來(lái)源｜慎思行 作者 | 科爾尼公司：賀曉青，劉曉龍，汪濤
隨著高性能計(jì)算、大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)的快速發(fā)展，人工智能迎來(lái)第三次發(fā)展浪潮。在全球主要國(guó)家的積極推動(dòng)下，人工智能與眾多領(lǐng)域的融合不斷深入，涌現(xiàn)出一系列的新技術(shù)與新應(yīng)用。
例如，圖像識(shí)別技術(shù)的準(zhǔn)確率已接近人眼識(shí)別率；智能語(yǔ)音系統(tǒng)已經(jīng)可以精確實(shí)現(xiàn)多國(guó)語(yǔ)言同聲翻譯，甚至連古詩(shī)詞翻譯都不在話下；
在創(chuàng)作領(lǐng)域，AI 機(jī)器人通過(guò)深度學(xué)習(xí)進(jìn)行繪畫、音樂(lè)等藝術(shù)創(chuàng)作，其水平已達(dá)到“本科學(xué)歷認(rèn)證”級(jí)別，AI 服裝設(shè)計(jì)也已投入應(yīng)用，其產(chǎn)品廣受歡迎。
美國(guó)和中國(guó)在人工智能領(lǐng)域在全球處于領(lǐng)先地位，其中AI 基礎(chǔ)技術(shù)和算法方面美國(guó)占有絕對(duì)優(yōu)勢(shì)，由于數(shù)據(jù)獲取和應(yīng)用環(huán)境相對(duì)寬松，我國(guó)在AI 應(yīng)用方面走在世界的前列。
以新冠病毒疫情中AI 應(yīng)用為例：在高鐵站等交通樞紐，AI 測(cè)溫系統(tǒng)在保證人流密集通過(guò)的同時(shí)，篩查出體溫異常人員，大大減輕手工測(cè)溫的勞動(dòng)強(qiáng)度；
在醫(yī)院或隔離區(qū)，無(wú)人配送機(jī)器人承擔(dān)起物資、食物運(yùn)送的工作，減少病毒接觸幾率；在社區(qū)，疫情防控機(jī)器人通過(guò)批量電話呼叫和多輪智能對(duì)話，自動(dòng)采集與確認(rèn)居民疫情相關(guān)信息，排查效率較人工提升數(shù)百倍；在家中，智能機(jī)器人應(yīng)對(duì)線上冠狀病毒的智能問(wèn)答服務(wù)，方便居民及時(shí)預(yù)防疾病感染。
在AI 產(chǎn)業(yè)如火如荼的發(fā)展趨勢(shì)下，傳統(tǒng)企業(yè)已意識(shí)到AI應(yīng)用可以帶來(lái)巨大價(jià)值，但具體是什么卻如霧里看花并不清晰。也因缺少一套體系化的應(yīng)用方法論，對(duì)短期能否兌現(xiàn)這些價(jià)值又有水中望月的擔(dān)心。同時(shí)，行業(yè)內(nèi)對(duì)于AI的討論更集中于AI產(chǎn)業(yè)本身，而對(duì)企業(yè)尤其是傳統(tǒng)企業(yè)如何切入AI應(yīng)用談之甚少。
因此，本文旨在通過(guò)介紹科爾尼SMART策略模型，幫助傳統(tǒng)企業(yè)建立一套系統(tǒng)務(wù)實(shí)的AI部署思路，包括找到合適的AI應(yīng)用切入點(diǎn)、合理規(guī)劃AI項(xiàng)目、并匹配契合的外部合作伙伴等，助力傳統(tǒng)企業(yè)從AI旁觀者成為AI實(shí)踐者，成功敲開人工智能應(yīng)用的大門。
AI 技術(shù)商業(yè)化應(yīng)用逐步成熟
傳統(tǒng)企業(yè)應(yīng)加速利用AI 技術(shù)驅(qū)動(dòng)業(yè)務(wù)進(jìn)一步轉(zhuǎn)型與發(fā)展
我國(guó)AI 產(chǎn)業(yè)發(fā)展迅速，商業(yè)化應(yīng)用的價(jià)值兌現(xiàn)成為主旋律
隨著數(shù)據(jù)、算力和算法這三大人工智能發(fā)展瓶頸的逐步突破，AI產(chǎn)業(yè)迎來(lái)爆發(fā)式發(fā)展。我國(guó)AI產(chǎn)業(yè)在國(guó)家政策的推動(dòng)下躋身國(guó)際前列，根據(jù)艾瑞咨詢數(shù)據(jù)，截止2019年底，我國(guó)有近1200家活躍AI企業(yè)，數(shù)量位列世界第二，其中中國(guó)Top100獨(dú)角獸企業(yè)中，人工智能企業(yè)占19家，行業(yè)占比第一；
2019年，我國(guó)AI 領(lǐng)域融資金額166億美金，位列世界前茅，發(fā)表AI相關(guān)論文數(shù)量位居世界第一。近三年，我國(guó)AI市場(chǎng)規(guī)模以平均每年超過(guò)50%的速度增長(zhǎng)，預(yù)計(jì)2020年將達(dá)到千億人民幣規(guī)模。
更為重要的是，“商業(yè)落地”已成為人工智能發(fā)展到當(dāng)前階段主旋律。過(guò)去AI產(chǎn)業(yè)發(fā)展更多側(cè)重在“硬實(shí)力”（芯片、算法平臺(tái)、以及AI技術(shù)）的發(fā)展。
如今，隨著下游行業(yè)需求釋放，AI行業(yè)涌現(xiàn)出越來(lái)越多的方案提供商，他們依賴商業(yè)場(chǎng)景洞察、專家團(tuán)隊(duì)實(shí)力，將AI技術(shù)與行業(yè)實(shí)際需求結(jié)合，產(chǎn)生應(yīng)用價(jià)值。
研究表明，當(dāng)下 AI相關(guān)技術(shù)與傳統(tǒng)行業(yè)經(jīng)營(yíng)模式和業(yè)務(wù)流程開始產(chǎn)生實(shí)質(zhì)性融合，智能經(jīng)濟(jì)時(shí)代的全新產(chǎn)業(yè)版圖初步顯現(xiàn)。AI的應(yīng)用也從科技企業(yè)向傳統(tǒng)企業(yè)“普及”，對(duì)傳統(tǒng)企業(yè)來(lái)說(shuō)，擁抱AI正當(dāng)時(shí)。
AI商業(yè)化落地正沿著“感知AI 認(rèn)知AI 行動(dòng)AI” 的三階段進(jìn)行演進(jìn)，其解決的需求場(chǎng)景愈加豐富。
AI 商業(yè)化落地成階梯狀漸進(jìn)過(guò)程，通過(guò)不同的AI 技術(shù)，實(shí)現(xiàn)數(shù)據(jù)的識(shí)別、理解、分析、探索和最終決策。
