眉山东坡论坛

 找回密码
 注册账号

QQ登录

只需一步,快速开始

扫一扫,访问微社区

查看: 2017|回复: 0
收起左侧

预测2016:智能机器

[复制链接]
发表于 2016-10-26 21:45 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能,让你轻松玩转东坡论坛

您需要 登录 才可以下载或查看,没有帐号?注册账号

x
作者:小i机器人
链接:https://zhuanlan.zhihu.com/p/22955912
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

发表时间:2015年12月4日
作者:WhitAndrews, Tom Austin, Kenneth F. Brant, Frances Karamouzis, Timothy Baynes,Helen Poitevin, Diane Morello, Jamie Popkin
智能机器能力现在已经足够稳定和明确,企业可以开始尝试使用它们创造商业价值。在智能机器上的商业投资会迅速增长,主要关注于营收增长和运行效率。
一、       重要结论
  • 要有效利用智能机器技术和服务需要专门的发展战略。
  • 实现智能机器的商业潜力需要焦点,金钱,人力资源,知识产权(IP)风险管理的投资。
  • 因为首席执行官将增长视为最重要的业务优先级,智能机器将被暂时用来增加收入和改善销售实践。

二、       建议高层IT领导者和战略家应该:
  • 创建一个跨职能,研发导向的智能机器“实验室”,并许可实验。
  • 分配资金和资源来获取智能机器技术。
  • 计划在云服务和咨询服务上的支出来定制,提炼和使用智能机器的技术。
  • 在2016年和2017年执行招聘和资源分配策略来获得智能机器发展和训练技能。

三、       战略计划假设
  • 到2020年,智能机器将成为30%以上CIO首选的五大投资之一。
  • 到2020年,首席财务官将需要处理由智能机器数据和“算法商业”带来的价值。
  • 到2018年底,25%的耐用品制造商会在面向客户的销售、计费和服务工作流中利用由智能机器生成的数据。
  • 到2018年底,基于研发的终端用户智能机器部署方法将可能比基于IT项目的方法产生三倍的商业价值。
  • 到2018年,全球超过300万名工人将由“机器人老板”监督。
  • 到2020年,微软的战略将围绕着Cortana而不是Windows展开。

四、       分析一系列被称之为“智能机器”的复杂技术仍在快速发展,但它们已经存在了。最近的技术进步在一些重要的新业务计划中已经为智能机器的实际应用做好了准备。
Gartner认为这种新的通用技术才刚刚开始75年的技术周期,它将对每个行业产生深远影响。我们2016年的预测反映了短期机会,以及利用智能机器的组织所面临的潜在负担和风险。
五、       你需要知道由于近期的三个技术突破所造成的“智能机器大爆炸”,智能机器正在迅速变得更加可行:
  • 网络形式系统的新计算硬件和基于图形处理单元(GPU)的超级计算机
  • 更强大的深度神经网络算法。
  • 大量数据用于训练在新硬件上运行的深度神经网络。

在未来十年的大部分时间里,智能机器只有在特定的领域和解决特定类型的问题时才是“智能”的。今天的智能机器技术有很强的感知能力,但缺乏执行能力,所以它们还不能够自己开发和测试新的决策模式。因此,在一系列关键功能上,先进的分析方法和非智能但基于规则的方法将有效助力智能机器。
这种 “智能”和“非不智能”的技术组合创造了强大的功能,可以应用于广泛的商业机会,包括:
  • 理解问题及其背景。
  • 用自然语言模仿人类回答问题。
  • 优化资源分配。
  • 用概率模型来做决定。
  • 预测未来状态。
  • 不同程度地从经验中学习。
  • 不同程度地自主行动。

但要充分利用这些技术,业务和IT将不仅需要新的技能,也需要一种新的思维方式。组织必须愿意失败,有足够的资金和人员来测试和展示智能机器是如何创建业务价值的。
这种类型的智能机器发展指出了更大的业务问题,包括:
  • 这些投入可认识到早期采用者的教训和经验,同时作为数字业务转型的一部分,也可实现可衡量的益处。
  • 智能机器数据对公共业务估值的影响伴随着新兴出现的“算法商业”(对日益复杂的算法的依赖将让组织根据这些汇总的信息行动)。

战略计划假设:到2020年,智能机器将成为30%以上CIO首选的五大投资之一。
重要结论:
由于三个主要趋势的结合,在未来五年内智能机器将得到更加广泛有效的部署:
  • 全新的处理硬件;
  • 更强大的算法;
  • 大量的数据。

