埃森哲：AI对16个行业以及12个经济体的影响

智能自动化：人工智能对比传统自动化有巨大的优势，比如，供应链管理这个时间就是金钱的行业，对于平均财富100强公司来说，一个缩短了一天的供应链，可以释放5000万美元到1亿美元的现金流，像特斯拉和强生这些依靠全球整合网络的公司，正要将其供应链管理放在Elementum（一家人工智能初创供应链管理平台）上精简其供应链，这家公司通过监控分析一次性事件，跟踪运输，记录制造业的产出，来提供实时供应链可见。

通过每天分析超过1000万次的事件以及实时价值25万亿美元的产品，Elementum可以对早期潜在的问题提出警告并提出替代解决方案，例如，2014年，中国一家系统内存卡工厂发生火灾，给当时全球供应带来了相当大的压力，压缩了大约25%。然而大部分制造商几天后才意识到这一点，但Elementum的客户在几分钟内就对这一事件有了清晰的了解，并在价格对货品短缺做出反应之前就确保了自己的内存卡供应安全。

不仅仅是生产链可以从智能自动化中受益，销售活动也需要宝贵的时间和资源去追踪潜在客户，随着人工智能的到来销售活动发生了巨大的变化，LE（LatticeEngines）公司就专注于利用人工智能使销售过程更加合理化，通过学习公司的购买模式，它可以根据热度从上到下对潜在客户进行排序，戴尔的欧洲营销部门利用Lattice的人工智能平台，将销售对象减少了50%，从而使销售效率、有效性和财政收入都翻了一番。

劳动力和资本扩张：人工智能可以通过把低附加值的任务转移给机器，提高工人的劳动生产率，让员工更专注于其负责的主要任务上，人工智能的应用正在扩展到那些知识和批判思维长期占据主导地位的领域，比如说商业研究，传统上这是一项非常消耗时间的任务，Conatix公司的半自动化商业智能系统最近提高了机器学习能力，使客户公司能够发现、协调、构建并且共享以前他们组织结构之外的非结构化数据和信息，通过与研究人员密切合作，Conatix算法可以根据人类的反馈调整其课程，从而提供高质量信息。

人工智能还可以帮助企业实现资产利用率的最大化，重工业，如能源和制造业，需要大量的前期投资，这样的投资让他们特别容易产生停工期收入损失，以风力发电机为例：意外的停机时间需要协调设备、维修人员和备件，最后就会造成财政损失。

再比如齿轮箱故障的情况，如果每次故障都能导致多达两周的停机时间，那么增加资产利用率那无疑就会缩短停机时间，减少损失，好处十分明显。人工智能初创公司NEM利用一种基于人类免疫系统的算法来提高风力发电厂的生产效率，主要是进行预测以及预防发点失败，该平台首先分析了风力涡轮机故障的情况，以了解它们的症状，然后实时监测涡轮机，看有无类似症状，并发现潜在的问题。

埃森哲研究管理董事MarkPurdy说：“人工智能作为生产的新要素，至少能够以三种重要的方式推动经济增长，首先，它可以创造新的虚拟劳动力，也就是我们所说的智能自动化。第二，人工智能可以补充并增强技能，提高现有劳动力和实物资本的利用效率。第三，与之前的其他技术一样，人工智能可以推动经济创新，人工智能会慢慢随着时间的发展成为一种推动社会大范围的结构转变的催化剂，因为使用人工智能不仅会让事情发展变得不一样，而且还会做出一些与众不同的事情。”

创新扩张：人工智能正准备通过加速开发新产品来推动创新，这种创新消除多余的成本，产生新的收入来源，从而提高公司的盈利能力，新药品的开发可以作为一个典型案例，目前，药物开发主要是用由理论假说指导的发现方法，然而只有不到10%的新药最终获得批准，BergHealth公司利用人工智能追踪癌症的过程，在癌细胞和非癌细胞的数据上都有数万亿的数据点，该公司运用这种方法已经生产了一种新的抗癌药物，目前正在进行临床试验，据估计，这种新药研发的方法将使一种药物的研发成本从26亿美元减少到13亿美元。

人工智能还可以在有设计目标和限制条件的情况下制造新产品，欧特克（Autodesk）利用其计算机辅助设计系统“梦想捕捉器”开创了这种新方法。“梦想捕捉器”利用人工智能算法从云端创造出成千上万的虚拟原型，并将它们的功能，成本，材料与特定标准进行比较，然后生产出一个符合理想的模型实体，最后雕刻材料，它会对那些恶化性能或者提高性能的材料保存记忆，使算法能够理解每一块材料对于整体的作用是多少，在医疗保健行业，“梦想捕捉器”被用来设计一种能加速康复和组织再生的面部植入物。

