迄今為止，許多企業并沒有從他們的人工智能嘗試中感受到人工智能帶來的顯著影響。對此，部分專家認為，之所以效果不彰，原因可能在于這些企業沒有開展“組織學習”。

僅僅使用人工智能來優化業務流程(例如進行更好的預測或實現手動任務自動化)是不夠的。企業需要展開進一步工作，以從他們的人工智能項目中吸取經驗教訓，并利用它們來改造企業。

[[396495]]

雖然大多數企業都認為自己已經從成功和失敗中總結了經驗和教訓，但是很少有企業會建立正規的流程來吸收這些經驗和教訓并在整個企業中傳遞它們，尤其是在使用人工智能的時候。據麻省理工學院斯隆管理評論與波士頓咨詢集團近期聯合發布的報告顯示，只有11%的企業在2020年從他們的人工智能計劃中看到了顯著的收益。

以貸款申請評分為例，很多評分都需要貸款專員手工輸入繁瑣的數據。人工智能或機器學習可以極大地優化這一流程，從而降低成本和減少對貸款專員的需求。但是企業只能省這么多錢，因為員工也不愿意支持那些可能會導致自己失業的項目。

人工智能還可以用來從這些貸款申請數據中獲得新的洞察力。例如，銀行可以從中發現未獲得充足服務的客戶群，如果這部分客戶群體被重視，那么銀行的業務將會得到大幅擴展。波士頓學院所屬卡羅爾管理學院的信息系統教授兼《麻省理工學院斯隆報告》的合著者Sam Ransbotham指出，銀行還可從中發現那些因為擔心會損害自己的信用評級而害怕申請貸款的人群。對于這部分人群，銀行可為他們提供一個不影響其信用評級的無風險評估機會，從而改變這種狀況。他說：“這不僅僅是貸款流程的自動化問題，而是從根本上改變了貸款流程。”

由于人工智能有著無限的增長潛力，如果員工可以掌握這一新技術，那么他們將會獲得更多的工作機會。

Ransbotham 強調，首席信息官們必須清醒地意識到一個重要問題，不能將注意力光放在效率上。他說：“有些首席信息官更注重服務，他們的目標是降低IT運營成本。相對于其他的事情，我們可能傾向于讓當前的工作實現自動化。”

在對3000多名受訪者展開調查后，麻省理工學院斯隆管理學院與波士頓咨詢公司發現了多個可以幫助企業加入11%的“重大經濟利益”群體的要素，其中包括人類與人工智能之間共享知識，將人工智能納入整體商業戰略，將人工智能用于更為復雜的自動化，找到人類和人工智能協同工作實現相互提高的方法。

調查報告稱，“我們發現，當人們采取這些以組織學習為導向的措施時，他們加入這11%的群體的可能性會增加近80%。”

對人工智能投入更多資金

在今年1月下旬，強生公司推出了新冠肺炎疫苗。強生公司稱，其疫苗總體有效率為66%，預防重癥發生的有效率為85%，預防死亡的有效率為100%。

強生的首席信息官Jim Swanson說，如果沒有人工智能的幫助，疫苗的生產不可能如此迅速。在八九個月前生產一批疫苗需要兩周的時間，現在只需要一個星期就可以生產兩批。

他說：“我們用人工智能來改善從發酵過程到產量的各個環節。人工智能為我們提供了許多洞察力，這是所有洞察力共同作用的結果。”

[[396496]]

跨多個專業領域的合作也加快了這一進程。他說：“我們大力推行復合型數據科學家的理念，因為他們是真正了解研發或供應鏈的人。”

雖然利用人工智能加速疫苗的開發是目前的熱點，但是強生也沒有放松在利用人工智能創造全新商業機會方面的力度。例如，該公司正在使用人工智能和機器學習檢查視網膜掃描結果，以確定患者是否患有青光眼。

該公司還開發了外科手術機器人。對此，Swanson說：“用戶可以得到更高的精度和更好的程序。”他們的最終目標是改善患者獲得的效果，為此該公司還對術前和術后流程展開了研究。他說：“醫生可通過人工智能讓合適的病人得到合適的程序，這樣他們就可以最好地支持患者的康復。醫生現在可以對病人展開全面的評估，這創造了一系列全新的機會。”

Swanson 說，強生也在全面推行這種方法。以Avena護膚系列為例，人工智能允許消費者拍下自己的皮膚照片，以獲得個性化的產品推薦。接下來就用到組織學習了。強生會用這些圖片來找出人們面臨的皮膚問題。他說：“產品開發速度將得到提升。因為我們會得到一個數據反饋循環，這可以幫助繼續創建相關產品。”

這種反饋循環取決于是否有適當的數據基礎設施，即支持隱私和安全性的基礎設施，以便在整個企業內實現數據民主化。Swanson 說：“如果不能安全地共享數據，那么我們就不能共享這些數據。”

強生的組織學習策略中的最后一部分是關于人工智能專業知識的增長。Swanson說：“如果我們不習慣使用數據，那么我們就不能利用它們。所以我們匯聚了有前瞻性的研發科學家、商業人士、供應鏈人士，共同成立了一個數據科學委員會。這個委員會由我和研發主管共同發起，我們可以決定是否將人工智能分散到我們的業務中。”

