在浏览器中启用javascript以获得更好的体验. 需要知道才能启用它? Go 在这里.

镜头一:与人工智能合作

 

机器学习(ML)和人工智能(AI)继续在各个行业获得关注. 我们看到从自动化日常操作过程到用例的快速采用, 加强战略决策. 通过更好地理解人类和机器各自的优势和局限性, 企业可以在员工和人工智能之间建立平衡和富有成效的伙伴关系,从新兴技术中获取最大价值, 同时留意潜在的道德影响.

 

《宝博买球》 

 

要真正与人工智能合作,我们不能把它视为解决所有商业问题的工具. 而不是, 我们必须了解它的长处, 在哪些方面需要人来发挥其潜力,在哪些方面可能被证明是无效的. 

 

一些业务问题——例如那些需要利用历史数据或快速数字反馈循环的问题——可以通过应用人工智能来完全自动化流程或决策来解决. 然而对于其他人来说,尤其是那些需要创造力的人, 直觉和较慢的战略反馈循环——人工智能的角色在结构上最好是增强人类才能.

 

随着人工智能技术成为主流, 它们可以触及我们生活的更多领域,它们的影响需要从伦理的角度来考虑. 这推动了研究和工具,以支持可解释的AI (XAI)和更健壮的治理流程, 包括自动合规.

 

信号包括:

 

  • 对人工智能研究和应用的投资持续激增. 研究公司IDC预计,到2024年,全球人工智能市场规模将超过5000亿美元
     

  • 就业市场对ML、AI和数据专家的需求持续高涨. 根据 LinkedIn,人工智能专家 2020年增长最快的工作类别是什么 Glassdoor网站 2021年,数据科学家在美国最好的工作中排名第二
     

  • ML/AI初创企业、专业产品、ipo和收购的增长. 2021年10月, 英国公司Exscientia将世界上首批三种人工智能设计的药物送入第一阶段人体试验 价值30亿美元
     

  • 改变现有的工作和角色. 世界经济论坛估计 到2025年,劳动分工的转变可能会导致8500万个工作岗位流失 在人类和机器之间,可能会出现9700万个新角色
     

  • 提高公众对人工智能产生意外后果的情况的认识. 例如, 面部识别已经多次出现在新闻中 出于隐私考虑,而且 种族偏见 在推特的图像裁剪人工智能. 尽管如此, 有问题 道德AI设计将不会在未来十年内成为规范

 

的机会

 

大多数企业都明白自动化可以提高劳动力生产率, 通过自动化重复, 单调乏味的数据处理任务. 这可以从根本上改变甚至消除对某些工作的需求, 但新的角色也将产生,人们将被转移到需要判断力和创造力的更高价值的活动中. 从自动化中受益的典型领域包括动态定价, 推荐系统, 异常检测和供应链优化.

 

在其他情况下, 人类的工作将受益于AI/ML增强, 人与机器的结合或互补的作用. 这些方法可以解决需要创造力、直觉、经验和整体思维的问题. 它们涉及重要的战略决策,而这些决策并不经常被做出.g. “接下来我们应该卖什么产品??或者“我们怎样才能实现净零排放。?——但可以受益于机器的帮助,帮助模拟和探索不同的结果,甚至产生人类可以评估的想法. 这方面的例子包括人工智能优先药物或产品开发,以及为规划气候变化等复杂场景而进行的动态模拟. 

 

所有这些应用都展示了人工智能如何在整个组织中传递价值:通过改善内部运营和告知更好的业务决策, 一路产品创新,提升客户体验.

奥斯陆的城市灯光和紫色多云的天空 奥斯陆的城市灯光和紫色多云的天空

我们所看到的

Forenom是一家快速发展的酒店式公寓供应商,在斯堪的纳维亚所有主要城市提供数千间客房. 每年有超过20万名客人在Forenom酒店下榻. 他们的收益管理团队不得不花费数小时的体力劳动来更新旧系统中的价格. 提高运营效率,使每间客房收益最大化, 我们用一个实现动态定价策略的在线强化学习模型取代了旧的定价系统. AI解决方案带来了13%的收入增长,并证明自动化运营决策可以带来显著的业务结果.
威士忌酒厂设备在铜色和模糊背景 威士忌酒厂设备在铜色和模糊背景

我们所看到的

我们还看到了在产品R中使用计算创造力与人工智能的成功合作&D. 我们和Mackmyra一起工作, 一个瑞典酒厂, 推出第一款人工智能制造的威士忌, 利用机器学习来创建数百种不同的食谱,人类的搅拌机师傅可以选择制作这些食谱. 这不是设计用来取代搅拌机的, 而是帮助他们探索各种各样的可能性. 这种威士忌是人工智能生产的,但由人类管理. 智人获得了无数奖项, 从美国蒸馏协会的金标签和最佳国际麦芽威士忌奖杯,到世界闻名的ADC产品设计银立方奖.