在感知AI 階段，以數(shù)據(jù)感知應(yīng)用為主，主要技術(shù)包括語(yǔ)音、圖像、自然語(yǔ)言識(shí)別技術(shù)，主要目的是通過(guò)AI 技術(shù)實(shí)現(xiàn)更多的多源異構(gòu)數(shù)據(jù)在線。
在認(rèn)知AI 階段，以打造數(shù)據(jù)、業(yè)務(wù)和探索三大中樞為主，主要AI 技術(shù)包括知識(shí)圖譜。目的是在數(shù)據(jù)在線的基礎(chǔ)上，實(shí)現(xiàn)數(shù)據(jù)打通和數(shù)據(jù)實(shí)體的關(guān)系建立，并構(gòu)建知識(shí)圖譜。
通過(guò)知識(shí)圖譜從知識(shí)中更好地梳理出能供分析決策使用的信息，最終在現(xiàn)有領(lǐng)域基礎(chǔ)上進(jìn)行外向探索，擴(kuò)展知識(shí)邊界。
在決策AI 階段，以打造行動(dòng)系統(tǒng)為主，利用認(rèn)知AI 技術(shù)以及機(jī)器人技術(shù)，進(jìn)行輔助決策和行動(dòng)控制。對(duì)傳統(tǒng)企業(yè)來(lái)說(shuō)，了解AI 商業(yè)化應(yīng)用過(guò)程能更好地定位自己所處的階段，從而更好地找準(zhǔn)AI 切入點(diǎn)。
從AI 商業(yè)化程度來(lái)看，安防與金融領(lǐng)域程度高，汽車、醫(yī)療、零售與教育等行業(yè)也有大量場(chǎng)景落地開花。
AI 的商業(yè)化程度高低主要取決于數(shù)據(jù)可得性、商業(yè)價(jià)值和方案實(shí)施難易度。從數(shù)據(jù)角度，海量、多源、動(dòng)態(tài)更新的數(shù)據(jù)是訓(xùn)練模型和進(jìn)行數(shù)據(jù)挖掘的必要條件，也是AI 方案落地的基礎(chǔ)；
商業(yè)價(jià)值的高低則決定了企業(yè)是否愿意為AI 方案進(jìn)行買單，例如在安防與金融兩大領(lǐng)域，政府對(duì)安防的投入意愿以及金融企業(yè)應(yīng)用反欺詐所能減少的損失，使得兩大領(lǐng)域?qū)I 的投入意愿強(qiáng)烈，保障了AI 方案落地的土壤；
方案實(shí)施難易度也是一大重要因素，企業(yè)更期望能借用成熟方案進(jìn)行快速部署，因此無(wú)人收貨、無(wú)人閘機(jī)、智能排班等跨行業(yè)、普適性強(qiáng)因而更成熟的場(chǎng)景廣受歡迎，而使用面窄，且需要進(jìn)行大量硬件采購(gòu) /替換以及大量人工參與數(shù)據(jù)標(biāo)注的方案則會(huì)受冷落些。
基于以上三大因素，安防、金融領(lǐng)域目前的AI 商業(yè)化程度高。例如，人臉識(shí)別方案已大量使用于機(jī)嘗火車站等各個(gè)交通樞紐以及人員密集場(chǎng)所。知識(shí)圖譜也已落地，協(xié)助刑偵人員更快地關(guān)聯(lián)犯罪嫌疑人。汽車、醫(yī)療、零售與教育等行業(yè)也有大量場(chǎng)景落地。自動(dòng)駕駛、智能醫(yī)療影像、無(wú)人零售以及教育機(jī)器人等方案的應(yīng)用，正在提升行業(yè)內(nèi)AI 的“熱度”。
對(duì)于傳統(tǒng)企業(yè) ，在開展AI 項(xiàng)目之前先從數(shù)據(jù)可得性、商業(yè)價(jià)值和方案實(shí)施難易度三方面審視一下所處行業(yè)的AI 商業(yè)化程度，為企業(yè)找準(zhǔn)合理的定位與預(yù)期，并提前補(bǔ)強(qiáng)基矗之后通過(guò)了解行業(yè)內(nèi)“熱門”AI 落地方案，可以有助于企業(yè)設(shè)定合理的AI 戰(zhàn)略。
AI 商業(yè)化前景廣闊
但傳統(tǒng)企業(yè)在擁抱AI 時(shí)面對(duì)諸多挑戰(zhàn)
AI 技術(shù)固然發(fā)展迅速，但對(duì)于大多數(shù)企業(yè)來(lái)說(shuō)尚屬于新鮮事物，不論在場(chǎng)景實(shí)現(xiàn)還是方案落地，均需要進(jìn)行探索甚至摸著石頭過(guò)河。對(duì)于傳統(tǒng)企業(yè)來(lái)說(shuō)，挑戰(zhàn)更為巨大。
一方面，傳統(tǒng)企業(yè)與科技企業(yè)相比數(shù)字化基因不足，包括原有信息系統(tǒng)老化、“煙囪化”嚴(yán)重；數(shù)據(jù)積累不足且類型單一，不同業(yè)務(wù)間 /平臺(tái)間數(shù)據(jù)割裂問(wèn)題普遍存在；大數(shù)據(jù)分析能力不足，數(shù)據(jù)模型缺失以及數(shù)據(jù)對(duì)決策支持理念與流程不到位。
另一方面，傳統(tǒng)企業(yè)積極擁抱AI 機(jī)遇、建立新的競(jìng)爭(zhēng)壁壘意識(shí)和愿望不足，更傾向于固守原有的競(jìng)爭(zhēng)優(yōu)勢(shì)、防范AI 對(duì)自身優(yōu)勢(shì)的沖擊而非利用AI 技術(shù)建立新的競(jìng)爭(zhēng)壁壘。
對(duì)于有意愿也有一定基礎(chǔ)的傳統(tǒng)企業(yè)，其應(yīng)用AI 技術(shù)賦能業(yè)務(wù)時(shí)也是挑戰(zhàn)重重，原因主要有以下三方面：
企業(yè)缺乏戰(zhàn)略定位，沒(méi)有針對(duì)自身數(shù)字化程度和行業(yè)特點(diǎn)制定AI 戰(zhàn)略，導(dǎo)致盲目推進(jìn)或裹足不前。
正如前文所述AI 應(yīng)用的發(fā)展從感知、認(rèn)知到行動(dòng)的階段性逐步演進(jìn)，對(duì)于傳統(tǒng)企業(yè)來(lái)說(shuō)，其對(duì)AI 技術(shù)的應(yīng)用也存在由淺入深的過(guò)程。在此過(guò)程中，AI 戰(zhàn)略定位與規(guī)劃必不可少。
AI 戰(zhàn)略規(guī)劃可以幫助企業(yè)從所處行業(yè)和自身數(shù)字化基礎(chǔ)入手，從夯實(shí)基礎(chǔ)開始，循序漸進(jìn)地幫助企業(yè)提升數(shù)字化水平，并利用AI 技術(shù)創(chuàng)造價(jià)值。