工业利润潜力

商业领袖们有机会采用以下8种策略。

1、AI策略和领导力：在太多的公司和行业中，人工智能的动力和兴趣仍然来自于公司的中下层，从接触技术的数字狂热者们中来，他们自身希望人工智能能够发展，并为此十分积极兴奋。但是，我们的分析师建议：想要从AI中获得真正的价值，需要公司顶层的认可和积极行动，至关重要的第一步是让人工智能的好处在公司的高层中切实可见。

这意味着花时间与真正的人工智能机器在一起工作，与它们互动，询问和测试它们。没有什么可以替代参观人工智能实验室或创新中心，在那里，专家可以进行探索，可以进行思想测试，也可以开发原型。在未来公司的发展中，人工智能发展的路线规划图将是必不可少的。将AI作为关键的推动者应该是公司发展业务的计划之一。

因此，来自企业的领导者和战略规划人员需要充分掌握人工智能，才能有效地改变现有的商业计划，定义关键的决策点，并引导正确的投资决策。

2、把HR改造成HAIR（AI人力资源）：由于人工智能是虚拟的劳工，它将与工作人员互动，贡献和增加价值，就像人类的同事一样。首席人力资源官的角色不仅要管理员工，还要管理人工智能员工——这就是HAIR（人工智能人力资源）。

这将引发一些问题，例如：企业如何重新构建绩效考核标准？如何优化人工智能和人类劳工之间的人力需求关系？结论是：在商业战略和创新方面，首席人力资源官将发挥更大的作用，并对人工智能技术有更大的技术理解，以及理解这些技术将如何影响未来的工作。人力资源部门功能本身也需要将人工智能技术纳入其工作的各个方面，从招聘到退休。

例如，SAP的成功因素有助于企业将人力资源管理从“孤立的自我服务转变为智能服务”。该应用程序由微软公司使用，可以同步标准程序，提供员工协作平台，从工作数据中获取可执行的见解，并预测资源决策对其他业务领域的影响。

3、与机器一起学习：要充分发挥人工智能的潜力，人类和机器智能必须紧密结合。在劳动力中，有必要开发新的技术来越过已有的技术专长，重新强调人类能力——判断能力、沟通能力、创造性思维能力——来补充机械的技术。

人工智能不仅会改变人们学习的东西，也会改变他们学习的方式，从传统上来说，职业道路遵循着从入门到经验丰富的线性过程，但是，由于人工智能会代替人类完成普通和低附加值的工作，年轻的专业人士和年长的员工之间会出现技能鸿沟，有工作经验的员工会更加得心应手，为了让企业适应不断变化的自然学习过程和员工培训流程，企业领导者可以专注于员工的需求，特别是在灵活技能的开发领域。

例如，万事达卡正在试用一种AI软件，它利用经验丰富的员工的知识，帮助他们的工作人员成为更好的卖家，结合人类和大数据的见解，软件可以将经验丰富的人的专业知识扩展到整个团队，减少对大型培训团队的需求，集中化的知识经验输入AI可以作为销售团队的每个成员的个性化顾问，以便优化他们的销售策略。

4、任命一名首席数据供应链官：人工智能的性能将直接依赖于可用数据的质量和数量。埃森哲的研究显示，大多数高管不确定自己从数据分析项目中获得的商业成果，这可能意味着企业数据仍未得到充分利用，尽管许多大公司已经将首席数据官（CDO）添加到高管层（Gartner估计，到2019年，90%的大型企业将拥有一个CDO），但这些高管的一个关键关注点是数据安全、监管和治理，而不是管理数据，让数据形成AI的进化供应链。

首席数据供应链官将需要构建一个完整的、端到端的数据供应链，考虑：内部和外部数据源之间的平衡是什么？公司每天的数据是多少？数据存储在哪里？我们的公司如何简化数据访问？诸如此类的问题。

5、创造一个开放的人工智能文化：企业文化必须适应其新的人工智能员工的形象，人类和机器将相互协作、相互教授，互相学习。这需要信任、开放和透明，就像任何合作关系一样。例如，人们一开始可能会指责机器的性能不太好或者错误的输出结果，而不是定义缺陷在哪里——无论人或机器——并改进它们。就像不和谐的人际关系、敌对的交易互动，这将成为共同克服困难、最大化共享价值的障碍，而不是通过帮助计算机，最终达到帮助自己的目的。

