利用AI创造投资回报:AI+制胜的六项关键能力.pdf
《利用AI创造投资回报:AI+制胜的六项关键能力.pdf》由会员分享,可在线阅读,更多相关《利用AI创造投资回报:AI+制胜的六项关键能力.pdf(37页珍藏版)》请在咨信网上搜索。
1、IBM 商业价值研究院|研究洞察利用 AI 创造投资 回报AI 制胜的六项关键能力1大多数 AI 项目盈利能力不足。随着 AI 的日益成熟,企业级 AI 项目的平均投资回报率仅为 5.9%,远低于 10%的平均资本成本。数据至关重要,但只是其中一环。大规模可信、高质量的数据推动 AI 项目的投资回报率提高多达 9%。企业可利用正确的方法构筑 AI 高地。拥有六项成熟能力的领先企业表示 AI 项目的平均投资回报率为 13%。成熟的能力让 AI 项目脱颖而出,实现尽可能高的投资回报率。摘要23AI 成为万众瞩目的焦点 人工智能再次跃升为广受关注的热点。生成式 AI 在商业领域掀起了一股风暴,从 O
2、penAI 的 ChatGPT、百度的 ERNIE、谷歌的 LaMDA 到 Facebook 的 LLaMA,各大科技公司纷纷推出自己的大语言模型(LLM)。企业高管们也难免受到这股浪潮的影响。2023 年初,企业财报电话会议上提及 AI 的次数同比增长了 77%。1资金也闻风而动。AI 正成为 IT 预算中越来越大的一部分。今年,全球以 AI 为中心的系统支出预计将达到 1540 亿美元,比 2022 年增长 27%。2但企业会明智地使用这些资源吗?随着 AI 模型变得更加快速、智能和可靠,组织正纷纷加大投资力度。AI 项目的投资回报率(ROI)能否达到预期?答案是:可以达到预期,但前提是组
3、织要采取严格的方法。为了探寻这一结论,我们调查了全球 16 个主要地区的 34 个商业和技术职位的 2,500 名高管。我们询问受访者如何拆解其企业当今在 AI 领域的投资,所实现的实际投资回报率,以及需要哪些要素来提高效率。然后,我们与牛津经济研究院合作,分析了最成功的 AI 项目与哪些关键业务和技术能力有关。(请参阅第 31 页的“调研和分析方法”。)AI 项目的投资回报率能否达到预期?4所有组织 的平均投资回报我们的研究结果表明,AI 项目的成果之间存在巨大的差距。只有少数项目能够实现符合股东期望的财务效益。事实上,企业级 AI 项目的平均投资回报率仅为 5.9%,远低于 10%的平均资
4、本成本。然而,随着 AI 成熟度的不断增加,投资回报率会出现明显的改善。事实上,领先企业实现了 13%这一令人羡慕的投资回报率水平(见图 1)。那么,这些领先企业有哪些独到之处?各种不同行业的领导者可以从领先企业的成功中学习到哪些经验?请继续阅读本报告,了解:为什么临时 AI 项目的价值低于战略 AI 项目;可信数据的影响和“AI-数据”共生的良性循环;定义和赋能顶级组织的六项关键能力。要充分释放 AI 的潜力,就需要在可靠的信任基础上建立一个成熟的 AI 组织。采取正确举措的企业正在创造巨大的业务价值,而不仅仅是获得媒体关注。图 1 脱颖而出领先企业实现了超过资本成本的 AI 投资回报率。1
5、4%13%12%10%9%8%7%6%5%4%3%2%1%0%企业的平均资本成本10%AI RoI排名前 10%的组织的平均投资回报率30%领先具备成熟 AI 能力的企业可以利用 AI 创造利润,而不仅仅是获得媒体关注。5.9%13%5超越机会主义 AI过去十年来,许多组织一直在押注 AI,但学习曲线非常陡峭。3 一些组织被 AI 技术的“惊人能力”所吸引,却忘记了保持 AI 项目与战略相一致。另一些组织则将 AI 视为一把锤子,并将所有业务问题都视为钉子。几乎所有组织都在努力将其实施规模扩展到实验、概念验证和试点之外。但好消息是,根据 IBM 商业价值研究院的分析,许多组织已经开始取得进展。
