人工智能东山再起

人工智能作为商业用途的时机成熟了吗？

过去二十年来，人工智能的流行走势如洗三温暖，高低起伏比玛丹娜有过之而无不及。人工智能曾经一度非常热门，然后消寂下来；一度颇受质疑，而又再度崛起。九O 年代晚期，一位观察家在一场网络科技会议上指出，几年前这类企划案大部分是以「人工智能」名义提出，现在再度回锅；就像从前一样，这些科技解决方案看来已做好解决商业实务问题的准备。

人工智能最大的敌人可能是那些大夸海口的推广者 — 不论是寻求创投资金的野心勃勃企业家，或是学术界，都低估了商业应用的挑战。人工智能听起来像是个好主意，从抓网络骇客到追踪金钱流向，人工智能可将一切流程自动化，但要发展出史丹利库柏力克的HAL，或是史蒂芬史匹柏的人工智能，其实都还有一段长路要走。

尽管如此，开发人工智能的社群目前研发出来的技术，已为实际的商业应用带来曙光。像许多信息系统一样，要引起工商界对人工智能的兴趣，则人工智能的工作效率或准确度要更高，或者要能开发尚未耕耘的处女地。人工智能较可能成功的机率在于，藉由基础网络设施史无前例的资料搜集能力，企业可利用人工智能将商业活动自动化。

本文将介绍三种人工智能，同时附有实际的商业应用案例说明；在每个案例之中，企业都已从这些应用软件当中获得实际的经济利益。

人工智能东山再起: 一、 人工智能的商业运用时机何时成熟？

所有人工智能都有一些共同特色：皆是为了处理大型且/或复杂的资料、搜寻资料、寻找相关资料，并找出资料模式而设计的。人工智能系统在变动环境当中尤可发挥功能，因为在这种环境当中，他们需要根据输入的资料，在一堆可能的答案当中明智地选出答案。他们也根据样本从整个资料当中找出一般通则；在一些案例当中，他们可根据资料线索做出或协助做出明智的决策，甚至执行工作。人工智能的功能可分三类：

数字分析：这些系统会在庞大的数字资料当中寻找模式和规则，最适用于分析庞大数据、比较不同群组的差异，然后找出问题根源(例如：侦查诈欺)。

规则式决策系统：这类系统会使用预设的规则或逻辑判定结果(可能使用或不使用数字资料)，适用于工作流程自动化。

自主式执行系统(也称为代理人或机器人(agents or bots))：这些程序一般会在几个不同 地点持续运转，并立刻监视新进资料，然后根据发现结果执行特定工作。这类系统特别适用于透过网际网络分享资料，使组织工作自动化，尤其是基本资料以XML 等普遍标准编辑时更为适用。

人工智能东山再起: 二、 三种人工智能的说明

数字分析系统

信用卡业务最大的营运风险是逾期放款。Capital One 使用人工智能工具找出风险高低不等的潜在客户，然后据此设计产品及利率。根据信息制定策略的作法，使得这家公司能处理的资料量是其它业者的五倍，提供的产品也是两到三倍，而坏帐冲销比率更是只有业界平均的60%至75%。

依据信息制定策略的作法是Capital One 竞争策略的基石，而其它公司则是投资于较小、目标集中的人工智能工具，亦能达到类似的效率。例如Discover 和First Data 都使用人工智能的数字分析系统侦查诈欺案件。

规则式决策系统

德国量贩连锁店 — Kaufhof AG，每天会从各地仓储连锁收到十一万件货物，包括简单的服饰到复杂的电子用品和精致的瓷器等等。因此负责品质把关的验货流程不但耗时且所费不赀。Kaufhof 于是采用一套规则式人工智能系统 (Rule-based system，归纳规则处理文件的系统)，能辨识高风险的货品，并让风险较低者自动通过。Kaufhof 估计该系统将总验货时间减少了一半之多。

自主式执行系统

根据XML所发展的机械读取之网际网络内容，使得信息交换能力达到前所未有的境界，促成「代理人」或「机器人」科技的诞生。再加上其它潜在机会，代表企业可将整个价值链上下的伙伴互动行为自动化。

营业额100 亿美元的零组件经销商Arrow Electronics 采用内建电子零组件产业资料交换标准 — RosettaNet 的代理人式技术。Arrow Electronics 的系统能够将20 万名客户的 订单与600 家供货商的零组件数据加以撮合。该系统一天可以处理分布全球的1 千万笔交易，每个月可增加7 万5 千个新零件，并通知相关厂商订单情况，以及知会顾客货品有无和送货安排。Arrow 因此将订单处理时间减少50%至70%。

人工智能东山再起: 三、 人工智能适用于贵公司吗？

使用人工智能的时机

人工智能应用软件的前景一片光明，但并非所有信息问题的万灵丹。首先，使用人工智能处理鸡毛蒜皮小事就太夸张了，但是人工智能也不足以处理非常复杂的问题。第二，因为人工智能的解决方案需经试验之后才会渐入佳境，所以也不适宜用于处理重大问题。判断人工智能适合贵公司与否，可采下述三个步骤：

贵公司的业务流程和科技是否标准化到足以使用人工智能？一般而言，如果业务流程和决策逻辑相当一致，则人工智能工具可达最佳效果；再者，科技基础设施必须实时且正确地取得人工智能系统所需的资料。但是，即使组织的流程和科技基础设施并未标准化，仍可运用人工智能工具解决个别问题。

贵公司的哪一部份业务最适合采用人工智能？企业应该找出那些作业较为复杂、重复性高、信息为主者，且非重要的任务。在这些作业领域，基础人工智能科技往往可以与现行作法并存，经由反复修正，逐步负责愈来愈多的工作。

贵公司应该如何建置人工智能解决方案呢？过去几年来，人工智能工具的商业运用市场已经成熟许多，因此企业可以轻易买到现成软件，作为建置基础。但是，大部分公司仍得大费周章决定如何将这些软件嵌入既有平台和业务流程之中；同时也必须确保公司具备长期管理及提升这些系统能力的技能。虽然大部分公司都不需要像Capital One 一样使用最先进系统，但是无论如何，他们都需要拥有了解如何使用这些技术的员工和能力，避免整个系统最后变成高深莫测的「黑盒子」。

这些科技听起来前景大好，但是否能够持续呢？由于企业可获取的资料量继续激增，人工智能自动处理资料并提高数据管理品质的诉求，也就格外具有吸引力。虽然人工智能工具五花八门，成熟与部署阶段各异，但是我们相信企业只要能主动探索人工智能的功能，并开始测试这些大有可为的科技，则定能从中获益。

作者： Corey Booth, Shashi Buluswar
来源：《麦肯锡高层管理论丛》 2002.2