数智物语出品
作者：Michael Chui
编译：雅各布
调查显示，人工智能正处于快速应用阶段，但对劳动力的影响微乎其微。事实上，并没有多少公司真正完成了能使人工智能产生规模性价值的基础建设。
根据麦肯锡关于人工智能的最新全球调查显示，人工智能的应用正在全球范围内迅速发挥作用。人工智能，通常定义为机器模仿人类思维进行认知的能力（如感知，推理，学习和解决问题的能力），包括一系列使用人工智能解决业务问题的能力。
本次调研特别调查了组织中关于人工智能的9大功能。
9大功能是指自然语言理解，语音识别，自然语言生成，虚拟助手，计算机视觉，机器学习，机器人，无人驾驶和机器人流程自动化（RPA），有人会认为RPA本身不应被归类为人工智能，但根据我们的经验，RPA系统越来越多地将人工智能功能纳入其中。
近半数的受访者表示其组织中已将至少一项功能嵌入其组织的标准业务流程中，而另外30％的受访者表示他们正试图引入人工智能。总的来说，商业世界才刚开始利用这些技术及其带来的优势。大多数被调查的只在特定职能部门中部署了人工智能公司表示，从中获得了重要或中等的价值。但仅有21％的受访者表示已将人工智能嵌入到多个业务部门或职能中。实际上，许多公司仍缺乏能够真正让人工智能创造规模价值的基本实践，比如明确描绘出人工智能带来的机会在哪里，并采取清晰的策略来获取人工智能所需的数据。
结果证实，有效使用人工智能的一个关键因素，是公司通过数字化改变其核心业务。与同行相比，那些数字化领先的公司受访者显示，他们在业务职能部门的人工智能使用率更高，对于人工智能的投入和使用人工智能带来的整体价值也更高。
人工智能的另一个挑战是如何找到技能娴熟的专业人才来进行有效地实施。许多受访者表示，他们的公司正在通过多样化的方法寻找人才来应对这个问题。总体而言，尽管人们普遍担心人工智能和自动化被用于替代现有劳动力，但受访者往往认为人工智能在未来几年对公司的总人数影响不大。
使用，部署与应用人工智能
人工智能应用的进展如何？调查结果表明，大多数公司已经在他们的业务中开始使用人工智能技术。
* 47％的受访者表示他们的公司在其业务流程中至少嵌入了一项关于人工智能的功能（相比之下，2017年的另一项研究中这一比例仅为20％，另有30％的人表示他们仍在试点人工智能）所以，在企业中运用人工智能仍有巨大空间，正如我们之前的研究所表明的那样，人工智能的机会存在于企业的各个部门和职能中。
*21％的受访者表示他们的公司只在某些业务部门中嵌入了人工智能，到目前为止，对人工智能的投资只占公司数字技术总体支出的一小部分。
*尽管绝大多数受访者（71％）预期在未来几年人工智能的投资会持续增长，但大部分受访者（58%）表示只有不到十分之一的数字化预算用于部署人工智能。
已部署哪些人工智能功能
在我们询问的关于人工智能应用的九大功能中，最多部署的是机器人处理自动化（RPA），计算机视觉和机器学习。至少有20％的受访者表示他们的公司已经将这三项技术嵌入到他们的业务流程中。
相对而言，机器人和无人驾驶的部署最少，主要是因为它们仅和那些对此技术有明确应用的行业相关；在这些限定行业中，受访者表示了对于这两项功能的大量使用。例如，从事汽车与装配行业的的一半受访者（与总平均值的16％相比）表示机器人至少嵌入在一个功能或业务部门中。
应用人工智能的行业
按行业划分，电信，高科技和金融服务公司在整体应用方面处于领先地位。从行业和职能来看，企业在部署人工智能时通常会伴随着资金流向。这似乎也证明了在这些特定行业中，人工智能对于创造高价值的业务板块具有极强的吸引力（图表1）。例如，在零售业中，人工智能在营销和销售过程中的使用最为常见：52％的零售业受访者表示他们在营销和销售中使用人工智能，而在所有受访者中这一比例为29％。
图表1
人工智能在哪些业务部门创造价值
虽然人工智能的应用仍处于早期阶段，但事实证明它已经带来了有价值的回报。当受访者被问及他们已部署人工智能模块的业务部门所获得的价值时，仅有1％的受访者表示他们没有看到任何价值或有任何负价值。相比之下，41％的受访者表示获得了显著价值。37％表示获得了中等价值。
在各业务职能中，在制造和风控中使用人工智能的受访者表示，他们看到了人工智能带来的巨大价值（图表2）。超半数的受访者表示在这些业务流程中使用人工智能带来的成效显著，在营销和销售中，这一比例为35%。
图表2
人工智能的机遇和挑战
事实证明，为了充分利用AI的巨大潜力，大多数组织在人工智能核心实践的发展上还有很长的路要走，这些核心实践能够实现AI潜在价值的规模性转化（图表3）。然而，只有17％的受访者表示其公司已经在整个组织中明确了所有人工智能的潜在机遇。18％的受访者表示其公司已有明确的战略来储备人工智能正常运行所需要的数据。事实上，近四分之一的受访者表示，他们的公司尚未发展我们所调查的11项实践中的任意一项。
图表3
