当前位置:
首页 > 互联网+ > 人工智能 > 给你一本人工智能入门生意经(《哈佛商业评论》增刊)pdf/doc/txt格式电子书下载

给你一本人工智能入门生意经(《哈佛商业评论》增刊)pdf/doc/txt格式电子书下载

本站仅展示书籍部分内容

如有任何咨询

请加微信10090337咨询

给你一本人工智能入门生意经(《哈佛商业评论》增刊)pdf/doc/txt格式电子书下载

书名:给你一本人工智能入门生意经(《哈佛商业评论》增刊)pdf/doc/txt格式电子书下载

推荐语:

作者:哈佛商业评论著

出版社:浙江出版集团数字传媒有限公司

出版时间:2018-03-09

书籍编号:30402585

ISBN:

正文语种:中文

字数:45994

版次:1

所属分类:互联网+-人工智能

全书内容:

给你一本人工智能入门生意经(《哈佛商业评论》增刊)pdf/doc/txt格式电子书下载






序 给你一本人工智能入门生意经

作为现下最火的话题之一,人工智能(AI)无疑将会在商业领域中产生巨大影响,也将极大程度地扩大早前多个通用技术的应用规模。对于其前景,我们都充满了期待,然而像很多新技术一样,AI也让人们产生多种不切实际的期望。不少商业计划书随随便便提到机器学习、神经网络和其他技术,但和这些技术的实际能力并没有多大关联。比如,一个约会网站称“受AI驱动”,该网站不会因此变得更有效(但可能获得筹款)。


实际上,目前AI最大的进步出现在以下两大领域:感知和认知。前一类别中出现的一些重大实践进展与说话有关。虽然语音识别仍有很大改善空间,但数百万人都在使用该功能,相关应用比如Siri、Alexa和谷歌助手。图像识别也有显著提升。图像识别甚至取代了公司总部的身份证件。大型数据库ImageNet识别数百万张普通、模糊或离奇的图像,最优系统的误差率在2010年为30%多,2016年时降到了约4%。


第二类重大突破是认知和问题解决能力的提升。机器已经打败了最优秀的人类扑克牌和围棋选手;谷歌的DeepMind团队利用ML系统,在人类专家对系统的优化基础之上,将数据中心的冷却效率进一步提高15%以上;网络安全公司Deep Instinct和PayPal分别利用智能代理检测恶意代码和防止洗钱。


以上都是AI系统的杰出成就,现在全球数千家公司已经在应用人工智能,从商业潜力(而非技术)角度考察AI,对公司而言很有益处。大体上讲,AI可以支持三个重要的商业需求:业务流程自动化、数据分析洞见,以及与客户和员工的交流。但其应用领域依然有限,绝大多数重要机会尚未发掘。瓶颈主要出现在管理、执行和商业想象力方面。本期《哈佛商业评论·增刊》精选9篇文章,从商业模式、教育以及应用场景,深入探析人工智能的发展机遇与未来。

给你一本人工智能入门生意经(《哈佛商业评论》增刊)pdf/doc/txt格式电子书下载

托马斯·达文波特(Thomas Davenport)拉杰夫·罗南基(Rajeev Ronanki) | 文 蒋荟蓉 | 译 刘筱薇 | 校 时青靖 | 编辑


尽管认知技术得到了各类资源的鼎力相助,已被应用于各行各业以及整个价值链,但很多雄心勃勃的人工智能项目如今却遇到了障碍并有所推迟。公司在今后应循序渐进,而不是彻底颠覆。


给你一本人工智能入门生意经(《哈佛商业评论》增刊)pdf/doc/txt格式电子书下载


2013年,美国安德森癌症中心(MD Anderson Cancer Center)启动了一项大工程:利用IBM的Watson认知系统诊断某些癌症,并推荐治疗方案。2007年,该项目成本超过6200万美元,Watson系统尚未得到临床运用,项目就暂时中止。


在此期间,癌症中心的IT团队也在尝试利用认知系统做一些比较微小的实际工作:为患者家人提供餐饮住宿信息,判断哪些病人承担医疗费用有困难,帮助中心员工解决IT问题,等等。这些项目得到了更积极的成果:新系统使得患者满意度和财务表现提升,医院护理主管用于录入数据这项单调工作的时间减少。虽然大的项目未能取得成功,但安德森癌症中心依然坚持使用认知技术(即下一代人工智能)辅助癌症治疗,目前安德森的认知计算能力中心正在开发各种新项目。


有意开发AI项目的组织都应当注意这个差距。我们对250位熟悉公司认知技术应用的高管进行了调查,其中3/4认为AI会在3年内彻底改变自己所在的公司。然而我们研究了约150家公司的152个项目,发现期望很高的大项目成功率低于比较简单的改进业务流程项目。这个结果并不奇怪,以往公司采用新技术大体上也是这个趋势。但围绕人工智能的炒作天花乱坠,一些组织受到了蛊惑。