6、AI 部署实现了比以往更大的成功。2021 年,54%的的受访高管表示其组织正在有效利用 AI,这一比例相比 2020 年的 25%增长了一倍多。受访高管还预计,到 2024 年,AI 投资占 IT 支出的比例将增长至 6.5%。总体而言,2020 年以来,AI 项目的投资回报率保持稳步上升趋势。企业级 AI 项目的平均投资回报率已从 2020 年初的略高于 1%增长到 2021 年底的近 6%。4 这可能是由于在全球疫情的推动下,许多组织纷纷大力投资发展各种 AI 赋能型解决方案,以加速远程办公、改善用户体验以及降低成本。为了衡量 AI 项目投资回报率是否跟上了这一趋势,我们于 2023 年
7、 4 月和 5 月再次针对 350 多名高管开展了一项调研。我们发现 AI 项目投资回报率继续沿着预期的增长趋势上行,预计到 2022 年将达到 8.3%(见图 2)。5随着组织明确 AI 部署的场景和方式,“大胆押注”就会转化为更大的效益。6尽管如此,AI 项目的投资回报仍然低于资本成本,大多数行业的资本成本通常为 10%。总体而言,根据 IBM 商业价值研究院的调研,只有不到四分之一的组织表示其 AI 项目的投资回报率高于 10%。图 2 回报率持续上升从 2020 年到 2022 年,AI 项目的投资回报率增长了 6 倍以上。10%9%8%7%6%5%4%3%2%1%0%AI RoI5.
8、9%1.3%2.1%20202021 年初2021 年末信息来源:2020 年:Deloitte/ESL AI 调查;2021 年初:IBV AI 伦理调查;2021 年末:IBV AI 能力调查;2022 年:IBV 生成式 AI Pulse 调查,2023 年 4 月至 5 月。2022(估计)8.3%从本质上讲,AI 正在遵循变革性技术的典型“J 曲线”模式。6 大规模采用新兴技术需要重塑业务模式、工作流、技能以及业务的许多其他方面。在前期,团队需要克服各种问题和挑战,回报往往会停滞不前。不过,随着能力的成熟,回报率会迅速增长。在这种环境下,企业需要制定战略计划来持续扩大 AI 的影响力
9、。7根据 IBM 商业价值研究院的分析,随着 AI 成熟度的不断增长,投资回报率将持续改善(见图 3)。大多数追求临时和/或机会主义 AI 项目的普通企业处于明显落后的位置。2021 年,一些企业有意识地将 AI 嵌入产品、服务、业务部门和职能,并实现了超过 7%的投资回报率。随着成熟度的进一步增长,AI 部署成为战略业务转型的一部分,投资回报率进一步改善,达到 8%。图 3 以 AI 为中心的战略提高投资回报率 确保 AI 与企业优先要务相一致可以实现比临时项目更高的投资回报率。AI 战略连续体机会主义水平部署垂直集成产品嵌入新业务模式 推动者AI 的战略重要性临时客户/运营效率客户/运营效
10、率有机增长、创新和 差异化转型与平台战略企业类型不定将 AI 部署到职能 领域将 AI 集成到业务 部门将 AI 嵌入核心产品运用 AI 帮助实现 平台经济组织的投资 回报率 4.7%7.2%7.4%8.0%随着组织明确 AI 部署的场景和方式,“大胆押注”就会转化为更大的效益。曲线顶部是一组取得最佳绩效的组织,实现了 13%的平均投资回报率。通过采取稳健、平衡的方法来运用 AI,包括建立数据和分析技能、发展多学科方法、创建多元化团队以及通过 AI 卓越中心(CoE)来培训团队,这些组织已经在内部建立起了全方位的能力。8观点从 Alphabet 到沃尔玛:成为以 AI 为核心的企业 传统企业就
