2020年12月29日

麥肯錫 2020 年 AI 現狀調查報告的筆記

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

  1. 產品/服務開發:新基於AI的產品改進  24%,產品功能最佳化  21%
  2. 服務運作:服務運作最佳化 24% ,預測服務和干預 19%
  3. 行銷與銷售:客戶服務分析 17%,客戶區隔 14%
  4. 風險 :風險模型與分析 16%,舞弊與債務分析 12%
  5. 製造 : 產出、能源和生產能力最佳化 15%,預測性的維護 12%
  6. 人力資源 : 人才的僱用留任等管理最佳化 10%,執行管理 7%
  7. 供應鏈管理 : 物流網路最佳化 9%,倉儲與零件最佳化 9%
  8. 策略與公司財務 : 資本配置 8%,併購支援 6%
其中,增進收入效應大部分來自

  • 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
降低成本效應大部分來自

  • 人才管理最佳化
  • 接洽中心自動化
  • 倉庫自動化

AI 對公司整體營收( 2019 年的 EBIT)來說大部分導入 AI 者都說有幫助,22% 增加 5%+,48% 增加 5%-。若以各組織功能來看,回應者普遍說 AI 增加營收而較少說 AI 幫他們降低成本。( 點入原文看 2018 和 2019 年 8 個組織功能收入增加 % 佔比圖 Revenue increase from AI adoption by function)

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 導入貢獻收入最多的企業和其他企業的差別

  • 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 )

受訪的執行長發現的關鍵領先實踐 :

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
人才和領導力
  • 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 
採用
  • 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。

管理 AI 風險

  • 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

這裡面 (3) 可解釋性 的風險普遍在許多產業發生,如醫療的診斷、財務投資,如果無法解釋,不知道 AI 為什麼給予這樣的推薦,將讓前線工作者無法信任而不執行。這可能引發更大風險 : 缺乏採用、浪費投資、輸給競爭者。 

採用儘可能簡單與透明的模型減少 AI 的建議無法解釋的風險。

麥肯錫顧問叮嚀 :

  • 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 )。

COVID-19 對 AI 導入企業的影響

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

歡迎加入 Telegram 追蹤 IS 部落格












   



沒有留言: