T客汇官网：tikehui.com
撰文 | 张珅健
本研究基于对来自4个地区（北美43%，欧洲30%，亚太20%和拉丁美洲7%），13个行业的835位高管的调查（平均营收200亿美金，中值28亿美金），其中银行和金融服务类公司占比最多（22%），之后是高科技行业（硬件和软件业务，19%）和制造业（12%）。
在实验室和科幻小说中沉浮了大约50年之后，人工智能在最近终于站到了舞台的中央。现在几乎没有哪天的新闻杂志或者微博会不提到认知技术。
这种情况一点也不足为奇。AI产生的影响现在已经非常直接和高度私人化，甚至已经开始改变了人们的工作、开车、医疗和游戏方式。在IBM的AI系统深蓝击败了俄罗斯国际象棋冠军20年之后，由搜索引擎巨头Google创造的AlphaGo又在前不久战胜了柯洁。一个机器人外科医生缝合的猪肠子甚至比人缝的更好。甚至很多商业版的的报道也开始由AI软件写了。
虽然“机器人学”一词已经使用了超过75年（从短篇科幻小说巨匠Isaac Asimov开始），但至今，关于人工智能这个由John McCarthy一词仍然没有一个定论。大家说的人工智能代表什么呢？为了方便我们的研究，我们将其定义为能够完成下面四个核心任务的技术：
在本篇报告中，“认知技术”和“人工智能”表同一意思。 近些年，人工智能技术的火热使得很多传统公司到了必须做出改变的边缘。比如汽车制造业，为了跟上时代发展，很多大型汽车制造商开始进军这场价值数十亿美金自动驾驶的“赛跑”中。2015年，丰田公司宣布将在未来5年内投入10亿美金，用于人工智能汽车和工厂智能化。丰田作为世界上最大的汽车制造商之一，2016财年营业额达到237亿美金，在硅谷新建了一个AI研究中心，这也体现了公司实现人工智能化的坚定决心。
然而丰田并不是唯一一家对AI如此重视的公司。我们在对4个地区835位主管级别受访者的调查中发现，有近6%的人表示自己公司会在2016年投入2.5亿甚至更多的钱用于认知技术的研究。在如此巨额的投入下，公司之间关于人才的竞争程度是空前的，尤其是能够领导方向的主管级别人物。丰田为他们的新研究中心雇佣了一位前美国国防机构的顶级AI专家，Gill Pratt博士。
实际上，整个产业对顶尖AI专家的需求都十分迫切，这也是很多大公司都从研究机构中花重金挖相关人才的原因。像《经济学人》在2016年写的一样，“过去，最顶尖的AI专家在大学中任职。现在，许多科技公司都希望为自己的机器人学和机器学习部门配备顶尖的专家，所以会用巨额的薪水来诱惑那些学校里出色的教师和学生。”
四大会计师事务所之一的安永宣布，将在2016年投入4亿美元将AI用于审计客户财务工作的自动化中。各大公司都试图通过AI 加强自己的产品和服务质量，或者开发出一种能够直击用户需求的全新产品。亚马逊的Echo和谷歌Home在虚拟助手市场方面争夺非常激烈。像美国联合通讯这样的新闻公司也使用AI技术替代记者写出了数以千计的文章。
很多大公司的CIO早在几年前就已经开始注重AI 的应用，在技术的测试和应用中投入巨资。现在AI技术应用在大型公司中的占比越来越重。近期，Target公司的主席兼CEO，身家740亿美元的商人Brian Cornell告诉记者，他们公司“正在探索AI未来的应用可能，并且正在使用机器学习优化自己的决策。”
大型公司目前的AI应用情况如何？未来呢？
据调查发现，大型跨国公司的AI使用状况为：广泛测试，局部转换。84%的受访者表示在业务中一定程度上使用了AI技术。
高度软件密集的产品和流程：称为“软件定义的一切”。目前很多的产品都同时运行嵌入式软件，不仅仅是我们开的汽车，电动牙刷、烟雾报警器，以及越来越多能告知患者如何使用的医疗设备。而且，从市场营销、制造到销售和人力资源，目前公司几乎所有部门的流程基本都是线上完成。