11、像是工业时代的城市,内部遍布纵横交错的小巷,而不是四通八达的大道。由于受到历经百年的基础设施的制约,传统企业在现代化方面始终面临着长期的挑战。以 AI 为核心的企业则是从一张白纸开始,领导者可以运用更大的创造力和灵活性,并将新兴技术置于业务模式的核心位置。在 IBM 商业价值研究院最近发布的一份报告中,Avis Budget Group 首席数字官 Ravi Simhambhatla 说道,“我还没有遇到数字原生企业说,我要创新。我只听到传统企业会这样说,因为它们正在尝试摆脱困境。对于数字原生企业来说,一切都是关于自我颠覆。”7Alphabet、Netflix、亚马逊和 Meta 等数字原生企
12、业都是以 AI 为核心的高增长企业,它们已经从 AI 投资中获得了巨额回报。8 不过,一些传统品牌也利用 AI 实现了高速发展。例如,沃尔玛运用 AI 来匹配库存与不断变化的客户需求。该公司利用客户和购物趋势数据来预测哪些地区的消费者会在哪些时间需要特定产品。这样一来,沃尔玛就可以在每个仓库储存适当的商品,从而简化物流并保证快速交货,即使在购物旺季也是如此。9这种能力并非一夜之间养成,而是依托于负责任的数据收集与整理流程、灵活算法的开发以及整体技术方法。总的来说,这些举措共同为沃尔玛提供了基于 AI 的可信见解。几十年来,沃尔玛一直在数据和分析领域处于领先地位,因此也深知要让 AI 充分发挥潜
13、力,度量和优化必不可少。通过跟踪期望成果和诊断挑战,该公司能够从 AI 中发掘更多价值,并构建可适用于许多当前和未来业务应用的可扩展能力。沃尔玛的成功表明,尽管传统企业无法成为数字原生企业,但可以通过转型来模仿数字原生企业的敏捷性。未来,那些集中资源发展关键领域(将 AI 嵌入核心业务)的企业将比过度分散资源的企业实现更好的成效。89打造领先的 AI 组织,首先要考虑的一个因素是 组织应当如何选择、收集、管理和使用其数据。作为一项丰富但难以捉摸的资源,数据要么成就 AI,要么阻碍 AI。数据就像是数字世界中的石油 一种提取成本高昂、难以处理的宝贵资源。低质量的数据会污染整个生态系统。但如果以负
14、责任的方式加以使用,数据将价值连城。这是因为具有可靠性、代表性、共识性的数据是建立可信 AI 的基石。人们不会使用自己不信任的 AI 解决方案,而更注重 AI 伦理的组织则表示客户和员工对其更加信任。10数据还有助于缩小投资回报率差距。尽管拥有巨量“数据财富”的企业尚不具备全面领先的综合实力,但它们拥有大量高质量的数据,能够有效用数据创造价值。不仅如此,此类企业还表示其数据得到了内部和外部利益相关者的充分信任。根据 IBM 商业价值研究院的分析,丰富的高质量数据有助于企业实现高于平均水平的投资回报率,并改善 AI 项目的成效(见图 4)。数据和 AI:形成良性循环数据可以将平均 AI 投资回报
15、率与领先 AI 投资回报率之间的差距缩小一半。图 4 数据差异化因素采用更全面数据实践的企业可以实现更好的业务成效。企业整体 AI 能力实现的 投资回报率AI 项目的成效所有其他 组织4.8%9.0%47%77%数据财富 领先者10实际上,领先组织所实现的投资回报率中有一半归因于高质量、高价值且可信的数据。也就是说,仅靠数据还不足以充分发挥 AI 的潜力。数据质量、数量、稳健性、价值和信任都非常重要,但企业利用数据的方式对投资回报率的累积影响要远大于其拥有的数据本身。当今的高绩效型首席数据官(CDO)专注于从其组织的数据中发掘价值。在 IBM 商业价值研究院针对数据领导者的最新调研中,占比仅
