沙巴体育投注_沙巴体育投注官网_沙巴体育投注平台【官方认证】

CNET科技行者看不到短期回报,首席财务官们表示对AI并不感冒

看不到短期回报,首席财务官们表示对AI并不感冒

  • 分享文章到微信

    扫一扫
    分享文章到微信

  • 关注官方公众号-科技行者

    扫一扫
    关注官方公众号
    科技行者

对于什么是“人工智能”而什么又不是“人工智能”的困惑成了首席财务官们面临的新挑战。

作者:孙博 来源:CNET科技行者 【编译】 2017年9月30日

关键字:CFO 人工智能

当认识到自己长期处于挫败感之中的时候,Ascension共享服务子公司的首席执行官Lee Coulter到达了一个临界点。他在共享服务高管的职位上工作了数十年,无休止地沉浸在这个职位推动技术的需求之中,他得出了一个结论,他不再能够明白其他人在说什么了。

Coulter表示,“我不知道该相信什么,也不知道该相信谁。你无法和两个不同的人进行关于人工智能的有意义的谈话。”

有没想过,人工智能其实也正困惑着首席财务官们

Coulte正在着手做一些和这个问题有关的事情。比如2016年,他成功地向IEEE标准协会(IEEE Standards Association)提出组建工作组的想法,该工作组将开始为位于企业自动化前沿的各种类别的机器人和“智能”技术给出定义。

Coulter主持的IEEE智能流程自动化标准工作组(IEEE Working Group on Standards in Intelligent Process Automation)的目标是在2018年完成第一阶段工作,即其所谓的“名词、术语和概念”。第二阶段的工作已经开始,围绕着“技术、分类和分级”。

可是与此同时,对于首席财务官来说,在决定新技术采购时,人工智能缺乏一个共同的、明确的定义是一个潜在的麻烦问题,特别是在目前推出人工智能或者机器学习解决方案的新厂商数量不断激增的情况下更是如此。Coulter印证了很多其他的企业技术专家的说法,“很多厂商都跑出来说他们的产品里面有人工智能。但大多数时候,这都只不过是胡说八道。”对人工智能的困惑也可能导致财务负责人变得过于谨慎,而这可能会导致低估了不断采用这些技术,即使未来这些技术可能将带来长期价值。

为时过早

如何最好地定义人工智能和机器学习?总的来说,人工智能和机器学习都是用来对事物进行分类,并根据对大量数据的处理来预测结果的。下面是麦肯锡在2017年6月份的一份报告中为人工智能下的一个简短定义:“机器能够展现出类似于人的智能的能力——例如,无须使用含有详细指令的、手工编写的软件就能够解决问题。”

至于机器学习,许多人认为它是人工智能的一部分或者是人工智能的垫脚石,IEEE集团的工作定义可能会更难理解一些:“通过基于机器的观察,观察人类的软件系统操作,并使用持续性的自我告知算法,进行检测、相关性和模式识别……最终完成有用的预测或指定的分析。”

Coulter说,在过去两年里,至少有1,000家创业企业推出了据称拥有人工智能和机器学习能力的产品。一心执著于“亮闪闪的新东西”的首席信息官们可能会上钩,但很少有首席财务官会这样。购买打着人工智能旗号的技术是一个特别可疑的命题。虽然人工智能的概念已经出现至少六十年了,但是直到近年以来,计算能力和数据集的规模才达到了对大范围的用例可用的水平。

那么这些用例都是什么呢?保险公司和理赔师们正在部署先进的“机器视觉”技术,根据客户提交的照片,对汽车的事故伤害进行分类。信用卡发行商正在使用程序四处搜索持卡人的公开Facebook页面,以了解婚姻和孩子出生等事件对消费习惯的影响。制造商们正在使用机器学习技术以求更容易地发现错误的颜色、形状和包装等缺陷。许多服务业公司正在使用基于自然语言处理的网站聊天机器人。

事实是,大多数被吹嘘为具备人工智能支持的解决方案并不太可能解决企业最深刻的问题。 Shared Services & Outsourcing Network 最近发表的一份名为《全球智能自动化市场报告》(《Global Intelligent Automation Market Report》)出版物称绝大部分被打上人工智能标签的东西都是“围绕着定义、非常狭窄的以知识领域为中心、非常有限的认知解决方案”。Coulter是该报告的合著者之一。

安永会计师事务所的全球机器人和智能流程自动化的领导Weston Jones则提出了不同的看法。他表示,“现在很多人工智能的东西还无法广泛应用,因此也无法提供首席财务官们期望的回报。他们中的绝大部分人看不到价值。”

巨型技术公司却是例外。根据麦肯锡的报告显示,去年,巨头们在人工智能技术上的花费在200亿美元到300亿美元之间。例如,谷歌使用“强化学习”——一种与人工智能相关的技术,将其数据中心的功耗降低了10%以上。Facebook和其他社交媒体公司在其网站上使用自动语言翻译,大大提高了客户参与度。