更重要的是，強生的人工智能戰略得到了高層的贊助。Swanson說：“我們正在把人工智能和技術作為公司的核心。這不是你我所能做的事，這需要獲得高層的支持。”

在企業中全面推廣

普華永道的合伙人兼全球人工智能負責人Anand Rao表示，與強生一樣，人工智能項目最成功的企業不會將人工智能局限于小型群體當中。相反，他們會將人工智能推廣到整個企業，即使那些沒有技術或分析背景的員工也可以使用人工智能。

他說：“主要的問題，尤其是企業沒有獲得投資回報的問題，是沒有得到適當的培訓、指導和管理。我們不希望只有一個人或一小部分人從中學習，而是希望整個企業都能夠從中學習。”

這有助于培養復合型的人才，也就是了解業務方面、主題領域、軟件和人工智能算法的人。他說：“我們或者找一個可以合作的團隊來完成這個任務。但是最大的挑戰之一是很難讓心態不同的人一起工作。”

人機協作

另一家重視組織學習原則的企業是Genpact。該公司是一家全球專業服務公司，最初是通用電氣的業務流程部門，Genpact在2005年被剝離出來，目前擁有近10萬名員工，2019年營收為35億美元。

Genpact的首席創新官Gianni Giacomelli表示，自疫情出來以來，公司收入出現了大幅下降，因為公司的許多客戶都在受影響嚴重的行業當中，為此公司可能不得不裁員1萬人。

[[396497]]

該公司學習和發展主管Giacomelli說：“我們會將這部分員工與新的需求相匹配，并對他們進行實時再培訓。有時候，這些員工只需要幾周時間就可以接受再培訓，找到新的工作。事實上，與我們的同行相比，即使在疫情期間，我們也成功地實現了增長。”

公司通過人工智能以兩種不同的方式對這部分員工進行了再培訓。首先，Genpact使用過程挖掘、自然語言處理(NLP)和網絡分析來找出事情是如何完成的，識別出異常，并找出公司里誰擁有什么技能和哪些領域的專業知識。

這些信息可幫助公司為員工分配新的工作，一旦員工進入了新的角色，人工智能系統會通過解釋具體任務的流程，或將員工與相關專家聯系起來，讓他們能夠快速跟上工作進度。Giacomelli 說：“這使我們能夠更快地對各種情況作出反應。”

知識管理在過去存在許多困難。國際知識管理協會(KM Institute)的數據顯示，五年前，這些項目的失敗率約為50%。如今得益于NLP和其他人工智能技術的顯著改進，情況發生了巨大改觀。

Giacomelli 說：“在過去的兩三年里，由機器自己創建的知識本體的質量要精確得多，我們得到的信息也變得更加準確。”人工智能可以找到位于文檔、業務流程和人員中的組織知識。

在Genpact，人工智能并不是IT部門獨占的領域。Booz Allen Hamilton公司的人工智能戰略和培訓主管Kathleen Featheringham表示，這是能夠從人工智能中獲得顯著投資回報的公司與那些不能從中獲得顯著投資回報的公司之間的一個關鍵區別。Featheringham指出，“人工智能是第四次工業革命，其徹底改變了游戲規則。這不是一個簡單的IT 問題，因為所有的部門都參與到了其中。”

由人工智能推動的企業轉型需要重新評估績效目標和培訓目標，需要與企業的愿景和任務相聯系。Featheringham說：“根據我的經驗，當人工智能與企業的愿景和任務脫節時，人們實際上會變得充滿敵意。”

創建新的業務線

組織學習的原則之一是，人工智能被用來增強員工，與員工一起工作，同時為員工的技能提供補充。

Hurwitz and Associates的總裁兼創始人Judith Hurwitz說：“如果我們能夠協調好機器的能力和人類直覺與知識，那么我們就能從中獲得巨大的業務優勢。”

軟件開發企業Globant 正是通過其人工智能增強編碼來實現這種優勢的。通過NLP，開發人員可以按功能搜索代碼，從而縮短學習曲線，實現更快、更準確的開發。系統還可以自動生成文檔，并根據上下文自動完成代碼。

Globant北美分公司的首席技術官Nicolás Ávila說：“它們不會取代開發人員。能夠取代開發人員的技術現在還沒有出現，并且我們也并不主張這種技術。增強編碼技術可以做很多繁重的日常工作。它們給了開發人員一個平臺，開發人員可以根據自己的特定問題和特定客戶開始著手工作。”

Ávila說，Globant在五年前開始投資人工智能并展開普及培訓。對象不僅是開發人員，還包括了人力資源、采購或其他部門的人員。“我們必須對人工智能的能力有一個概念，至少是在一個較高的水平上，這樣每名員工都可以找到利用人工智能的機會。”

如今由人工智能驅動的應用程序已經應用到了公司的許多領域，包括招聘和留用。自動編碼在2019年初嘗試性將NLP應用于編程語言實驗當中。這種嘗試現在不僅成為了一套內部開發工具，還發展成為了一種商業產品。Ávila說：“我們可以肯定這是一個不斷增長的商機。”