科技行者

十种路径:让企业AI策略见效

人工智能技术在改善客户体验、稳定和增加收入以及削减成本方面做出了贡献,并因此从试水阶段进入了生产领域。绝大多数成功的人工智能案例在这三个方面都做出了贡献,并且贡献了可以测量的结果。在当今的企业世界中,已经成功实施了很多案例并已经证明了自身的价值。

企业AI策略取得成效的十种方式

这十类案例的共同点在于它们可以根据对客户交互、生产和服务流程的实时监控进行分析并提供操作建议,并且具有相当的准确性和效率。企业在初次使用人工智能的时候要构建基础数据结构和框架,以支持最具价值潜力的高级分析、机器学习和人工智能技术。市面上有各种各样的框架,而BMC的ADE(自动数字化企业,Autonomous Digital Enterprise)提供了企业客户从试水到生产环节应用所需的一切。BMC这种方式的独特之处在于,它致力于创建一个生态系统,覆盖客户之旅中的每一个接触点,跨越客户选择用于与企业互动的任何渠道,通过这种方式提供卓越的客户体验。

公认的十大人工智能技术能够提供价值的领域

世界上有很多全球领先的企业都在从试水向生产环节过渡,它们是当今世界中人工智能创造价值的典范。下面是公认的人工智能技术在当今的企业中提供价值的十大领域。

客户反馈系统促进了所有人工智能自主服务平台的实现。这和我与一些制造业首席执行官的交流的情况非常吻合,他们致力于推动客户之声(Voice of the Customer ,VoC)计划,也促进了新产品开发计划。进展最好的制造商利用人工智能技术更好地获得了客户反馈,并且改进了自身按订单配置产品的定制策略。如今,在提高客户响应时间的同时挖掘联系中心数据已经成了人工智能平台的工作。资料来源:Forrester研究,《为联系中心注入人工智能技术可以优化客户体验,铺就通往认知联系中心之路》

麦肯锡(McKinsey)发现,人工智能可以改善需求预测,减少50%的预测误差,并且通过提高产品可用性减少65%的销售损失。供应链是所有制造业企业的命脉。麦肯锡的初步用例分析发现,人工智能技术可以将运输和仓储以及供应链管理的相关成本分别降低5%至10%和25%至40%。借助人工智能技术,甚至可能将整体库存成本降低20%至50%。(资料来源:《借助人工智能技术的智能化——对德国及该国工业部门的价值》——麦肯锡)

全球大部分首席执行官和首席人力资源官们计划在未来三年内更多地使用人工智能技术,美国的这一比例遥遥领先于其他国家和地区,达到了73%。在所有接受调查的首席执行官和首席人力资源官中,有63%的人表示,新技术从总体上对他们的运营产生了积极的影响。将人工智能技术引入自己企业的首席执行官和首席人力资源官们在变革管理方面做得不错,而大部分的员工(54%)现在已经不那么担心人工智能技术了,他们已经看到了这些技术带来的好处。那些通过帮助自己的员工升级工作技能,使之具备更强的数字敏捷能力的企业高管们更有可能赢得人才之争。资料来源:Harris Interactive与Eightfold Talent Intelligence And Management Report合作完成的2019-2020年度报告。

人工智能是下一代物流技术的基础,提升最为明显的是高级资源调度系统。人工智能技术是当前正在开发的各种新一代物流和供应链技术的基础。人工智能可以帮助制造商们解决当今面临的各种复杂约束、成本和交付方面的问题,这一点的帮助最为明显。例如,人工智能正在提供关于自动化可以在哪些方面发挥最大规模优势的见解。资料来源:麦肯锡公司,《物流自动化:机遇无限,不确定性更大》,2019年4月——Ashutosh Dekhne、Greg Hastings、John Murnane和Florian Neuhaus。

