为何科技、传媒和电信企业是检验人工智能的试炼场？

近日，德勤全球发布《科技、传媒和电信行业的智能化升级》研究报告。报告发现，人工智能相关投资正在为企业不断带来经济效益，在一定程度上，人工智能技术已为科技、传媒和电信行业的企业获得丰厚收益。

事实上，无论多么重大的技术突破，其作用通常会被过度宣传，言过其实。人工智能无疑是一个典型的例子。

对于人工智能取得的每一项令人震惊的成就（例如，谷歌DeepMind战胜世界围棋冠军），总有一批铺天盖地的新闻报道。这对急于利用新一代认知计算工具的企业领导者而言，如何对人工智能进行去粗存精是一项挑战。

基于此，通过与数百位客户、供应商以及一线人工智能研究人员的合作，基于人工智能在科技、传媒和电信领域的应用，该研究报告阐述了人工智能如何为企业创造最大的商业价值，以及通过企业高管对人工智能的看法，分析企业在使用人工智能技术过程中所面临的机遇与挑战，为企业一线管理人员提供深度全面的参考。

先来看报告中的几个核心观点（主要成果）：在科技、传媒和电信领域的人工智能应用划分为三类：机器人与认知自动化，认知洞察与认知参与。

1、转变工作方式：机器人与认知自动化

人工智能型自动化将人类从繁琐重复的工作中解脱出来，提高生产效率，确保终端产品零误差。

人工智能可以使计算机处理非结构化数据，例如处理应收账款时收到的各类发票。

机器人流程自动化系统可以加强报告部门的管控并在更短的时间内以更低的成本完成账目结算。

2、转变决策方式：认知洞察

认知洞察技术不仅能帮助企业管理每天从实际工作、业务报告工具、供应链、社交媒体、物联网传感器收集到的大量信息，还能利用这些信息生成能够创造商业价值的实时洞察。

认知洞察可用于挖掘数据，并发现相关趋势和规律，因此认知洞察非常适合解决离散问题，比如预测某特定客户的行为和反应。

应用机器学习技术准确地追踪订单过程，以在不需要的时候节约提升计算能力的费用，或避免需求飙升时出现人手不足的情况。

3、转变互动方式：认知参与

借助认知参与技术，电脑能够胜任发送至客户服务中心的客户支持功能，通常但并非总是以文本交流方式处理。因此，企业可以大规模提供统一的优质客户支持服务。

在用户来看，聊天机器人代表一系列日益先进的人工智能型工具，拥有各式各样的外形。聊天机器人能够提供自助服务功能，协助对应客户请求和问询，交互性的动画帮助窗口灵活应对客户，利用自然语言处理技术及其他技术回答问题并提供自动回复。

科技、传媒和电信企业高管对人工智能的看法

为更深入了解一线管理人员如何看待人工智能发展，德勤近期展开了一项调查。

上图显示：在科技、传媒和电信企业的高管中，40%表示他们已经从认知技术中获得可观效益，而所有其他行业企业中有26%持相同观点。

57%的高管认为认知技术对其改进内部业务流程“非常重要”；46%表示此项技术对其完善所销售的产品和服务“非常重要”。43%的科技、传媒和电信行业高管非常认同是他们在内部使用人工智能的能力让他们从竞争者中脱颖而出。超过四分之三的高管希望认知计算能够在未来三年内推动其企业实现“基本转型”。

上图显示：尽管科技、传媒和电信行业领导者认为认知技术对其内部转型至关重要，但与其他行业高管不同的是，他们重点利用该项技术开发新产品。40%的高管认为产品开发是人工智能型技术带来的首要效益。相比之下，仅有29%消费品和工业产品、能源和金融服务业等其他行业的企业持相同观点。

如果我们考虑受访科技、传媒和电信企业高管的双重特性，就能理解他们为何侧重于新产品开发和创新，毕竟他们的企业才是本文所述许多人工智能解决方案的开发者，也是坚持从人工智能型效率中获益的机构。

例如亚马逊、Facebook、谷歌和微软等科技巨头逐步将人工智能技术融入其产品和面向客户的业务，他们还投入数十亿美元收购人工智能企业。

针对这群尖端精英竞争对手，即使是科技、传媒和电信行业的早期采用企业也可能感到处于不利地位，必须全力冲刺才能赶上。这就导致无论何时提到人工智能技术话题时，在目前几乎所有谈话中都出现的，客户总会询问的一个问题：“我们知道谷歌正在大力发展人工智能，那是因为这本身就是他们的产品。那我们呢？我们与销售人工智能毫无关系。你的意思是我们也必须成为一家人工智能企业？”

