臺，迄今為止已有“1.9萬億行數(shù)據(jù)”。殼牌還與微軟合作，使用其云服務Azure來處理這些數(shù)據(jù)，并使用Databricks的數(shù)據(jù)湖軟件DeltaLake進行存儲。工程師現(xiàn)在可以使用定制的AutoML工具來生成模型，并且已經(jīng)接受了驗證所選模型的技能培訓。他們還可以在模型投入生產(chǎn)后隨著時間的推移對其進行維護，并確保使用MLOps工具仍能進行良好的預測。杰文斯將其描述為工業(yè)領域中“世界上最大的MLOps應用之一”。這兩者都是我們在第3章中介紹的生態(tài)系統(tǒng)的一部分，該生態(tài)系統(tǒng)是殼牌與C3.AI及貝克休斯共同開發(fā)的。每天有超過一萬臺設備受到監(jiān)控，基于AI的預測性維護模型對其數(shù)據(jù)進行評估，而且這個數(shù)字還在以每周數(shù)百臺設備的速度增加。杰文斯說，從事這項工作的工程師往往喜歡學習機器學習的過程，由于他們了解設備，所以這些工程師非常適合解釋模型并對其進行操作?？紤]到殼牌公司開發(fā)和維護模型的人員的多樣性，以及在公司范圍內(nèi)共享資產(chǎn)的目標，對他們來說，使用相似的流程進行AI和系統(tǒng)開發(fā)非常重要。殼牌與微軟合作，提供開發(fā)工具和方法，包括DevOps（用于集成開發(fā)、IT運營、質(zhì)量管理和網(wǎng)絡安全的一種方法和工具集）、AzureBoards（用于跨團隊規(guī)劃、跟蹤和討論開發(fā)工作的儀表盤）、AzurePipelines（用于自動化系統(tǒng)開發(fā)和部署的一套工具和流程）和Github。這些工具的廣泛使用使得殼牌能夠共享代碼和算法，并快速成功地部署它們。在預測性維護以外的領域，殼牌已經(jīng)采用了一些類似的方法——擴大AI的參與度、使用通用流程，以及與外部供應商合作。該公司還使用了其他技術(shù)，例如，在管道維護方面，殼牌利用無人機上的攝像頭拍攝管道照片，然后利用深度學習模型來檢測潛在的維護問題。AI圖像識別的準確率接近人類檢查員，并且檢查所需的時間要少得多。在殼牌公司的一些工廠，人類員工用了6年時間才檢查完所有的管道，而無人機和AI系統(tǒng)可以在幾天內(nèi)完成。然后，人類檢查員（有時在遠程站點）可以確認由深度學習圖像識別模型做出的判斷，并確定優(yōu)先級。工廠只需要數(shù)量較少的現(xiàn)場檢查員，由他們進行更高級的核查。雖然檢查員需要一些具有說服力的理由才能相信無人機或AI方法的準確性，但他們現(xiàn)在已經(jīng)開始采用新流程了。殼牌還在地下勘探過程中尋求AI帶來的變革。殼牌意識到其地下數(shù)據(jù)分布在多個孤島中，不易進行分析，因此創(chuàng)建了一個地下數(shù)據(jù)宇宙。但殼牌的高管很快意識到，其地下勘探業(yè)務的很多合作者也需要訪問這些數(shù)據(jù)。殼牌及其業(yè)務合作伙伴創(chuàng)建了一種我們在第3章中以殼牌和其他公司為案例討論過的方法——數(shù)據(jù)和算法共享的生態(tài)系統(tǒng)。“開放地下數(shù)據(jù)宇宙”生態(tài)系統(tǒng)僅有幾年的開發(fā)歷史，但其規(guī)模已經(jīng)相當龐大。它由160多家公司組成，覆蓋能源公司、技術(shù)廠商、顧問和學術(shù)研究人員。它的主要重點是跨組織的數(shù)據(jù)交換，但它也是共享模型、應用程序、平臺和培訓資料的工具。該生態(tài)系統(tǒng)共享關(guān)于地震、油井、油儲和生產(chǎn)等信息的數(shù)據(jù)，并且每種數(shù)據(jù)類型都有相應的標準。其他AI驅(qū)動的公司根據(jù)自身的情況也有不同的方法來拓展AI，而且它們并不都是由技術(shù)驅(qū)動的。例如，聯(lián)合利華最大的挑戰(zhàn)是將AI的用例擴展到該公司開展業(yè)務的100多個國家和地區(qū)。隨著它在供應鏈、精準營銷、定價和促銷等領域推出高級分析和AI的新功能，聯(lián)合利華與每個國家的領導者（至少是大型市場的領導者）合作定制其模型，并將其與本地系統(tǒng)和流程集成。