219
機器人
人工智能，產業利潤提升加速器-埃森哲AI報告中文解讀-下篇
在《人工智能，產業利潤提升加速器-埃森哲AI報告中文解讀-上篇 | 億歐智庫》當中，筆者對埃森哲人工智能報告“人工智能如何增加產業利益並推動創新” （以下簡稱報告）進行了報告亮點、主要結論和主要具體內容的梳理和解讀。簡要回顧如下：
埃森哲此次報告，基於對12個發達國家經濟體和16個不同類型產業的研究，對2035年人工智能穩定發展可能帶來的經濟增量和利潤提升進行了量化的描述（包括國家層麵和產業層麵），並分析了人工智能提升產業利潤的三大途徑（智能自動化、人工及資本的增強，以及激發創新）和企業可以采取的八種跨產業通用的人工智能致勝策略。
此次文章下篇，筆者將從企業實用、研究模型和研究意義三個角度對埃森哲報告繼續進行解讀。
企業實用角度——八大人工智能致勝策略：
筆者在文章上篇對企業可以采取的八種跨產業通用的人工智能致勝策略僅僅做了羅列說明，尚未進行詳細解讀，本文將首先對這八種企業策略進行詳細說明。
Accenture Research認為，企業將有巨大的機會通過應用人工智能技術、開發新的商業能力來實現空前的成長，包括盈利能力和可持續發展能力。作為一個全新的生產要素，人工智能將與傳統的資本和勞動力交融，產生全新的挑戰，商業領袖也將需要涉足到難以預計的新角色和工作當中。為了使企業能夠做好準備，迎接人工智能可能帶來的成功機遇，商業領袖或當采納以下八種人工智能時代的“致勝策略”：
一、人工智能策略和領導力
在很多行業、企業內部，應用人工智能的驅動力往往來自組織的中低層人員——那些年輕的、關注科技進步並充滿願景的數字科技的狂熱者。但Accenture Research認為想要真正使企業能夠得益於人工智能技術，必須要組織最高層人士的認知和行動。
認知層麵：這意味著企業需要讓管理層（C-suite）能夠對人工智能產生切實的認知，在真正的人工智能機器和應用上花時間進行交互、研究、測試。參觀、走訪人工智能實驗室、創新中心會是一條必經之路——與專家進行深入交流和調研、測試創新的概念想法，甚至開發一些產品原型出來。
行動層麵：企業想要在人工智能時代取得商業成功，還必須進行合理的人工智能藍圖規劃——如何將人工智能視為一個關鍵的商業驅動力，整合到公司現有業務體係中以實現增長的規劃——這就要求企業領導者/策略製定者能夠基於對人工智能的充分理解，將其有效的轉化、融合到商業計劃中去，來確定企業的關鍵決策、指導企業進行合理的投資等。
二、從HR（人力資源）到HAIR（人力&人工智能資源）的徹底改造
通過報告和文章上下篇的詳細解讀，現在我們能夠理解，人工智能將成為一種虛擬勞動力，在某些工作中能夠像人類同事一樣產生貢獻和價值。也因此，未來CHRO（首席人力官）的職責，將不僅限於進行人類雇員的管理，也將包括人工智能勞動力的管理。
新的問題的和挑戰也將隨之產生：公司應當如何重構現行的績效指標？如何進行勞動力需求在人類和人工智能之間的優化分配？這些問題將使得CHRO在未來的商業策略和創新中承擔更加重要的角色。CHRO將需要積累更多的關於人工智能的技術認知，理解此類技術將會如何影響到企業未來的工作；另一方麵，HR本身的工作，也需要將人工智能技術進行整合，應用到從招聘到退休的各個環節當中去。
三、通過機器進行學習
為了更完整的釋放出人工智能的潛力，人類和機器智能必須緊密交織在一起。在勞動力需求方麵將會出現超越技術專家的新需求，這些需求將更加看重人類本身的能力——判斷、溝通、創新思維等——與智能技術形成有效互補。
人工智能將改變的，不僅僅是人們學習的內容，更在於人類學習的方式。在過去，職業路徑通常是一個線性發展的過程（從職場新人到經驗豐富的老手），而在人工智能可以取代人類承擔枯燥乏味、低附加值的任務之後，職場新人和老員工之間的將會出現一個相較於過去更難以逾越的技能差距（沒有了簡單工作處理以積累經驗、進行學習的過程）。
企業要想適應即將出現的員工培訓、學習方式的變化，需要更加關注人類勞動力的成長，尤其是在快速實現技能發展的方麵。合理地使用人工智能技術，讓機器將老員工的知識、經驗能夠快速被附能到新員工和整個團隊成員身上，讓人類勞動力通過機器進行快速學習，或將是一個好的解決方案。
