人工智慧應用的兩大領域

羅耀宗，掌握人工智慧應用的兩大「錢途」，哈佛商業評論，數位版文章，2018/8/24

 Michael Chui, Nicolaus Henke, and Mehdi Miremadi, Most of AI's Business Uses Will Be in Two Areas, HBR, JULY 20, 2018 (from McKinsey (麥肯錫公司))

我們深入檢視19個產業和9個業務職能裡，超過四百個實際的人工智慧使用案例，發現有一句古老的格言，最能回答應將人工智慧用在何處的問題，那句格言就是：跟著錢走。 

傳統上，對企業提供最多價值的業務領域，往往是人工智慧能產生最大影響的領域。舉例來說，零售組織中，行銷和銷售經常提供重大的價值。我們的研究顯示，在顧客資料上使用人工智慧，將促銷活動個人化，單是實體零售商店的新增銷售（incremental sales）就會增加1％到2％。相較之下，在先進製造方面，營運活動往往產生最多的價值。這方面，人工智慧能夠協助根據需求背後的因果驅動因素，來做出預測，而不是根之前的結果來預測，因而改善預測準確度達10％到20％。這可能會使得存貨成本降低5％，營收提高2％到3％。

雖然人工智慧的應用，涵蓋所有的職能領域，但我們認為，在幾個產業中，人工智慧其實在兩個橫切面領域可以產生最大影響，至少目前是如此，這兩個領域是供應鏈管理與製造，以及行銷與銷售。我們估計，這些使用案例合計占整個人工智慧機會的三分之二以上。人工智慧可以在全球企業的行銷和銷售上，創造1.4兆到2.6兆美元的價值，在供應鏈管理和製造方面，創造1.2兆到2兆美元的價值（其中部分價值歸企業所有，有些由顧客享有）。製造業中，若要創造人工智慧的最大價值，可以把它用在預測性維護（全球各企業約能獲得0.5兆到0.7兆美元價值）。人工智慧有能力處理大量資料（包括聲音和影像資料），因此，可以快速辨識出異常狀況，以防止故障，無論是飛機引擎中的怪聲，還是感測器偵測到組裝線運轉失常。... 

我們不想看起來像是很天真地積極提倡運用人工智慧。即使我們見到使用人工智慧技術的經濟潛力，卻也體認到實施人工智慧會遭遇的有形障礙和限制。獲得夠龐大和夠全面的資料集，以滿足深度學習對訓練資料的極大胃口，是個巨大的挑戰。另一個大挑戰，是處理有關這類資料使用方面日益升高的擔憂，包括安全、隱私，以及將人類的偏見傳給人工智慧演算法的可能性。在一些產業中，例如健康照護和保險，公司還必須設法用人們聽得懂的詞彙，向法規監管機構解釋演算法的結果：為什麼機器會產生這個答案？好消息是這些技術本身正在進步，開始解決其中一些限制。 

除了這些限制之外，還有一些可能更困難的組織挑戰，是公司在採用人工智慧時會碰到的。若要精通這門技術，必須要有新的水準的專業知識，而流程可能會成為成功採用人工智慧的主要障礙。公司必須開發出穩健的資料維護和治理流程，並同時專注於「第一哩」和更加困難的「最後一哩」；「第一哩」是指如何獲取和整理安排資料與相關做法，而「最後一哩」是指如何把人工智慧模型的產出，整合納入各種工作流程之中，包括從臨床試驗經理、銷售人力經理到採購人員等的工作流程。