麥肯錫在 2020 年 6 月對 2395 家企業做 AI 的市場調查,其中有 1151 家已至少應用 AI 在一個組織功能上 。 麥肯錫對這些已導入 AI 的公司做了訪問,在 11 月發表了 The State of AI in 2020 。
根據這份報導,有一小部分已經應用 AI 的企業將 2019 EBIT ( Earnings before Interest and Taxes ) 的 20%+ 歸功於 AI 。 這些公司計劃更進一步投資 AI,尤其是在 COVID-19 疫情下加速一切數位化的潮流中。這可能會更加大採用 AI 的先進領導企業和大部分還在掙扎是否要投資 AI 的企業之間的距離。不過大多數公司可以由這份報告獲得一些成功導入 AI 的一些有用的提示,並知悉導入 AI 需緩解的風險。
AI 的導入狀況與造成的影響
- 拉美和新興國家在導入 AI 的進度上比較落後
- 高科技與通訊產業導入 AI 比率最高,接著是汽車與裝配產業
- 企業中採用 AI 的組織功能前三大仍和 2019 調查一致 - 產品/服務開發、服務運作、行銷與銷售
在組織功能方面,AI 應用在 8 項,以下列出每項功能常見的 AI 使用案例占比
- 產品/服務開發:新基於AI的產品改進 24%,產品功能最佳化 21%
- 服務運作:服務運作最佳化 24% ,預測服務和干預 19%
- 行銷與銷售:客戶服務分析 17%,客戶區隔 14%
- 風險 :風險模型與分析 16%,舞弊與債務分析 12%
- 製造 : 產出、能源和生產能力最佳化 15%,預測性的維護 12%
- 人力資源 : 人才的僱用留任等管理最佳化 10%,執行管理 7%
- 供應鏈管理 : 物流網路最佳化 9%,倉儲與零件最佳化 9%
- 策略與公司財務 : 資本配置 8%,併購支援 6%
- 倉儲和零件最佳化
- 定價和促銷
- 客戶服務分析
- 銷售
- 需求預測
- 人才管理最佳化
- 接洽中心自動化
- 倉庫自動化
只有 16% 的公司說有用到深度學習,其中在高科技與通訊產業中有30%採用深度學習。
麥肯錫顧問的叮嚀 :
- 雖然大多公司回報 AI 幫助他們增加營收,但並不代表 AI 無法幫助降低成本
- AI 在全球屬於初期導入階段, 對於導入 AI 不只是科技的挑戰,也需要整個組織的變動,可有效地以可重複的方式導入。
- AI 似乎過了炒作期,漲勢有點減緩,不過仍很值得投資,需要有效地執行,創造對整體企業明顯的價值。
- AI 貢獻 EBIT 的表現一年比一年成長,較其他企業有超出兩倍比例在 2019 年 EBIT 增長 10% 以上
- 其 C 級主管( 如 CEO、CFO、CTO...) 對 AI 導入的參與和知識勝過其他企業,較其他企業 C 級主管有超出兩倍比例被評價具高效領導力
- 相對投資較多數位預算在 AI 上,且願意在未來三年對 AI 做更多投入,大部分雇用 AI 人才自製 AI 應用平台
- AI 的實踐較其他企業多兩倍,主要在六個種類: (1 ) 策略 (2) 才能和領導力 (3) 工作方式 (4) 模型、工具和技術 (5) 資料 (6) 採用。有些種類則大部分企業都差不多,如用測試和學習方法執行快速的 AI 啟動迭代,置入獲取商業回饋的流程,以及在做商業元件、功能或商業活動其他領域先後順序上定義 AI 使用案例的叢集。( 點入原文看最佳和一般企業對這六種 AI 實踐-包含⭐️每種實踐的多種活動⭐️-投入的 % 比較表 Share of respondents reporting their organizations engage in each practice 這個比較表細目讓你清楚每一種實踐相關的活動, 一定要去看 )
決策
- 從下到上的實踐,CEO 給予支持
- 投資決策由董事會決定,一完成使用案例,企業團隊必定要跟董事會報告,透明告知結果和為什麼要擴大投入
- 重度投入人才技能提升。由兩方面做整體工作力的提升 : (1 )與科技領導公司合作,提升執行者的資料與 AI 技術 (2) 通過專門課程提升高級主管對 AI 的技能與理解