四、任命一個首席數據官（數據供應鏈）
人工智能技術的能力和表現，直接取決於可用數據的“質”與“量”。Accenture Research在研究過程中發現，絕大多數的企業經理人對於他們的數據分析項目能夠帶來多大程度的商業產出並不確定，這恰恰也說明了目前企業依然處在數據利用極度不足的情況中。
當然，目前已經有許多大公司開始在管理層(C-suite)中增加了CDO（首席數據官）的席位，Gartner預計在2019年，90%以上的大公司/組織將會擁有CDO的設置。企業經理人們將在未來重點關注數據安全性、規則設定和數據管理，而非僅僅將數據當作供應鏈來看待。
首席數據（供應鏈）官將需要設計構建一個綜合的、端到端的數據供應鏈，考慮所有數據相關的事宜，如：如何平衡內外部數據源？每天公司的數據運轉和成本如何？在哪裏部署企業的數據倉庫？公司如何簡化數據存儲？
五、建立一個開放的人工智能文化
企業文化將需要開始適應人工智能“雇員”的出現，人類和機器將相互合作，相互學習。與其他任何的協作關係一樣，企業將需要信任、開放和透明的文化。例如，未來人們可能更願意將不好的商業表現、錯誤的產出歸咎於機器，而不是去尋找真正的問題所在——無論是人類還是機器的原因——並且去實施改進。就像在人類關係當中，競爭關係或交易關係都需要人們去克服共同障礙以實現共享價值的最大化一樣，我們需要明白，幫助機器就是幫助我們自己。
人類對於人工智能在工作安全性、影響薪資、隱私方麵的顧慮，同樣會影響到公司雇員對人工智能技術的接受態度。企業領導者有責任清楚地向員工解釋人工智能協同工作可能帶來的對原有雇員的挑戰和機遇，並且在企業中構建一種文化和指導方針，來最小化可能麵臨的挑戰，和最大化能夠迎來的機遇。
事實上，管理者甚至已經可以開始積極地嚐試使用人工智能技術來改進公司文化，例如，人工智能技術現在已經可以通過自然語言處理來探測到員工的情緒壓力和倦怠心態，幫助管理者更好的改善公司文化和員工滿意度。通過人工智能服務人類的方式，或能讓人類員工對人工智能抱有更加開放的心態。
六、比自動化更進一步
自動化是過去一個階段商業策略中的重要一環，隨著人工智能的迅速發展，企業需要再向前邁出一大步，駕馭全新的、動態的、自學習的、自管理的智能機器。
Accenture Research研究認為，人工智能能夠激發的利潤潛能將遠遠超過自動化在過去帶來的影響。例如，從1993到2007年，經測算傳統自動化為發達經濟體貢獻了0.9-1.3%的經濟年增長率，相較而言，未來人工智能將可能在芬蘭帶來70%的增長率提升，在美國帶來50%的增長率提升(Accenture and Frontier Economic analysis , 2016)。
七、將大數據帶到雲端
在過去幾十年中，商業組織已經學會了利用大眾的力量（人群數據/用戶數據/行為數據等等）來開展創新。雲計算的發展大大降低了企業進行大規模快速計算的成本，消解了企業構建內部IT架構的門檻。
企業下一個時期創新的開展，可以有效利用人工智能的計算力來整合處理大數據，來探索新的、甚至是顛覆性的商業機會。目前已經有諸如Google、Amazon等公司的基於雲的機器學習平台已經開始運行。
八、人工智能收益的合理測算
基於傳統生產要素的資本收益測算中，人力成本的績效度量是一個關鍵因素。隨著人工智能成為一個全新的生產要素，企業也將需要能夠適應新形勢的測算模型，來衡量人工智能產生的效益。
不同於傳統資產會隨時間發生貶值，人工智能資產基於其自學習技術的能力，會隨著時間產生增值。這樣的資產複合增長效應將使得更早進行人工智能投資的企業能夠收獲更大的人工智能收益。更進一步說，雖然目前人工智能僅有一部分應用場景的收益是清晰可見的，但人工智能自學習的天然屬性，使得很多其他潛在收益會在我們目前還未能清晰預見的地方出現。
