智慧主張 · 分享見解，共探未來
關注AI技術發展，不難發現，傳統企業在頻頻釋放緊張和潛在焦慮。
AI創新層出不窮，整體節奏加快，如今任何一家企業，都很難真正拒絕AI。
這也是這股AI新技術浪潮，為未來商業世界搭建起的空前平等的舞臺，在既有規則之外，進行想象空間的較量。
也因此，傳統行業，被
推到了
技術改革的風暴中心。
2019年5月，蘇寧零售技術研究院針對傳統企業的CEO、CTO啟動了一項AI接受度調查。
結果顯示，78%的傳統企業認為，AI將對企業發展至關重要；57%的傳統企業已經開始或計劃在2021年前採用AI技術。
他們也迫切希望瞭解，一家傳統企業需要怎樣的AI技術？面對新技術競爭，有哪些應對之道？對此，我將在下文作詳細闡述。
AI技術的五塊“敲門磚”
目前，AI技術產品種類很多，針對傳統企業，可優先參考投入以下五類核心AI技術。
1、 機器學習與計算機基礎設施
這裡先了解兩個概念，機器學習和深度學習。
機器學習，是使用演算法來解析資料從中學習，然後對真實世界中的事件做出決策和預測。包含了迴歸、聚類以及分類。
深度學習，是指多層神經網路上，透過運用各種機器學習演算法解決影象、文字等各種問題的演算法集合，主要演算法包括DNN（深度神經網路）、CNN（卷積神經網路）、RNN（迴圈神經網路）、GAN（生成式對抗網路）等。
兩者之間的區別是，機器學習是完成一個任務，獲取一個經驗，特徵需人工設計。但深度學習的核心是特徵學習，旨在透過網路學習特徵提取的方法，從而解決以往需要人工設計特徵的重要難題。
在這當中，DNN（深度神經網路）是深度學習的基礎，它極大地提高了計算機視覺任務執行的準確性。如影象分類、物體定位和檢測、影象分割、動作識別等任務。
訓練一個可能有數百或數千萬個引數的DNN（深度神經網路），需要經過大量迭代和計算的過程，使用“梯度下降”和“反向傳播法”等數值最佳化技術。
鑑於近期GPU（圖形處理器）體系結構方面取得了突破性進展，這類最佳化技術也應用得更加廣泛了。
2、自然語言處理
自然語言處理（Natural Language Processing，NLP）是計算機科學領域和人工智慧領域中的重要方向，是一門融語言學、計算機科學、數學於一體的科學。
對它的研究包括人與計算機之間用自然語言進行有效通訊的理論和方法。
基於NLP的人機互動，可以為企業運營、服務的改善提供很大幫助。涉及到的具體技術，包括分詞、命名實體識別、詞性標註、文字語義相似度分析等。
3、計算機視覺
計算機視覺技術（Computer Vision Technology，CVT）是深度學習技術最早實現突破性成就的領域，它包括數字影象的捕獲、處理和分析，本質上是解碼它們的上下文含義。
如今，在常見的物體識別場景中，計算機視覺技術可以實現95%以上的精準度。可針對數億個物件進行分類，並且對人、景觀、昆蟲和樹葉等生物物件的識別越來越準確。
4、資料科學與分析
資料分析是一門將邏輯學和數學應用到資料科學中的學科。
因為它可以為決策提供更好的洞察力，幫助企業適應競爭性業務環境，所以幾年來，很多企業都致力於透過自助服務功能，來實現分析的廣泛化，並將其更深入地融入業務線。
實際來看，已經顯著改變了傳統的BI（商務智慧）模型和最終的使用者需求。
資料科學家會使用資料科學和ML（機器學習）平臺，幫助他們開發和部署自己的解決方案。
這些平臺將為資料科學家在整個資料、分析管道中執行任務提供支援。
同時，現代BI支援IT分析內容開發，體系結構允許非技術使用者自主地執行從資料訪問、接收和準備到互動式分析的工作流程。
相比之下，傳統BI平臺，支援IT生成的分析內容的模組化開發，需要專門的工具、技能和前期資料建模，加上預定義的元資料層，才能啟動分析功能。
5、機器人和感測器
機器人技術應用在非常廣泛的領域，通常涉及到機器人的設計、構造、操作和應用，以及用於控制、感覺反饋和資訊處理的計算機系統。
