LOADING...
LOADING...
LOADING...
当前位置: 玩币圈首页 > 区块链资产 > 企业如何实现AI转型?研究上百个公司后,我们找到答案了

企业如何实现AI转型?研究上百个公司后,我们找到答案了

2023-09-20 智能派 来源:区块链网络

来源:适道

图片来源:由无界 AI? 生成

对中国企业而言,数智化的必要性和紧迫性是不争的事实。

但是,每当谈及“数智化转型”,就如同“小马过河”。大部分企业像急于过河的“小马”,虽然没有“老牛”的身家(体量大、资金足的大型企业);但也强过“松鼠”(抗风险能力差的小企业)。在原本的故事里,“小马”可以自主决定“是否过河”。然而,在现实世界中,第四次产业革命浪潮席卷全球,众多企业如今已被推到了数智化的河边。

事关生存,河不得不过。

因此,企业“摸清数智化河里的石头”就显得尤为重要。这需要 “成功过河者”的经验

《哈佛商业评论》的一篇文章《是什么让一家公司在使用AI方面取得成功?》(What Makes a Company Successful at Using AI?)就给出了“成功过河指南”。

文章通过麦肯锡和麻省理工学院制造和运营机器智能计划(MIMO)的一项研究,即跟踪100家企业(涉及汽车、矿业等多种行业)在数字化、数据分析和机器智能(MI)技术等方面的目标、行动以及结果的表现,得出:领先的数智化企业在治理、部署、合作伙伴、人员和数据可用性等5方面存在一定共性。

文章有两位作者,一位是Vijay D’Silva,麦肯锡公司的高级合伙人;另一位Bruce Lawler是麻省理工学院MIMO的董事总经理。作者指出,本文研究成果可供所有数智化转型企业参考。

01 转型期的四类企业

第一个结论:想在数智化竞争中傲立群雄,企业要打出环环协作的整体方案,不要想着一招制敌。

通过对9大类别的21个性能指标的评估,作者将100家数智化转型企业分为了领导者、规划师、执行人以及新兴公司。

最优秀的是“领导者”,约占样本的15%。他们在21个关键绩效指标中的20个指标中都取得了非常显著的改善,在所有9个绩效类指标中位列前25%。这类企业能够把钱花在刀刃上,是数智化的最大获益者。

第二类被称为“规划师”,约占样本的25%。这类企业很擅长处理人际关系,也具备扎实的数据执行知识。不过,很多企业目前没有得到转型的回报收益。一些企业甚至挣扎在2018年麦肯锡提出的?“试点陷阱”中。

跳出来看,“试点陷阱”也是不少中国企业数智化转型的痛点。

企业的规模化转型是一个长期性的、系统化能力积累的过程。那么,在推进转型时,企业会选择一些小规模的试点来验证新的变革措施。然而,这些试点案例往往难以复制和扩展,从而导致整个转型计划难以实现规模化的外溢效应。

数智化,包括数字化转型多以失败告终,究其原因,在于缺乏整体方案。例如,企业过于关注部署所选的用例,而不是实现转型的整体方法。根据麦肯锡一项全球调查,成功的数字化转型并不是“另一个IT项目”,而是获得高层领导(如董事会主席,CxO、执行委员会)支持的“以业务为主导,兼顾ROI回报的转型”。

而这个结论与本文有异曲同工之处。

第三,执行人,约占样本的33%。这类企业以结果为导向,善于利用不断增长的专业知识库,与合作伙伴合作,并能够抓住机会,制定和实施具体解决方案。虽然他们的基础设施建设比上述两类企业少,但也能够取得显著成果。

不过,“执行人”的痛点依然在于部分和整体的矛盾,这类企业很难将各方努力整合到公司业绩,形成合力。

最后一类是“新兴公司”,约占样本的25%。这些企业的成熟度最低,收益也最小;许多正在刚刚起步。很多“新兴公司”发现,自己很难找到需要投资的地方。只有少数具备策略、技能或基础设施的企业,方可实现进一步发展数智化。

02 聪明企业的五个秘密

比起表现平平的企业,“领导者”只花费一半时间,就能达到其他企业两倍以上的效果。为何他们如此优秀?

文章总结了顶级玩家在五个关键环节的做法。

治理

文章指出,对于“领导者”来说,机器智能(MI)是一项战略优先。许多公司为此还建立了专门的卓越中心(CoE)。

这就不得不提,虽然很多企业都有数智化转型的意识,他们也采购了无代码、低代码、RPA等自动化工具用于数智化转型,但囿于复杂的组织结构和团队间的数据孤岛,企业内部无法实现高效合作,从而导致数智化工程难以推进,企业资源被大量浪费。

文章中提到的卓越中心(CoE)可以将技术、人才、设施等资源集中起来,监督企业做正确的事情,来加速企业达成转型目的。目前很多引入RPA的企业已经建立了CoE。例如,东风日产CoE主管柴一翠曾在介绍,企业CoE在定位、推广策略、推广体制、驱动及治理、培训、信息交流和认真与激励七个方面发挥了重要作用。除此之外,包括普华永道、德勤等多家咨询公司也设立了不同业务方向的CoE。其中,安永和IBM曾宣布成立一个集中式虚拟中心形式的CoE,帮助金融机构利用混合云解决方案加速数字化转型。