16、8%的“价值创造型 CDO”用较少的支出创造了更大的价值。14 其中一项关键因素是他们如何利用 AI 来改进数据:四分之三的“价值创造型 CDO”表示,将 AI 应用于数据有助于他们更快做出更明智的业务决策。因此,企业可以利用数据来改进 AI,而 AI 也有助于企业更好地利用数据,从而形成一种良性循环。汉莎航空集团跨域解决方案高级总监 Mirco Bharpalania 在谈到 AI 时这样说道,“AI 为汉莎航空打开了数据宝库的 大门,这是我们至关重要的一项能力。”15观点像数字原生企业一样实现颠覆 Lyft 通过数据驱动流程优化业务决策并重新定义客户体验,从而颠覆了交通运输行业。该公司利用
17、技术来挖掘未满足的市场需求,在运营第一年就取得了超过 10 亿美元的营收。到 2022 年底,该公司的营收已突破 40 亿美元。11Lyft 专注于实时满足客户需求,利用机器学习模型每天做出数亿项决策,包括优化乘车价格、匹配乘客与司机以及预测到达时间。12要大规模利用机器学习进行实时推断,就需要海量的数据和计算资源,优化的流程,以及一支才华横溢的数据科学家、工程师和 AI 专家团队。Lyft 拥有大量的信息:2022 年第四季度的活跃乘客数量为 2030 万,每年的乘车行程达数亿次。13 这一海量数据可支持做出实时业务决策,从而降低成本、优化资源以及简化客户出行体验。1011哪些因素让领先组织
18、能够通过 AI 投资实现卓越的投资回报率?组织又如何利用高质量、可信的数据来释放财务和业务价值?为了探寻这些问题的答案,我们仔细分析了这期研究的结果,从中寻找模式、见解和适用的现实经验。我们发现,实现卓越 AI 成效的组织从整体和全局出发,围绕信任这一核心建立了以下六个关键领域的能力(见图 5):前景与战略 AI 运营模式 AI 工程与运维 数据和技术 人才与技能 文化和采用 AI 制胜的六项关键能力12人才与技能部署企业级方法来发展 AI 伦理、技能和人才文化和采用开发一种以人为中心的 AI 方法,并在整个生态系统中建立动态、开放的反馈循环 AI 工程与运维部署灵活、用户友好且可扩展的 AI
19、 解决方案前景与战略确定 AI 可在哪些领域提高竞争力、增强创新和改善绩效,并相应地调整优先任务AI 运营模式将 AI 运营模式嵌入组织结构 和文化 数据和技术构建核心能力以简化、自动化、控制和保护数据访问信任图 5 成为卓越企业AI 投资回报率最高的企业以信任为核心,建立了六项成熟的关键能力实现 AI 投资回报的六项关键能力13#1 愿景和战略不要用 AI 解决一切将 AI、自动化或任何其他技术应用于设计不良的流程仍然会产生较差的结果。通过评估核心和非核心职能(例如客户服务、营销、供应链、财务等)以及业务部门的战略投资计划,领导者可以发现嵌入 AI 的战略机会。深思熟虑的 AI 战略有助于推
20、动转型并提高各个 AI 项目的投资回报率(参见第 15 页“Boston Scientific 仅投入了 5 万美元,就节省了 500 万美元”)。根据我们的研究,将 AI 视为业务战略重要组成部分的组织,其 AI 项目更有可能取得成功,并实现高出近一倍的投资回报率(见图 6)。领导者还要在竞争差异化与成本优化之间取得平衡。一些企业甚至正在利用公开的开源 AI 资源来提供更加快速、低成本、可扩展的解决方案(请参阅第 14 页的“基础模型为 AI 的未来奠定基础”)。关于如何训练这些工具的伦理问题也将在 AI 的未来发展中发挥重要作用,因此企业需要尽早明确自己的立场。AI 对于企业/业务 战略领
21、域不重要4.7%企业整体 AI 能力所能 实现的投资回报率图 6 战略至上使用 AI 推进战略的企业实现了高出近一倍的投资回报率。8%7%6%5%4%3%2%1%0%AI 对于企业/业务战略领域很重要8.0%1.7x 领先14观点基础模型为生成式 AI 的未来奠定基础 人工智能每天都在不断进步,变得更加智能和高效。但大多数 AI 解决方案仍然是定制的。它们使用特定的数据集进行训练,以完成预定义任务,而这需要大量的能源和时间。16为了提高 AI 投资的成本效益,企业需要灵活、可重用的模型,这些模型具有多种应用方式,包括生成新内容。当今的基础模型正在为实现这一未来铺平道路。基础模型在理论上可以应用