人工智能对工作安全、工资和隐私的影响，也会影响员工的态度，以及他们在工作中如何接纳AI的行为。领导者有责任解释混合劳动力带来的风险和机会。但它们也可以塑造文化和指导方针，使风险最小化，并使机会最大化。通过主动使用人工智能本身来改善职场文化，公司可以更进一步，人工智能解决方案已经存在，例如，它可以通过自然语言的处理来检测情绪压力和员工倦怠，帮助管理者塑造和改善工作场所的文化氛围和满意度。

6、超越自动化：在过去，自动化一直是商业战略的关键，然而，随着人工智能技术的进步，企业需要超越自身的能力，来驾驭智能动力、自学和自我管理的机器。

埃森哲的研究显示，人工智能的潜在好处远比过去的自动化带来的影响大得多，举例来说，在1993年至2007年之间，传统的自动化系统据估计已经产生了0.9%的额外年增长率，而在发达经济体中则增长了0.9%。然而，在芬兰，人工智能的未来影响可能会比传统自动化高出70%，而美国这一比例为50%。因此，接纳人工智能可以确立公司的强大竞争优势。例如，Bosch正在把人工智能放在他们的业务的前沿。该公司的“思维工厂”目前在Bosch在德国汽车工厂中推出，目的是让人工智能机器能够自我诊断技术故障，自动订购替换部件，并预测维修需求。

总体而言，博施预测，到2020年，智能系统和机器的广泛使用将带来超过20亿美元的额外收入和储蓄。

7、把大众带进云技术中：在过去的十年里，企业已经利用了大众的力量去开拓创新模式。与此同时，云技术提供了一个机会，可以快速降低计算成本，并且不受内部IT结构的限制，创新的下一步将是把云端的众包数据与AI的能力结合，创造新的、具有颠覆性的商业机会，为此，谷歌云平台和亚马逊网络服务等云平台已经开始使用。

8、用算法来衡量你的回报：衡量生产要素的传统因素包括资本回报率（ROC），以及员工的业绩指标，作为一个新的生产要素，人工智能将会采取新的或适应性的措施，与传统资产的贬值不同，人工智能资产因为它们的自我学习技术，随着时间的推移而可以不断获得价值，这种复合资产增值效应为早期人工智能投资的公司创造了更高的回报。

此外，尽管它的一些应用程序有明确的结果，但人工智能的学习本质意味着，许多收益还尚未终止确定，因此，在人工智能时代，追踪资本投资的传统措施将会过时，首席财务官们将需要一个新的工具箱来衡量“人工智能的回报”。也许它将与每一种算法产生的价值有关，或者是对初始支出和持续的成本进行计算，其中大部分的收益和成本都将在未来的时期出现，投资者将在对它有信心的基础上，对未来的价值进行评估，这种复杂性可能会吓退人力的投资者，强调了对资本支出和估值模型的新思路和新术语的迫切需求，或许，人工智能本身就会被用来计算更准确的，关于人工智能的预测。

“为了抓住人工智能的发展机遇，企业现在就开始采取行动，制定围绕人工智能的战略，将人们置于中心，并承诺开发负责任的人工智能系统，这些系统与道德和伦理价值观相一致，从而推动积极的结果，并解放人类，去做他们最能做的事情——想象、创造和创新。”PaulDaugherty，埃森哲的首席技术和创新官如是说。

建立人工智能GVA影响水平模型

1、我们从一项研究中得出的结果，该研究调查了在整个劳动力市场中，受人工智能影响的任务的比例，我们估计在未来，个体职业变为自动化的可能性将会有多大，然后，我们再通过来自目标分析国家的劳工统计数据来看这些职业在行业和国家层面的分布，这种将受人工智能影响程度与每个国家和行业的职业分布相匹配的做法，使我们能够确定每个国家和行业的人工智能吸收率。

2、我们将随时间演变的人工智能的质量改进包括在内，我们通过参考1990年至今天的软件、硬件、机器人和云计算价格的数据来衡量这一变化。

3、我们决定了在全要素生产率(TFP)的度量中对人工智能扩散所期望的额外的创新效果。我们参考了关于信息和通信技术(ICT)对TFP增长的影响的历史数据，并通过对各个行业的人工智能的投资数据以及国民经济吸收新技术的能力来提高这一数字。

在采取这些措施后，我们可以看到每个国家和行业的人工智能的经济潜力，对于国家的结果，我们汇总了每个国家16个行业中每一个行业的结果，对于行业的结果，我们汇总了每个行业12个国家的数据。我们的盈利预测是基于GVA的结果。为了获得利润的代理，我们从GVA减去劳动报酬。这就给了我们每个行业的总营业盈余(GOS)，这是利润的近似值，它描述了在劳动力因素输入被减去之后经营活动所产生的剩余盈余，为了更准确地衡量盈利能力，我们将一个平减指数包含在资本折旧的数据中。