例如，在印度，聯(lián)合利華向90%的家庭銷售產(chǎn)品，但很多消費者習慣從當?shù)氐男⌒碗s貨店購買產(chǎn)品——印度國內(nèi)各地有數(shù)百萬家這樣的小店。從歷史上看，產(chǎn)品分類是基于聯(lián)合利華過去運送到商店的產(chǎn)品的。但現(xiàn)在，聯(lián)合利華的數(shù)據(jù)科學家已經(jīng)開發(fā)出了數(shù)千種模型，根據(jù)過去的銷售額、當?shù)氐南M模式、商店附近的生活水平以及不斷增長的產(chǎn)品類別（甚至競爭對手的產(chǎn)品類別）定制商店的商品分類。這些模式和顆粒度級別在印度效果很好，但對于那些人們習慣在大型連鎖雜貨店（如美國的克羅格公司）、購物俱樂部（如美國的開市客和山姆會員店）、大型超市（如法國的家樂福）或便利店（如日本的7-Eleven便利店）購物的國家，做法完全不同。聯(lián)合利華的數(shù)據(jù)、分析和AI部門主管安迪·希爾告訴我們：“對我們來說，業(yè)務規(guī)?；皇情_發(fā)模型的問題，而是在全球范圍內(nèi)進行變革管理和部署的問題?！惫芾碛糜谟柧欰I的數(shù)據(jù)現(xiàn)準確的預測。每一家認真對待AI的公司都必須在某個時候?qū)?shù)據(jù)進公司在擴展AI系統(tǒng)時遇到的最大障礙就是獲取、清理和整合合適的數(shù)我們已經(jīng)介紹了幾個主要的數(shù)據(jù)計劃：第2章話。這家公司一直致力于開發(fā)一個用于分析的數(shù)據(jù)湖與商業(yè)智能應用的一些傳統(tǒng)關(guān)系數(shù)據(jù)結(jié)合起來），不同數(shù)據(jù)庫中關(guān)于相同產(chǎn)品、客戶或供應商的數(shù)據(jù)。A發(fā)生侵犯隱私的行為，并在某些情況下解決這是勞動密集型的工作。因此，很多公司現(xiàn)在都在AI團隊中加入了數(shù)據(jù)工程師。他們的作用是構(gòu)建高質(zhì)量、大容量的數(shù)據(jù)環(huán)境，以便能夠訓練AI模型，并有可能將其應用于數(shù)據(jù)生產(chǎn)。執(zhí)行這些任務可以解放數(shù)據(jù)科學家，讓他們將更多精力放在算法開發(fā)和功能工程上，并傳統(tǒng)應用和體系架構(gòu)的負擔以及應對方法AI技術(shù)的一個重要問題（即使不那么令人興奮）是如何處理傳統(tǒng)的業(yè)務應用和復雜的現(xiàn)有技術(shù)架構(gòu)。如果要完全部署做出預測或建議的AI大型傳統(tǒng)企業(yè)還擁有復雜的AI架構(gòu)和技術(shù)堆棧。對整個公司內(nèi)部有大產(chǎn)生很多AI技術(shù)能力相互重疊的問題。領導者甚至很難知道誰在公司森保險建立AI優(yōu)先的機制。米勒介紹了安森保險如代化改造，將多個系統(tǒng)（其中幾個是通過收購并入公司的）整合到了一個平臺上，使關(guān)鍵服務實現(xiàn)模塊化（注冊、計費、定價等并將AI功能集成到核心系統(tǒng)和流程中。公司的目標是實現(xiàn)包括機器學習洞AI、數(shù)字化和智能運維AI在IT運營中的應用一直被稱為“IT自動化”，但最近被未取代人類IT運營人員，但它有助于將此類工作的增長限制在合縮短修復時間?？湛凸具€使用智能運維來監(jiān)控向“智慧天空”開放數(shù)司應該確保其端到端的IT和數(shù)字化基礎架構(gòu)始終可用或盡可能可用。AI驅(qū)動的公司也是數(shù)字驅(qū)動的公司，它們需要智能運維來保持數(shù)字化“燃料”的應用。構(gòu)建高性能計算環(huán)境AI技術(shù)不僅僅涉及軟件。計劃進行大量AI開發(fā)的公司需要打造一個合可在云端和本地部署配置中使用的GPU（圖形處理單元）。GPU最初且可能需要低延遲架構(gòu)來對模型進行實時評分。其他類型的AI方法需例如，德勤與英偉達合作成立了德勤AI計算中心，英偉達提供了支持AI技術(shù)的變革步伐AI技術(shù)可能是所有信息技術(shù)領域中變革最快的。