此外,作者指出,“领导者”们更倾向于用一个明确的流程来评估和实施数智化创新,而且他们也能认识到,在这个快速发展的领域,变化是不可避免的。因此,大多数“领导者”都会不断地评估和提升他们的流程,而“执行人”和“规划师”往往会陷入困境,这限制了他们成功扩展用例的能力。

部署

“领导者”们会尽可能广泛使用机器智能(MI)。

研究中的每一个“领导者”,都在预测、维护优化、物流和运输等环节运用了机器智能(MI)。而比起其他三类企业,“领导者”也更倾向于采取更加先进的方法。

例如,生物制药公司Amgen正着力开发一个经过验证的,使用AI的视觉检查系统,这将提高70%的粒子检测率,并减少60%的误报。

作者在文章开头举了一个美国最大电力生产商Vistra的例子。为了让工厂高效运行,工人们要持续监控和调整数百个不同的指标,即便是最熟练的操作员也无法保证准确无误。后来,工厂安装了一个AI驱动工具(热率优化器),最终工厂效率提高了1%,听起来可能不多,但却是实打实节省了数百万美元,也降低了碳排放。

合作伙伴

企业间的合作关系通常发生在学术界、初创企业、现有技术供应商以及外部顾问。然而,“领导者”们则更倾向于和更广泛、更密集的伙伴建立联系,旨在最大限度地提高自身发展速度和学习效率。

例如,两家消费品公司高露洁-棕榄、百事/弗里托-雷在,与系统供应商Augury合作,并在各自的生产线上部署了人工智能驱动的机器健康诊断系统,而这个决定曾帮助上述两家企业避免了长达8天的停机。

半导体公司AnalogDevices与麻省理工合作开发了一种新型的机器智能(MI)质量控制系统。该系统能够识别哪些生产过程和工具可能存在故障。这意味着,公司的工程师只需审查之前过程数据的5%即可,极大地节省了人力。

由此可见,尽管“领导者”的能力很强,但他们似乎比其他企业更懂得如何从外部合作伙伴身上汲取能量。

人员

“领导者”不会吝啬,他们会让尽可能多的员工掌握数智化技能,而不是将专业知识留给少数数据专家。

研究发现,超过一半的“领导者”会对一线员工进行机器智能(MI)基础培训,而这个数字在其他公司只有4%。

例如,麦当劳餐厅使用机器智能(MI)预测顾客反应和实时客流量,来改进一系列运营任务。

企业卓越中心(CoE)的数据专家负责测试和开发新方法,然后将这些开发成果打包成便于使用的工具,提供给现场员工。在系统帮助下,现场员工明白了数据的重要性,锻炼了识别问题的能力,从而也能回馈企业。

数据可用性

文章指出,所有的“领导者”允许一线员工访问数据,而其他企业只有62%允许。另外,“领导者”们会从客户和供应商那里获取数据。作为回馈,89%的“领导者”也会向客户和供应商分享他们自己的数据。

总之,这种数据民主化与其他企业形成了鲜明对比,在“领导者”中,信息就是力量,并且被有力地保护着。

数字化转型的构建模块

综上所述,文章指出:当治理、部署、合作伙伴关系、人员和数据这5个方面环环相扣,彼此兼顾时,企业的数智化转型也会变得有效。不过,一般情况下,企业也会组织一个卓越中心(CoE)去协调上述的5个方面。

万事开头难。作者认为,决心转型的企业,首先要对自身当下的数智化水平进行一个诚实全面的评估。此时,企业可以开始形成一个“过渡计划”。即使这个计划很粗略,但它也能够逐个展开转型时可能遇到的障碍,例如熟练的人才、投资能力和关键的基础设施;如何让从遗留系统向云端迁移数据等等。另外,作者认为,企业转型的步子不要迈得太小。毕竟大多数“领导者”虽然一开始也只是使用数据和简单的工具,但随着熟练度提高,他们也转向拥抱更为先进的技术。

03 未来鸿沟可能扩大??????????????????????

数智化对所有产业都是一场重构。目前,国内很多大型企业不仅顺利完成了转型,还将转型经验和技术延伸至各行各业,不断丰富数智化与产业结合的应用场景。

这是否意味转型不利的企业会被时代淘汰?

作者认为答案不容乐观。文章中“领导者”在数智化方面的开支已经增加了30%到60%,预计将增加10%到15%的预算,而其他企业则几乎止步不前。这意味着双方的鸿沟未来很可能会扩大。

不过,机器智能(MI)最近取得了重大进展,全面转型的机会刚刚开始显现。激流勇进者方能领略江河源头的奇观胜景。虽然企业的起点不同,发展道路也有所不同。但至少,“数智化河里的石头”在哪里,我们有“领导者”正在指明道路。

—-

编译者/作者:智能派

玩币圈申明:玩币圈作为开放的资讯翻译/分享平台,所提供的所有资讯仅代表作者个人观点,与玩币圈平台立场无关,且不构成任何投资理财建议。文章版权归原作者所有。

知识 大模型 AI
LOADING...
LOADING...