《连线》(Wired)杂志创始主编凯文.凯利(KK)曾说:“你未来的收益水平将取决于你在多大程度上能与机器完美地配合工作。”
这就是所谓的人机交互,或者人机协同。
如果说互联网是传统企业躲不过的一场“浩劫”,那么人工智能或将成为他们自我“救赎”和“逆袭”的一次重要机会。其中的的砝码,就是数据。
据IBM商业价值研究院近期发布的最新全球企业高管调研报告表明,数据已经成为现有企业最强大的资产,其中拥有全球80%数据的传统企业正在与其员工一起利用这些庞大的数据创造新的竞争优势。
“正因如此,行业经验和核心技术能力比以往任何时候都变得更具价值。如何妥善地把人工智能和数据结合起来,挖掘企业防火墙背后数据的价值,从而给企业带来新的商业洞察和机遇,成为当下最重要的问题。”IBM大中华区董事长陈黎明在日前的IBM THINK论坛上这样表示。
“当然,这是一个非常艰难的过程,不仅仅涉及到战略的调整、技术路线和技术方案的选型,还涉及组织架构、企业文化和人才的变革。”他说。
智能自动化是全工作场景的自动化
据此,IBM提出企业要从平台、流程、人才三个方面入手主动变革,从而实现面向未来的智慧商业。
在IBM看来,人工智能将融入未来系统的各个方面,使其具有自我学习能力,并且在无需人为干预的情况下就可以完成非决定性的任务。而通过自动化把技术注入到机器人中,结合机器学习、自然语言处理和分析能力,也将持续扩展人工智能应用的深度和广度。
于是,区别于传统的自动化,IBM又提出了智能自动化的理念,强调完全基于数据的,以人工智能为主导,由机器自主学习的自动化过程。
在接受记者采访时,IBM全球企业咨询服务部中国区业务流程自动化负责人王言表示,这里所指的自动化不仅仅是发生在制造工厂的自动化,还包括了工作方式、业务流程、管理运营等在内的工作场景的自动化。它将提高企业在更高维度的市场竞争力。
驱动这样一次变革的要素主要包括几个方面。首先,是大量轻量级的、快速且对安全级别要求极高的业务在企业中的推进,改变了数字化运营模型;其次,是随着数字化技术的应用,改变了企业工作结构和资源分配方式;再者,是新模式下运营成本和效率的重新估算,使得数字化劳动力解决了原有以人力为基础的运营规模化问题。
王言从信息数据的获取、处理、决策、监督四个业务环节介绍了人工智能结合自动化所带来的影响。
譬如,在信息获取环节,就可以通过图像识别技术把非结构化数据转变为结构化数据,通过自然语言处理就可以把语音转成文字,以便于将数据录入系统;再譬如,在决策环节,过去系统是为人提供辅助的,最终仍由人作决策,但未来的系统将主导许多工作的推进,其自动化将是基于数据的,让机器自主决策、自主修复,并通过识别语义进行推论。
“这将使得企业的设计流程、运营模式、数据管理等方面都面临巨大的变化。”IBM全球信息科技服务部大中华区首席技术官苏卓表示。
人与机器将成为“同事”
得益于此,许多行政管理工作人员的负担将大大减轻,而这也意味着企业生产力能否提升不再取决于运行业务所花费的时间,而在于推动业务增长方面所花费的时间;企业运营效率能否提升也不再受限于人的能力,而在于系统的智能化程度。
据苏卓介绍,一家香港的银行在没有任何运维人员的参与下,通过对所有IT数据的整合和打通,学习了3-6个月的历史数据后,系统所做的决定中有80%与人类决策一致,其中甚至有5%-10%比人类的判断更加明智。
因此,苏卓认为,人与机器的关系首先是同事,但在某种情况下,机器更像是领导,扮演“大脑”的角色,而人类在其中的角色将变成辅助决策。
除了金融行业,苏卓还以全球餐饮服务分销商Sysco为例,介绍了智能自动化在配送服务领域的应用。在IBM的支持下,从前端的数据采集到货品的交付、收付款,Sysco实现了整个供应链过程的服务自动化。据统计,在过去半年内,Sysco将配送环节的重大事故发生率降低了89%,而在过去两年内,服务器正常运行时间也延长了超过50%。此外,苏卓还强调,每年,Sysco都会配送超过18亿食品及相关产品订单,通过智能自动化,则使得它将严重故障恢复时间从19小时缩短到了28分钟。
“总的来说,无论是在哪个行业,只要有数据的输入,机器就可以帮你完成服务自动化的过程。”苏卓总结说,“传统的模式中,企业是被动接受IT的支持,然后进行服务和运维。而借助于人工智能,机器就可以自动采集数据、分析问题、产生预警、自动识别,甚至是自动执行。”
从大处着眼,小处着手
据HfS研究指出,许多企业已经通过使用机器人流程自动化执行简单的重复性工作,简化前后端业务,98%的企业已将自动化提上议程。另外,这些业务领导者表示他们希望通过自动化进一步提升重复性工作自动处理的能力,甚至用自动化方式完成更多复杂的工作流程。
构成智能自动化的技术包括了自适应机器人、机器学习系统、自然语言处理、预测性分析和增强智能,而在这之中,IBM可以提供的服务与支持不仅包括自动化流程的实施,同时还通过咨询建议帮助企业建立愿景目标和自动化路线图,进行自动化原型验证,设计、构建和运营自动化卓越中心,保证战略以及更大规模下的应用成果,并将自动化作为服务为企业提供有效的运营和管理服务。
“IBM 智能自动化的独特之处就在于全面的能力,包括咨询、顾问和交付服务,以及使用IBM Watson、云服务和解决方案提供认知服务。从IT角度来说,这使得服务的质量、运营的成本,包括端到端的安全性以及对客户的交付,所有服务环节的质量都会有大幅度的提升。”IBM全球企业服务咨询部中国区认知决策服务总经理朱翊表示。
从战略到流程,再到技术,可以说IBM出的是一套“组合拳”。但是这个过程“一个巴掌拍不响”,要把人工智能嵌入进去,要求企业自身能够打破原来的组织结构、管理模式,并对数据进行集中式管理,保证数据及其模型的质量。
“需要注意的是,自动化并不是一个‘即插即用’的解决方案,企业要从大处着眼、小处着手,一个一个痛点来做梳理和优化。而对于企业管理者来说,也要意识到转型是一个漫长的过程,一方面要看得更长远,另一方面也要能够从点点滴滴的小事做起。”王言表示。而这,实际上就是数字化重塑的过程。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
哈佛、MIT联合研究揭示人类语言理解的神经机制,发现大脑通过"信息出口"将语言从核心系统传递至专业脑区实现深度理解。研究提出浅层与深层理解的区别,为人工智能发展提供重要启示,表明真正智能需要多系统协作而非单一优化。该发现可能改变我们对语言认知的理解。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
腾讯混元等团队开发出革命性的AI视频生成自我评判系统PAVRM和训练方法PRFL,让AI能在创作过程中实时评估和改进视频质量,无需等到完成才反馈。该技术使视频动态表现提升56%,人体结构准确性提升21.5%,训练效率提升1.4倍,为AI视频生成质量带来质的飞跃。