智能机器的类别及其相应的业务案例正在激增,表明解决各种工作的真正快速增长的机会正在到来。今天,这已经包括使用个人助理来管理电子邮件、日历和更多;在生活辅助设备上使用智能机器人来预测和服务人类需求;以及早期自动驾驶汽车
这些机会的实现将推动在智能机器的商业投资计划。根据给定的计划细节,并考虑到当前技术的局限性,这些在人员、技能、基础设施和服务上的投资可能是非常重要的。
市场影响:
智能机器将在未来十年里改变每一个行业。从系统角度来说他们是可以利用大数据,以及在处理技术和算法上的最新进展的“机器”。 他们是“智能”的,因为他们从经验中学习,可以产生他们的创造者从来没有预期的结果。
在五年以外能给企业带来最大利益的技术包括智能顾问,智能机器人,商业无人驾驶飞行器(无人机),自动驾驶汽车和虚拟个人助理。
智能机器有可能处理各种工作和业务流程。一些智能机器作为自治的“代理”,一些作为高效处理客户的“助手”,其他作为能提高高技能专业人才的“专业顾问”。如今这些都是不可互换的。他们要么是专用的(例如自驾车辆)或针对使用专业信息的特定任务特别训练的(例如智能顾问)。这意味着采用智能机器的业务将需要大量投资。
智能机器的部署通常需要改变现有IT系统的接口和工具。因此,CIO,IT领导人和战略家应该预期与智能机器发展,部署,持续的支撑和维护有关的成本,并为智能机器的部署改变现有IT基础设施。
CIO同样也必须预料到一系列组织问题。智能机器是由多个资产组成的,这些需要相互协调管理。这些资产可能都有不同的所有者,根据所有者业务系统的主要目的不同,侧重点也不同。
建议:
首席信息官、首席技术官、高级领导人和战略家应该:
  • 在投资大型项目之前,现在开始进行小型项目尝试,以评估上述特定方法的价值(例如先进企业搜索或虚拟客户助理)。
  • 逐渐熟悉:
  • 智能机器技术的优势和局限性。
  • 智能机器组件,特别是新兴的深度神经网络。
  • 与他们的业务和行业有关的智能机器应用案例。
  • 与业务伙伴合作,假设各种智能机器技术的商业应用案例,然后根据所需的业务结果构建场景。不要把自己局限于传统的IT责任和假设里。

战略计划假设:到2020年,首席财务官将需要处理由智能机器数据和“算法商业”带来的价值。
重要结论:
通过智能机器引擎主动组装,传递信息和见解的技术正在培养一个从人为生成转向机器生成的信息资产转型。这些资产包括新内容、业务流程本体和知识产权。
智能机器将补充和推动一个被称为算法商业的新商业模式的出现。这是大量连接、关系、和动态见解的经济,它们来自于连接、大数据和算法形态的新知识产权。智能机器的交互和动态运作模型非常适合从这些连接和见解中使用算法创造价值。
在许多市场都有智能机器技术,因此没有单一的“智能机器市场”。相反,有一个总的广泛应用案例的市场。对于这个总时长,Gartner还没有官方预测。但是我们对于外部数据的一手分析认为这个总技术产品市场在2015年的总营收是100亿美金,到2020年会有300%的增长,达到300亿美金。与智能机器有关的服务可能是技术市场5到10倍的规模。
市场影响
智能机器的崛起和其他趋势一样,会破坏我们做生意的方式。算法业务的崛起是最重要的趋势之一,因为它将刺激能够带来新收入的新模型,利用算法从大量连接和关系的大数据中得出动态的见解。算法驱动的代理已经是我们经济中活跃和重要的参与者。
在这种商业模式和结合技术与服务的智能机器之间,有非常紧密的联系。举例来说,在算法商业里,由智能机器驱动的服务将不断从深度和规模上创建和更新新的IP。在这种情况下,相应最重要的业务挑战是评估支撑这些新模型的新资产结构。
同时,此类服务产生的知识产权有可能产生重要甚至永久性的收入来源,因为IP可能获得专利保护从而增加价值。一个潜在的危险是商业领袖可能会与供应商合作发布概念,却没有为不同结果和技术所有权制定战略。他们的风险是可能损失专利知识产权带来的潜在收入——可能存在于业务流程,过程本体,算法或知识资本中——这不是适当的保护。
未来五年,首席财务官在处理这些新资产的经济结构时将面临越来越大的压力。
建议:
  • 开始考虑业务单元、产品主管、CIO和关键利益相关者之间的合作,来探索基于智能机器算法商业产品的战略影响、市场规模和估值结构。
  • 开发一个覆盖业务方法或技术的特定知识产权和专利保护战略。
  • 分析智能机器技术能够如何影响你的产品和服务,以及现有的和潜在的客户会如何部署它们。
  • 保护新的营收渠道,它们会伴随着智能机器环境对算法经济模型营收潜力的影响而出现。

