麥肯錫論人工智能，就業與勞動力自動化

　　機器的智能化將對商業與就業產生巨大影響。看看麥肯錫如何看待人工智能與機器學習將影響你的企業，你能做些什么。

　　對商業人士來說，人工智能代表一系列的挑戰。技術層面，人工智能與機器學習正在朝向復雜化方向的發展，需要大量的數據去產生有意義的結果。從商業的角度看，很多商業領袖很難謀劃人工智能的切入點，甚至不知道如何開始機器智能化。

　　更加糟糕的是，來自技術廠商的宣傳給市場造成了持續不斷的雜音，人們不清楚人工智能的真正可能性是什么。

　　為了減少這種噪音，我們邀請了許多世界領先的從業者分享他們的經驗。

　　下面是麥肯錫全球研究所（MGI）的負責人Michael Chui和艾森豪基金，的David Bray的觀點，后者同時擔任聯邦通訊委員會的首席技術官。

　　麥肯錫全球研究所已經發布了一系列有關人工智能，自動化以及就業的研究報告。下面就是有關工作環境自動化的分析。

　　在下面這張圖里，Chui和他的團隊分析了自動化會改變的行業。

　　另外一張圖顯示了就業崗位可能被機器替代的列表以及工資情況：

　　Michael Chui和David Bray之間的對話涵蓋了企業員工和自動化，人工智能的關系，比如投資，規劃，甚至倫理考量。

　　企業如何考慮投資人工智能？

　　Michael Chiu：越來越多的企業已經開始了解數據分析的潛力。高管們開始明白，數據和分析要么成為競爭的基礎，要么成為客戶，民眾與股東需要的服務與產品。

　　雖然存在真正的技術挑戰，但我們發現，真正的障礙是人這一方面。如何從有趣的實驗中獲得與業務相關的經驗？購買算法與數據，在下一個產品中提高轉換率；我們可以降低維護成本，或者提高整機的運行時間。我們可以把更多的人引入這個領域，我們可以找到更合適的人。

　　從經驗中獲取規模價值就是企業卡脖子的地方。如何獲得經驗，如何獲得數據（無論是機器學習還是算法的形式），如何將模型分析納入企業的工作實際與流程，從而改變規模運作的方式？用軍事來做類比就是：如何駕駛航空母艦？貨船也是如此，它們都很難轉向。

　　理解人工智能，掌握正確的人才，然后大規模地改變工作實際是企業面臨的挑戰。理解人工智能的企業和真正要實施人工智能的企業存在巨大的差異。

　　人工智能與機器學習的接納問題是什么？

　　David Bray：成功的真正秘訣在于改變人們在組織中所做的工作，你不能僅僅推行技術而不去改變商業流程。我見過公共服務領域的實驗，他們只做實驗，而沒有去改變公共服務的業務規模。

　　不僅僅是需要技術，還要了解現有的流程，為什么企業需要這樣做，然后清楚目標，了解自己如何成為這種變革的領導者。

　　人工智能在某些方面來說只是預測分析的延伸，這是大數據的延續，并不是新的東西，技術總是一種可能性的變革藝術。

　　有趣的是，我們可以通過人工智能來反映我們的偏見。如果我們不小心用人類數據打造出人工智能，我們知道人類是有偏見的，我們會發現人工智能，機器學習本身也是有偏見的。

　　哪些商業領域最適合人工智能？

　　Michael Chiu：我們對600名不同領域的行業專家做過調查訪問。

　　第一個領域被稱為“深度學習”領域，這個領域特別適合某些類型的問題，比如模型識別，通常是圖像等等。

　　另外就是預測性維護。保持東西不破壞的能力； 而不是等到它打破，然后修復它，預測什么時候會破裂的能力。

　　這不僅因為降低了成本，更為重要的是，預測性維護不會造成整個流水線停工。

　　在一定程度上，這是模式匹配的一個應用。傳感器檢測出某些部件將破裂的型號，通知你進行預測性維護。

　　我們發現，在很多行業中，無論是發電機，建筑，HDC系統還是汽車行業，如果你能在事情發生之前做出預測，那么維護的價值就會提現出來。 這是機器學習相當強大的領域之一。

　　醫療保健是預測性維護的另一種應用，只不過換成了人力資本資產的維護。我們在病人身上安裝傳感器。我們可以告訴他們即將發生心臟病嗎？會患上糖尿病嗎？用戶應該采取一些可能不那么昂貴，較少破壞身體的行動，而不是將其變成一種緊急的醫療行動，經歷一個非常昂貴，痛苦和緊急的護理。

　　David Bray：讓人工智能與機器學習幫助公眾，我認為這會在都市中首先開始出現。

　　我們聽說過智慧城市概念。您可以輕松地查看道路或電力情況，以便更好的進行預防性維護，然后進行監控以避免停電。

　　我認為人工智能與機器學習初期將在城市里面出現。