在销售额5亿至10亿美元的公司中工作的市场营销人员对人工智能的应用最为普遍,其中最常见的技术是用于客户服务领域的会话式人工智能。在人工智能技术用例的数量和深度方面,销售额在5亿至10亿美元的企业也遥遥领先于其他企业。只有52%销售规模在2500万美元及以下的小企业会在客户洞察领域使用人工智能技术进行预测分析。有趣的是,小企业是人工智能支出方面的主力,占到了38.1%的比例,这些支出主要用于通过优化市场营销内容和时机提高市场营销投资回报率。资料来源:《2019年2月首席营销官调查:亮点和观点报告》——杜克大学、德勤和美国市场营销协会。

一家半导体制造商将智能联网机器和人工智能结合在一起,将良品率提高了30%以上,同时还优化了晶圆厂的运营,并且简化了整个生产流程。他们还能够通过获得更精确的产品可用性信息,将供应链预测误差降低了50%,并将销售损失减少了65%,这些都要归功于人工智能技术提供的洞察力。他们还利用机器学习将质量测试自动化,将缺陷检出率提高到90%。对于那些还在思考新技术是否能够提供想要的结果的制造商来说,这正是他们希望看到的、可测量的结果。麦肯锡对这家半导体制造商的研究采访中还有很多其他的发现,如果有兴趣可以阅读《人工智能带来的智能化——对德国及其工业界的意义》。下图来自这份研究报告,显示了人工智能和机器学习给这家半导体制造商带来的多种提升。

人工智能使得按角色创建倾向性模型成为可能,这对于预测哪些客户将对捆绑销售或者优惠信息作出反应具有无可估量的价值。从定义上说,倾向性模型依赖于预测分析,通过机器学习预测特定客户可能会对捆绑销售或优惠信息、营销电子邮件或者其他意在推动购买的唤醒动作、追加销售或者交叉销售作出反应可能性。倾向性模型已经被证明在增加客户保留率、减少客户流失方面非常有效。如今,所有擅长全渠道营销的企业都依赖倾向性模型以更好地预测客户的偏好以及可能会引发未来采购的既往行为。下图显示了倾向性模型是如何工作。资料来源:客户倾向性面板来自TIBCO。

人工智能可以发现隐藏在物联网传感器捕获的跟踪数据之中的模式,并且用这种方式降低物流成本,每年可以节约高达600万美元的成本。BCG最近研究了使用跟踪应用程序的去中心化供应链在提高性能和降低成本方面的情况。他们发现,对于一个拥有30个节点的网络,使用区块链在供应商网络中实时共享数据,加上更好的分析洞察,每年可以节省600万美元的成本。资料来源:波士顿咨询集团(Boston Consulting Group),《区块链和物联网配合降低供应链成本》,2018年12月18日,作者Zia Yusuf、Akash Bhatia、 Usama Gill、Maciej Kranz、Michelle Fleury和Anoop Nannra

可以利用人工智能应用程序监测供应商产品质量水平和交货状况的变化,并采取相应措施,这种做法正在降低整个电子行业、高科技行业和离散生产的行业中质量不良造成的成本。和北美的一些中型制造商的对话表明,他们今天在增长方面面临的第二大障碍就是供应商的产品质量和交付表现不够稳定。制造商们可以利用人工智能技术,迅速发现谁是最好的供应商,谁是最差的供应商,并且能够知道哪个生产中心能够最准确地发现错误。制造商们正在使用类似于下图中的面板,将机器学习技术用于应对供应商质量、交付和一致性挑战。资料来源:《Power BI供应商质量分析样本一览》——微软

今天,日立公司已经利用实时监控和人工智能技术来优化生产过程中的车间操作。在日立公司,实时监控和人工智能技术的结合优化了车间作业,提供了机器层级的工作负载和生产进度的洞察力。随时能够了解每台机器的负载水平对整个生产进程的影响,就可以更好地管理每一个生产运行的决策。现在,通过使用人工智能技术,日立公司将针对特定生产任务设定最佳机器组合变成可能。信息来源:《未来工厂:论共生生产系统、实时生产监控、边缘分析和人工智能让工厂变得更加智能和敏捷》——日立研发集团高级首席研究员Youichi Nonaka和全球社会创新日立美国研发中心主任Sudhanshu Gaur

关注科技行者公众号

即将跳转至电脑版页面您确认跳转吗?
取消 跳转