根据本次调查以及数千次与客户的探讨交流，诚实的回答是：“从某种意义上讲确实如此。”这并不意味着就需要赶上招聘热潮，引进深度学习专家团队，然后四处为他们找事情做。

眼下的战略是，每家企业需要拥有某种形式的内部人工智能专业知识，可供领导者与业内发展保持同步，并且了解人工智能解决方案如何协助那些还未开始产品化的企业实现转型。

分析人士预计几乎所有领域的企业均会采用认知技术，但由于面对行业独特的数据分析需求以及业务模式挑战，科技、传媒和电信行业领先企业将率先采用人工智能技术。

先来看看科技、媒体和电信行业具有哪些数据需求和业务痛点？

以半导体行业为例，该行业每隔几年研发出新的芯片，且是前一代模型部件数值的两倍。半导体设计与生产曾催生出计算机辅助设计方法，但各企业目前却在逐渐转向利用机器学习提高效率。

传媒企业面临诸多独特挑战，包括传统业务模式的衰退，新销售渠道的激增，以及应投入资源创造哪些类型的新内容，如何最有效的满足日益分散的受众等问题。

电信企业面对着如何吸引客户和减少客户流失等问题，随着无线新网络越来越复杂，这些企业还面临这极为棘手的基础设施管理问题。

案例研究：机器人与认知自动化

科技：《财富》50强之一的科技公司戴尔面临一系列定期会计与报告挑战。为了提高财务工作效率，德勤与戴尔合作开发了一套机器人流程自动化系统，以加强对报告部门的管控并在更短的时间内以更低的成本完成账目结算。

系统以Agile的软件技术为基础，通过向重要利益相关方持续反馈项目进度，将开发风险降至最低。仅仅八周内，项目团队开发出一套相当于三个全职员工价值的自动化流程。

传媒：一方面，报纸发行商鼓励读者对新闻报道发表评论；但另一方面，某些报纸发行商如《纽约时报》会先行筛选评论，确保评论不违背该报指导原则。直至最近，《纽约时报》才雇佣了14名评论管理员，但他们每天只能处理12,000条评论，因此仅10%的新闻报道能够显示评论。为此，谷歌开发了一款名为Jigsaw的机器学习工具，能够加快筛选过程，标记有潜在风险的评论；现在《纽约时报》四分之一的新闻报道能够显示评论。

电信：ComRes Telecom是一家位于南佛罗里达州的电信供应商，客户遍及全球。其工作重点是配置信息技术系统、备份账户信息以及类似的工作。以前信息技术部门的工作人员需要大半天才能完成这些工作，而人工智能型自动化解决方案问世后，大大缩短了工作时间，提高了工作质量。

一流的认知洞察技术能够利用信息创造商业价值

众所周知，联网技术，尤其是物联网应用能够产生大量数据，但大多数企业只能做到有效存储，很少能够做到有效利用。

人工智能的认知洞察技术可提供一整套工具，让企业不仅能管理每天从实际工作、业务报告工具、供应链、社交媒体、物联网传感器等收集到的大量信息，还能利用这些信息生成能够创造商业价值的实时洞察。

世界一流的认知洞察项目必须能够实时利用多个数据集有效提供答案。

为了提升邮件营销活动的效果，Caesars Entertainment公司开发了一套融合了机器学习与自然语言处理的认知洞察系统。该系统了解每一位客户的个性，知道哪些词语或短语能够让特定的客户打开邮件并点击广告。最终，Caesar使邮件阅读率提升了24%，广告点击率增加了46%。

对于依靠数字广告获利的企业，即便点击量渐进式增长也能带来惊人的收益。某大型科技公司近日发布报告称，点击率预测精确度提高0.1%就能带来数亿美元的额外收益。这家公司的人工智能型系统非常先进，已经将广告点击率提高九倍多。

想要获得敏锐的认知洞察，企业需要重新考虑其硬件与软件策略。相互独立的传统数据（销量、宣传、社交媒体活动等）需要优先被整合成以一个“数据库”。

与很多人工智能型应用一样，认知洞察非常适合解决离散问题，比如预测某特定客户的行为和反应。但这并不表示，认知洞察不能解释每一位高管都会面临的重大问题。

目前，没有任何一个系统能够为管理团队提供明确的综合性建议，比如某合并项目是否值得追取。但从某种程度上来讲，如果管理层已搜集到的与决策相关的数据，认知洞察将能用于挖掘数据，并发现相关趋势和规律。