現在我們看到的許多機器人研發，都受到自然界生命體的啟發，每個新的成果，其實都推動了仿生機器人的發展。
確切地說，RPA（機器人流程自動化）並不是一個真實的、肉眼可見的機器人，而是流程自動化服務。
它是一款軟體產品，可以模擬人在電腦上不同系統之間的操作行為，替代或協助人執行具有規律和重複性比較高的辦公流程。
通常，RPA中沒有人工智慧，大多數都是在指令碼工具的基礎上，提供功能性的圖形使用者介面。
這些指令碼工具從一個應用程式蒐集資料（一般使用螢幕抓取），同時將資料輸入（重新鍵入）另一個應用程式。
除了識別電子郵件、影象、掃描和傳真中的資料，RPA沒有太多“驚人的創新”，但很多時候，RPA集合了提高效能、減少錯誤和降低運營成本等所需的全部能力。
依託以上核心技術，AI將在不同領域、不同部門為企業創造便利和新的發展可能。
如何制定AI策略？
AI技術強大作用的發揮，更需要建立在合適的需求和場景上。
這就要求一個企業，不能盲目追逐外界的AI浪潮，而是應該理性內觀，清楚自己的實際需求和潛在方向。
這就是AI策略的制定。如果只是初步構建，規劃者可以根據結果倒推。
也就是說，先確定想要什麼結果，再定義實現結果需要什麼樣的場景。明確了場景後，可以讓規劃人員分解出需要的應用程式和解決方案，後透過購買或自建去實現。
過程中，要儘可能找到不同應用程式和使用場景的共通之處，在有多個專案和使用場景並存的時候，才能有效減少冗餘和資源浪費。
最後的環節，是回顧和理解方案的核心技術，認真審視每個步驟，以便更好地理解整個實現過程，及時調整和完善。
這個環節非常重要，甚至應該反覆進行，直到規劃者對每個使用場景涉及的內容都有很好的把握。
具體的方法，可以是對使用場景進行優先順序排序，選擇最好的那個。也可以透過對整個流程進行階段梳理，對照解決方案的路徑，驗證關鍵節點等等，方法不一而足。
如今，在全球市場，以AI+loT（人工智慧+物聯網）為核心的轉型企業迅猛發展，特別是在AI+loT技術融合下，圍繞機器視覺、自動駕駛、高階製造、AI晶片和生物科技等企業，也因此迎來前所未有的機遇。
傳統企業中的AI“舞臺"
數字革命將人類社會推向資訊時代，作為其中的組成單元，傳統企業在此時，改革需求和挑戰愈加強烈。
最重要的挑戰是，在業務應用程式套件中越來越多地使用人工智慧。
其對資料、流程、架構及人員配置靈活性和靈敏性的需求，給傳統企業提出了更高要求。同時，它也將給企業解決更多問題。
一、使用者服務、支援與CRM（客戶管理系統）
人工智慧技術被廣泛用於客戶服務和支援的多個領域。
其中，相對關鍵的是智慧影片分析、預測性客戶分析、自助和輔助服務的語音識別、情感分析等，這類技術功能允許組織在客服中心，減少人工服務開銷。
AI分析技術也可用於聯絡中心，深入瞭解客戶行為、改進聯絡路線。
同時，AI應用在網路聊天、電子郵件管理、聊天機器人、智慧影片分析和資訊傳遞等渠道，在重複性的工作中，使程式與人一起工作，特殊情況時，可以及時終止虛擬助理，防止錯誤。
某些情況下，我們還可以透過有監督的訓練，讓機器人更好地學習新的任務。
而客服作為深入應用人工智慧技術的領域之一，近些年已經有“智慧客服機器人”作為協作夥伴，接管大量的服務工作。
例如：蘇寧“學富五車”導購專家“蘇小語”，會基於大資料，對使用者的購買歷史行為進行分析，依據喜好進行一對一導購服務，實現精準營銷。
當然，她不只會推薦商品，還可以提供自主引導、QA、閒聊、領券、查天氣、講笑話等一站式多重技能。因為她能透過文字、語音播報與使用者對話，所以你甚至可以在閒暇時找她聊天。
“Sunny”是蘇寧的售後客服，她更是客服團隊不可缺少的一員，可以24小時不間斷線上接受諮詢，更有結合AI技術，全面提升機器人閱讀理解語音影象識別的能力，練就想客戶所想的“讀心術“。
