來源丨Forbes
作者丨Louis Columbus
編譯丨科技行者
人工智能技術在改善客戶體驗、穩(wěn)定和增加收入以及削減成本方面做出了貢獻，并因此從試水階段進入了生產領域。絕大多數(shù)成功的人工智能案例在這三個方面都做出了貢獻，并且貢獻了可以測量的結果。在當今的企業(yè)世界中，已經成功實施了很多案例并已經證明了自身的價值。
這十類案例的共同點在于它們可以根據(jù)對客戶交互、生產和服務流程的實時監(jiān)控進行分析并提供操作建議，并且具有相當?shù)臏蚀_性和效率。企業(yè)在初次使用人工智能的時候要構建基礎數(shù)據(jù)結構和框架，以支持最具價值潛力的高級分析、機器學習和人工智能技術。市面上有各種各樣的框架，而BMC的ADE（自動數(shù)字化企業(yè)，Autonomous Digital Enterprise）提供了企業(yè)客戶從試水到生產環(huán)節(jié)應用所需的一切。BMC這種方式的獨特之處在于，它致力于創(chuàng)建一個生態(tài)系統(tǒng)，覆蓋客戶之旅中的每一個接觸點，跨越客戶選擇用于與企業(yè)互動的任何渠道，通過這種方式提供卓越的客戶體驗。
公認的十大人工智能技術能夠提供價值的領域
世界上有很多全球領先的企業(yè)都在從試水向生產環(huán)節(jié)過渡，它們是當今世界中人工智能創(chuàng)造價值的典范。下面是公認的人工智能技術在當今的企業(yè)中提供價值的十大領域。
客戶反饋系統(tǒng)促進了所有人工智能自主服務平臺的實現(xiàn)。這和我與一些制造業(yè)首席執(zhí)行官的交流的情況非常吻合，他們致力于推動客戶之聲（Voice of the Customer ，VoC）計劃，也促進了新產品開發(fā)計劃。進展最好的制造商利用人工智能技術更好地獲得了客戶反饋，并且改進了自身按訂單配置產品的定制策略。如今，在提高客戶響應時間的同時挖掘聯(lián)系中心數(shù)據(jù)已經成了人工智能平臺的工作。資料來源：Forrester研究，《為聯(lián)系中心注入人工智能技術可以優(yōu)化客戶體驗，鋪就通往認知聯(lián)系中心之路》
麥肯錫（McKinsey）發(fā)現(xiàn)，人工智能可以改善需求預測，減少50%的預測誤差，并且通過提高產品可用性減少65%的銷售損失。供應鏈是所有制造業(yè)企業(yè)的命脈。麥肯錫的初步用例分析發(fā)現(xiàn)，人工智能技術可以將運輸和倉儲以及供應鏈管理的相關成本分別降低5%至10%和25%至40%。借助人工智能技術，甚至可能將整體庫存成本降低20%至50%。（資料來源：《借助人工智能技術的智能化——對德國及該國工業(yè)部門的價值》——麥肯錫）
全球大部分首席執(zhí)行官和首席人力資源官們計劃在未來三年內更多地使用人工智能技術，美國的這一比例遙遙領先于其他國家和地區(qū)，達到了73%。在所有接受調查的首席執(zhí)行官和首席人力資源官中，有63%的人表示，新技術從總體上對他們的運營產生了積極的影響。將人工智能技術引入自己企業(yè)的首席執(zhí)行官和首席人力資源官們在變革管理方面做得不錯，而大部分的員工（54%）現(xiàn)在已經不那么擔心人工智能技術了，他們已經看到了這些技術帶來的好處。那些通過幫助自己的員工升級工作技能，使之具備更強的數(shù)字敏捷能力的企業(yè)高管們更有可能贏得人才之爭。資料來源：Harris Interactive與Eightfold Talent Intelligence And Management Report合作完成的2019-2020年度報告。
人工智能是下一代物流技術的基礎，提升最為明顯的是高級資源調度系統(tǒng)。人工智能技術是當前正在開發(fā)的各種新一代物流和供應鏈技術的基礎。人工智能可以幫助制造商們解決當今面臨的各種復雜約束、成本和交付方面的問題，這一點的幫助最為明顯。例如，人工智能正在提供關于自動化可以在哪些方面發(fā)揮最大規(guī)模優(yōu)勢的見解。資料來源：麥肯錫公司，《物流自動化：機遇無限，不確定性更大》，2019年4月——Ashutosh Dekhne、Greg Hastings、John Murnane和Florian Neuhaus。