案例研究：认知洞察在科技、传媒和电信行业的应用

科技：随着AWS云服务成为亚马逊这家位于西雅图的科技公司的核心业务，亚马逊开始应用机器学习技术更精准地追踪订单过程，以在不需要的时候节约提升计算能力的费用，或避免需求飙升时出现人手不足的情况。

该系统能够捕获甚至最警觉的人也可能忽略掉的信号，比如某公司的产品销售时间变长。

传媒：对电影公司而言，有些决策比决定哪些电影大卖重要得多。虽然最先进的人工智能也不能预测下一部大卖或惨败的影片, 但迪士尼仍然尽可能地利用科技辅助决策。

例如，迪士尼开发了分解式变量自动编码系统，以通过深度学习和面部扫描软件实时捕捉观众表情。在这个大数据的应用案例中，系统利用几千名测试对象的数据为后续分析提供了超过1,600万个数据点。

电信：对客服代表来说最重要的是，接到客户第一个电话时立即找出相关的信息。为此，Verzon公司开发了一个利用高性能分析和决策引擎持续监测大量非结构化数据源的认知平台；该平台系统旨在分析数据间的相互关系，了解客户意图，预测解决方案。最终，客户服务得到改进，一次性解决率大幅提升。

自然语言处理是前沿认知参与的核心技术之一

花点时间像人类学家一样观察千禧一代，会立即发现他们的两种行为模式：几乎时时刻刻都在使用智能手机，但却不常用到手机的实际通话功能。

千禧一代更喜欢发短信而非说话，这一社会性变化是导致客户参与互动出现巨大冲击的最重要因素，各行业企业也开始感受到这一点。人工智能在自然语言处理领域的进步，对促成认知参与发挥着极为重要的推动作用，而聊天机器人是认知参与相关的主要技术体现。

事实上，聊天机器人代表一系列日益先进的人工智能型工具。还有一类内置于家具自动化产品的特别聊天机器人，例如Siri、Google Home和Amazon Echo，迅速获得广泛普及。

当然，只有能够提供答案，才能产生价值。借助聊天机器人来了解并解决问题涉及到相关企业政策和规程（极为广泛定义的）的某种数据库。

而企业可以采取多种不同方式建立这类数据集。先进的机器学习技术可用于处理和组织大量的文本和数据。这也是保险公司能够创建聊天机器人的原因，这类聊天机器人非常精通于回答客户关于定期寿险保单的问题，因此能让客户无需离开聊天机器人应用就能注册购买保险产品。

案例研究：认知参与在科技、传媒和电信行业的应用

科技：Ticketbis是eBay旗下的服务，体育和文化活动门票持有者可以在这个在线二手市场出售他们所持有的门票。该网站的使用率不断增长，也带来了客户支持问题，从而促使Ticketbis与供应商Inbenta达成合作，以获得聊天机器人自助服务功能，协助应对客户请求和问询。

交互性的动画帮助窗口能够灵活应对客户，利用自然语言处理技术以及其他技术回答问题并提供自动回复。这类系统足够“智能”，清楚何时将互动切换至客服人员处理。此项技术非常强大，因此Ticketbis将其用于处理85%的客户服务要求。

传媒：Netflix等现代流媒体内容提供商正持续不断地发布新内容，远多于任何客户能够保持同步收看的数量。因此，他们最大的一项挑战就是让用户随时了解他们可能特别感兴趣的新节目。

Netflix率先利用技术开发这些“推荐引擎”。2009年，Netflix推出了一场备受关注的众包比赛，邀请外部程序员开发比内部解决方案更为有效的推荐算法。近期，Netflix利用新一代机器学习技术进一步完善其推荐流程。

该企业还积极参与硅谷的人工智能生态系统并举办会议，来自谷歌和Facebook等企业的专家在会上互相沟通，交流看法。精心设计的推荐引擎为Netflix带来的商业价值显而易见，据Netflix表示，这项技术通过降低客户流失率而使其年收入增加约10亿美元。

电信：每家大型移动运营商均面临的问题是，庞大的客户群经常出现服务和沟通问题，大型客服中心人员必须随时解决投诉和问题。因此，聊天机器人这类不会引发不耐烦情绪而且能够迅速解决客户担忧的系统绝对受欢迎。

Vodafone已着手为其聊天机器人TOBi开发新程序，以完善其功能，例如通过向客户提供语音激活选项，可在下一次拨入电话时自动验证其身份。客户录下一个单词或词组，而在之后的通话中，语音识别技术则可用于确保为同一说话者。（另一种选择是常用的安全问题测试，例如出生日期等）该企业还在不断拓展其机器人的知识库，目前能够深入了解技术性极高的领域，例如漫游套餐的所有具体细节。