首页 » 科技 >

从ROI到RAI 人工智能收入

2020-01-16 15:41:41来源:

随着诸如人工智能(AI)之类的颠覆性技术从根本上改变了我们的生活和经商方式,企业高层对IT支出和利用的态度正在发生变化。曾经被认为是做生意的成本,现在,技术被视为对企业执行核心功能的能力至关重要的业务驱动力,即使在硅谷以外的行业中也是如此。

但是,尽管AI在21世纪业务决策中变得越来越重要,但许多高管仍在努力确定ROI以证明对AI和机器学习进行投资的合理性。

技术在企业中的角色变化

除了IT行业本身,高级管理人员历来都将IT支出视为数字时代开展业务的入门成本,而不是创收投资。然后出现了新技术,例如移动,云计算和物联网(IoT)。突然之间,几乎每个企业都变成了事实上的软件公司,而那些坚守前数字化经商方式的公司被抛在了后面。高管们意识到,通过最小化成本,提高效率和推动创新,对技术的投资直接有助于其组织的目标和底线。

但是,在组织对技术投资的态度发生转变的过程中,人工智能和机器学习(ML)被忽略了。TechRepublic的一项研究发现,尽管组织认识到AI和ML的价值,但大多数人仍不确定在该领域的投资如何使他们受益。该研究表明,有56%的受访者预测实施AI / ML解决方案比以前的IT项目更加困难。考虑到53%的用户表示他们的用户对企业AI / ML项目的期望不清楚,这并不奇怪。

最大化AI的潜力意味着最大化ROI

大数据处理和图像识别可以通过机器学习,神经网络或深度学习来实现。这些技术擅长处理大型数据集和进行复杂的数学计算,但是它们无法处理丢失/不完整的数据,没有情境意识,也无法解释其思想。

作为一家公司的CEO,结合数字和符号AI,形成认知与AI推理像人一样的权力,我看到第一手如何Çognitive AI系统消耗和理解大量的人力,大型工业设施和生产要素所产生的数据在系统级或特定设备级别上提出建议的专业知识。人性化推理与自动化的结合帮助业务领导者做出艰难的决策并发现机会。由此产生的生产效率提高和废物减少可以产生新的收入和利润,特别是在高价值行业。那是来自AI(RAI)的收入。

在企业中实现RAI的步骤

认知人工智能非常适合解决工业流程涉及连续数据流的复杂问题。例子包括能源,炼油,发电和过程制造-永不停止运营的企业,以及由于需要系统范围的监督而仅凭物联网不足的企业。但是,要实现AI投资的回报,必须具备基本先决条件:

•数据必须存在-人和机器都必须能够利用它。尽管理想的数据是理想的数据,但认知AI系统可以跨孤岛使用非结构化数据,分析,物联网数据,传感器数据等。

•统一的专家知识有助于解锁数据中的价值。以人类为灵感的知识库使系统可以将推荐的行动方案与人们开发的最佳实践进行比较。随着时间的流逝,系统变得越来越智能。

•可解释的人工智能对于以透明的信息,证据,不确定性,信心和风险以清晰的方式详细描述建议至关重要,这些信息可以被人们理解并可以由机器解释。

•必须具备数字化的公司文化,并拥有一支具有创新意识的团队,该团队有权实施采用AI技术推动的结构转型。这种文化至关重要的是,重视数据驱动的决策制定,而不是默认使用传统方法。在这里,您的AI投资将蓬勃发展或持平。

所有这些归结为从AI投资获得成功回报的最重要因素:信任。可以通过提高效率,减少浪费或加快速度来衡量AI系统的价值。最大的价值在于为人类提供可行的情报,以便他们做出更好的决策。通过可解释的AI使人类处于循环中是与该技术建立共生关系并建立对其结果的信任的关键。

人工智能正在为主要行业创造主要收入

如今,能源公司使用认知AI解决方案,旨在降低炼油厂的运营成本,缩短新产品的上市时间,将地下分析从数月缩短至数小时,并提高上游产量。例如,《电讯报》报道(paywall)BP正在使用认知AI解决方案来提高海上石油产量。

能源并不是唯一通过战略性使用认知AI解决方案看到巨大成果的行业。Morgan Stanley的一份报告提供了AI应用程序投资回报率的定量示例:

•机器学习正在分析风电场,以提前36小时做出功率预测,使提供商能够在交付前一整天向电网做出供应承诺,并将风能输出的价值提高20%。

•在澳大利亚,采矿公司正在使用自动驾驶卡车和钻井技术来降低采矿成本,提高工人安全性并将生产率提高20%。

•如果美国公用事业公司使用基于AI的资产管理软件,则每年可以减少230亿美元的成本,从而减少停电频率,总体占地面积,安装时间和铜缆使用量。

•一家欧洲汽车制造商建立了“完全数字化”的工厂,大大减少了制造时间,同时将生产率提高了10%。

要从AI项目中获得最大的ROI,就需要改变组织的思维方式。通过将AI视为业务驱动因素而非开销,企业有机会将AI视为宝贵的资产,可帮助业务领导者做出更明智的决策,并将AI的新收入交付到底。