战略计划假设:到2018年底,25%的耐用品制造商会在面向客户的销售、计费和服务工作流中利用由智能机器生成的数据。
重要结论:
  • 学习机器将发起自我升级或重新配置的请求来满足预测的未来使用需求,这些使用需求是基于对历史使用模式的分析或感知到的环境变化。
  • 使用情况和环境数据的分析将使智能机器能够推荐更快速的服务和操作指令来生成未预料到的使用模式。
  • 客户将审核智能机器的使用数据分析来批准服务、升级以及操作指令的需求。
  • 自动化服务和升级建议日志将用于挑战产品保修和责任索赔。

市场影响:
随着智能机器的出现,客户关系将极大地拓宽、深化和加强。
智能机器有能力收集和分析有关它们操作环境、表现、和使用情况的数据。分析这些信息将能预测有关未来的性能和使用情况。这些预测转而将成为智能机器运营商、供应商、智能机器本身、或三者结合的行动建议基础。
智能机器也有能力通过软件和数控硬件升级或重新配置。这些变化可能是完全基于软件的,在这种情况下,需要再度提供许可。许可和重新配置都是通过无线完成的。在其他情况下,机器更新可能需要安装额外的硬件。比如说智能拖拉机会请求一组更适合特定地形的轮胎。
自我诊断智能机器也可以发现任何可能会影响产品的性能和寿命的使用情况或操作环境特征。偏离预期(或建议甚至需求)的使用模式可能产生一系列影响,包括安全问题,保修索赔,使用索赔,或未履行合同索赔。
在复杂环境中运行的智能机器经过精心设计和检测,它们可以捕获的信息可以用在两个方面:
  • 检测正在出现或潜在的问题。
  • 分析并消除实际的故障或缺陷。

进一步来说,在极端或危险场景下使用智能机器,它们能够主动干预,并提出纠正措施。例如:一台配有前端装载机的拖拉机正在边坡工作,它有可能发生危及生命安全的颠覆事件。这类工作也可能装载了不成熟的装载机机制。智能拖拉机将有能力检测到这种情况,记录数据,警告操作员并指导他们正确操作,甚至给车队经理推荐额外的操作员培训。
上面提到的情况显示出加强和拓宽客户关系的新机会。提升产品的积极建议——使它有更好的表现,持续时间更长,更好的保护或服务于操作者——只要客户认为智能机器是值得信赖的,这些建议都会被积极对待。能够访问智能机器收集的数据,再以客户能理解的方式呈现出来,这在支持产品需求时是至关重要的。
建议:
对于CIO来说:
  • 向商业领袖咨询如何挖掘智能机器需求带来的营收潜力。
  • 记录智能机器如何,及在多大程度上——通过数据收集、分析和记录——可以抵消合同不履行、产品保修和责任索赔的相关风险。
  • 识别智能机器和现有的销售和服务业务流程之间的触点,来满足客户体验并获取最大收益。

对于IT领导者来说:
  • 与产品开发组织合作,将IT资源映射到智能产品的产品路线图当中。
  • 确定支持智能机器的关键技术,包括机器学习、数据科学和物联网。
  • 准备解决方案,能将智能产品数据集成到销售、订单执行、服务和支持流程系统里。
  • 尽早让商业领袖涉入以识别机器生成数据的安全问题。

战略计划假设:到2018年底,基于研发的终端用户智能机器部署方法将可能比基于IT项目的方法产生三倍的商业价值。
重要结论:
  • 智能机器需要高度实验性和易失败的开发方法,类似于专注于研究和开发的实验室。
  • 很多,即使不是大多数,IT组织缺乏成功开发和部署智能机器所需的技能、人员和心态。
  • 不了解最先进的智能机器的企业领导者将面临不快,因为他们发现这些技术比近期基于云的解决方案更加复杂、不确定、要求更高。