观察趋势:前三名

 

采用

 

实施人工智能. 在许多企业, 人工智能和ML的采用正从实验转向生产, 与客户更亲近. 在发展技术能力的基础上进行培训, 部署, 和监测ML系统(如CD4ML), 还有一些流程和操作问题需要考虑. 首先, 部署AI和ML的治理过程需要考虑审计, explainability, 道德, 偏见和公平问题. 其次, 一旦AI和ML解决方案发布,企业需要愿意并准备好采用它们, 哪些可能需要变更管理——特别是当角色受到影响时.

 

分析

 

在线机器学习. 机器学习模型通常被训练成离线的批处理活动, 在不随时间变化的静态数据集上执行. 当数据本身快速变化时,更频繁地重新训练模型的需要就会加剧. 在线机器学习技术使解决方案能够基于数据的顺序到达进行连续学习. 强化学习就是这种技术的一个例子, 哪些不太依赖历史数据,应用于内容放置等领域, 个性化和动态定价.



预测

 

ML的因果推理. 许多机器学习技术使用统计方法来学习, 通过找出变量之间的相关性. 当用于推理的数据与训练数据没有太大变化时,这种方法可以很好地工作. 然而,相关性并不意味着因果关系. 因果推理研究在输入数据和结果之间绘制因果关系的技术. 如果机器学习模型能学习因果关系, 它们变得更加普遍适用,并且需要更少的训练数据才能表现良好. 我们开始看到一些研究试图将基于因果推理的ML应用于现实世界的问题, 特别是在医疗诊断场景中.

观察趋势:完整的矩阵

采用
今天的技术在这个行业中被利用
  • 自然语言处理
  • 人工智能作为一种服务
  • CD4ML
  • 测试ML算法和应用程序
  • 实施人工智能
  • 毫升平台
分析
根据行业和用例的不同,开始获得关注的技术
  • 计算机视觉
  • 道德框架
  • 毫升/人工智能优势
  • 可辩解的人工智能
  • 平台业务
  • 分散的数据平台
  • 在线机器学习
  • 企业背景下的合成媒体
预测
这些技术仍不成熟,可能在几年内产生影响
  • 软件的道德规范
  • 智能城市
  • 监测技术
  • 人工智能的市场 
  • 自主机器人
  • 自主车辆

建议用户

 

  • 理解何时使用自动化与何时使用自动化. 增加. AI和ML可以完全自动化一些流程或角色, 还有一些可以帮助人类做出更好的决定, 理解两者的区别是很重要的.

     

  • 实施人工智能实验,采取全面的方法. 考虑采用的业务准备情况和所需的变更管理, 并构建一个健壮的技术和治理流程,以部署您的AI/ML解决方案.

     

  • 考虑AI/ML的伦理含义 并且始终认真承担责任. 人工智能和ML正在向融资等复杂敏感领域扩展, 量刑和医疗诊断, 决策的影响会产生意想不到的后果. 尽早考虑任何潜在的影响,以便在为时已晚之前评估和发现任何问题.

     

  • 让您的员工做好角色变更的准备. 不要低估支持和授权员工所需的努力,这些员工可能会受到人工智能影响他们的工作. 自动化可以使他们自由地执行更高级的任务, 而增强可以帮助他们更有效率. 为他们的成长和发展制定清晰的过渡和职业发展计划.

     

  • 仔细选择kpi. Understand the metrics you are trying to move with 人工智能和毫升; measure the current process to capture your starting baseline; and use KPIs to evaluate if 人工智能和毫升 are delivering real business benefits. 在适当的基准中, 即使特定的AI/ML方法不起作用, 您可以尝试使用不同的技术来实现预期的结果.

     

  • 投资健壮的数据治理和数据管理实践. AI/ML技术仍然需要访问数据, 如果你的数据是孤立的,很难访问, 进步将是艰苦的. 考虑数据所有权在组织中的位置,因为数据质量问题往往来自于没有激励团队生产和共享他们拥有的数据资源的组织结构和体系结构.

到2023年,企业将……

要明白,人工智能不是试图从历史数据中挤出价值的艺术, 但实际上是通过与世界互动来创造新数据和洞察的艺术.
雅诺Kartela
Thoughtworks人工智能咨询全球负责人

下载报告全文