制定AI 戰(zhàn)略規(guī)劃時(shí)，傳統(tǒng)企業(yè)通常面臨兩類問(wèn)題：
一是在制定總體規(guī)劃時(shí)，未將AI 應(yīng)用與業(yè)務(wù)以及企業(yè)數(shù)字化現(xiàn)狀進(jìn)行很好的結(jié)合，過(guò)于好高騖遠(yuǎn)。在底層數(shù)據(jù)與技術(shù)基礎(chǔ)沒(méi)有打扎實(shí)的情況下，求快求全，一方面過(guò)分追求最前沿的應(yīng)用另一方面往往慣于定出比較激進(jìn)的實(shí)施時(shí)間表，導(dǎo)致實(shí)施成本過(guò)高但（相對(duì)于規(guī)劃）遲遲不見成果，最后信心與耐心迅速下降，對(duì)AI 應(yīng)用的態(tài)度也從“什么都想做”迅速跌落至“什么都做不了”。
二是在有合理的總體戰(zhàn)略規(guī)劃和目標(biāo)情況下，如何確保敏捷的實(shí)施模式；讓企業(yè)既可短期內(nèi)獲得階段性收益、增強(qiáng)組織的信心和支持，又可以根據(jù)實(shí)施情況即使調(diào)整AI 規(guī)劃以更好適應(yīng)業(yè)務(wù)需求和變化。
以時(shí)下熱門的精準(zhǔn)營(yíng)銷為例，在強(qiáng)調(diào)千人千面的今天，如果能通過(guò)眾多觸點(diǎn)收集消費(fèi)者數(shù)據(jù)，并通過(guò)AI 技術(shù)進(jìn)行自動(dòng)處理為會(huì)員打上個(gè)性化標(biāo)簽，從而實(shí)現(xiàn)精準(zhǔn)營(yíng)銷，將為品牌商大大提高會(huì)員粘性。
理想的精準(zhǔn)營(yíng)銷需要強(qiáng)大的數(shù)據(jù)積累，例如開展全渠道銷售后線上、線下的會(huì)員體系打通，消費(fèi)者歷史數(shù)據(jù)的積累需包括交易、消費(fèi)行為、社交等多元數(shù)據(jù)，在此基礎(chǔ)上AI 技術(shù)應(yīng)用可以很好地對(duì)會(huì)員乃至于新顧客勾勒較為精準(zhǔn)的消費(fèi)者畫像并實(shí)現(xiàn)千人千面菜單、優(yōu)惠卷推送等功能。
結(jié)合上述AI 戰(zhàn)略規(guī)劃思路，一方面，要有充分的歷史數(shù)據(jù)搜集規(guī)劃、并將其作為精準(zhǔn)營(yíng)銷充分實(shí)現(xiàn)的前提，另一方面，應(yīng)采取敏捷的、循序漸進(jìn)的精準(zhǔn)營(yíng)銷階段性推進(jìn)策略，在早期僅有交易數(shù)據(jù)的情況下借助外部行為數(shù)據(jù)或消費(fèi)者調(diào)研等方式補(bǔ)足數(shù)據(jù)推進(jìn)階段性精準(zhǔn)營(yíng)銷。
企業(yè)缺乏AI 項(xiàng)目規(guī)劃，沒(méi)有進(jìn)行業(yè)務(wù)、應(yīng)用場(chǎng)景和技術(shù)方面的綜合考量，導(dǎo)致項(xiàng)目雖然上馬但無(wú)法收獲預(yù)期價(jià)值。
企業(yè)需要進(jìn)行詳細(xì)的項(xiàng)目規(guī)劃，確保AI 給實(shí)際業(yè)務(wù)帶來(lái)價(jià)值。首先，在項(xiàng)目開展前需要對(duì)業(yè)務(wù)和相應(yīng)場(chǎng)景盡可能細(xì)化，明確AI 技術(shù)的切入點(diǎn)，確保在技術(shù)選型時(shí)選擇最合適的技術(shù)方案。
其次，AI 技術(shù)種類繁多，單個(gè)業(yè)務(wù)場(chǎng)景可能會(huì)涉及到多種技術(shù)，而多個(gè)項(xiàng)目間可能會(huì)共用某項(xiàng)核心技術(shù)，這時(shí)AI 項(xiàng)目規(guī)劃能幫助企業(yè)從技術(shù)角度明確未來(lái)主要的技術(shù)發(fā)展方向，同時(shí)能支持企業(yè)更有目的性的選擇合作伙伴。
但我們看到一些傳統(tǒng)企業(yè)在實(shí)施AI 項(xiàng)目時(shí)，并沒(méi)有事先進(jìn)行統(tǒng)籌規(guī)劃，結(jié)果不論是自有團(tuán)隊(duì)進(jìn)行開發(fā)或是與外部供應(yīng)商合作，均遇到諸如沒(méi)有選擇合適的技術(shù)方案，項(xiàng)目開展后發(fā)現(xiàn)技術(shù)提供商的核心能力與業(yè)務(wù)需求不符，多家技術(shù)提供商參與項(xiàng)目帶來(lái)項(xiàng)目管理難度提升成本增加等問(wèn)題，最終導(dǎo)致AI 應(yīng)用遲遲無(wú)法落地或效果不達(dá)預(yù)期。
企業(yè)缺乏對(duì)AI 技術(shù)合作伙伴的評(píng)估方法論，導(dǎo)致很難選擇并最有效得利用外部伙伴力量
傳統(tǒng)企業(yè)應(yīng)用AI 技術(shù)時(shí)，往往需要外部技術(shù)服務(wù)商提供支持。但AI 技術(shù)服務(wù)商云集，既有像微軟這樣的全能型選手，也有像AI 四小龍（商湯、曠視、依圖、云叢）專項(xiàng)領(lǐng)域選手，更有數(shù)以百計(jì)的初創(chuàng)企業(yè)在專項(xiàng)領(lǐng)域 /細(xì)分行業(yè)提供獨(dú)到的解決方案。
傳統(tǒng)企業(yè)由于對(duì)AI 領(lǐng)域缺乏了解，在評(píng)估與選擇合作伙伴時(shí)也缺乏有效的方法論和評(píng)估框架，只能更關(guān)注企業(yè)名氣與過(guò)往案例，而對(duì)其他重要要素如技術(shù)、數(shù)據(jù)、產(chǎn)品、交付、組織以及合作契合度方面以及其下各子要素缺乏評(píng)估能力。
這一問(wèn)題往往導(dǎo)致合作過(guò)程中挑戰(zhàn)重重，包括合作伙伴提供的方案在特定行業(yè)缺乏適用性，合作伙伴技術(shù)能力出眾但工程實(shí)施能力弱造成項(xiàng)目效果不佳，合作伙伴缺乏AI 綜合能力需要進(jìn)行分包，導(dǎo)致項(xiàng)目質(zhì)量無(wú)法把控等。最終結(jié)果是無(wú)法建立一個(gè)穩(wěn)定的生態(tài)圈，合作伙伴頻繁更換選擇均費(fèi)時(shí)費(fèi)力。