市场影响:
智能机器技术进入了一个全新的加速创新周期。它们非常复杂,其中大部分仍在发展或成熟期,受到了迅速膨胀但即将破灭的公众期望,或者随着这些期望没有被满足,它们已经滑向Gartner炒作周期的幻想破灭阶段。
CIO们开始意识到他们的IT组织面对这一创新浪潮准备不足。传统上,IT部门都围绕着非常明确的优先级进行优化:管理成本和供应商、现成的商业软件部署、和最新的云解决方案。但是成功实现这些优先级所需的技能、价值观和思维和那些智能机器发展需要的并不相同。
由于智能机器技术的性质,开发和部署都是高度实验性的。失败不仅仅很常见,同时也在意料之内。事实上,失败是一种美德——是一种能够尽早发现哪些成功哪些不能并迅速调整适应的方法。
这种IT技能和价值观的缺陷将猛烈冲撞商业领袖的高度期望。智能机器供应商和早期采用者已经告诉我们“这不是我们所期待的”。
由于客户放弃早期开发工作,有些供应商的客户流失率很高。值得注意的是,坚持智能机器研究的往往是科学或医学研究组织。举例来说,这些人意识到找到一种治愈癌症的方法的复杂性,且技术本身无法在短期内解决这种问题。
现实是,智能机器需要IT方面的文化变革以及具体的组织和预算变化,这些能够鼓励,支持和维持注重结果的实验性心态。在更加成功的智能机器开发方法里,我们发现组织建立了跨功能团队来填补他们的IT和业务部门之间的缝隙。
这些团队包括IT代表,战略业务单位,和特定行业的信息专家和数据科学家。他们的使命是实验,迅速并频繁地失败,在丰富的知识体系,有效的算法和人机交互界面之间里找到合适企业文化并能够实现其数字化价值的匹配。
建议:
  • 企业应确保在其研发机构内的智能机器项目配备了充分的人员和资金。如果他们没有研发智能机器的项目,他们应该现在开始。
  • 首席执行官,首席技术官和首席信息官们必须齐心协力来批准并给智能机器的研究项目配备人员,允许他们进行广泛实验、早期失败并快速定位最有潜力的未来发展和投资领域。
  • 首席执行官、首席技术官和首席信息官们应该研究协调智能机器和其他组织里任何已经开始的相关技术(如客户服务、数据科学/高级分析方法,和供应链),通过开发方法来确定这些项目的范围,设定优先级,分享结果并投资最有前途的技术和组织内的技术转移。

战略计划假设:到2018年,全球超过300万名工人将由“机器人老板”监督。
重要结论:
  • 主管的职责越来越倾向于通过与结果和客户评价直接相关的指标苹果来监督工人的表现情况。基于人力资源决策和管理激励,智能机器经理可以使用这些指标更有效更迅速的来学习。
  • “零工经济”——工人们为短期合同而不是固定薪水而竞争——使得企业有大量可用的,以单个任务为工作颗粒的人才结构。人才可以以一个自动化的方式进行寻找,选择和雇佣。
  • 机器老板将依靠直接来源于工人表现的数据和它们自己的能力,并从这些数据中得出人类不可能达到,或者不能如此迅速达到的见解。
  • 智能机器技术和服务可用于现在的商业市场,并展示出某些关键属性,包括:


    • 基于它们所学到的内容处理高度复杂和不确定性并形成假设。
    • 测试这些假设并提炼概率性结论。
    • 发展出对于特定任务情境的理解,这个理解比许多行业观察家的预测更准确。

市场影响:
机器老板将越来越多地做出以前只能由人类经理做出的决定。例如,他们能够规划工作路线并仔细灵活地评估工作表现。然而在可预见的未来里,他们无法管理工作流之外的异常(如抚恤假等)。
关注绩效评估、激励和薪酬的业务流程外包商将开发出智能机器“合同经理”,它们被设计出以处理指标并监督特定的工人阶级。
随着智能机器变成分析表现的首选方法,工人表现的指标将更加细化。对人力经理来说太微不足道的活动和事件——例如,给用餐者的摆盘角度,司机拐弯的速度,或在VIP面前展现出微笑的完整性百分比——将是机器强大、细颗粒的微管理能力的素材。
对这种指标的反应也是因人而异的。基于优化的个性化和交互属性,智能机器经理将服务器分配给食客。技术人员将被分配去他们擅长的任务。“零工经济”的自由职业者将参与进由精密评估流程驱动的有效工作链里。
短期标杆:
  • 在2016年一个主要软件供应商或业务流程外包商将发布“员工管理”智能机器。
  • 在2017年另一个主要服务分支行业将受到来自成功的分享经济(如Uber)的破坏。
  • 在2017年的主要劳动力市场,超过30%的自由职业者将通过分享市场选择工作。