来自高度连接、仪器化产品和业务流程的数字化数据的爆炸：所有配备数字传感器和无线技术的产品都会将监控内容实施传输，这也就产生了巨量的数字化数据。公司的数据中心从未处理过如此海量的数据。
数据处理的成本降低：近年来由于处理能力的突破，数据处理的成本也越来越低。最近，由于云服务厂商的崛起，他们将数据中心租给哪些不愿意在服务器上有所投入的公司，也使得该项成本再度下跌。“很多公司过去由于存储成本的掣肘，会选择将数据丢掉，”Cloudera的首席战略官Mike Olson表示。“现在我们想存什么数据都可以。”
以上三个趋势的到来将人工智能以及他的子领域机器学习推到了舞台中央。突然间，大型公司能够利用这项技术，将一部分工作自动化完成；帮助员工更好、更准确以及更有趣的完成工作。
越来越多的公司意识到认知技术的可能性和重要性。这也是为什么有84%的公司告诉我们他们正在使用这项技术的原因。调查发现，无论目前使用或者未使用，相信该技术对在未来几年保持竞争力至关重要的公司数量都要超过五分之四（84%）。
然而，我们发现，虽然AI对公司十分重要，但并不一定意味着高投入。只有7%的受访者表示自己公司2016年的AI 投入会在2.5亿以上。所有公司平均投入为6700万美元（平均营收的0.33%），可能意味着大多数公司之前的投入很多。相反的是，2016年计划投入的中位值只有300万美元。只有15%的受访公司计划在2016年投入6700万美元或更多；而计划投入一百万美元或更少的公司则将近多出一倍，有29%。
在AI技术上的投入和公司规模息息相关。调查中，48%的年营收超过500亿美元的公司，2016年计划在认知技术上的投入最少为7500万美元。
在未来几年内，受访公司普遍认为AI技术的发展会远远超过目前的情况，并且计划继续加大投入。到2020年，每家公司的平均年投入预计上涨31%，达到8800万美元。实际上，有16家公司的高管表示他们公司至少每年会在认知技术上投入10亿美元。
大公司使用AI技术的八大趋势
1. 超过五分之四的公司认为AI必不可缺，将近一半的受访者认为它是有变革能力的技术：绝大多数公司（84%）正在使用AI技术，62%的公司认为到2020年，AI技术将是他们保持竞争力的关键。到那时，多数公司认为自己在AI方面的投入有一半（48%）会在业务转换上。
2. 只有少数公司目前的投入巨大，这也可能使他们获得未来的竞争优势：只有少部分的公司计划在2016年进行大规模的AI技术投资。受访公司中，2016年AI技术的平均投入预计在6700万美元，中位值仅有300万美元。甚至有些行业巨头在这方面的投入也初期的少。57%的营收在200亿美元到500亿美元的公司，2015年在AI技术上的投入低于2000万美元。保守性投入可能会成为主流；2015年从AI技术上得到营收提升最大的公司，相比提升最小的公司，投入高出五倍（按投入占总营收比计算）。
3. 北美和欧洲公司的AI投入最大：2015年，北美公司在AI上面的平均投入为8000万美元，是受访四个地区中最高的，之后的是欧洲公司（7300万美元）。但到了2016年，欧洲公司的平均投入为8000万美元，超过了北美公司的6400万美元。尽管如此，还是有8.5%的北美公司计划在2016年计划投入至少2.5亿美元用于AI技术的研发，欧洲公司则只有6.5%。
4. 到2020年，AI的影响力绝不会仅限于IT部分：2016年，使用AI技术最频繁的是IT部门，但是到2020年，该技术最大的受益者将绝不限于IT部门。2016年，有68%的公司将AI技术应用到自己的IT部门，超出第二名的部门两倍还多（客户服务，32%）。然而，到2020年，70%的高管相信AI最大的竞争优势将不会在IT部门。大约三分之一（32%）的高管认为销售、营销或者客服会被影响最深，但也有20%的人认为AI不会在客户层面影响公司太多，而是在公司的核心管理，财务，决策计划、公司发展或者HR领域起到作用。