当受访者被问及应用人工智能面临的最大挑战时，受访者表示最常见的障碍也与战略相关。他们一致认为最主要的是缺乏清晰的人工智能战略（图表4），其次是缺乏合适的人才，功能孤岛限制了人工智能从端到端的解决方案，以及缺乏能对人工智能实行强领导和强兑现的高层领袖。
图表4
我们发现，人工智能的一个关键推动因素是公司持续推进的数字化进程。在核心业务数字化方面取得重大进展的公司同样也处于人工智能应用前沿。在领先的数字化公司中，67％的受访者表示他们的公司已将人工智能嵌入到了标准业务流程中，而其他没有嵌入的公司则为43％。在这些嵌入了人工智能的公司中他们最有可能部署的是机器学习功能，调查结果显示： 在领先的数字化公司中有39％的公司已嵌入机器学习，而在其它公司中这一比例比例为16％（图表5）。
图表5
尽管上述两类公司都表示了人工智能最常用于日常服务运营和产品开发，但相比之下，数字化程度领先的公司已经在更多职能领域部署了人工智能。这类公司在人工智能方面投资也更多：在数字化程度最高的公司中，19％的公司表示，其数字化支出的五分之一以上用于人工智能，而其他公司只有8％投入了相同支出。平均值显示，在数字化程度较高的公司52％的受访者表示使用人工智能具有显著价值，而在其它公司中仅38％表示如此。
虽然人工智能某些应用障碍对数字化领先的公司而言压力要小很多（只有27％的人认为其缺乏战略，而其他公司的这一比例为46％），但这些公司和他们的同行们一样都表示很难找到合适的人才。事实上，41％的受访者表示，人才是大多数高度数字化公司所面临的最大挑战。
人工智能需要什么样的人才？
人工智能对于公司人才组建提出了两个问题：1、去哪里找知识渊博的人才来部署人工智能？
2、人工智能的自动化程度会在多大程度上影响到员工数量？
由于人才是人工智能面临的最大挑战之一，无论公司的数字规划多么先进，公司在筹备人员和培养专业技能上费尽九牛二虎之力都不足为奇。最常见的，受访者表示他们的组织正在ALL IN所有方法：雇用外部人才，内部培养，以及从大型技术公司采购或授权。
在人工智能领域处于领先地位的行业（如电信，高科技和金融服务领域）也会结合内部培养和外部引进，即使他们本身在人工智能开发方面比其他人更专注。相比其他行业这些行业的受访者表示，他们更倾向于内部培养。在高科技和金融服务领域，受访者表示更有可能接受再培训或提升技能。大多数领先的数字化公司也是如此：受访者倾向于公司会在内部培养人工智能的应用能力以及对当前员工进行再培训或提升技能（图表6）。
图表6
与此同时，数字化领先的公司利用人工智能实现自动化劳动的程度也比其他公司更高。
从职能划分来看，客户服务，IT和服务流程运营这三项最常见，领先的数字化公司对于这三项的自动化程度都比同行更进一步。
然而，这些公司的受访者都表示人工智能对未来劳动力的影响将是细微与正向的。多位受访者表示，从现在起三年后，人工智能将不会真正影响其公司的员工数量。在数字化领先的公司中，受访者更相信公司人员会增加而不是减少。他们也比其他人更乐观，表示他们公司的劳动力将会持续增长（31％的人这样表示，而这一比例在其他同行中为18％）。这些结果同麦肯锡的其他研究都共同表明了：人工智能对劳动力的最大影响可能是人们所做工作的变化，尤其会加强人与机器的协作，而不是整体劳动力的减少。
展望未来
调查结果表明，数字化和某些基础实践对于大规模创造人工智能的价值至关重要。以下是公司如何发挥人工智能潜力的几个建议步骤：1、在数字化进程中取得进步。结果证实，数字化是从人工智能中获取价值的先决条件和关键推动因素。持续数字化意义十分重大，对于许多公司而言，它涉及了企业核心业务流程的转型升级和人们工作方式的转变。如果没有强大的数字化支撑，公司的人工智能系统将缺乏用于构建更好模型的训练数据，以及能够将卓越的人工智能洞察力转为大规模新型运营能力。
2、将人工智能的影响扩大到整个企业。虽然大多数公司已经在某种程度上部署了人工智能，但很少有公司能将其嵌入到多个业务部门或职能的标准化操作流程中，并且大约三分之一的公司还仍处于试验阶段。虽然人工智能仍处于早期阶段，但陷入“试验黑洞”才是真正的风险（试验黑洞是指经常在小范围内获得成功，但这些小范围的突破难以实现规模性转化，对于推动全局变革来说仍微不足道）。要实现大规模实现人工智能成果，不仅需要在整个企业中传播渗透，还需要领导者真正理解并全身心投入，带动企业大规模变革，同时领导者也更应关注并改变管理战略，而不单单是技术上的突破。
3、保证关键推动因素就位。虽然人工智能的应用推动很快，但调查表明，公司依然缺乏实现人工智能规模性价值所需的基本推动因素。这些推动因素包括高层管理者的重视，明确构建企业人工智能投资组合的蓝图，缩小人才缺口，以及无缝数据的战略实施，所有这些推送因素都需要围绕着人工智能的演化进行更多地战略思考。业务和技术领导者也必须快速建立起可推进工智能应用的关键因素。否则，可能会错失当前和未来的发展人工智能的最佳时机。