傳統(tǒng)企業(yè)在實(shí)施AI 戰(zhàn)略時(shí)
可以通過(guò)利用科爾尼的SMART 策略模型，更快更穩(wěn)地實(shí)現(xiàn)AI 部署與落地
科技企業(yè)“天生”以數(shù)字化能力作為核心競(jìng)爭(zhēng)力，且業(yè)務(wù)模式、企業(yè)流程、員工能力、組織架構(gòu)等各方面自帶“數(shù)字化光環(huán)”更適用于AI 等新技術(shù)落地。
傳統(tǒng)企業(yè)相對(duì)起步晚，因此在實(shí)際應(yīng)用AI 過(guò)程中，需要更加全面的進(jìn)行戰(zhàn)略制定，更加細(xì)致的進(jìn)行規(guī)劃，并更好地借助外力，實(shí)現(xiàn)最終的價(jià)值創(chuàng)造。
科爾尼專門開發(fā)了幫助傳統(tǒng)企業(yè)部署AI 業(yè)務(wù)的SMART策略模型，通過(guò)明確所處戰(zhàn)略起點(diǎn) (Strategy Startingpoint)、識(shí)別應(yīng)部署的場(chǎng)景 (Needs Mapping)、洞察背后技術(shù)需求 (Technology to Adopt)、建立部署協(xié)同策略(Synergy in Rollout)、尋找合作伙伴共建 (Partner Teamwork) 五個(gè)核心步驟，幫助傳統(tǒng)企業(yè)更快速更穩(wěn)健地實(shí)現(xiàn)AI 部署與落地。
第一步：明確所處戰(zhàn)略起點(diǎn)(Strategy Starting-point)。明確企業(yè)及所處行業(yè)當(dāng)前數(shù)字化成熟度，在此基礎(chǔ)上完成企業(yè)的AI 戰(zhàn)略制定。
當(dāng)我們用數(shù)字化成熟度來(lái)衡量一個(gè)企業(yè)的數(shù)字化能力時(shí)，會(huì)發(fā)現(xiàn)不同企業(yè)的數(shù)字化處于不同階段，而多數(shù)企業(yè)可能尚未達(dá)到應(yīng)用AI 的基礎(chǔ)條件。
企業(yè)在制定AI 戰(zhàn)略時(shí)首先需要對(duì)自身的數(shù)字化能力和條件進(jìn)行診斷，從而更好地為AI 技術(shù)應(yīng)用和尋找合適的切入點(diǎn)打下基矗
我們可以將企業(yè)數(shù)字化發(fā)展分為四個(gè)階段：數(shù)據(jù)系統(tǒng)化 (IT)階段、數(shù)據(jù)可視化 (BI) 階段、數(shù)據(jù)洞察化 (DT) 階段以及場(chǎng)景智能化階段 (AI 應(yīng)用階段)。
數(shù)據(jù)系統(tǒng)化 (IT) 階段：需要完成最基礎(chǔ)的業(yè)務(wù)系統(tǒng)建設(shè)，如ERP 系統(tǒng)以及底層云平臺(tái)等數(shù)字化基礎(chǔ)設(shè)施的搭建。
數(shù)據(jù)可視化 (BI) 階段：打通系統(tǒng)孤島，實(shí)現(xiàn)基本的大數(shù)據(jù)可視化應(yīng)用，例如基于企業(yè)內(nèi)外部業(yè)務(wù)的數(shù)據(jù)分析與應(yīng)用，形成大數(shù)據(jù)的可視化，對(duì)消費(fèi)者洞察、供應(yīng)鏈運(yùn)營(yíng)等內(nèi)外部運(yùn)營(yíng)形成可持續(xù)、不斷迭代的分析模型。
數(shù)據(jù)洞察化 (DT) 階段：通過(guò)智能技術(shù)加持，建立數(shù)據(jù)中臺(tái)，進(jìn)行多源結(jié)構(gòu)化數(shù)據(jù)的分析和業(yè)務(wù)賦能，實(shí)現(xiàn)完備的大數(shù)據(jù)分析應(yīng)用體系。以消費(fèi)者洞察為例，包括通過(guò)建立完整的消費(fèi)者觸點(diǎn)收集數(shù)據(jù)，通過(guò)數(shù)據(jù)中臺(tái)建設(shè)融合數(shù)據(jù)，通過(guò)數(shù)據(jù)模型和數(shù)據(jù)挖掘技術(shù)探究消費(fèi)者洞察。
場(chǎng)景智能化 (AI) 階段：通過(guò)AI 技術(shù)應(yīng)用，實(shí)現(xiàn)企業(yè)決策與運(yùn)營(yíng)管理的智能化。此階段最終目標(biāo)為通過(guò)人工智能技術(shù)來(lái)支持管理決策，在大數(shù)據(jù)的支撐下與管理人員共同進(jìn)行日常運(yùn)營(yíng)，包括從生產(chǎn)、供應(yīng)鏈、營(yíng)銷到銷售的各項(xiàng)決策。過(guò)程中如前所述繼續(xù)分為感知AI、認(rèn)知AI 階段和行動(dòng)AI 三個(gè)遞進(jìn)的應(yīng)用子階段。
這四個(gè)階段并沒(méi)有絕對(duì)的先后關(guān)系，但是很大程度上體現(xiàn)了企業(yè)數(shù)字化的進(jìn)程與夯實(shí)基礎(chǔ)的過(guò)程，如果盲目進(jìn)行跳躍，往往事倍功半。
其次，企業(yè)還需要了解行業(yè)整體AI 成熟度的情況，包括行業(yè)內(nèi)是否有足夠數(shù)據(jù)和數(shù)據(jù)集的積累，是否有成熟應(yīng)用方案落地，以便確定本企業(yè)實(shí)施AI 場(chǎng)景應(yīng)用時(shí)的難易程度、所需時(shí)間以及相應(yīng)成本。例如，互聯(lián)網(wǎng)、安防以及金融行業(yè)的AI 成熟度較高，基本達(dá)到認(rèn)知AI 的水平。
這意味著以上行業(yè)的企業(yè)在進(jìn)行AI 應(yīng)用時(shí)，由于行業(yè)特性企業(yè)本身應(yīng)有比較完備的數(shù)據(jù)積累，行業(yè)內(nèi)針對(duì)主要業(yè)務(wù)已有經(jīng)過(guò)訓(xùn)練的模型或者訓(xùn)練數(shù)據(jù)集，可供直接使用或二次開發(fā),同時(shí)業(yè)內(nèi)主流方案也偏向成熟。而餐飲行業(yè)情況則略有不同。