5. AI正在帮助员工更好的工作，拓宽公司的能力范围。AI目前的11个关键业务功能相当于自动化的整合，拓展员工和公司的能力范围，例如，自动的回复顾客的问题（替代人工）以及自动集合线路业务；指导服务代表解决客户问题；以及预测客户未来购买趋势以及自动生成订单。
6. 科技的发展带来了许多新的工种，但同时也会消灭很多工作。虽然根据业务功能的种类会有所变化，但多数高管还是预测AI会在2020年前替代研发部门4%的工作岗位以及采购部门7%的岗位。但是，2015年营收和AI投入巨大的公司预计，到2020年，员工规模将比投入小的公司的员工规模多3倍。
7. 为了从AI技术中获益，公司列出了下列四个注意事项：a）加强安全性，防止被攻击；b）为了更好的表现，系统需要持续自助学习；c）所开发的系统需要作出可靠的、安全的决策；d）让员工和管理人员相信AI的建议。
8. 2015年营收最高并且成本改善最明显的公司有5个主要特点。a）比成本改善最不明显的公司投入高五分之一；b）将AI技术在整个公司广泛应用，尤其是那些可能会产生短期收入的领域；c）专注于能够直接影响公司获利（或者亏损）的领域；d）更加注意消除员工的失业顾虑；e）确保IT部门不被AI的大范围应用所影响
认知技术对行业竞争的重要性
我们就认知技术将在2020年前对公司的竞争优势有什么影响这个问题咨询了许多公司高管，重要程度分为5个等级（1为“根本不重要”，5位“非常重要”），最终得到的评分为3.73。而且，对认知技术的重视程度受地域影响非常明显。
拉丁美洲的公司对认知技术的重视程度最高，评分为4.39。这可能是墨西哥和巴西这样的新兴经济体寻求突破的一种途径。
亚太地区位列次席，评分为3.81。欧洲和北美公司的评分分别为3.66和3.64。
砸入重金的公司
Facebook希望为自己的每一个用户配备一个人工智能代理，这也在他们建立以机器学习为基础的社交网络的计划中。作为AI持续投入的一部分，Facebook与NVIDIA达成协议，准备购置一批高功率图形处理单元。
有了Facebook这样的巨头领导，很多公司也纷纷加大在AI技术上的投入。2015年，北美和欧洲公司总体投入要多于亚太地区和拉丁美洲地区的公司，并且在2016年依旧如此。
在2016年，欧洲的计划投入占领先地位，每家公司品均投入8000万美元，比北美公司的计划投入（6400万美元）高出26%。亚太地区公司平均投入5700万美元，拉丁美洲公司平均投入为5600万美元。
下图统计了2015年在AI技术上投入了2.5亿美元以上公司的地区划分。北美地区的公司最多（26家，8.5%），欧洲公司其次（15家，6.5%），接下来是亚太地区（8家，5.2%）和拉丁美洲（2家，3.9%）。
公司的规模和AI投入之间密切相关。公司营收在500亿美元以上的公司，2015年在认知技术上的投资平均为2.89亿美元。营收额在1亿美金到10亿美金公司的投入只有1600万美元。
金钱因素
在营收方面，有17%的受访者表示自己公司的营收相比14年有所增加（在与认知技术有关的业务领域）。只有1%的公司表示自己营收有所减少；四分之一的受访者表示公司的营收增长幅度在1%到5%之间；三分之一的用户表示营收增长幅度在6%-15%之间；还有27%的用户表示增长幅度超过15%。如果按地域划分的话，拉丁美洲公司的营收增长幅度最大（25%），亚太地区随后（19%），北美和欧洲分别为16%和14%。
