人工智能发展概况及应用分析

当前，人工智能（AI）的竞争已白热化。谷歌、亚马逊、百度、阿里、腾讯等巨头持续投入，国内商汤、科大讯飞等商业上初步成功，AI 显示出巨大的商业应用潜力。在这股大潮中，全球领先的企业应用软件解决方案提供商 SAP 将机器学习、物联网、大数据、商务分析等领域的技术整合在一起，融入 SAP 几十年的产业经验、流程和行业知识，以及先进的设计思维方法，推出 SAP Leonardo 这款数字化智慧企业平台，在企业 AI 应用中独辟一片天地。

那么到底 AI 是什么？

1

AI 概况及其应用

一提到 AI，很多人立即就想到了科幻电影和文学作品中的虚幻场景，或者电影「机器姬」里那种能超越人类的机器人。实际上当前 AI 的程度离这个很远。人类开发和利用 AI，是为了提升社会劳动生产率，有效降低劳动成本、优化产品和服务、创造新市场和就业等，为人类生产和生活带来更多价值和服务体验。简单讲，AI 是对人的意识和思维过程的模拟，利用机器学习和数据分析方法赋予机器类人的能力。AI 可分为三个层次：

◆ 弱 AI：擅长单个方面的 AI 系统，如下棋、图像识别等。

◆ 强 AI：人类级别的 AI，在各方面都能和人类比肩，脑力活它都能干。

◆ 超 AI：各方面都比人类强一点，也可能各方面都比人类强很多很多倍。

目前弱 AI已成熟且无处不在，本文主要讲弱 AI。参考各方面的研究概括如下：现阶段 AI 是指 AI 大概念下机器学习领域中的深度学习，底层原理是基于大数据的统计分析技术，对数据有很大依赖性。在某些特定场景中能超越人类，最擅长的是对海量、高维度的信息的分类，结合深度学习可做到信息越多、维度越多，分类结果越准确。

2

制造业是当前 AI 应用的蓝海

制造企业里又有大量的有效数据，正契合 AI 的数据依赖性。AI 与制造业的管理、技术结合，结合企业的各种生产数据，可优化制造业各流程的效率，为各级管理者提供决策建议，甚至自主优化，让制造业插上智慧的翅膀。事实上，研究发现 AI 可降低制造商最高20%的加工成本，而这种减少最高有70%源自于更高的劳动生产率。

SAP 的调研分析发现，中国过去三年300项 AI 投资项目中，制造业相关的投入不到1%。据研究，全球 AI 及相关场景在制造业的市场在2016年约为1200亿美元， 2025年有望超过7200亿美元，复合年均增长率超过25%。制造业成为 AI 应用的蓝海。

AI在企业管理中的应用需求分析

1

AI 在企业管理中的需求分析

对 C 端用户的 AI 应用主要是带来便捷、舒适性和智能化的新体验，应用已极为普遍，不再赘述。本文重点讲 AI 在 B 端——制造类企业管理中的应用。

企业对于产品质量和生产效率提升的需求是永无止境的，产品设计需求来自对客户需求的把我和创新，同时通过供应链满足生产需求。AI 的应用场景和需求痛点范围在这里，主要应用场景可分为三类：

◆ 产品智能化研发及为产品注智；

◆ 供应链的智能化；

◆ 在制造和管理流程中运用人工智能提高产品质量和生产效率。

目前市场已有一些新兴公司在深耕这方面市场。

2

AI 在企业管理应用的点、线、面模型

当前 AI 服务商为客户提供服务时主要是应用场景描述，好处是容易让客户理解其应用价值，坏处是客户分不清 AI 的简单场景和复杂场景的区别。有位客户 CIO 问：SAP 的 AI 平台与其他 IT 公司的 AI 系统比有何特别优势？当我尝试从企业管理的角度来说明 SAP 的 AI 的优势时，对方立即认可：场景的描述模糊了流程和组织角色，企业管理层更多的是从企业组织化优势看待 AI 的应用。受此启发，本文思考了基于组织管理的点、线、面三层分析方式，来理解和说明 AI 在企业管理中的应用：

◆ 点场景：就是企业内的组织结点或岗位，针对具体人员和作业；

◆ 线场景：就是流程或完整的业务场景，主要是针对组织内外部的协同；

◆ 面场景：就是企业运营的整体，包括组织优化和管理创新。

鉴于组织管理的特点，企业里没有独立存在的点，三个层面之间是逐步演化、互相影响的。最简单的场景就是每个岗位的操作或决策，AI 的分析和学习功能可提供强有力的支持。线场景就涉及到多点（岗位）协同，这是企业管理层看重的。当 AI 从点到线逐步成熟应用起来，最终呈现面场景的 AI 化，企业走向智能化组织。

