领先的企业正在竞相实施人工智能以提高自身的竞争力,这使得人工智能的采用率相比20多年前的互联网时代增长地更为迅猛。
如果人工智能一度被视为提升行业和经济生产力的方式,那么现在那些最成功的企业领导者们思考的是这项决策性技术如何让他们从运营工作中解放出来,专注于战略和人才。
这也是对七个欧洲国家和美国的800名企业领导者进行的一项新调查所得出的结论。日前,微软联合圣加仑大学、Altimeter Group进行的这项调查,集中研究了人工智能与领导者之间的关系。
调研显示,几乎所有实现了两位数有机增长率的高增长型公司(93%)都希望在未来一到三年内投资人工智能,其中有超过一半(53%)的企业计划在今年就投资人工智能。
“这种巨大的紧迫感是我没有想到的。企业高管们认为,这是有市场潜力的,这是一场竞赛,“圣加仑大学领导力教授Heike Bruch博士谈到调查结果时这样表示,“人工智能可以媲美互联网时代,甚至速度更快,因为在过去二十年中,人工智能的创新和技术的速度一直在加速。我们在所有行业、所有业务领域都看到了相同的结果。”
相比之下,有64%的低增长型企业(增长率在个位数的企业)正在推迟未来三到五年的关键决策,这将会给他们保持竞争力带来显著的影响。
看来,正如技术导致全球财富不平等加剧一样,人工智能也将加深成功企业与不成功企业之间的鸿沟。
“过去二十年中,所有企业都变成了技术型企业,如果他们想要为客户提供服务的话,”微软人工智能总经理David Carmona这样说。“在接下来的一年里,每个成功的企业都将变成人工智能企业,其技能、文化和结构都会发生变化。”
人工智能被视为一种提高企业生产力的方式,特别是对运营团队来说,例如利用聊天机器人过滤客户给到呼叫中心,或者帮助银行检测欺诈行为。但该调查重点关注了人工智能给企业C级高管带来的好处和机会。
Altimeter Group人工智能分析师Susan Etlinger在接受采访时表示:“我们看到,企业高管对于战略、决策和规划也非常关注。”
经理们忙得团团转,这导致了Bruch所说的“加速陷阱”——有50%的企业处于过热模式——他们正在全速运转以做出正确的选择。
结果表明,决策性技术将把企业领导者们从现有的运营工作中释放出来,花更多的时间在激励团队、提出新的想法、发现新的市场机会上。
Bruch说:“高管们打算借助人工智能让他们释放出来,花精力在领导力上——也就是花时间来激励员工,把时间用在真正以人为中心的工作上。”
“领导者们希望专注于未来,但他们不想单枪匹马。”Etlinger补充道。
如果你感觉在这方面落后了,可以看看一下几个小提示:
提示1:你不需要成为数据科学家
“你只需要了解有哪些机会,以及人工智能可以为你的企业做些什么。”微软EMEA总裁Michel van der Bel这样写道。
提示2:让高管层的人来负责实施AI,而不要让专家来负责
“人工智能不再是未来,而是眼下一件很实际的事情。”Carmona补充说。
提示3:反思你自己的角色,以及AI对你自身工作的影响
提示4:让人们积极地参与企业文化变革中,而不仅仅是一项自上而下的变革
提示5:开始制定一个广泛的策略让整个公司接纳人工智能,不要让它成为孤立项目或者孵化项目
“让你的技术部门和业务部门之间展开合作。”Carmona说。
提示6:在投资人工智能之前,企业文化转型是必不可少的第一要素
提示7:确保你的数据井然有序,准备好接受数据驱动的决策
提示8:注意公司目前存在的偏见,例如包容性、透明度和隐私,注意引入人工智能的时候可能也存在这些问题
“那些正处于高增长期、更积极实施人工智能的企业领导者们,更有可能把人工智能道德和责任视为领导力的必备要素。”Etlinger说。
提示9:从小处着手,在反馈中学习并建立信心
“如果你不快速行动,你就会落后于竞争对手,”Carmona补充说。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
南洋理工大学研究团队构建了Video-MMMU基准,通过300个专业教学视频和900道问题,评估AI模型从视频中学习知识的能力。研究发现人类专家知识增益达33.1%,而最先进的AI模型仅达15.6%,特别在知识适应新场景方面表现不佳。该研究揭示了当前AI在真正理解和应用知识方面的局限性,为未来AI教育应用发展指明了方向。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
清华大学等机构开发的SimpleVLA-RL框架突破了传统机器人依赖大量人类演示数据的局限,让机器人通过强化学习自主试错掌握技能。该方法在数据稀缺情况下将成功率从17.3%提升至91.7%,并在真实世界中验证有效,机器人还自主发现了"推切"等创新操作方式,为机器人智能化发展开辟新路径。