行業(yè)內(nèi)很少有成熟的AI 數(shù)據(jù)集與AI模型，因此企業(yè)在應(yīng)用AI 解決方案時(shí)應(yīng)更多側(cè)重“感知AI 層面”，以識(shí)別與數(shù)據(jù)獲取為主要方向，例如使用計(jì)算機(jī)視覺(jué)技術(shù)識(shí)別員工操作規(guī)范、識(shí)別貨品以及入店消費(fèi)者等，通過(guò)智能語(yǔ)音實(shí)現(xiàn)投訴管理等。而知識(shí)圖譜等“認(rèn)知AI”技術(shù)，在餐飲行業(yè)現(xiàn)階段并無(wú)多少用武之地。
最后，在完成了戰(zhàn)略定點(diǎn)任務(wù)后，可通過(guò)“長(zhǎng)短結(jié)合”的方式制定AI 戰(zhàn)略。AI 戰(zhàn)略短期可從業(yè)務(wù)場(chǎng)景出發(fā)，以降本和增加運(yùn)營(yíng)效率為出發(fā)點(diǎn)，充分發(fā)掘使用AI 技術(shù)能化提升效率降低成本的場(chǎng)景，之后統(tǒng)籌規(guī)劃，排布項(xiàng)目實(shí)施時(shí)間節(jié)點(diǎn)，明確重點(diǎn)技術(shù)突破方向，并尋找合適的長(zhǎng)期合作伙伴。
長(zhǎng)期可從業(yè)務(wù)模式出發(fā)，積極尋找業(yè)務(wù)模式革新點(diǎn)，通過(guò)AI 技術(shù)實(shí)現(xiàn)業(yè)務(wù)轉(zhuǎn)型。例如，以零售新物種便利蜂為例，便利蜂通過(guò)“算法驅(qū)動(dòng)模式”改造傳統(tǒng)便利店運(yùn)營(yíng)模式。
AI 技術(shù)重度參與企業(yè)日常運(yùn)營(yíng)各項(xiàng)決策，包括午餐應(yīng)該做多少份、哪些食品應(yīng)該打折、應(yīng)研發(fā)哪些新菜品等。店長(zhǎng)的職能由每天做出大量瑣碎決策轉(zhuǎn)變?yōu)樵贏I 的決策下做執(zhí)行，同時(shí)根據(jù)每日運(yùn)營(yíng)結(jié)果調(diào)整算法模型參數(shù)。
隨之而來(lái)的是商業(yè)模式改變，由于將最繁瑣的任務(wù)交給機(jī)器，店長(zhǎng)的工作得到簡(jiǎn)化，同時(shí)大大縮短了店長(zhǎng)培訓(xùn)時(shí)間，一名合格店長(zhǎng)培養(yǎng)周期由2 年縮短至6 個(gè)月，這使得便利蜂突破了傳統(tǒng)便利店快速擴(kuò)張的瓶頸，在兩年內(nèi)迅速擴(kuò)展到800 家門店，估值上十億，成為名副其實(shí)的獨(dú)角獸。
第二步：識(shí)別應(yīng)部署的場(chǎng)景(Needs Mapping)。企業(yè)通過(guò)梳理業(yè)務(wù)場(chǎng)景，判斷應(yīng)在何處部署AI 技術(shù)。
AI 機(jī)會(huì)識(shí)別需要從業(yè)務(wù)場(chǎng)景出發(fā)。在組織上，企業(yè)應(yīng)由一個(gè)AI 部署統(tǒng)籌部門 (如IT 或數(shù)字化部門) 協(xié)調(diào)主要業(yè)務(wù)部門進(jìn)行AI 機(jī)會(huì)點(diǎn)的識(shí)別工作，確保核心業(yè)務(wù)場(chǎng)景不會(huì)缺失。
例如，對(duì)零售企業(yè)來(lái)說(shuō)，供應(yīng)鏈管理、門店管理、營(yíng)銷與客戶服務(wù)、風(fēng)險(xiǎn)管理等是幾類核心職能，這幾類核心職能的相關(guān)部門將負(fù)責(zé)進(jìn)行各自領(lǐng)域的業(yè)務(wù)場(chǎng)景梳理與AI 機(jī)會(huì)識(shí)別。
業(yè)務(wù)部門首先應(yīng)對(duì)各自的業(yè)務(wù)領(lǐng)域進(jìn)行分析，識(shí)別AI 技術(shù)最適合介入的核心業(yè)務(wù)場(chǎng)景。例如企業(yè)從門店管理的角度可以將AI 技術(shù)應(yīng)用到門店銷售預(yù)測(cè)、店員話術(shù)及服務(wù)監(jiān)控、排班管理、品質(zhì)監(jiān)控、能源監(jiān)控、門店上座監(jiān)控及布局優(yōu)化、機(jī)器人服務(wù)等業(yè)務(wù)場(chǎng)景。而營(yíng)銷部門更關(guān)注的則可能是商品推薦、媒體智能投放等業(yè)務(wù)等。
在業(yè)務(wù)場(chǎng)景分析完成后，業(yè)務(wù)部門將這些相關(guān)AI 部署場(chǎng)景需求提報(bào)，由AI 部署統(tǒng)籌部門合并形成AI 項(xiàng)目庫(kù)。
經(jīng)過(guò)業(yè)務(wù)部門和AI 部署統(tǒng)籌部門的詳細(xì)梳理，AI 項(xiàng)目庫(kù)通常涵蓋企業(yè)運(yùn)營(yíng)的全流程。下圖為典型消費(fèi)品企業(yè)經(jīng)過(guò)梳理后，確定未來(lái)進(jìn)行AI 部署的業(yè)務(wù)場(chǎng)景藍(lán)圖。
通常，每個(gè)企業(yè)都能識(shí)別出大量潛在的AI 部署機(jī)會(huì)點(diǎn)，但各個(gè)機(jī)會(huì)點(diǎn)的業(yè)務(wù)價(jià)值及商業(yè)、技術(shù)成熟度以及企業(yè)準(zhǔn)備程度不盡相同，需要進(jìn)行篩選和排序，以確定優(yōu)先投入資源進(jìn)行試點(diǎn)的機(jī)會(huì)點(diǎn)，同時(shí)更重要的是要對(duì)每個(gè)場(chǎng)景的AI 部署與建設(shè)建立長(zhǎng)期的視野，須進(jìn)一步規(guī)劃AI的升級(jí)路徑。
例如，某企業(yè)在對(duì)供應(yīng)鏈場(chǎng)景進(jìn)行AI 部署與賦能時(shí)，從長(zhǎng)期視角規(guī)劃了“建設(shè)三部曲”，通過(guò)初期的搭建管理平臺(tái)到最后融合知識(shí)圖譜，分階段最后打造成AI 驅(qū)動(dòng)的智慧供應(yīng)鏈平臺(tái)。
