视角一：与人工智能合作

机器学习 (ML) 和人工智能 (AI) 仍备受各行各业青睐。从日常操作流程的自动化，到强化战略决策，我们看到很多案例都在加速采用这两种技术。通过更好地理解人类和机器各自的优势与局限性，企业可以在员工和人工智能之间建立平衡且高效的合作关系，在留意潜在道德影响的同时，从新兴技术中获得最大价值。

科技棱镜趋势分析

要真正与AI 合作，我们不能将其视为解决所有企业问题的工具。相反，我们必须了解它在哪些方面表现出色，在哪些方面需要借助人力来发挥其潜力，以及在哪些方面不见成效。

一些企业问题完全可通过应用AI 自动化处理或决策，例如那些需要利用历史数据或快速数据闭环的问题。然而，对于其他问题，尤其是那些需要创造力、直觉和较慢的战略反馈循环的问题，AI 的角色最好被用于增强人类的才能。

AI 支持的技术日益普及，触及我们生活的更多领域，我们需要从道德角度考虑其影响。这推动了各种研究与工具支持可解释的人工智能（XAI）和更稳健的治理流程，包括自动化合规。

相关预兆信号包括：

• 对AI 研究和应用的投资持续激增。研究公司 IDC 估计，到 2024 年，全球 AI 市场有望突破 5,000 亿美元

• 就业市场对ML、AI 和数据专家的需求持续高涨。根据领英的数据，AI 专家是 2020 年增长最快的工作类别，而 Glassdoor 则将数据科学家列为 2021 年美国第二大最佳职业

• ML/AI 初创企业、专业产品、IPO 和收购的增长速度加快。2021 年 10 月，英国公司 Exscientia 在纳斯达克上市，估值 30 亿美元。Exscientia 开世界之先河，将三种AI 设计的药物投入第一阶段的人体测试

• 现有工作和角色正在发生变化。世界经济论坛估计，到 2025 年，由于人类和机器之间劳动分工的转变，8,500 万个工作岗位将被机器取代，同时可能出现 9,700 万个新的工作角色。

• 对于AI 产生意外后果的情况，公众的认识日益提高。例如，由于隐私问题，面部识别技术一再被媒体诟病，而且有人发现 Twitter 的图像裁剪AI 中也存在种族偏见。尽管如此，人们担心未来十年内依然难以建立AI 设计的伦理规范。

机会

大多数企业都明白，通过将重复而单调的数据处理任务自动化能够提高员工的生产力。这可以从根本上改变甚至消除某些工作，但也会创造新的工作岗位，促使人们转向需要判断力和创造力的高价值活动。可以受益于自动化的领域主要包括动态定价、推荐系统、异常检测和供应链优化。

在其他情况下，通过人类和机器在角色上结合或互补，AI/ML 的增强也将使人类的工作受益。这种情况主要用于解决需要创造力、直觉、经验和整体思维的问题。其中涉及一些重要的战略决策，例如“我们接下来应该销售哪款产品？”或“我们如何实现净零排放？”这类决策并不需要频繁进行，但可受益于机器辅助模拟和探究不同结果，甚至产生创意供人类评估。这方面的例子包括人工智能先行（AI-first）的药物或产品开发，以及用于规划气候变化等复杂场景的动态模拟。

所有这些应用都展示了 AI 如何在整个组织中创造价值：即改善内部运作、提供更优商业决策，以及所有能够促进产品创新和提升客户体验的方式。

对采纳者的建议

• 了解何时使用自动化与增强功能。AI 和 ML 可以完全实现某些流程或职责工作的自动化，而对于有些流程或职责工作，AI和ML可以辅助人类做出更好的决策，了解其中的差异至关重要。

• 采用综合措施实现运营化AI 的试验。要部署 AI/ML 解决方案，就需要考虑企业所需执行的采用准备和变更管理，并构建强大的技术和治理流程。

• 考虑 AI/ML 的伦理影响，自始至终认真履行职责。AI 和 ML 正在扩展到复杂和敏感的领域，如融资、量刑和医疗诊断，这类决策的影响可能会产生意想不到的后果。尽早考虑所有潜在的影响，发现并评估各种问题，以免为时已晚。

• 让员工为角色变化做好准备。AI 可能影响到员工的工作，不要低估为这类员工提供支持和赋能所需进行的努力。自动化可以使员工腾出手来执行更高层次的任务，而 AI/ML 增强功能可助力他们提高工作效率。制定清晰的过渡和职业发展计划，帮助他们成长和发展。

• 谨慎选择您的 KPI。了解您试图使用 AI 和 ML 来实现的指标；衡量当前流程以获取您的起始基线；并使用 KPI 来评估AI 和 ML 是否实实在在带来了商业利益。有了适当的基准，即使某个 AI/ML 方法不起作用，也可以尝试不同的技术，以达到预期的结果。

• 投资执行稳健的数据治理和数据管理实践。  AI/ML 技术仍然需要访问数据，如果您的数据是孤立的、难以访问的，那么进展将非常艰难。考虑组织中的数据所有权情况，因为在现有组织结构和架构无法鼓励各个团队生成数据并共享其数据资源的情况下，往往会出现数据质量问题。