未来企业变革:AI化

共好投2019-04-12 13:18:23


当旧的理论遭遇新的现实,一不小心就会撞的头破血流。

2012年美国大选中罗姆尼败给奥巴马,让后者迎来新的4年任期,有一个人居功甚伟,那就是奥巴马竞选团队的首席科学家Rayid Ghani。这位科学家做了什么呢?维基百科中他的个人介绍有这么一段:他跟过Tom M. Mitchell学机器学习,而Tom M. Mitchell又是何许人?他被称作“机器学习之父”,写过一本书《机器学习》,堪称是第一代机器学习的必读教材和“圣经”。

名师出高徒的Rayid Ghani,带领团队用一年半的时间,将收集到的数据构建成大型数据库,并做出了不同类型选民的精细模型,比如对各族群选民的投票趋势的实时分析,针对性的给出不同的宣传策略,还通过模型推演决定购买冷门节目的广告时段来定位精准选民。

即使不提这些“精细”的操作,美国总统选举也一直被认为是财力的比拼,而Rayid Ghani和他的团队通过建立模型来预测谁会在线捐款,再将结果应用到邮件营销上等,帮助奥巴马筹集了破纪录的10亿美元。至于花钱上——据称他们每晚都用模型进行6.6万次模拟选举,推算奥巴马在摇摆州的胜率来分配资源。

假如奥巴马和罗姆尼的团队是两个竞争的创业团队,前者只需如时下的流行,喊一声“我们有AI”,然后显摆下技术大牛Rayid Ghani和他的机器学习,即使最迟钝的投资人,也知道谁会赢了。

美国总统大选是人类社会最称得上“赢倍无数“的事情之一,或者说是一场最顶级的影响人类命运的营销比赛。而从大学实验室来到名利场的机器学习,用新的技术应用,超越了旧的经验理论,第一声啼哭就碾压了一群顶尖的天才。

当然,这样的话题有点遥远,总统大选4年才有一次,也不可能外包给中国团队,我们来聊些更贴近的:那些“赢百倍“的生意,比如做企业,AI又能带过来什么改变?

有趣的是,同样是营销领域资深的从业者,在今年四月下旬,品友互动的创始人黄晓南给出了斩钉截铁的回复:“它(AI)不会替代我们,但是会使用AI的人一定会替代不使用AI的人。”

未来企业

今天的企业,和过去的企业有什么不同?未来又会有哪些变化?

如何回答好这几个问题,一直是经济学家们头疼的事情,但技术的突飞猛进,让理工科的人也能跑进商业论坛来演讲了。而这个趋势在近几年愈演愈烈,甚至连相关的科幻作家们都常被邀请。

无他,新的现实急需新的理论来解释和支撑。

在品友互动人工智能大会上,国际人工智能协会(AAAI)院士、港科大教授杨强,一个自称“不太懂”商业的学者,却提出了商业环境面临的三点变化:数字化,智能化和社会化。当数字化发展到一定程度,机器就会从后台来到前台,从单纯的支持者,开始承担决策的任务,这又意味着人和机器、机器和机器之间等,又都需要新的沟通方式——企业需要面临的变革可不少。

而变革的本质是人工智能的不断进步:计算力的提升、数据的爆炸式增长和算法的演进。

时至今日,我们对机器在细分领域超越人类的未来已没有怀疑,随之而来的就是对借助这股能力的渴望。MIT人工智能实验室(如果不熟悉这个实验室,那你只要知道他们有7个图灵奖获奖者就够了)主任Daniela Rus介绍了人工智能在美国最新的应用:

医疗领域:AI被应用到淋巴结的识别上,人机配合可以将原来7.5%的失误率降低到1%以下,MIT和麻省医院合作的项目,通过机器学习,可以达到97%-99%的乳腺癌筛查准确率。

