对于AI,企业其实一直保持着非常高的关注,而且他们对AI的潜力信心十足。2021年,全球市值最大的2000家企业中,近半数曾在财报会议中谈到AI,对AI驱动业务转型的潜力展现出前所未有的信心。
埃森哲调研了中国250家在上一年收入超10亿美金的企业,并发布了《人工智能成熟之道:从实践到实效》研究报告,报告显示,2018到2010年,中国企业由AI推动的营收份额增加了一倍多,预计到2024年将增加至36%。埃森哲大中华区董事总经理、应用智能业务主管兼首席数据科学家陈泽奇指出,企业需要有更新更有效的方式进行内部的运营等来体现价值提升。
埃森哲大中华区董事总经理、应用智能业务主管兼首席数据科学家陈泽奇
AI的成熟之道
越来越多的企业都在使用AI取得竞争优势,调研中42%的受访企业表示,AI项目的回报超出了预期,回报未达预期的仅占1%。
所以AI的成熟与否对于企业发展至关重要。埃森哲也首次发布了人工智能成熟度评估框架,在80多个不同的能力组合中找到其中四个关键的组合,第一,战略与高管支持,有更高的高管支持,以便能够在公司通过AI赋能全方位的业务;第二,数据和AI核心,企业是否有数据平台的能力;第三,人才与文化,企业AI人才的储备;第四,负责任的AI,数据会涉及很多隐私,要有责任的使用。
埃森哲还将四大组合的能力分布到AI基础能力和AI差异化能力两个坐标轴上,划分出了AI领军者、AI创新者、AI建设者、AI实验者四个象限。
针对中国企业的调研分析显示,AI领军者、AI建设者和AI创新者合计仅占受访企业的 48% ,各自比例13%、29%和6%。剩下的受访企业归为第四类“AI试验者”(占受访企52%),其在基础能力和差异化能力两方面均表现平平。
“相比于全球,中国AI创新者占比更高,但AI建设者却低于全球。”陈泽奇说,中国企业对负责任的AI方面,顾虑和担心更高,所以数据安全、隐私、伦理合规会对企业AI落地部署形成挑战。
AI领军者的制胜法宝
AI领军者到底有何过人之处?陈泽奇提到,AI领军者有三大突出的能力,第一,多方兼顾,综合发力:将战略、流程和人员等方面优势融为一体;第二,小步快跑,规模推广:AI领军者更擅长把试点成果转化为更广泛的生产力;第三,打开格局,关注财务指标以外的因素:AI领军者可以实现业务、财务上的指标,同时也能够贡献绿色转型。
AI是一门学科,更是一门艺术。埃森哲看到成为AI领军者有五大制胜因素:
第一,坚定AI战略:100%的AI领军者表示,AI战略得到高管层的正式支持;
第二,发展AI人才:93%的AI领军者为基层员工与高管层设立了AI必修课;
第三,打造AI核心:AI领军者更倾向于定制机器学习应用,实现工具及团队产业化;
第四,设计负责任的AI:50%的中国企业希望在2024年规模化部署负责任的AI;
第五,优先AI投资:到2024年,领军者的AI预算将占技术投资的41%。
目前不同行业的AI应用重点和成熟度存在明显差异,但未来三年,行业间的应用差距会逐渐收窄,高科技行业将依然领先,通讯与媒体、汽车、能源、保险、零售等行业也将取得较大的进步。
陈泽奇观察到,保险企业的AI应用不仅在理赔方面,也用在培训、会客、招聘等场景;制造业会在打造智能工厂时将AI和其他技术结合,进一步实现优化和规模化。
三一集团就是制造业的一个例子,其已经有两家工厂被世界经济论坛评为“灯塔工厂”,工厂内配套了大量设备资源,像自动导引运输车(AGV)、智能仓储立库、机械臂等,同时还有综合调度系统、中控系统进行统筹优化。依托树根互联的根云平台,以及深度融合制造运营系统(MOM)、物联网管理平台(IOT)、远程控制系统(RCS)等系统,形成了生产制造的 “工业大脑” 。
随着AI成为企业新竞争优势的重要来源,中国企业正在计划加大相关投入。2021年,约三分之一(34%)的受访中国企业表示,其用于AI开发的预算超过了技术总预算的三成。到2024年,预计将有三分之二(64%)的企业达到这个投资比例。
《数字化转型方略》2022年第12期:http://www.zhiding.cn/dxinsight/1972
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。