3

AI 与企业管理融合推动组织管理智能化

德勤的一份调研报告显示了管理职能不同角色被 AI 替代的程度：

这反映了企业内部不同业务部门对 AI 的需求的差异：

1) 点场景的需求

业务操作类场景：

◆ 财务管理：包括自动付款清账、收款信息自动处理、财税票据自动处理等。这些工作极其消耗精力且易出错。

◆ 产品质检：质量大数据和机器视觉系统可快速扫描产品质量，提高效率。汽车及零部件成功案例很多。

◆ 智能自动化分拣：将物料在无序或半无序状态下完成分拣，通常很令人头痛。无序分拣机器人可应解决混杂分拣、上下料及拆垛等。

◆ 智能客服：人工客服成本高、服务效果，难以标准化且流动性大，AI 在客服领域中已经在发挥作用。预计到2020年，85%的客服工作将依靠 AI 完成。

决策活动场景：

◆ 管理决策&模拟：包括生产资源分配、生产过程优化，以及供应链需求/销量的智能化预测、大宗物品的采购决策、供应链风险管控等。AI 主要是解决管理层信息不完备，无法综合考量决策风险的问题。

◆ 产品设计：市场和客户反馈的数据、信息往往不完备、不连续，AI 可根据既定目标和约束探索多种设计方案，协助开发人员进行测试和学习，快速迭代、寻优。

总结：这个层面的应用实质是 AI 赋能个体，是单人与逻辑机器的协作，较成熟。

2) 线场景的需求

上面的点场景中企业管理层容易把 AI 技术化理解，而企业真正关注的是如何让 AI 融入组织形成组织化的加速器，促进企业内外的协同效率和准确度，让企业管理智能化。

线场景实际上就是多点协作的工作场景，表面看跟传统流程管理很像，但背后是 AI 与数字化管理平台的强化与互动：后者是企业管理的技术平台和业务数据主要来源，前者一方面解读内、外部的业务数据，同时协同企业各部门高效、准确地响应其他部门和外部的反馈信息，并在不断深化学习中做到更好。这意味着企业管理的 AI 应用，不是简单的AI+流程，而是互相影响，AI要持续性地优化工作流程，并通过不断深化学习来推进企业管理的优化，甚至进化。

客观讲，这种情况已经超出传统的企业管理理念和操作方法，还需要配套的方法论支持这个场景的模型化和数据的收集。后面的案例会详细解释。

3) 面场景的需求

理论上讲，面场景是企业运营的整体智能化，是 AI 与企业运营管理的深度融合，不仅仅是组织优化、管理创新。随着智能制造的飞速发展，未来很多硬件都会应用物联网芯片和人工智能技术，制造业的管理模式也会发生重大调整。

但人工智能仍处于发展早期，当企业内的产品设计、供应链、制造过程、财务管理、客户服务等主要业务场景逐步智能化后，多条线就自然具备面的效应，企业客观上就走上了智能化管理。但由于组织管理的内在震荡性，这不会是个线性过程，还需要 AI 技术的进步和组织管理的创新。

SAP的AI+数字化平台助力企业走向智慧化管理

针对企业智能化管理的发展趋势，SAP 推出了智慧企业模型和解决方案，核心就是将 AI 与企业成熟应用的数字化系统相结合，强化组织内每个环节、流程，推动组织整体的作业效率和协同度，最终提高组织的整体有效性。在这个架构中，从点场景到线场景，AI 平台赋能企业的整体管理，为企业构建可持续学习、进化的智能化管理平台。

目前这个平台已在很多行业的点场景中成功应用。下图是 SAP 的汽车零部件客户利用 AI 辅助冲压零件的质量预测分析，比传统的方法达成更好的质量预测结果。这是成熟的应用，有很多成功案例。其它如财务、质检、供应链及设计、决策等方面的应用也都很成熟。

AI辅助冲压零件质量预测分析

同时，线场景方面的应用也逐步成熟起来。下面案例是空调行业的安装服务场景，除了内部参与者，还有外部的设计师、经销商、施工队和用户等。这个场景已经导致顾客内卷化，成为企业服务活动的参与者。

大金空调安装服务旅程图

整体看，这个场景有以下特点：

◆ 场景所涉及到内外相关者已超出了传统的 IT 系统和流程所涵盖的范围。

◆ 服务过程很多信息是非结构化的，智能产品传回的是有时间连续性的实时数据。

◆ 此场景需要大量弹性的线下沟通和处理，以协同所有的数据和作业活动。

基于图像识别的在线安装质量检查方案，通过设计思维研讨会与AI平台结合，可给客户带来如下价值：

◆ 清楚了解技术、投资成本、扩展性和投资回报率；

◆ 准确预测第三方安装的空调（AC）系统的潜在安装质量风险；

◆ 能够根据质量风险对安装进行优先级排序，让工程师能以最少的努力尽可能地提高质量保证效率，并提高客户满意度。

◆ 能够使用统一的实时数据平台处理结构化和非结构化数据，并在复杂的大数据环境中确保数据质量。

总结：从上述分析和案例看，AI 增强并扩展了企业管理的效能和范围。鉴于制造业信息化程度相对很高，积累了大量的业务数据，这些优质数据资源如被AI充分利用，可以进一步解决制造类企业中的实际问题。

SAP的AI平台助力企业管理走向智能化

随着 AI 再点场景的普及，并在线性场景的从简单到复杂的逐步深入应用，AI 会深刻地影响企业的整体管理方式。用埃森哲一句话作为结束语：AI 系统不仅能够推动流程自动化，提高工作效率；更重要的是实现人机协作，从根本上改变工作性质，从而彻底颠覆企业运营和员工管理方式。