- 讓人們站同一陣線並採用比建立技術花更多時間,領導者通常相信 AI,你需要告訴他們工作實際上需要什麼,此將如何改變他的業務,和這將如何讓他的同事更輕鬆。同樣的事也須跟員工們說明。只“訓練與說明”通常是不夠的,讓公司內領域專家參與解決方案建立通常很有用。
麥肯錫顧問叮嚀 :
- 真的有成功應用 AI 的劇本,有比較多公司開始建立 AI 基礎,但有的仍在花費不成比例的時間來清理和整合資料,沒有遵循標準協議建構 AI 工具,或做些與業務價值無關的“閃亮對象"分析。
- AI 應用表現最佳和表現不佳的公司差距不只在技術( 如複雜的 AI 建模)上,還有在人方面,如圍繞的 AI 做高級管理人才的調配,採用標準執行流程在整體組織擴展 AI 應用。
- AI 解決方案需要和使用者密切協作建立,以符合企業的需求,進行採用、擴大應用和創造價值。
- 企業增加對 AI 人才發展與培訓計畫以提升整體的分析敏銳度。
- 大多數認知的風險仍停在資訊安全上,很少認知運用 AI 有許多風險,更少去做降低風險的運作
- 在 2020 年更多提及國家安全和實體安全的問題( 但實體安全其實並非每個產業都會有 )
- 對於 AI 的可解釋性問題有越來越多的重視
- AI 應用最佳表現的公司較其他公司對風險做較多的緩解行動。他們較其他會有超過兩倍的比例去做緩解 AI 偏見造成的不公正問題。
點入原文看 AI 的多種風險在 2019 和 2020 年企業的認知度與是否採取行動緩解的比例 Risks that organizations consider relevant
AI 的風險包含 (1) 網路安全 (2) 規則遵循 (3) 可解釋性 (4) 個人隱私 (5) 組織信譽 (6) 勞動力誤置 (7) 公平公正 (8) 實體安全 (9) 國家安全 (10) 政治穩定
- 對於可解釋性的風險的注意提升是件好事,產業的規定、歐洲的 GDPR 和 加州的 CCPA 有助於這方面的風險意識
- 公平公正的風險解決需多方面著手,不只是性別、種族,還有年齡等都須考量( 如招募廣告只限制幾歲到幾歲看得到這種設定 )。
大多在 AI 導入上獲得很好成效的公司在 COVID-19 疫情下加倍投資 AI 於其每個重要的組織功能,一般企業則不到 30% 這麼做。 在此期間,汽車與組裝行業,醫療保健與藥品和醫療產品是最多比率增加投入的產業。 ( 請看原文 COVID-19 疫情下商業功能 AI 投資平均變化統計圖 Average change in AI investment across business functions because of COVID-19 pandemic )
應用越多 AI 的企業發現越多 AI 模型表現不佳的狀況,應用最多的組織功能發現問題的比率分別是 - 行銷與銷售 (32%)、產品/服務開發(21%)、服務運作(19%)。
一家大製藥公司因為疫情流行加速數位化和 AI 應用,尤其為了遠端維護和管理、減少到場工作的需求。 COVID-19 的流行成為原本就正在啟動的 AI 導入的行動催化劑,使系統更快完成、且要求更正確、更可靠,因為 COVID-19 流行期間比以往更加仰賴這樣的系統。
一家全球銀行因 COVID-19 加速線上線下客服整合,給予客戶更即時、更針對性的服務,且因應政府對企業的紓困,並由整合的資料集獲得事實,賦予 AI 回覆客戶的能力。如此不只幫到了客戶,也跟員工證明什麼是 AI 能做到的,促進員工努力做資料準備和其他 AI 的導入。
麥肯錫顧問叮嚀 :
COVID-19 迫使消費者和企業移往數位,企業比預想地更快進行 AI 的採用與擴展。 許多組織開始與分析團隊更新需求模式、重新思考供應鏈、繞著資源需求來制定情境計畫,並在工廠和其他生產環境做自動化,在這些環境中,工人需要拉開距離,或減少現場人員。 這些分析結果並非很正確,但根據訪問,高級主管認為足夠好到作為決策參考。
許多公司也開始從長期機會來看 AI 的導入,如由數位管道獲得更多資料,改進推薦系統給客戶更好的體驗,提供個性化內容與自動化的數位客服。
令人驚訝的,疫情令原本對 AI 投資成效佳的企業加速加大投資,又更拉大了與卻步或在 AI 投入上成效不彰的企業之間的競爭力差距。
🎬✨ AI 相關線上課程 ( 機器學習, 資料科學, 大數據, .... )
🎬 ✨ 給每個人的 AI 課程