從資料上看，目前蘇寧透過機器人分流的客服諮詢量達到了74%，導購回答正確率達90%以上，售後問題解決率平均為60%。
二、銷售和銷售線索的管理
AI與銷售技術的結合，可以體現在：1、根據原有客戶挖掘新的銷售線索；2、透過智慧資訊建立關係，發現潛在客戶；3、引導銷售，帶來銷售業績的增長。
這裡對所涉及的虛擬數字銷售助理、供應商管理技術稍作展開。
虛擬數字銷售助理技術，將預測和規定系統的功能，與類似亞馬遜Alexa（智慧音箱助手）軟體的響應式語音介面結合在一起。
當與行動電話配對時，該技術就能提供一種全新的流暢的方式，用於訪問銷售活動和更新資訊。
在供應商管理領域，AI的主要機會是自動化人工服務。
越來越多的產品經理努力將AI納入他們的產品路線圖，同時融入現有的工作流。這一做法，讓產品看起來頓時具備了智慧優勢，企業會以此作為宣傳亮點，進行品牌傳播。
而回到採購與供應商管理的實際現狀中，可以發現，人工智慧的應用還是非常少的，而且範圍很窄，使用的是基本的機器學習技術，包含支出分類和合同分析等。
如今在風險管理、候選人匹配、採購尋源（Hanhe SRM-Sourcing）、虛擬採購助理、語音識別等領域，也相繼出現了AI使用場景。
但值得注意的是，用於採購的AI需要資料，只要基礎採購應用程式採用有限，資料就會稀缺。
同時，技術成熟度、人才的匱乏，也會成為瓶頸。好在越來越多的供應商已經有意識調動研發資源提升AI能力，取得了較快的進步。
須知，在整個供應鏈條中，AI將集中實現三個功能：增強人的決策能力、補償人的偏見，和透過“認知顧問”提升人的能力。
因為，自動化在特定任務中表現得比人類更穩定、更快，再透過自我學習，還可以繼續推高效能。
這就決定了，NLP（自然語言處理）、預測性分析，以及機器學習等人工智慧技術，可以在預測維護、風險管理、採購、訂單履行、供應鏈計劃和促銷管理等供應鏈場景中，給予有效地支援。
三、數字化商業
目前，雖然數字商務市場得到整個技術生態系統的支援，但核心技術仍然是數字化商務平臺。
為提供最佳的使用者體驗，這些平臺會經常與其他應用程式、整合服務一起擴充。
個性化的搜尋引擎會增強數字商務平臺。雙方透過建立相關的、個性化的、互動的過程，在接收者個人資料的洞察力、類似個體行為的行為資料基礎上，來提供滿足特定需求和偏好的體驗。
數字商務平臺和個性化引擎會貫穿整個使用者消費過程，從認知、研究、評估，到購買、審查和使用。
整個過程會產生大量客戶資料，業務部門以此可以瞭解客戶在多個渠道、裝置上的行為和興趣，從而匹配正確的內容，推動銷售並改善客戶體驗。
這裡強調一點，使用正確的資料，並從中提升客戶洞察力是非常複雜，通常很難捕捉到客戶行為的瞬時性質。而投入AI，透過更有效地理解資料集之間的底層關係，可以幫助解決這類問題。
總之，AI可以幫助企業建立複雜的模型，應對數字商務的動態變化。
其中，決策模型還可以更準確、更細粒度地預測事件，加之AI和ML技術的洞察力支援，使精準的部署模型成為可能。
在零售行業，AR、VR的技術應用，已經逐漸改變人們的購物習慣和企業的商業模式，從蘇寧AI相關的技術和產品研發成果上，可以看到觸發智慧新零售發展的動力之源。
蘇寧部分AI技術
語音處理
語音喚醒、語音識別、語音合成、語音語義分析
視覺處理
身份識別、商品裝置、人貨匹配
智慧意圖處理
文字糾錯、意圖識別、情感分析
智慧決策推理
智慧定價、智慧預測、路徑規劃
智慧人機互動
VR互動、AR互動、時空建模
智慧行為操控
無人機、無人車、無人櫃
蘇寧部分AI場景產品
智慧供應鏈
智慧補貨、動態定價、存貨布局
智慧物流
智慧選址、無人倉儲、智慧配送
智慧運營
客群分析、無人店、智慧客服
智慧生活
物聯網、家政中心、社交中心
四、治理和資訊管理
我們都知道，AI技術具有自學習和適應性，某種程度上，這可能意味著人類的某些職責和任務，很可能會被海量資料訓練過的機器決策、行為所取代。