同時(shí)，企業(yè)在嘗試AI 技術(shù)應(yīng)用時(shí)可以基于“think big, start small”的理念，從MVP(minimal viable product 最小可行產(chǎn)品) 入手，實(shí)現(xiàn)敏捷交付之后，通過(guò)快速迭代的方式，不斷升級(jí)換代，最終打造最優(yōu)產(chǎn)品與方案。
第三步：洞察背后技術(shù)需求 (Technology to Adopt)。對(duì)于每個(gè)AI 介入點(diǎn)，確定部署什么AI 技術(shù)。
在業(yè)務(wù)場(chǎng)景分析完成后，業(yè)務(wù)部門需要與AI 部署統(tǒng)籌部門或技術(shù)部門一起對(duì)AI 機(jī)會(huì)點(diǎn)進(jìn)行解讀與拆解，確定具體采用的AI 技術(shù)。
例如，某消費(fèi)品企業(yè)一直比較重視通過(guò)大量社交聆聽獲取消費(fèi)者對(duì)產(chǎn)品及競(jìng)品的反潰在AI 技術(shù)發(fā)展成熟后，企業(yè)也希望借助AI 技術(shù)進(jìn)一步提升社交監(jiān)控場(chǎng)景的效率與準(zhǔn)確性。
通過(guò)與技術(shù)部門分析和研究后，該企業(yè)發(fā)現(xiàn)AI 中的知識(shí)圖譜技術(shù)對(duì)場(chǎng)景能力最有幫助，在融合知識(shí)圖譜技術(shù)后能重點(diǎn)打造并強(qiáng)化用戶賬戶分類模型，識(shí)別網(wǎng)絡(luò)水軍，大大提升用戶反饋的真實(shí)性和準(zhǔn)確性。
對(duì)于傳統(tǒng)企業(yè)而言，如何有效甚至準(zhǔn)確的判斷 /識(shí)別所需的AI 技術(shù)？我們建議企業(yè)針對(duì)每個(gè)計(jì)劃部署AI 的業(yè)務(wù)場(chǎng)景進(jìn)行分解，識(shí)別背后具體的技術(shù)應(yīng)用需求，并對(duì)這些應(yīng)用需求進(jìn)行合并同類型，最終明確所需共性的與AI 算法與技術(shù)。
以前文列舉的門店無(wú)人收貨業(yè)務(wù)場(chǎng)景為例，單一的AI 技術(shù)并不足以支持這一業(yè)務(wù)場(chǎng)景為了明確到底需要哪些具體的AI 技術(shù)，需要首先對(duì)無(wú)人收貨業(yè)務(wù)場(chǎng)景進(jìn)行分解-門店無(wú)人收貨場(chǎng)景包括車輛識(shí)別、送貨員識(shí)別、貨物識(shí)別、送貨路徑監(jiān)控這四個(gè)AI 介入的細(xì)分場(chǎng)景；
其次，在分別挖掘這四個(gè)細(xì)分場(chǎng)景落地的AI 技術(shù)后，我們發(fā)現(xiàn)其主要運(yùn)用 “目標(biāo)分類與識(shí)別”以及“目標(biāo)檢測(cè)跟蹤與定位”兩類AI 算法，這兩類AI 算法均是計(jì)算機(jī)視覺(jué)技術(shù)大類下的技術(shù)。
相應(yīng)地，我們可以決定聚焦計(jì)算機(jī)視覺(jué)類AI企業(yè)來(lái)支持門店無(wú)人收貨場(chǎng)景的落地實(shí)施。通過(guò)上述方法可以逐個(gè)識(shí)別和判斷出AI 業(yè)務(wù)場(chǎng)景背后的AI 算法與技術(shù)，我們最終可得出要實(shí)現(xiàn)包含所有AI 部署的業(yè)務(wù)場(chǎng)景與AI 算法與技術(shù)的對(duì)應(yīng)圖譜。
這個(gè)圖譜將是企業(yè)開始行動(dòng)的一份藍(lán)圖，它能告訴企業(yè)每項(xiàng)業(yè)務(wù)場(chǎng)景背后需要有多少項(xiàng)AI 技術(shù)進(jìn)行支撐。同時(shí)， AI 技術(shù)出現(xiàn)的次數(shù)匯總可得出企業(yè)對(duì)每項(xiàng)AI 技術(shù)的需求強(qiáng)度。
第四步：建立部署協(xié)同策略 (Synergy in Rollout)。分析各項(xiàng)技術(shù)間的協(xié)同性，并根據(jù)需求與能力匹配程度制定不同的技術(shù)實(shí)施策略。
AI 項(xiàng)目不同于傳統(tǒng)IT 項(xiàng)目，AI 項(xiàng)目關(guān)聯(lián)度更強(qiáng)，技術(shù)、數(shù)據(jù)訓(xùn)練集、甚至方案復(fù)用性高，良好的技術(shù)協(xié)同能很好地幫助項(xiàng)目有效銜接，減少重復(fù)工作，并更利于與技術(shù)合作伙伴建立長(zhǎng)期合作關(guān)系。
因此，在歸納得到各項(xiàng)AI 技術(shù)需求強(qiáng)度之后，我們通過(guò)二維矩陣，將對(duì)AI 技術(shù)的需求強(qiáng)度，與自身技術(shù)能力進(jìn)行匹配。這樣至少有兩點(diǎn)獲益之處。
首先，可以為下一步選擇合作伙伴提供標(biāo)準(zhǔn)。如果將技術(shù)提供商分為“腦力”型和“體力”型，則對(duì)于企業(yè)自身有一定積累且需求度高的項(xiàng)目可以與“體力”型伙伴合作，通過(guò)類似外包的方式完成項(xiàng)目。而對(duì)于自身能力欠缺的項(xiàng)目則需引入“外腦”加以突破。同時(shí)在供應(yīng)商合作時(shí)，也可有針對(duì)性的進(jìn)行打包項(xiàng)目合作或是采取一事一議的方式合作。
其次，可以根據(jù)AI 技術(shù)在矩陣中的不同位置，制定不同的優(yōu)先級(jí)和落地策略。例如某企業(yè)根據(jù)象限不同分別制定“技術(shù)外采與封裝”、“技術(shù)快速補(bǔ)強(qiáng)”、“加速商業(yè)化”、“挖掘應(yīng)用價(jià)值”四種不同策略，以確保AI 項(xiàng)目集合的順利實(shí)現(xiàn)并將自身AI 能力充分應(yīng)用。
第五步：尋找合作伙伴共建 (Partner Teamwork)。評(píng)估與哪些是最合適的技術(shù)伙伴進(jìn)行外包或合作。
企業(yè)在建立自有核心團(tuán)隊(duì)的基礎(chǔ)上還需要打造外部AI 技術(shù)生態(tài)圈。AI 技術(shù)生態(tài)圈可以由三類AI 技術(shù)提供商組成。