22、于许多领域,因而提供了加速和扩大 AI 采用的机会。例如,大规模参数的 LLM 可以改变整个组织中的信息生成和共享方式。只需对 LLM 进行适当调整,以适应语义搜索、分类、预测、摘要生成和翻译等任务即可。基础模型的采用还得到了一系列已成为主流的新兴 AI 工程最佳实践的支持。从模型开发到快速工程,这些通用实践和方法大幅简化了整个企业和生态系统的协作。此外,一系列层次化技术堆栈和 AI 架构,结合强大的开源、生态系统和研究贡献,也将为可重用的通用开发和部署方法提供发展动力。尽管基础模型具有真正的前景和潜力,但同时也带来了一些新的挑战。比如说,基础模型需要大量的计算、存储和网络资源,而这会消耗大量
23、能源。训练一个大型自然语言处理模型的碳足迹与五辆汽车在其整个生命周期中的碳足迹大致相同。17另一方面,还需要考虑基础模型的使用规模将如何影响投资回报率。与仅由数千名用户使用的模型相比,经过训练以为数亿用户提供服务的大语言模型能够更快地创造更大的价值。在较小规模的部署中,针对大语言模型的优化、微调、专业化和可移植性工作可能不会立即转化为回报,即使这些模型可以用于许多下游任务。大模型还带来了一些新的挑战,包括可信度、可解释性和透明度。解决这些问题需要额外的工作和投资,有时甚至需要新的创新和解决方案。团队必须清楚了解大语言模型的能力、部署方式以及所需的数据管理和伦理规范。更广泛的数据工程技能至关重要
24、,对伦理问题的认真关注也至关重要。与其他颠覆性技术一样,采用生成式 AI 和基础模型也需要做出适当的权衡。只有经过持续不断的实验和迭代才有可能取得成功。尤其是,对于企业而言,这需要平衡生成式 AI 所需的投资与其可创造的价值。AI 的未来将由那些能够找到这一平衡点的组织来定义。1415案例研究Boston Scientific 仅投入了 5 万美元,就节省了 500 万美元 Boston Scientific 希望实现支架检查流程自动化,从而提高在查找缺陷(例如连接断裂或表面缺损)时的准确性。准确的检查对于临床治疗的成败关系重大。18该公司配备了大约 3000 名专家负责目测检查工作,每年要花
25、费数百万美元的成本。Boston Scientific 考虑使用神经网络模型来帮助减少体力劳动,但这些模型所需的数据要远超过该公司的现有数据。收集或生成这些数据不切实际,而且成本过高。解决方案是怎样的?首先,该团队专注于粒度更小、范围更窄的任务,从而缩小问题的范围。然后,缩减数据需求以适应新的侧重点。最后,该团队利用“现成可用”的开源 AI 模型来简化检查流程。最终,该公司只投入了大约 5 万美元,就直接节省了 500 万美元的成本,同时还提高了准确性。现在,公司员工可以更快地识别问题,并专注于处理只有人类才能胜任的重要工作。1516#2 运营模式 摒弃科学竞赛的心态突破性的 AI 建立在开放
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 利用 AI 创造 投资 回报 制胜 关键 能力
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【Stan****Shan】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【Stan****Shan】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。