其中之一，就是基於資料資訊的預測分析，它是企業各部門的業務領導會用到的一種戰略技術，包含市場營銷、索賠、客戶服務和生產。支援實時自動事件檢測、決策支援、風險建模和客戶分析。
這些技術功能，會幫助業務領導者們在提高收入、避免損失，改善客戶體驗上獲得助力。同時，還會自動合成大量資料，幫助企業實現自動化和輔助決策。
五、數字化的工作環境
AI的廣泛應用，是在替代人的重複性勞動的背景下產生的。
這也是數字化工作場所要實現的目標。
但勞動者可能仍會憂慮，認為AI的使用，給工作和社會環境帶來很多未知影響。
其實，在數字工作環境中，大多數人即便沒有直接參與IT業務，仍會接觸到人工智慧，這些服務打包為SaaS應用程式中的功能。例如，電子郵件分類、電子郵件回覆建議、內容和人員推薦等表現形式。
而對希望提高IT流程成熟度、希望提高IT服務管理工具的運營企業來說，人工智慧所能帶來的就很具體。
AI所能提供的應用之一，就是VSA（Virtual Support Agent 虛擬支援助理）。VSA是在IT服務管理場景中，提供自動化IT桌面支援的虛擬助手。
他們從知識管理資源和ITSM（IT Service Management，IT服務管理）工具中獲取資訊，提供常見問題的答案。也會幫助使用者完成任務，如重置密碼、部署軟體、升級軟體、恢復IT服務等，這些功能都需要擴充套件聊天機器人的能力。
可以說，數字化工作場所，是透過一個更加消費化的計算環境，去提高員工的效率和參與度。而將IT服務檯運營，變為一個主動功能，則需要IT的領導者，採用綜合方法，將高階ML、大資料和其他AI技術結合起來，才會在服務檯的活動中，提供可預測、個性化和動態的洞察力。
以蘇寧RPA機器人（流程自動化工具）為例，它以非入侵方式，模擬人工操作，透過軟體操作自動化，去實現業務流程自動化，可以廣泛應用於企業資訊化程度高、資訊孤島嚴重、手工操作多等多種場景。
目前，蘇寧運用該技術，在財務共享方面搭建了首個無人工作室。
實踐發現，機器人可以比較快速地代替人工執行單據複核、資料核對、報表匯出加工、流程和資料異常處理、資料填報錄入系統等工作，實現員工報銷一日到帳，協助配合34人完成26萬員工的財務報銷，節約人力成本超過了300萬/年。
六、人力資源管理
大資料管理下的知識革命，重新定義知識，也改寫了作為知識創造者、吸收者、利用者的人力資源管理者。可以說，某種程度上AI在啟動HCM（人力資本管理）的數字革命。以往簡單的流程操作，將被改變。
目前，AI在招聘領域，側重於匹配人才供需，或預測招聘結果。具體包括特定求職者的適應度、探索機會的可能性、透過語音或影片面試分析得出行為特徵、候選人接受工作的可能性等。
AI還將改變“技能描述和工作分類“的模式。
通常，一個企業中，不同崗位會有不同的工作內容描述，有時候同一崗位，描述也不同。
如果使用最先進的NLP（自然語言處理）技術，可在全球基礎上建立技能和工作分類法（多語言），允許出現新一代的搜尋和匹配，超越了前幾代語義搜尋庫。
而這項工作，也通常是其他程式應用的基礎。
AI還可以透過情緒分析和主題檢測，獲得員工反饋和敬業度測量；透過推薦引擎，提供學習內容、導師、合適的學習路徑；透過聊天機器人，在人力資源服務交付中，應對基本服務和需求，有時還可用於支援跨應用程式的自助服務。
AI機器人仍能實現作業分配、輪班排程和監控等智慧操作。
七、安全與欺詐
AI技術正在改變安全和欺詐的使用場景、市場和供應商。
反過來，這些組織也在適應以上的變化。人工智慧技術正處在自適應安全體系的四個階段：保護、檢測、響應和預測。
簡單地說，人工智慧，是一個在安全和欺詐中，以不同方式使用的概念。
總之，當AI技術形成一股風暴，任何企業都不該拒絕AI的“入局“。
作為傳統企業，更不該錯過這個改變自己的機會。
實際上，正如前文調查所顯示的那樣，57%的傳統企業已經行動，努力學習在新的環境下做生意。