綜合性AI 技術(shù)服務(wù)商有著穩(wěn)定的AI 產(chǎn)品和優(yōu)秀的研發(fā)能力，同時(shí)其廣闊的產(chǎn)品線能滿足企業(yè)對(duì)數(shù)字化基礎(chǔ)設(shè)施、技術(shù)架構(gòu)、數(shù)據(jù)分析以及人工智能技術(shù)的總體需求，同時(shí)這些企業(yè)自帶ISV，因此基本能提供一站式服務(wù)。綜合性服務(wù)商的缺點(diǎn)則在于由于產(chǎn)品線廣，往往在某個(gè)特定行業(yè)或領(lǐng)域深度不夠，不夠精專。
細(xì)分領(lǐng)域方案提供商：例如計(jì)算機(jī)視覺(jué)領(lǐng)域的AI 四小龍、智能語(yǔ)音領(lǐng)域的科大訊飛、知識(shí)圖譜領(lǐng)域的明略科技等。所謂術(shù)業(yè)有專攻，此類方案提供商專注某項(xiàng)AI 技術(shù)，往往在某個(gè)領(lǐng)域有著前沿的科技或解決方案。
AI 初創(chuàng)企業(yè)：這類企業(yè)技術(shù)切入點(diǎn)更小，但技術(shù)更前沿更小眾更新穎，引入這類合作伙伴并進(jìn)行方案共建往往能幫助傳統(tǒng)企業(yè)啟迪思維，打造行業(yè)標(biāo)桿解決方案，形成新的智能壁壘。
在這三類合作伙伴中選擇過(guò)程中，評(píng)估框架是關(guān)鍵。我們建議企業(yè)通過(guò)如下 “科爾尼AI 合作伙伴評(píng)估框架”，對(duì)潛在合作伙伴開展了全面的評(píng)估。
首先，在業(yè)務(wù)模式層面，主要考察合作伙伴的技術(shù)優(yōu)勢(shì)領(lǐng)域、服務(wù)模式、方案特征以及外部伙伴生態(tài)。合作伙伴的技術(shù)優(yōu)勢(shì)領(lǐng)域應(yīng)盡可能與企業(yè)AI 項(xiàng)目規(guī)劃中需求度高的AI 技術(shù)相匹配，確?；锇樘峁┑募夹g(shù)能力急人所難。
服務(wù)模式則應(yīng)從企業(yè)業(yè)務(wù)需求出發(fā)判斷是否通用方案即可滿足，還是需要進(jìn)行深度定制化。方案提供商在服務(wù)模式上會(huì)體現(xiàn)出比較明顯差異。
形象地說(shuō)，部分AI 服務(wù)提供商是偏重“拿錘子找釘子” 模式主要基于核心的通用技術(shù)來(lái)落地在盡可能多的應(yīng)用場(chǎng)景上，力求解決方案的普適性，有定制化但不會(huì)按項(xiàng)目來(lái)重新深度開發(fā)，例如AI 四小龍的商湯、曠視、依圖、云叢等。
部分服務(wù)提供商偏重“為釘子找錘子” 模式根據(jù)應(yīng)用場(chǎng)景提供定制化的解決技術(shù)與方案。例如，切入“認(rèn)知AI”領(lǐng)域的企業(yè)以及中小AI 創(chuàng)新企業(yè)。這兩種模式各有利弊，前者方案成熟落地快，而后者定制化程度高方案更貼近實(shí)際需求。
服務(wù)商提供的方案特征也分為兩類一類專于前端的感知AI 產(chǎn)品 (如計(jì)算機(jī)視覺(jué))，主要解決客戶的數(shù)據(jù)在線問(wèn)題，另一類提供整體的解決方案，不但了解并封裝前端感知AI 產(chǎn)品，還能在數(shù)據(jù)在線基礎(chǔ)上做后端的數(shù)據(jù)挖掘。
當(dāng)企業(yè)進(jìn)入“認(rèn)知AI”階段時(shí)，顯然提供后一種方案特征的伙伴將更受歡迎。在外部伙伴生態(tài)方面，綜合性服務(wù)商自身技術(shù)能力強(qiáng)，但需要集成服務(wù)提供商 (ISV) 針對(duì)行業(yè)特性進(jìn)行項(xiàng)目實(shí)施和方案落地。
中小AI 企業(yè)由于技術(shù)線不廣，實(shí)際方案落地時(shí)往往需要采購(gòu)SDK 或者與其他服務(wù)商合作保證方案的技術(shù)完整性。而細(xì)分領(lǐng)域服務(wù)商由于自身技術(shù)能力較強(qiáng)且長(zhǎng)期深耕固定技術(shù)領(lǐng)域或行業(yè)，因此反而具有獨(dú)立提供方案能力，但遇到大型項(xiàng)目時(shí)也需要其他技術(shù)服務(wù)商以及系統(tǒng)集成商支持。
其次，在技術(shù)與產(chǎn)品能力層面，主要考察合作伙伴算法先進(jìn)性、工程能力、數(shù)據(jù)豐富性以及產(chǎn)品沉淀能力。
對(duì)于傳統(tǒng)企業(yè)來(lái)說(shuō)，往往無(wú)法直接考察對(duì)方的算法先進(jìn)性，但可以通過(guò)考察合作伙伴的核心技術(shù)人員背景、研發(fā)人員數(shù)量、是否建立“科學(xué)院”等研發(fā)機(jī)構(gòu)以及“打榜”結(jié)果和專利信息進(jìn)行間接判斷。
以常見的計(jì)算機(jī)視覺(jué)技術(shù)類AI 公司為例，建議針對(duì)其技術(shù)能力、應(yīng)用范圍、應(yīng)用場(chǎng)景以及研發(fā)實(shí)力進(jìn)行綜合而充分的調(diào)研評(píng)估，就能基本覆蓋計(jì)算機(jī)視覺(jué)技術(shù)的核心能力 /領(lǐng)域。
工程能力決定項(xiàng)目實(shí)際落地情況，優(yōu)秀的需求調(diào)研、業(yè)務(wù)理解和方案設(shè)計(jì)等“軟實(shí)力”是項(xiàng)目創(chuàng)造價(jià)值的主要保障，也是能否實(shí)現(xiàn)定制化方案的關(guān)鍵要素。數(shù)據(jù)豐富性在AI 項(xiàng)目中是訓(xùn)練模型的保障，擁有大量現(xiàn)成數(shù)據(jù)集和數(shù)據(jù)模型的合作伙伴通常將加速實(shí)際項(xiàng)目的落地。
產(chǎn)品沉淀能力也代表了合作伙伴的技術(shù)水平，產(chǎn)品既包括解決方案沉淀后的應(yīng)用產(chǎn)品，還包括合作伙伴在項(xiàng)目實(shí)施中使用的自有開發(fā)工具，前者體現(xiàn)了實(shí)施經(jīng)驗(yàn)與成果，后者則體現(xiàn)了實(shí)施經(jīng)驗(yàn)與實(shí)施的潛在效率。