成千上萬的研究人員衰敗。任何一家公司都不應該指望自己能為AI建立一個存在10技術(shù)——舊的“三駕馬車”，我們可能會在此基礎上增加戰(zhàn)略和商業(yè)模能力通往AI驅(qū)動的一般途徑有對應的能力成熟度模型，AI也是如此。提高AI成熟些公司的目標（通常都已實現(xiàn)）是通過將AI公司不僅僅是使用AI來提高現(xiàn)有戰(zhàn)略、運營和商業(yè)模式的效率的。實戶和合作伙伴的新關(guān)系。這些公司會根據(jù)各自成功開發(fā)新戰(zhàn)模式或產(chǎn)品的程度來評估其能力。以運營為重點的AI目標將涉及實現(xiàn)平安：一家打造新商業(yè)模式的“第5層”公司很難想象有哪家公司比平安集團更追求發(fā)展康服務、汽車服務和智慧城市服務等領域所構(gòu)建的生的商業(yè)模式、新的戰(zhàn)略、新的生態(tài)系統(tǒng)和新的流程。在2是一個非常好的戰(zhàn)略。沒有人會懷疑AI正在被用來推首席科學家、AI部門實際負責人肖京是卡內(nèi)基—梅隆大量數(shù)據(jù)（部分源自其生態(tài)系統(tǒng)）和大量應用用例有利于吸“好醫(yī)生”平臺上，基于AI的系統(tǒng)幫助人類醫(yī)生進行癥狀檢查和分類，為超過4億名用戶提供服務。好醫(yī)生平臺幫助平安開創(chuàng)了醫(yī)療健康新業(yè)務。在“智慧城市”業(yè)務部門，智能疾病預測系統(tǒng)有助于監(jiān)控和預測中國多個大城市社區(qū)中的流感和糖尿病等疾病的發(fā)生?！捌桨埠密囍鳌闭掌鉀Q車禍索賠問題。該應用軟件還可以在不到7秒的時間內(nèi)為客戶生成推薦的保險單。面向金融服務公司的“平安一賬通”業(yè)務擁有強“平安大腦”集成了深度學習、數(shù)據(jù)挖掘、生物識別和其他技術(shù)，為產(chǎn)業(yè)鏈事件分析、語音識別、推薦引擎和機器但該公司在中國其他幾個城市以及包括新加坡其他保險公司或其他行業(yè)的公司沒有理由不采用同樣的豐業(yè)銀行：起步慢、成長快的運營轉(zhuǎn)型司落后了，它就永遠無法趕上了?？偛课挥诩幽么蟮摹拔宕筱y行”之一個性都是一致的，沒有摩擦或阻礙?！蹦繕酥苯咏Y(jié)合起來。例如，雖然分析和AI功能是集中的，但大多數(shù)數(shù)據(jù)科學家都是直接與各種業(yè)務線保持一致的。因此，關(guān)于開發(fā)什么樣的分析和AI用例，業(yè)務領導者最終會推動其議程，并與專門的分析和更好的決策是最好的前進方式。他們實現(xiàn)這一目標的方式是采果為導向的AI方法——菲爾稱之為“藍領AI”。其關(guān)注的不是研究或試上沒有什么“大爆炸”項目，只有那些涉及持續(xù)改善銀行運營和客戶關(guān)模式和產(chǎn)品的可能方式，但絕大多數(shù)CID&A團隊成員都專注于改善動。此引擎分析銀行所掌握的客戶生活事件（新抵押貸款生、孩子上大學）和客戶偏好的特定渠道（分支機構(gòu)、移例。通過自動化處理全球銀行和市場部門后變化。他們的目標是更快速地為分析和AI用例提供數(shù)據(jù)據(jù)、交易數(shù)據(jù)、余額數(shù)據(jù)等數(shù)據(jù)中確定可復理方法提高了速度、一致性和價值。雖然在數(shù)據(jù)項目上中絕大多數(shù)計劃能夠部署到生產(chǎn)中。該銀行的AI數(shù)據(jù)和AI對保險客戶行為的影響我們發(fā)現(xiàn)，在這個行業(yè)的不同領域，至少有3家公司正在嘗試改變客和分析做出客戶導向的決策的先鋒。它是業(yè)內(nèi)第一家基于在第4章中介紹的安森保險是一家非常大的美國健康公司；宏利保險則是加拿大最大的保險公司（業(yè)務遍及美國和亞洲在全球范圍內(nèi)，汽車保險業(yè)務正朝著這樣一種理念發(fā)展，即實際駕駛習慣是決定客戶應該支付多少保險費的最佳方式。這種方數(shù)據(jù)。它使用機器學習模型將駕駛行為轉(zhuǎn)化為對個人客戶收取的保險“快照”在美國不同的州會監(jiān)測不同的要素，但前進保險搜集的駕駛數(shù)據(jù)（通過手機或插在汽車里的設備以無線方式傳輸數(shù)據(jù)）包“快照”不僅通過價格折扣（高達30%）來影響客戶的行為，還通過駕成的駕駛提示。