金融领域:聊天机器人和机器助手提供了更多决策辅助;在零售业,通过分析过去的数据,AI可以向购物者推荐更平衡的购物选择。

法律领域:自然语言处理的应用,让律师能够轻松查阅整个图书馆的文件和书籍,而不用去记上千本书或是大量的案例和法律文件。

交通领域:MIT开发了一套机器学习的系统,可以将出租车的供需进行衔接(听起来是不是很熟悉?)。

能源领域:谷歌近期使用的新系统,可以削减数据中心40%的能源消耗,“可以大幅减低此类消耗对于我们的环境有非常大的帮助”。 

AI落地

人工智能令人神往,那么,企业又要如何应用呢?

杨强提出的看法,是要回归到机器学习的本质:“今天的AI是大数据驱动的,而大数据驱动的重要理念是机器学习。”

机器学习主要有三个步骤,首先是获取数据,标注数据和清洗数据。第二步是特征工程,把数据从原空间映射到超高维空间进行处理。第三步是机器学习,建模、优化然后反馈、测试,对未来进行预测。

“第一,从数据到模型再回到数据的环路要短,不要有过多人为的决策和参与;第二,数据的到来和反馈的获得要频繁;第三,模型的更新要快。”杨强说,对以人工智能为核心驱动的未来企业来说,“短、频、快”将是成功的必要条件。

不难发现,在对人工智能的应用上,数字化程度高的互联网原生企业颇有优势。品友互动就是个很好的例子,不久之前,品友在百科上的介绍还是中国最大的程序化购买平台,而程序化即是互联网时代的产物。伴随着互联网的发展,网络上出现了大量的中小广告位,由于交易紊乱,作为需求方平台应运而生,广告主可以在DSP上进行程序化购买,但DSP的数据不一定够精准,于是又出现了DMP数据管理平台提供数据业务。诞生于2008年的品友互动,没有止步于此,又继续发展了DMP业务,在其主办的智能大会上,黄晓南还宣布了新的技术战略——DISC,投入到数据、算法、策略及区块链方面的研究。现在,品友互动定位为基于大数据技术的人工智能决策平台,并推出了MIP(Marketing Intelligence Platform)辅助企业的营销决策。

探讨在营销领域的AI落地,黄晓南说,根据她的实践经验,第一原则是要找更熟悉本土情况的企业合作。“比如处理媒体的数据,媒体的数据在国外没有那么多作弊的,在中国有很多作弊的,我们模式识别的技术是专门针对这个问题来解决的。”其次,AI的落地必须是和CMO或者更高级别管理者交接:“不到这个级别的话,系统性的合作是不可能的。”第三,企业一定要很清楚AI的用途是什么。“很多时候不是说先收集数据,收集数据有各种各样的方法,事先没有把问题讲清楚就说开始收,基本上百分之百的失败了。”

人机新解

回到杨强教授提出的三个变化,在普及了数字化,实现了AI落地的智能化后,社会化——未来企业中人类和机器的关系又会是怎么样的呢?

杨强的看法是:现代企业的设计和再造以人为中心,所有目标、反馈、计算力和数据都是围绕着决策者和人设计的。在未来,人和机器是有各自的位置,人的作用依旧很重要,负责设计目标,提供数据,以及清洗和标注数据。也就是说,人既设定目标,又做机器的"老师",但中心是机器在起作用,是人工智能的模型在起作用。

Daniela Rus补充到,人和机器不应该是竞争性的,而是有各自的优势,通过协作可以实现1+1大于2的效果。

而对于企业家来说,看法则更实际一些。“一言蔽之,我觉得在人工智能时代是不可逆的趋势,所有的人最后都会和机器成为伙伴。“黄晓南说,人成为机器最好的使用者,人就成为了一个判断者,而机器成为了一个辅助者。

“它(AI)不会替代我们,但是会使用AI的人一定会替代不使用AI的人。”


长按识别二维码关注我们


学经营、学资本、学管理、学营销,点击阅读原文!