再次，在商務(wù)交付層面(見圖13)，建議企業(yè)主要考察AI技術(shù)公司的交付能力與項(xiàng)目管理。其中項(xiàng)目經(jīng)理的資歷、以及合作伙伴過(guò)往項(xiàng)目履歷以及口碑至關(guān)重要。這些內(nèi)容可以通過(guò)合作伙伴過(guò)往客戶考察進(jìn)行側(cè)面了解。
同時(shí)，企業(yè)應(yīng)對(duì)完整的交付與部署流程了然于心，在每一步驟重要管控點(diǎn)進(jìn)行考察與評(píng)判。對(duì)于項(xiàng)目管理能力(見圖14)，可以從需求管理、時(shí)間管理、質(zhì)量管理、成本管理四方面對(duì)供應(yīng)商的過(guò)往案例與資質(zhì)進(jìn)行評(píng)估。成熟的供應(yīng)商，應(yīng)有明確的項(xiàng)目管理各階段機(jī)制，致力于按時(shí)按需、保質(zhì)控本完成項(xiàng)目交付。同時(shí)，隨著項(xiàng)目經(jīng)驗(yàn)的積累，項(xiàng)目管理機(jī)制應(yīng)已成熟且可復(fù)用。
最后，在合作契合度方面的評(píng)估是重點(diǎn)，當(dāng)企業(yè)制定了充滿挑戰(zhàn)的AI 戰(zhàn)略規(guī)劃，一個(gè)緊密、可靠且能長(zhǎng)期合作的合作伙伴尤為重要。
合作契合度主要考量合作模式、投入意愿度以及數(shù)據(jù)安全與保密管理。合作模式按松散到緊密通常包括項(xiàng)目合作制，框架合作制 (派員工駐守進(jìn)行新項(xiàng)目實(shí)施與老項(xiàng)目運(yùn)維)，以及合資公司模式。
選擇何種方式通?？紤]實(shí)施AI 項(xiàng)目的多少以及自身AI 技術(shù)能力強(qiáng)弱。有一個(gè)熟悉企業(yè)業(yè)務(wù)，了解企業(yè)系統(tǒng)環(huán)境的合作伙伴對(duì)大量新項(xiàng)目實(shí)施、舊項(xiàng)目運(yùn)維，以及項(xiàng)目迭代升級(jí)的同時(shí)開展大有益處。
選擇合作伙伴還應(yīng)考量其投入意愿度，即是否愿意將最好的人力資源與系統(tǒng)資源投入到本企業(yè)，是否愿意對(duì)新技術(shù)方案共同進(jìn)行投入與共建，甚至簽署排他協(xié)議或者成立合資公司。
長(zhǎng)期的承諾是維護(hù)合作關(guān)系必不可少的一環(huán)。數(shù)據(jù)及方案的安全與保密也是合作過(guò)程中必須考慮的問(wèn)題，對(duì)企業(yè)數(shù)據(jù)進(jìn)行安全維護(hù)和保密是基本要求，而項(xiàng)目中的技術(shù)方案是否能外傳，IP 歸屬權(quán)在哪方也是確定合作協(xié)議時(shí)雙方需要達(dá)成一致的問(wèn)題。
如今數(shù)字化和智能技術(shù)正驅(qū)動(dòng)各行各業(yè)產(chǎn)生變革與顛覆，傳統(tǒng)企業(yè)長(zhǎng)時(shí)間建立的壁壘正逐漸被一一打破：線上線下融合的新零售模式使得傳統(tǒng)商圈的黃金地段優(yōu)勢(shì)漸弱，AI 的輔助決策使得擁有大量員工有時(shí)反而成為包袱。
同時(shí)，科技企業(yè)持續(xù)跨界，通過(guò)智能技術(shù)帶來(lái)新的消費(fèi)體驗(yàn)與商業(yè)模式，并迅速獲取消費(fèi)者，進(jìn)一步給傳統(tǒng)企業(yè)帶來(lái)挑戰(zhàn)。
我們認(rèn)為傳統(tǒng)企業(yè)將依然在未來(lái)中國(guó)的商業(yè)社會(huì)中扮演著不可或缺的重要作用，因此傳統(tǒng)企業(yè)的數(shù)字化創(chuàng)新與可持續(xù)發(fā)展將變得尤為重要，相信大家都意識(shí)到部署AI 技術(shù)、改造傳統(tǒng)業(yè)務(wù)與管理模式是傳統(tǒng)企業(yè)進(jìn)行數(shù)字化創(chuàng)新的重要手段。
我們深刻地意識(shí)到傳統(tǒng)企業(yè)在擁抱AI 時(shí)的欣喜若狂但又在部署能力上的捉襟見肘。因此，我們誠(chéng)摯地希望科爾尼獨(dú)有的SMART 部署策略能為傳統(tǒng)企業(yè)的AI部署與智能化轉(zhuǎn)型帶來(lái)幫助，幫助他們?cè)谶@波AI 驅(qū)動(dòng)的行業(yè)變革大潮中游刃有余地借力沖浪、打造新的競(jìng)爭(zhēng)力，成為智能化時(shí)代的真正受益者。
來(lái)源｜慎思行 作者 | 科爾尼公司：賀曉青，劉曉龍，汪濤
關(guān)于騰訊AI加速器
騰訊AI加速器是騰訊產(chǎn)業(yè)加速器的重要組成部分。其背靠騰訊產(chǎn)業(yè)生態(tài)投資，依托騰訊AI實(shí)驗(yàn)室矩陣的核心技術(shù)，騰訊云的平臺(tái)、計(jì)算能力以及合作伙伴豐富的應(yīng)用場(chǎng)景，為入選項(xiàng)目提供課程、技術(shù)、資本、生態(tài)、品牌等層面的扶持；并與入選項(xiàng)目共同打造行業(yè)解決方案，推動(dòng)AI技術(shù)在產(chǎn)業(yè)中的應(yīng)用落地。
在前兩期AI加速器中，從全球2000+項(xiàng)目中甄選出的65個(gè)項(xiàng)目，整體估值662億+，融資總額高達(dá)70億+，70%的項(xiàng)目完成新一輪融資；其中騰訊投資樂(lè)聚機(jī)器人、工匠社機(jī)器人、Versa馬卡龍玩圖，并形成行業(yè)解決方案50+。
2019年8月16日，騰訊AI加速器三期名單出爐。TOP30項(xiàng)目從1500個(gè)報(bào)名者中脫穎而出，錄取率僅2%，三期項(xiàng)目總估值超200億。項(xiàng)目聚焦于金融、教育、安全、工業(yè)、機(jī)器人、IoT、云計(jì)算、5G等。入選騰訊AI加速器三期，意味著正式成為騰訊智慧產(chǎn)業(yè)生態(tài)的合作伙伴，將與騰訊各智慧產(chǎn)業(yè)業(yè)務(wù)深度結(jié)合。
重慶分公司
重慶分公司