基於以上兩個方麵的原因，傳統的投資測量分析模型在人工智能時代將變得過時。CFO（首席財務官）們將需要一個新的財務分析模型去合理地評估“基於人工智能的收益”，或許新模型的相關因素會包括每一種算法、初始投資和維護投入費用等等。人工智能時代，合理計算投入產出的複雜度將使得投資測算變得極具挑戰性，而這也或將威脅到人工智能投資決策和行為的推進。鑒於此，企業乃至行業，都急需引入新的思考方式、新的資本支出術語，和新的測算模型，或許假以時日，人工智能本身能夠被用來探索進行更加精準的計算和預測。
以上八點人工智能策略，本質上都是在為一件事情服務——激發企業利潤、推動企業創新，正如Accenture公司首席科技&創新官Paul Daugherty所言：
想要抓住人工智能帶來的商業機遇，企業必須立刻行動，遵循以人為本的理念，圍繞人工智能技術製定發展策略。過程中要注意開發遵循倫理道德規範的、可靠的人工智能係統，以期為企業帶來積極的影響，幫助人類員工去做他們最擅長的事情——想像、創造和創新。
研究模型角度——埃森哲關於AI對GVA影響程度的測算模型：
通過埃森哲報告解讀文章上篇，我們看到Accenture Research聯合Frontier Economics建模並測算了在12個發達經濟體和16個不同產業中，人工智能可能帶來的經濟和利潤增長幅度。
億歐智庫同為研究機構，自然最關注所有測算的依據/模型是否合理、值得借鑒；筆者作為研究人員，長期為企業提供研究決策支持，也一直遵循無論自己做研究還是企業做決策，都要“知其然亦要知其所以然”的原則。換言之，如果Accenture Research此份報告沒有任何測算依據、分析模型的說明部分的話，從研究的視角看會認為是一份不合格的報告；從行業、企業的視角看也必須要對其所有結論畫上一個問號。那麼，報告中所有人工智能可能帶來的國家經濟和行業利潤增長，究竟是基於什麼樣的模型來測算的呢？
從基礎層麵而言，Accenture Research是將人工智能視為一個全新的生產要素來進行評估的，並且認為它的出現會一定程度改變過去經濟實現增長的方式。具體而言，Accenture Research和Frontier Economics的測算模型分以下三步來進行：
一、通過研究，Accenture Research評估了更容易受到人工智能技術影響的工作環節/任務，占到整個傳統勞動力當中的比重；評估了未來有可能被人工智能替代實現自動化的工作崗位/工種。然後基於被分析國家/經濟體的勞動力統計數據，研究所有上述工作環節、工種在各行業的具體分部情況，進一步建立起各個國家和產業的人工智能技術“吸收速率”認知。
二、測算過程中，Accenture Research也考慮到了人工智能技術隨著時間會發生的進步。在與技術進步相關的變量設定方麵，Accenture Research主要參考了軟件、硬件、機器人和雲服務自1990年到今天的價格下跌數據。
三、Accenture Research在測算人工智能技術擴散所能產生的附加的創新影響力方麵，采用了全要素生產率(TFP)的計算方法。參考了信息通訊技術(ICT)對全要素生產率產生影響的曆史數據，並基於人工智能在不同產業的投資情況，和不同經濟體人工智能技術“吸收能力”，對ICT曆史數據進行了加權處理進行評估。
基於以上三個步驟，Accenture Research進行綜合計算，評定出人工智能在各個國家和產業的經濟潛能，每個國家視角的指標都聚合了所有16個產業的數據，而每個產業視角的數據也都綜合了所有12個國家的情況。研究中所有的利潤提升可能性預測都是基於產業GVA（經濟總增加值）數據來測算的。利潤的模擬測算，是基於GVA減去人工成本，得到每一個產業的GOS（總營業盈餘，用來描述剔除了人力因素之後的經營活動產生的盈餘），相當於利潤的一個近似值。為了使得利潤值更接近真實情況，Accenture Research還考慮到了資本折舊對GOS數據產生的影響，進行數據測算調整，並且這一調整包含了對“平減物價指數”（deflator comprising data）的考量。
億歐智庫認為，Accenture Research在報告中對於自己的數據模型陳述足夠清晰，值得肯定。
研究意義角度——億歐智庫詳細解讀分享的原因：