本文将会梳理目前公司应用AI的几大类方法,并提供理论框架,指导公司在今后几年里培养运用认知技术的能力,实现商业目标。


核心观点


问题


认知技术越来越多地用于解决商业问题,但很多原本大有前途的AI项目遭遇了挫折和失败。


应对方案


公司应当循序渐进,不要急于变革,应该让AI辅助人类工作,不要取代人工。


过程


要最大限度地利用AI,公司必须了解各种技术的用处,根据商业需求安排项目组合,并制定计划将AI项目推广到整个公司。


AI的三种类型


从商业潜力(而非技术)角度考察AI,对公司而言很有益处。大体上讲,AI可以支持三个重要的商业需求:业务流程自动化、数据分析洞见,以及与客户和员工的交流。(见图表《认知项目分类》)


流程自动化。我们研究的152个项目里,最常见的类型是运用机器人流程自动化(robotic process automation,简称RPA)技术,实现网络及现实任务(通常是行政事务和财务方面)自动化。RPA比早期的商务流程自动化工具更先进,因为“机器人”(也就是服务器上的代码)像人类一样接收和理解来自多个IT系统的信息。任务有以下几种:


• 把数据从电子邮件和呼叫中心系统转入记录系统,例如更新有地址变更或附加服务要求的客户档案;


• 更新挂失的信用卡和银行卡信息,进入多个系统更新信息,并处理客户沟通事宜;


• 从多种文档类型中提取信息,跨计费系统处理服务收费方面的错误;


• “阅读”法律和合同文档,运用自然语言处理提取其中的条目信息。


RPA是本文讨论的认知技术应用中最便宜、最便捷的方式,而且通常会迅速带来很高的投资回报。(也是最不“智能”的方式,这些程序并不会学习和改进,不过开发者在逐渐提升其智能和学习能力。)RPA尤其适合处理涵盖多个后端系统的工作。


在美国航空航天局(简称NASA),成本压力促使该机构启动了四项RPA实验项目,分别是应付账款、应收账款、IT支出和人力资源,全部由一个共享的服务中心管理。这四个项目运营得不错——例如人力资源方面,86%的交易在没有人工参与的情况下完成——现在推广到整个组织。现在NASA启用了更多RPA机器人,其中一些智能水平更高。如共享服务中心的项目负责人吉姆·沃克(Jim Walker)所说,“目前我们的项目还没有特别复杂。”


也许有人以为,运用机器人实现流程自动化,很快就会导致人类没有工作。但我们研究的RPA项目中有71个(占总数的47%)并未将“取代行政员工”作为首要目标,最终也没有出现这样的结果。只有几个项目最后减少了人手,而且大部分是已转为外包的任务。随着技术发展,将来机器人自动化项目可能会导致一部分人失业,特别是在业务流程离岸外包行业。一项任务如果可以外包,也许就可以自动化。


认知洞见。研究中第二大常见(占总数的38%)的项目类型是运用算法在大量数据中寻找规律并进行解读,可以说是一种超级分析。这类机器学习程序用于以下几个方面:


• 预测某位特定客户可能会购买什么;


• 实时识别信用欺诈和保险索赔欺诈;


• 分析质保期,发现手机等制成品的安全或质量问题;


• 针对目标群体自动生成个性化广告;


• 为保险机构提供更为准确细致的精算建模。


给你一本人工智能入门生意经(《哈佛商业评论》增刊)pdf/doc/txt格式电子书下载


(返回原文阅读)


机器学习提供的认知洞见与传统分析结果的不同之处,通常有以下三个方面:数据密集程度更高、更详细,模型更具针对性,而且模型根据新数据进行预测或分类的能力会逐渐提升。


机器学习的变种(尤其是深度学习,这种技术尝试模拟人类大脑活动,寻找其中的规律)可以实现识别图像和声音等功能。机器学习也可以生成可用的新数据供进一步分析。数据综合处理(data curation)一直以来都是劳动密集型活动,但现在可以利用机器学习找到多个数据库中的概率匹配(probabilistic match),即可能与同一个体相关、以略微不同的形式出现的数据。通用电气(GE)运用这种技术整合供应商数据,消除冗余、洽谈合同(之前这些工作在业务部门层面进行),第一年就节省了8000万美元。某大型银行也运用该技术,从供应商合同中提取条目信息,与发票编号比对,找到未提供的产品和服务,总价值上千万美元。德勤的审计部门用认知洞见提取合同条目,可以提升自动处理文档的比例,经常能够在完全不耗费人工的情况下完成审计。