尽管如此,麦肯锡写道,在商业世界中,对人工智能的需求总体上只说是“不冷不热”。在最近对超过3,073个C level管理人员的“人工智能感知”调查中,这家管理咨询公司发现,许多企业领导者不仅不确定人工智能可以为他们做什么,而且他们还对“在哪里获得人工智能支持的应用程序,如何将其融入其公司,以及如何评估技术投资回报率”等问题纠结不已。

麦肯锡表示,只有20%的受访者表示他们正在大规模地使用人工智能相关技术,或者在业务的核心部分使用人工智能相关技术。但是,要想真的衡量这些技术在企业世界的渗透程度,它的意义又不算明确了。该报告承认,“人工智能涵盖了广泛的技术和应用,其中一些仅仅是较早期技术的扩展,而其他一些……则是全新的。”

此外,麦肯锡的报告还指出:“目前有几种方法来分类人工智能技术,但很难列出一个彼此互斥的清单,因为人们经常混合和匹配多种技术来创建某个特定问题的解决方案。”

但是,即便说企业现在还不愿意投资人工智能,至少他们的兴趣水平在上升。Gartner首席人工智能分析师Whit Andrews表示,该公司与人工智能相关的查询数量在2016年暴涨了200%,到2017年又上涨了100%。

Waterstone Management Group的长期技术战略家及分公司合伙人John Parkinson表示,所有财富1000强的企业至少都在研究机器学习。已经开始实际使用或者接近于准备部署一些应用程序的企业相对数量较少,在这些企业中,有一些企业使用的是现成的软件,另一些则是租用了云端的机器学习功能,还有一些企业正在开发自己的系统。

Parkinson对企业使用人工智能没有什么要说的。事实上,他认为“智能”在这种环境中是一个非常不幸的、可能产生误导的词语,有可能会让技术买家陷入困境。他表示,没有人真的知道人类的智能是如何工作的,所以可以编写软件来模仿它的想法是“非常荒谬”的。

他补充表示,“我不在乎IBM关于Watson说了什么”,他指的是这家技术巨头对其高规格知识系统作为人工智能平台的定位。“它根本算不上是认知。它是非常聪明的软件,并且已经用数学模型进行了训练。”

循序渐进

如果首席财务官们能够克服这种类型的自动化必须能够立刻带来巨大回报的想法,他们可能会开始欣赏人工智能和机器学习的潜在价值。Gartner的Andrews表示,“我们会告诉(客户)不要将其视为传统的IT项目。”他表示,“对于许多组织来说,无论他们如何使用人工智能,可能都无法得到经典形式的回报。将你的投资回报描述为你即将学习的课程的演示,而这课程是你独有的。”

Andrews建议企业刚开始应该寻找单独的人工智能解决方案来解决他们从来没有足够人手解决的问题。很有可能,解决这些问题不会有变化。事实上,使用人工智能的早期就尝试“登月计划”的做法充满了危险。Andrews表示,“当组织开始尝试改造自己时,就是将自己置于巨大的风险之中。”

Parkinson表示,如果一家公司将“智能”自动化应用于其10%的业务,那么它就可以相对较快地看到一些好处。但是,真正的回报将更晚才会出现,随着流程不断地自动化,就会变得更有效率。他表示,“越来越多常规性的业务工作将被纳入自动化系统。”

安永的Jones建议企业对现有的以及可预见的项目进行完整的评估,以便识别并排列这些业务案例,用高级自动化来解决它们。他表示,这是关键的一步,因为据安永估计,30%到50%的人工智能类型的项目会在这一点上失败。但重要的是要明白,高级自动化无法克服缺乏数据的问题或者数据不可信任的问题。

Andrews表示:“人工智能不是一种呈现数据中价值的神奇方式。”

这意味着你就是数据科学家了”,他表示,“如果您已经成功地使用了机器学习五年或者十年,你就可以开始称呼自己为数据科学家了。”

外部的影响

总体来说,企业,特别是财务部门也会显著受到外部单位使用人工智能和机器学习的影响。例如,据称,几家主要的会计师事务所都在致力于改变审计流程,以便检查100%的交易,而不仅仅是对少量随机抽样进行审计。

此外,四大会计师事务所中的一家正在研究基于IBM沃森技术的产品,它可以大大减少该公司在兼并和收购尽职调查过程中花费的时间和精力。据说这款将在两年内发布的产品的设计目标是使用关于某家特定企业的所有可用信息——无论是结构化数据还是非结构化数据——并生成高度可信的、精确的估值估算。

正如Parkinson所说,这样的能力可能不是智能的证据。同时,关于机器学习支持的技术分类的一个有趣的事实是,它实际上工作得比它所基于的理论描述的更好。 Parkinson 表示,“而且我们不知道为什么。”

在基础层面上,是不断的反复试错让这项没有人能够真正理解的技术发展。Parkinson表示,“我们——在这个领域工作的人类一直都在寻找更好的方式找到软件系统所能做的事情的边界,并找到能够促使我们构建越来越好的核心系统的例外。”他表示,“这将继续加速。当我们将这些系统相互连接在一起时,我们将会发现它们共同做的事情是我们未曾预料到的。”

然而,有人定义了推动企业自动化前沿的能力,它们只会变得越来越大,也越来越好。首席财务官们必须决定是否开始挖掘这一机会。


最新文章
热门标签