過去二十多年，企業(yè)遭遇了顛覆性沖擊。事實如此令人震撼：自2000年以來，數(shù)字化顛覆已令半數(shù)的《財富》500強企業(yè)從榜單除名。AI將讓數(shù)字顛覆來得更加強烈。

這是因為，人工智能是一種經(jīng)濟學家所定義的通用技術（general-purpose technology）。而通用技術的影響通常巨大而且深遠?我們不妨回想電力和內(nèi)燃機的歷史意義。通用技術影響不僅體現(xiàn)為對社會的直接貢獻，還會通過溢出效應，激發(fā)廣泛的互補式創(chuàng)新。正是由于電力的出現(xiàn)，工廠電氣化、電信聯(lián)絡、以及隨之而來的一切方才成為可能。內(nèi)燃機則催生出了汽車、飛機、乃至現(xiàn)代化的運輸和物流網(wǎng)絡。如今，人工智能將以類似的規(guī)模影響整個社會。據(jù)Constellation Research公司預測，2020年人工智能市場規(guī)模將突破400億美元。

究竟人工智能是什么？

回答這一問題并不像看起來那么簡單。事實上，人工智能涵蓋了一系列不同的技術，通過有效的組合，機器便能夠以類似人類的智能水平展開行動。因此，我們并未像許多人那樣，不斷嘗試去明確地描述人工智能，而是傾向于將此類技術視為一套能力框架。我們的框架以人工智能支持機器實現(xiàn)的主要功能為核心，其中包括：

機器學習是人工智能系統(tǒng)的核心。它可以從原始數(shù)據(jù)中學習，從而賦能于人工智能可見的出色表現(xiàn)，使其變得越來越普遍。無論是進行前瞻判斷的預測系統(tǒng)、近乎實時解讀語音和文本的自然語言處理系統(tǒng)、以非凡準確度識別視覺內(nèi)容的機器視覺技術，還是優(yōu)化搜索和信息檢索，都依托于機器學習。

相對于其他技術，機器學習關鍵優(yōu)勢之一，就是對“臟”數(shù)據(jù)（即數(shù)據(jù)中包含有重復記錄、不良解析的字段，或是不完整、不正確、以及過時的信息）的容忍度高。此外，機器學習的真正強項就是可使用監(jiān)督學習、無監(jiān)督學習和強化學習等不同類型的學習算法。

人工智能技術正被持續(xù)引入新興的“認知RPA（Cognitive RPA）”領域。這令流程自動化擁有了一定程度的可調空間，使其應用范圍得以大大擴展。其中的典型實例包括，利用機器學習訓練機器識別圖像中的文本（被稱為光學字符識別）。

隨著企業(yè)持續(xù)加大人工智能的應用力度，系統(tǒng)所能處理的數(shù)據(jù)和工作的復雜性必然有增無減。若想了解其如何在業(yè)務環(huán)境中發(fā)揮作用，下方框架可能會有所幫助。此框架列出了各種技術的潛在應用形式（本文以金融服務行業(yè)為例），并根據(jù)所涉及數(shù)據(jù)和工作的復雜程度，將人工智能應用分為四大模式?效率、效力、專家、創(chuàng)新。

采取正確的應用方式，人工智能將成為提升企業(yè)經(jīng)濟價值的全新驅動力。但問題在于，選擇何種路徑才是恰當之舉？

在這樣一個飛速發(fā)展的領域中，我們很容易一葉障目，迷失戰(zhàn)略方向。首先，應當了解人工智能將帶來哪些機遇。通過將這些機遇劃分為三大類型，您可以對應采取的路線有更清晰的認知。這意味著需要分別考慮：

• 如何利用人工智能來加快自動化？

• 如何增強工作效力和執(zhí)行方式？

• 如何在企業(yè)內(nèi)外擴展人工智能創(chuàng)新？

雖然各方的確圍繞人工智能付諸了許多努力，但目前的局面仍然是，大多數(shù)企業(yè)尚未踏上人工智能應用之路。而在那些已經(jīng)開始行動的企業(yè)中，半數(shù)依然處于試點或概念驗證階段。

那么，干擾他們的因素包括哪些？

其中的原因多種多樣，這與企業(yè)引入數(shù)據(jù)分析時的狀況如出一轍。對一些企業(yè)來說，難題涉及招募合適的人才、安排投資優(yōu)先級、以及化解對安全的擔憂。而另一些需要突破的障礙在于，定義令人信服的商業(yè)模式、獲得足夠強大的領導層支持、以及掌握更多通用技術能力。 

如同所有重大創(chuàng)新一樣，踏上人工智能征程勢必要面臨風險，并且可能出現(xiàn)意想不到的后果。這便是以負責任方式利用此類技術如此重要的原因。必須從一開始就將信任、透明度和安全性納入人工智能設計當中，并且始終謹記做出明確解釋的必要。

總而言之，形勢的緊迫性已毋庸贅言：人工智能已來，積極關注和行動，實現(xiàn)技術向善、智能有為，現(xiàn)在恰逢其時。