认知洞见应用多用于提升机器的工作表现,如广告购买计划(programmatic ad buying),涉及人类力所不能及的高速数据分析和自动化,因此通常不会令人类失业。


AI的商业效益


我们调查了250位熟悉自己所在公司认知技术使用情况的高管,了解他们AI项目的目标。半数以上参与者表示,首要目标是改进现有产品。只有22%的参与者提到了削减人手。


给你一本人工智能入门生意经(《哈佛商业评论》增刊)pdf/doc/txt格式电子书下载


认知交互。我们研究中第三大类(占总数的16%)项目,是通过搭载了自然语言处理的聊天机器人、智能代理和机器学习,与员工和顾客交流。这个类型包括:


• 由智能代理提供全天候客户服务,可以解决从忘记密码到技术支持等许多问题,将来支持的范围还会更加广泛,且全程使用客户的自然语言;


• 用内部网页回答员工在IT、员工福利和人才政策等方面的问题;


• 供零售商使用的产品及服务推荐系统,提升个性化、参与度和销量,通常有大量的文字和图片;


• 治疗方案推荐系统,帮助医疗服务提供方根据患者健康状况和之前接受的治疗制定护理计划。


我们研究的公司,运用认知交互技术多半是与员工而非客户交流。等到公司更放心地把客户交流工作交给机器,这种现状可能会改变。例如Vanguard在试点用智能代理帮助客户服务人员解答常见问题,计划最终让顾客直接与智能代理交流,不需要人类客服参与。瑞典的SEBank和美国医疗科技巨头BD(Becton, Dickinson)公司用智能仿人代理Amelia为内部员工提供IT支持。前不久SEBank在一定范围内向客户开放了Amelia,测试其表现,并收集客户反馈。


公司在面对客户的认知交互技术方面倾向于保守,一大原因是技术尚不成熟。举例来说,Facebook发现网站的聊天机器人Messenger在没有人工参与的情况下难以回答70%的用户提问,于是Facebook和其他几家公司将用户与聊天机器人交流的话题和种类限制在一定的范围内。


我们的研究表明,认知交互应用目前不会让客服和销售人员有失业之虞。我们研究的大部分项目,目标都不是裁员,而是在不增加员工数量的情况下满足日益增长的员工及客户交流需求。一些组织打算让机器处理常规交流,让客服人员承担更复杂的任务,如应对较为严重的客户问题,引导更进一步的非结构化对话,或在客户遇到问题打来电话之前主动询问。


公司更加熟悉认知工具之后,就会尝试综合运用以上三类工具的要素开展项目,获取AI带来的益处。例如,意大利某保险公司在IT部门设置“电子服务台”。这套系统运用深度学习技术(属于认知洞见领域)查找常见问题及其答案、之前类似问题的解决方案以及相关记录,为员工解决问题。它运用自由路径功能(smart-routing capability,属于业务流程自动化),将复杂程度最高的问题转给工作人员,并且运用自然语言处理,用意大利语回答用户的问题。


不过,虽然公司运用认知工具的经验迅速增加,但在开发和应用中仍然存在着巨大的障碍。我们以研究为基础,总结出四个步骤。公司可以参考这套理论综合运用AI技术实现目标,无论是宏伟的目标还是改进业务流程都可一试。

一、了解技术


开展AI项目之前,公司必须知道哪一种技术可以用来执行哪一类任务,并了解各类技术的优势和局限。例如基于规则的专家系统和机器人流程自动化,运作方式都是透明的,但都无法学习和自我升级。而深度学习善于从大量的有标记数据(labeled data)中学习,但我们几乎不可能理解它建立模型的方式。这个“黑盒子”问题在规范性很高的行业可能会造成问题,例如金融服务行业,监管者一定要问明决策原因。

二、设置项目组合


启动AI项目的第二步是,系统性地评估需求和能力,据此设置优先级项目组合。在我们研究的公司中,这一步通常是通过研讨会或小规模咨询项目完成的。我们推荐公司在三大领域进行评估。


找到机会。第一项评估是要确定公司哪些单元从认知技术中获益最大,通常是非常需要“知识”(从数据分析或大量文本中提取的重要洞见)却不可得的部门。


• 瓶颈。在某些情况下,缺乏认知洞见是由于信息流遭遇瓶颈。所需的知识在组织中的确有,但分布状况并不理想。医疗卫生行业就是如此,不同操作、科室或医学研究中心的知识彼此往往不共通。


• 规模化问题。还有一种情况是知识的确存在,但要经过冗

....

本站仅展示书籍部分内容

如有任何咨询

请加微信10090337咨询

本站仅展示书籍部分内容
如有任何咨询

请加微信10090337咨询

再显示