降低成本方面，受访者表示，由于认知技术的应用，2015年成本较2014年下降12%。拉丁美洲的公司再次成为最大赢家，平均成本下降20%，亚太地区仍旧排在第二位，15%。欧洲公司的成本下降11%，北美地区虽然仅有9%，但数额仍旧十分巨大。
当然不是所有关于AI的消息都是正面的。也有很多研究表示了AI可能会造成失业问题的担忧。一份由国际劳工组织2016年发布的研究曾作出预言，以下五个东南亚国家：柬埔寨、印尼、菲律宾、泰国和越南，56%的工人在未来20年内将会被机器人和其他自动化工具取代。纺织业、服装业和制鞋业将会成为受认知技术影响最大的行业。
还有很多研究也表达了类似的顾虑。一份由牛津大学在2013年发表的报告预测到，47%的美国工人将被自动化工具取代。研究人员针对702个职业分析了他们对自动化的敏感性。
其中风险最大为：驾驶卡车和撰写法律简报。2016年花旗集团的一份研究预测，2015年至2025年，小额银行业务的自动化将会造成各支行和相关行业的员工减少30%。与2008年大萧条时期相比将会减少40%-50%。
但还是有一些研究表达了相反的观点。麦肯锡公司的智囊团，麦肯锡全球研究所认为，短期或中期内只会有5%的就业机会被取代。然而，在对800个职业进行研究后（包裹高薪高能和低薪低能的职业），该机构认为45%的工作可以实现电脑化。麦肯锡认为，被取代的并不会是整个工作，而仅仅是一部分。
学术、商界和政界人士持续的在探讨自动化对未来某些类型工作的影响。认知技术、机器人和自动驾驶汽车，将会重塑一些工作需求。能够理解语义并进行回复的电脑可能会取代大量的客服代表和庞大的联络中心。
在我们的采访中，受访者表示，到2020年，工作数量根据工种减少4%到7%。
令人惊讶的是，很多公司预计认知技术将在2020年前取代目前公司核心部门23%的工作（很可能是CEO、CEO等高管的助理）。这也是调查中预计失业率最高的职业。对其他职能的工作来说，管理人员将在2020年前减少17%到20%。虽然目前工作会减少，但受访者表示认知技术能够带来18%的职位增加。确实，受访者预测认知工具在各个业务流程的采用将会新增大约12%到15%的工作机会。
地域区别有时也会影响工作机会的增减。亚太和拉丁美洲地区预计受影响最大，到2020年，每个职能的工作机会平均减少19%。欧洲和北美地区公司分别为14%和11%。
北美地区到2020年，每个职能工作机会平均增加8%，欧洲公司预计增加10%。亚太和拉丁美洲地区的工作机会增量分别为16%和17%。
认知技术成功的关键原因
是什么原因使得公司对认知系统趋之若鹜呢？我们就这个问题咨询了受访的高管，请他们为从安全风险到员工接受度等几个选项进行1-5的打分（1为根本不重要，5为非常重要）。所有选项的平均得分都集中在3.58到4.09这个小区间内。这也表明了受访者并没有从AI技术中看到一个能够获得高回报的爆点。
分析高管的打分可能够得到公司对不同方面的重视程度，哪些方面必须做好。以技术难关为首的六个方面是全球公司都非常关注的。管理层认为：使系统更安全，使系统持续自学和使系统能够做出正确、安全的决定是最需要关注的三点。
下图列出了全球各地区受访者对关键成功因素的排名，各地区间出现了一些差异。 例如，在北美，管理者将认知系统定位是最重要的成功因素，随后是让团队相信认知系统的建议。 拉丁美洲经理人员认为让团队相信认知系统的建议是最重要的因素。 他们提到系统质量（使系统不断学习并做出更好的决策）是次要的。
本文数据来源：TCS
T客汇：企业级研究型媒体
网站：tikehui.com
❶ 69个 To B 深度报告
❷ 1493个 To B 创始人
❸ 278 家 To B 投资机构
扫码关注T客汇微信公众号
第一时间阅读移动信息化研究中心研究报告