建议:
  • 培训经理去关注“人”的问题,如创造性领导力,员工关系和战略规划。培训必须减少对衡量工人的行为及其相关性的关注。人力经理应被给予明确的指示,告诉他们哪些是他们可以而机器不能完成的任务。经理本人应该以员工对公司的满意程度,以及工作和生活的平衡程度作为他的评估标准。人力经理可能与智能机器经理合作,这种合作的方式使他们能够影响机器的技能和长处。
  • 建立细粒度的衡量指标,以便发现之前未被检测到的基准和标杆。
  • 关联几个指标而不是只依据单个的指标。单个指标(例如交易的总体满意度)必须结合其他指标来发展成更有意义的情景(这可能包括对比某一交易与之前或在同一时间的其他交易,来确定这一交易满意度的增加或减少)。基于完成特定步骤的单个指标必须结合其他步骤和结果,来促进有效关系的挖掘。
  • 确保为管理目的研发的智能机器结合了机器的识别、记录和使用新模式的倾向。智能机器管理人员将以新的方式审视数据,因为他们能够冷静地发现先前未被发现的关系和相关性,测试他们的假设,然后提升生产状况。

战略计划假设:到2020年,微软的战略将围绕着Cortana而不是Windows展开。
重要结论:
  • 微软正积极加强其基于云的系办公系统技术套件,它结合、重新定义并传递了一个以智能代理为中介的用户体验,这类用户体验将远比早期预置的Exchange,Sharepoint以及微软的个人生产力工具Outlook和Excel体验好得多。
  • Cortana将演变成微软重新定义生产力的跨平台表层,通过理解用户,主动帮助用户以及相关的群体,来让用户更有效率。它将成为一个值得信赖和强大的虚拟个人助理,以及管理集成应用程序的代理。
  • Windows在消费设备的操作系统市场上只占有14%的市场份额,所以微软必须在Windows, iOS,OS X和Android上传递它所有专属的体验价值来最大化客户体验。

市场影响:
微软、谷歌和其它许多公司正在通过让人们享受他们的产品来重新定义用户体验,并为他们自己、他们的合作伙伴和客户建立新的特许经营。这些新用户体验的一个关键部分是虚拟个人助理(vpa),赋予合适的权限,VPA将学习和并能代表用户行事。
这些“智能代理”能够:
  • 主动和反映用户的需求,而不是仅仅对用户一视同仁提供一整套特性。
  • 与用户发展长期、敏感的关系(培养对于个人工作、习惯、同伴、来源和沟通的有效知识)。
  • 在每一个主要平台让用户通过人性化、“任何形态”(语音、手写或文字)的自然语言进行交互。

微软正致力于搭建这些能力的基础,如Cortana和Office Graph。随着这些功能的发展,它们消除了Office 365的传统角色以及它们各自套件之间的界限。
Cortana不仅仅是一个语音文本转换的用户界面。它还能够:
  • 在用户的批准下,跟踪用户行为和学习。
  • 替用户管理应用程序。
  • 通过微软API获取其他应用程序提供的服务提供。
  • 无论其用户身处何地,给用户传递信息(包括历史和当前状态)。

有了这样的能力,Cortana将成为微软未来的战略核心。随着设备和形态的增多,工作场所技术将不再以基于设备的个人应用程序为中心。相反,智能技术将扩大用户体验去覆盖用户与人、地点和事物广泛的数字化交互。随着如Cortana的智能代理浮出水面,“操作系统”,如Microsoft Windows,将变得更加下沉,智能代理会成控制、协调和促进用户交互和交流的中介。
微软正在加入这种跨平台VPA的竞争,它的竞争优势包括:
  • 自然语言交互(Power BI,Cortana)
  • 具有行业优势、跨平台、业务导向的生产力工具(Outlook和Excel)
  • 能够支持VPA的基本存储系统(Office Graph)

要真正实现这一愿景,微软也必须改善Cortana和非微软应用程序之间的集成,如Workday和Salesforce。
建议:
  • 数字化工作场所的领导者应该:
  • 跟踪Cortana的发展、API和与非微软的业务应用程序集成。
  • 进行早期实验以更好地理解Cortana(作为一个集成点)对用户体验和效率的影响。

六、       回顾根据你的需求,我们回顾了往年一些关键的预测。我们有意挑选了对立面的预测——有我们完全预测准确的,也有那些我们没有预测中的。
这个主题非常新,没有过去的预测可以进行比较。

您需要登录后才可以回帖 登录 | 注册账号

本版积分规则

QQ|网站地图|关于我们|小黑屋|爱好群|眉山东坡论坛 ( 蜀ICP备05001993号-1 )

GMT+8, 2018-1-17 01:10

Powered by Discuz! X3.4 Licensed

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表