在銷售額5億至10億美元的公司中工作的市場營銷人員對人工智能的應用最為普遍，其中最常見的技術是用于客戶服務領域的會話式人工智能。在人工智能技術用例的數(shù)量和深度方面，銷售額在5億至10億美元的企業(yè)也遙遙領先于其他企業(yè)。只有52%銷售規(guī)模在2500萬美元及以下的小企業(yè)會在客戶洞察領域使用人工智能技術進行預測分析。有趣的是，小企業(yè)是人工智能支出方面的主力，占到了38.1%的比例，這些支出主要用于通過優(yōu)化市場營銷內容和時機提高市場營銷投資回報率。資料來源：《2019年2月首席營銷官調查：亮點和觀點報告》——杜克大學、德勤和美國市場營銷協(xié)會。
一家半導體制造商將智能聯(lián)網(wǎng)機器和人工智能結合在一起，將良品率提高了30%以上，同時還優(yōu)化了晶圓廠的運營，并且簡化了整個生產流程。他們還能夠通過獲得更精確的產品可用性信息，將供應鏈預測誤差降低了50%，并將銷售損失減少了65%，這些都要歸功于人工智能技術提供的洞察力。他們還利用機器學習將質量測試自動化，將缺陷檢出率提高到90%。對于那些還在思考新技術是否能夠提供想要的結果的制造商來說，這正是他們希望看到的、可測量的結果。麥肯錫對這家半導體制造商的研究采訪中還有很多其他的發(fā)現(xiàn)，如果有興趣可以閱讀《人工智能帶來的智能化——對德國及其工業(yè)界的意義》。下圖來自這份研究報告，顯示了人工智能和機器學習給這家半導體制造商帶來的多種提升。
人工智能使得按角色創(chuàng)建傾向性模型成為可能，這對于預測哪些客戶將對捆綁銷售或者優(yōu)惠信息作出反應具有無可估量的價值。從定義上說，傾向性模型依賴于預測分析，通過機器學習預測特定客戶可能會對捆綁銷售或優(yōu)惠信息、營銷電子郵件或者其他意在推動購買的喚醒動作、追加銷售或者交叉銷售作出反應可能性。傾向性模型已經被證明在增加客戶保留率、減少客戶流失方面非常有效。如今，所有擅長全渠道營銷的企業(yè)都依賴傾向性模型以更好地預測客戶的偏好以及可能會引發(fā)未來采購的既往行為。下圖顯示了傾向性模型是如何工作。資料來源：客戶傾向性面板來自TIBCO。
人工智能可以發(fā)現(xiàn)隱藏在物聯(lián)網(wǎng)傳感器捕獲的跟蹤數(shù)據(jù)之中的模式，并且用這種方式降低物流成本，每年可以節(jié)約高達600萬美元的成本。BCG最近研究了使用跟蹤應用程序的去中心化供應鏈在提高性能和降低成本方面的情況。他們發(fā)現(xiàn)，對于一個擁有30個節(jié)點的網(wǎng)絡，使用區(qū)塊鏈在供應商網(wǎng)絡中實時共享數(shù)據(jù)，加上更好的分析洞察，每年可以節(jié)省600萬美元的成本。資料來源：波士頓咨詢集團（Boston Consulting Group），《區(qū)塊鏈和物聯(lián)網(wǎng)配合降低供應鏈成本》，2018年12月18日，作者Zia Yusuf、Akash Bhatia、 Usama Gill、Maciej Kranz、Michelle Fleury和Anoop Nannra
可以利用人工智能應用程序監(jiān)測供應商產品質量水平和交貨狀況的變化，并采取相應措施，這種做法正在降低整個電子行業(yè)、高科技行業(yè)和離散生產的行業(yè)中質量不良造成的成本。和北美的一些中型制造商的對話表明，他們今天在增長方面面臨的第二大障礙就是供應商的產品質量和交付表現(xiàn)不夠穩(wěn)定。制造商們可以利用人工智能技術，迅速發(fā)現(xiàn)誰是最好的供應商，誰是最差的供應商，并且能夠知道哪個生產中心能夠最準確地發(fā)現(xiàn)錯誤。制造商們正在使用類似于下圖中的面板，將機器學習技術用于應對供應商質量、交付和一致性挑戰(zhàn)。資料來源：《Power BI供應商質量分析樣本一覽》——微軟
今天，日立公司已經利用實時監(jiān)控和人工智能技術來優(yōu)化生產過程中的車間操作。在日立公司，實時監(jiān)控和人工智能技術的結合優(yōu)化了車間作業(yè)，提供了機器層級的工作負載和生產進度的洞察力。隨時能夠了解每臺機器的負載水平對整個生產進程的影響，就可以更好地管理每一個生產運行的決策?，F(xiàn)在，通過使用人工智能技術，日立公司將針對特定生產任務設定最佳機器組合變成可能。信息來源：《未來工廠：論共生生產系統(tǒng)、實時生產監(jiān)控、邊緣分析和人工智能讓工廠變得更加智能和敏捷》——日立研發(fā)集團高級首席研究員Youichi Nonaka和全球社會創(chuàng)新日立美國研發(fā)中心主任Sudhanshu Gaur
