高管投资人工智能指南：了解 2025 年的价值主张
AI将在全球实现3亿个工作岗位当量的自动化，9200万个岗位将在2030年前被淘汰（世界经济论坛数据），高收入国家60%的工作受到影响——但净结果为正：将涌现1.7亿个新角色（净增7800万）。最易受影响的工作：行政类46%的活动可自动化，包括后台办公、呼叫中心、会计。各行业已可衡量的成果：金融业运营成本-40%、风险管理效率+40%，医疗保健诊断时间-30%至-50%、药物研发从5年缩短至不到1年（成本-60%），软件开发时间-56%、上市速度加快30%-60%，制造业停机时间-80%、年利润+8%，营销转化率+30%、客户获取成本-30%。薪资两极分化极为严重：具备AI技能的律师薪资比传统同行高出49%。意大利人口结构案例：到2033年将出现560万个岗位缺口，自动化380万个岗位已从风险变为必需。2025年所需技能：分析思维、创造力、社交智能——94%的营销负责人报告对销售产生积极影响，91%采用AI的企业将在2025年招聘新员工。核心问题不在于AI是否会取代人类，而在于哪些人会适应变革、哪些人会抗拒变革。
随着2025年AI投资趋势的进一步演变，高管们面临着越来越大的压力，需要在人工智能的实施方面做出战略决策。随着企业对AI工具的快速采用——22%正在广泛部署，33%正在有限使用——理解如何评估和实施AI解决方案已成为保持竞争优势的关键。Andrew Burgess在其著作《The Executive Guide to Artificial Intelligence》中，为希望在组织内理解和实施人工智能解决方案的企业高管提供了一份完整指南。
本书于2017年由施普林格国际出版社出版，对企业如何利用人工智能提供了实用的概述。今天发生了什么变化？
2025 年人工智能当前的投资趋势
人工智能领域正在经历前所未有的增长，各组织为保持竞争力都进行了大量投资。
基础知识
伯吉斯强调，必须首先确定与业务战略相一致的明确目标，这一原则至今仍然有效。他在书中指出了人工智能的八大核心能力：
- 图像识别
- 语音识别
- 搜索与信息提取
- 聚类
- 自然语言理解
- 优化
- 预测
- 理解（当前）
从 2018 年到 2025 年的演变：
自该书问世以来，人工智能已从新兴技术成为主流技术。随着大型语言模型（LLM）和生成式人工智能技术的出现，伯吉斯认为具有未来性的 "理解 "能力取得了重大进展，而这些技术在 2018 年尚未出现。
用于AI投资决策的战略框架
四个基本问题
在评估人工智能投资时，关注这些关键问题至关重要：
- 业务问题的界定
- 成功指标
- 实施要求
- 风险评估
注：这个四问框架来自当前的知识积累，并非Burgess书中明确提出的内容。
制定有效的人工智能战略
采用框架：
Burgess 提出了创建人工智能战略的详细框架，其中包括
- 与业务战略的一致性 - 理解AI如何支持现有的业务目标
- 理解AI愿景 - 明确希望实现：
- 改善现有流程
- 转型业务职能
- 创造新服务/产品
- AI成熟度评估 - 在0到5的量表上确定组织当前的成熟度水平：
- 人工处理（第0级）
- 传统IT自动化（第1级）
- 孤立的基础自动化（第2级）
- 自动化工具的战术性实施（第3级）
- 多种自动化技术的战术性实施（第4级）
- 端到端战略性自动化（第5级）
- 构建AI热力图 - 识别机会最大的领域
- 制定商业案例 - 评估"硬性"和"软性"收益
- 变革管理 - 规划组织将如何适应变化
- 制定AI路线图 - 创建中长期计划
从 2018 年到 2025 年的演变：
伯吉斯的框架在今天仍然具有惊人的现实意义，但需要对其进行补充，以考虑到以下方面：
- AI伦理与法规(如欧盟AI法案)
- AI的环境可持续性
- 负责任的AI战略
- 与量子计算等新兴技术的整合
衡量人工智能投资的投资回报率
投资回报的决定因素：
Burgess 将人工智能的优势分为 "硬 "和 "软 "两类：
硬性收益:
- 成本降低
- 成本规避
- 客户满意度
- 合规性
- 风险缓解
- 损失缓解
- 收入损失缓解
- 收入创造
软性收益:
- 文化变革
- 竞争优势
- 光环效应
- 促成其他收益
- 促成数字化转型
对人工智能投资回报率的衡量已变得更加复杂，有了评估生成式人工智能影响的具体框架，而这在伯吉斯写这本书时还不存在。
实施人工智能的技术方法
解决方案的类型：
Burgess 提出了实施人工智能的三种主要方法：
- 现成AI软件 - 预打包解决方案
- AI平台 - 由大型科技公司提供
- 定制AI开发 - 量身定制的解决方案
关于第一步，他建议考虑
- 概念验证(PoC)
- 原型
- 最小可行产品(MVP)
- 最高风险假设测试(RAT)
- 试点
有什么变化？
2018 年以来，我们见证了
- 民主化通过无代码/低代码解决方案实现的AI工具
- AI云平台的显著改进
- 生成式AI及GPT、DALL-E等模型的增长
- 自动化部分数据科学流程的AutoML解决方案的增加
考虑风险和挑战
人工智能的风险：
伯吉斯用了整整一章的篇幅来阐述人工智能的风险，他指出：
- 数据质量
- 缺乏透明度 - 算法的"黑箱"特性
- 无意的偏见
- AI的天真性 - 情境理解的局限性
- 对AI的过度依赖
- 选择错误的技术
- 恶意行为
从 2018 年到 2025 年的演变：
自从写了这本书
- 对算法偏见的担忧已成为一个关键问题(有待深入探讨)
- 随着威胁的增加,AI安全变得至关重要
- AI监管已成为一个关键因素
- 深度伪造和生成式AI虚假信息的风险已变得显著
- 随着AI使用更加普及,隐私问题日益增加
创建有效的信息安全组织
摘自伯吉斯（2018）的著作：
Burgess 提议：
- 与供应商和合作伙伴共建AI生态系统
- 建立配备专门团队的卓越中心(CoE)
- 考虑设立首席数据官(CDO)或首席自动化官(CAO)等职位
从 2018 年到 2025 年的演变：
从那时起
- 首席AI官(CAIO)职位已变得普遍
- AI现在通常融入整个组织,而非孤立于CoE之中
- AI的民主化带来了更加分散的运营模式
- 全体员工的AI素养的重要性已经显现
结论
摘自伯吉斯（2018）的著作：
Burgess 最后强调了以下方面的重要性：
- 不要相信炒作,而要专注于真实的业务问题
- 尽早开启AI之旅
- 通过理解AI使企业面向未来
- 在乐观与现实之间采取平衡的方法
从 2018 年到 2025 年的演变：
伯吉斯呼吁 "不要相信炒作"，这一呼吁在 2025 年仍然具有难以置信的现实意义，尤其是在过度炒作生成式人工智能的情况下。然而，采用人工智能的速度变得更加关键，与那些听从伯吉斯建议尽早（在 2018 年！）开始人工智能之旅的公司相比，那些尚未开始人工智能之旅的公司现在发现自己处于明显的劣势。
与 2018 年的预测相比，2025 年的人工智能格局更加复杂、更加成熟，与企业战略的融合度也更高，但伯吉斯所概述的战略调整、价值创造和风险管理等核心原则仍然惊人地有效。
评论
暂无评论——来发表第一条吧。