機(jī)器的智能化將對(duì)商業(yè)與就業(yè)產(chǎn)生巨大影響。看看麥肯錫如何看待人工智能與機(jī)器學(xué)習(xí)將影響你的企業(yè)，你能做些什么。

　　對(duì)商業(yè)人士來(lái)說(shuō)，人工智能代表一系列的挑戰(zhàn)。技術(shù)層面，人工智能與機(jī)器學(xué)習(xí)正在朝向復(fù)雜化方向的發(fā)展，需要大量的數(shù)據(jù)去產(chǎn)生有意義的結(jié)果。從商業(yè)的角度看，很多商業(yè)領(lǐng)袖很難謀劃人工智能的切入點(diǎn)，甚至不知道如何開(kāi)始機(jī)器智能化。

　　更加糟糕的是，來(lái)自技術(shù)廠(chǎng)商的宣傳給市場(chǎng)造成了持續(xù)不斷的雜音，人們不清楚人工智能的真正可能性是什么。

　　為了減少這種噪音，我們邀請(qǐng)了許多世界領(lǐng)先的從業(yè)者分享他們的經(jīng)驗(yàn)。

　　下面是麥肯錫全球研究所（MGI）的負(fù)責(zé)人Michael Chui和艾森豪基金，的David Bray的觀(guān)點(diǎn)，后者同時(shí)擔(dān)任聯(lián)邦通訊委員會(huì)的首席技術(shù)官。

　　麥肯錫全球研究所已經(jīng)發(fā)布了一系列有關(guān)人工智能，自動(dòng)化以及就業(yè)的研究報(bào)告。下面就是有關(guān)工作環(huán)境自動(dòng)化的分析。

　　在下面這張圖里，Chui和他的團(tuán)隊(duì)分析了自動(dòng)化會(huì)改變的行業(yè)。

　　另外一張圖顯示了就業(yè)崗位可能被機(jī)器替代的列表以及工資情況：

　　Michael Chui和David Bray之間的對(duì)話(huà)涵蓋了企業(yè)員工和自動(dòng)化，人工智能的關(guān)系，比如投資，規(guī)劃，甚至倫理考量。

　　企業(yè)如何考慮投資人工智能？

　　Michael Chiu：越來(lái)越多的企業(yè)已經(jīng)開(kāi)始了解數(shù)據(jù)分析的潛力。高管們開(kāi)始明白，數(shù)據(jù)和分析要么成為競(jìng)爭(zhēng)的基礎(chǔ)，要么成為客戶(hù)，民眾與股東需要的服務(wù)與產(chǎn)品。

　　雖然存在真正的技術(shù)挑戰(zhàn)，但我們發(fā)現(xiàn)，真正的障礙是人這一方面。如何從有趣的實(shí)驗(yàn)中獲得與業(yè)務(wù)相關(guān)的經(jīng)驗(yàn)？購(gòu)買(mǎi)算法與數(shù)據(jù)，在下一個(gè)產(chǎn)品中提高轉(zhuǎn)換率；我們可以降低維護(hù)成本，或者提高整機(jī)的運(yùn)行時(shí)間。我們可以把更多的人引入這個(gè)領(lǐng)域，我們可以找到更合適的人。

　　從經(jīng)驗(yàn)中獲取規(guī)模價(jià)值就是企業(yè)卡脖子的地方。如何獲得經(jīng)驗(yàn)，如何獲得數(shù)據(jù)（無(wú)論是機(jī)器學(xué)習(xí)還是算法的形式），如何將模型分析納入企業(yè)的工作實(shí)際與流程，從而改變規(guī)模運(yùn)作的方式？用軍事來(lái)做類(lèi)比就是：如何駕駛航空母艦？貨船也是如此，它們都很難轉(zhuǎn)向。

　　理解人工智能，掌握正確的人才，然后大規(guī)模地改變工作實(shí)際是企業(yè)面臨的挑戰(zhàn)。理解人工智能的企業(yè)和真正要實(shí)施人工智能的企業(yè)存在巨大的差異。