前進保險聲稱，通過使用“快照”，司當今全球10家最有價值的公司中有7家是平臺型企業(yè)，這類企業(yè)有效我們的平臺方法已經(jīng)開始產(chǎn)生影響：我們已經(jīng)將護理服務的交求，并在適當?shù)臅r間將人們與合適的護理聯(lián)系起來——將數(shù)字化、虛擬和實體護理無縫融合。我們能夠使用AI和機器學習能力持續(xù)優(yōu)化供需，以確定個人健康需求，從而推動社區(qū)層面的整體健人定制護理體驗。其中一個工具擁有利用會員提供的健康洞察力，為患者創(chuàng)建一個360度的整體視圖。此視圖可以利用患者的保險的AI工具可以幫助臨床醫(yī)生在大量數(shù)據(jù)中總結(jié)對患者進行的健康除了賦能會員和供應商，該公司還通過制訂健康計劃的方法來識別護理方面的差距，特別是那些對享受醫(yī)療保險和醫(yī)療補助的會員有影響的差距。這些AI和分析工具旨在通過對“聯(lián)邦醫(yī)保優(yōu)勢計劃”和“聯(lián)邦醫(yī)療保險處方藥計劃”質(zhì)量評級進行根本的分析，實現(xiàn)“下一步最佳行動”臨床干預設計，以及向會員提供個性化的外展服務，從而降低風險和癥）的會員與整個護理團隊聯(lián)系起來。安森保險還向企業(yè)安森保險已經(jīng)與其合作伙伴“氫健康”一起開發(fā)了一個癥狀檢查器，會試改善會員的健康狀況。這是該公司的眾多嘗試之一，目的是利用數(shù)據(jù)、AI和相對自動化的干預手段，教育消費者什么是健康的行為，并一直非常關(guān)注這項技術(shù)。它擁有人員、領導力、投資和其他資源來推為是一個艱巨遠大的目標，安森保險將在一段時間內(nèi)通過AI和其他舉宏利保險的目標是幫助客戶過上更安全、更健宏利保險是總部位于英國的保險公司Vitality為數(shù)不多的全球性合作伙伴之一（平安集團也是其中之一）。Vitality致力于激勵人們改變行為為導致4種非傳染性疾?。ê粑到y(tǒng)疾病、癌癥、糖尿病和心血管疾較低的保險費及旅游折扣）。會員還可以從合作的零售商那里獲說，AI影響行為的研究還處于起步階段。我們還不知中介紹的每家公司都讓AI具備多種用途。平安集團利用AI不僅是為了效率，它還在嘗試影響客戶的行為。前進保險不僅將AI用在“快照”及集團在其每個生態(tài)系統(tǒng)都有初創(chuàng)公司競爭對手。開發(fā)合乎倫理的AI能力開發(fā)AI能力的一個關(guān)鍵方面是確保AI系統(tǒng)是值得信賴且合乎倫理的。這在原則上被廣泛認為是一個重要的領域，但實際上要做到這一點有很大的困難。只有少數(shù)公司擁有所需的結(jié)構(gòu)和流程，其中大多數(shù)是科技公司。但即便這些科技公司，也面臨著AI倫理的挑戰(zhàn)。AI廠商的政策和角色See,forexample,ThomasH.Davenport,“TheFutureofWorkNow:EthicalAIatSalesforce,”Forbes,May27,2021,/sites/tomdavenport/2021/05/27/the-future-of-work-now-ethical-ai-at-salesforce/?sh=16195cd53eb6.MargaretMitchelletal.,“ModelCardsforModelReporting,”paperpresent-edatFAT*’19:ConferenceonFairness,Accountability,andTransparency,January2019,arXiv:1810.03993.IsabelKloumannandJonathanTannen,“HowWe’reUsingFairnessFlowtoHelpBuildAIThatWorksBetterforEveryone,”Facebookblogpost,March31,2021,/blog/how-were-using-fairness-flow-to-help-build-ai-that-works-better-