從研究的視角看埃森哲的這份報告，億歐智庫認為值得解讀，原因在於其三方麵的高專業度——視野、量化、策略。
關於視野：埃森哲旗下Accenture Research多年積累的全球執行力、分析模型和能夠靈活合作的分析支持資源，可以說在這份行業研究報告中得到了充分的展現。
雖然報告篇幅並不算長，但要對12個發達經濟體、16個產業進行全麵的盤點梳理，絕非易事；對於產業的理解和人工智能作用方式的深入分析，也要求研究機構必須有足夠豐富的模型構建和研究分析經驗；而此次報告另一個非常重要的參與者，則是文中多次提及的Frontier Economics，為報告在量化解讀的方麵貢獻了重要的作用。以上種種都是埃森哲報告能夠具備較高“視野”的重要原因。
當然，還有另一個小細節，也凸顯了整個報告的視野廣度和專業度——報告的注釋部分——我們可以看到此份報告一共有21個注釋內容，有官方機構、企業家、學界、專業媒體等不同類型的內容引用，涉獵廣泛，十分用心，也表現出了足夠的嚴謹。
關於量化：長期從事研究分析工作，使得筆者對於量化的意義和難度有非常具體的感知。
先說意義。無法量化，就沒法準確描述，量化能夠讓我們清晰準確的理解一個的判斷及其相應的程度。就好像我們描述一個人“很高”，不同的受眾會有完全不同的認知，而當我們明確一個人有2米26，那我們很快就能有一個準確的感知，甚至把這個人和姚明的形象進行對應理解。
再說難度。對於一個事物、群體、現象、趨勢進行量化描述，從來都是從事統計分析相關工作從業者的追求，量化表達代表著需要具備統計學意義上的足夠的代表性，且進一步具有足夠的信效度（可簡單理解為準確度）。在過去，研究人員需要進行科學的抽樣設計，來通過樣本估計總體情況，現在隨著大數據的發展，研究人員可以利用某一領域的大數據的完備性，直接進行對某個總體的分析研究。基於曆史趨勢數據和當下數據的結合，進行對未來趨勢的判斷，從來都是研究工作中最難進行的部分，研究機構和人員常常容易被未來“打臉”。
在目前眾多探討人工智能之於未來影響的研究分析內容中，埃森哲報告從研究角度脫穎而出的一個重要原因就是其實現了對未來的量化描述，使讀者/受眾對未來能夠有一個明確的認知；同時埃森哲對於整個模型構建也進行了足夠明確的說明，雖未公布具體的模型計算公式和係數，但整個推理邏輯對讀者而言是清晰的。可以說Accenture Research的專業度和對於產業、經濟體研究的深耕程度，是其能夠對未來進行如此大膽的量化描述的信心來源。
關於策略：報告在視野和量化兩大基礎之上，進一步對人工智能作用於產業的方式進行了分析闡述、對企業能夠采取的人工智能策略給出了明確建議。這一點，使得報告不再是一個空中樓閣般的存在，具備了研究落地產業、服務企業的基礎。
在此回顧一下分散在筆者解讀文章上下篇的人工智能作用於產業的方式和企業的八種人工智能致勝策略：
人工智能助力產業利潤率增長的三大途徑：智能自動化、人工及資本的增強，以及激發創新；企業八種人工智能致勝策略包括：AI策略和領導力、從HR到HAIR的徹底改造、通過機器進行學習、首席數據（供應鏈）官、建立一個開放的人工智能文化、比自動化更進一步、把大數據送上雲端、人工智能收益的合理測算。
綜上所述，雖然埃森哲此份報告的分析是基於12個發達國家經濟體進行開展的，但其提出的人工智能影響產業經濟的方法論思維體係（三大途徑），和企業擁抱人工智能時代的戰略方法（八種策略），都是中國乃至全世界其他發展中國家可以參考和借鑒的；量化的描述，也讓讀者對人工智能將帶來的經濟推動，能夠有一個更為清晰和明確認知，且不論其分析方法是否有漏洞、未來是否真的為我們所知，大膽的設想總是能夠提供一種積極看待未來的視角。
-----------分割線-----------
附Accenture Research原版報告下載地址：How AI boosts industry profits and innovation
報告解讀文章上篇鏈接：https://www.iyiou.com/intelligence/insight49995
最後更新：2017-08-23 09:35:10