　　人工智能與機(jī)器學(xué)習(xí)的接納問(wèn)題是什么？

　　David Bray：成功的真正秘訣在于改變?nèi)藗冊(cè)诮M織中所做的工作，你不能僅僅推行技術(shù)而不去改變商業(yè)流程。我見(jiàn)過(guò)公共服務(wù)領(lǐng)域的實(shí)驗(yàn)，他們只做實(shí)驗(yàn)，而沒(méi)有去改變公共服務(wù)的業(yè)務(wù)規(guī)模。

　　不僅僅是需要技術(shù)，還要了解現(xiàn)有的流程，為什么企業(yè)需要這樣做，然后清楚目標(biāo)，了解自己如何成為這種變革的領(lǐng)導(dǎo)者。

　　人工智能在某些方面來(lái)說(shuō)只是預(yù)測(cè)分析的延伸，這是大數(shù)據(jù)的延續(xù)，并不是新的東西，技術(shù)總是一種可能性的變革藝術(shù)。

　　有趣的是，我們可以通過(guò)人工智能來(lái)反映我們的偏見(jiàn)。如果我們不小心用人類(lèi)數(shù)據(jù)打造出人工智能，我們知道人類(lèi)是有偏見(jiàn)的，我們會(huì)發(fā)現(xiàn)人工智能，機(jī)器學(xué)習(xí)本身也是有偏見(jiàn)的。

　　哪些商業(yè)領(lǐng)域最適合人工智能？

　　Michael Chiu：我們對(duì)600名不同領(lǐng)域的行業(yè)專(zhuān)家做過(guò)調(diào)查訪(fǎng)問(wèn)。

　　第一個(gè)領(lǐng)域被稱(chēng)為“深度學(xué)習(xí)”領(lǐng)域，這個(gè)領(lǐng)域特別適合某些類(lèi)型的問(wèn)題，比如模型識(shí)別，通常是圖像等等。

　　另外就是預(yù)測(cè)性維護(hù)。保持東西不破壞的能力； 而不是等到它打破，然后修復(fù)它，預(yù)測(cè)什么時(shí)候會(huì)破裂的能力。

　　這不僅因?yàn)榻档土顺杀荆鼮橹匾氖?，預(yù)測(cè)性維護(hù)不會(huì)造成整個(gè)流水線(xiàn)停工。

　　在一定程度上，這是模式匹配的一個(gè)應(yīng)用。傳感器檢測(cè)出某些部件將破裂的型號(hào)，通知你進(jìn)行預(yù)測(cè)性維護(hù)。

　　我們發(fā)現(xiàn)，在很多行業(yè)中，無(wú)論是發(fā)電機(jī)，建筑，HDC系統(tǒng)還是汽車(chē)行業(yè)，如果你能在事情發(fā)生之前做出預(yù)測(cè)，那么維護(hù)的價(jià)值就會(huì)提現(xiàn)出來(lái)。 這是機(jī)器學(xué)習(xí)相當(dāng)強(qiáng)大的領(lǐng)域之一。

　　醫(yī)療保健是預(yù)測(cè)性維護(hù)的另一種應(yīng)用，只不過(guò)換成了人力資本資產(chǎn)的維護(hù)。我們?cè)诓∪松砩习惭b傳感器。我們可以告訴他們即將發(fā)生心臟病嗎？會(huì)患上糖尿病嗎？用戶(hù)應(yīng)該采取一些可能不那么昂貴，較少破壞身體的行動(dòng)，而不是將其變成一種緊急的醫(yī)療行動(dòng)，經(jīng)歷一個(gè)非常昂貴，痛苦和緊急的護(hù)理。

　　David Bray：讓人工智能與機(jī)器學(xué)習(xí)幫助公眾，我認(rèn)為這會(huì)在都市中首先開(kāi)始出現(xiàn)。

　　我們聽(tīng)說(shuō)過(guò)智慧城市概念。您可以輕松地查看道路或電力情況，以便更好的進(jìn)行預(yù)防性維護(hù)，然后進(jìn)行監(jiān)控以避免停電。

　　我認(rèn)為人工智能與機(jī)器學(xué)習(xí)初期將在城市里面出現(xiàn)。