分享

人工智能不会“偷”工作

凯捷数字化转型研究所进行的新研究表明,由于采用了人工智能,五分之四的公司创造了新的就业机会。

凯捷是一家活跃于咨询、技术和外包服务领域的公司,今天公布了“将人工智能转化为具体价值:成功实施者的工具包”的研究结果。 该研究针对收入超过 1.000 美元的大约 500 家公司进行,这些公司正在实施人工智能 (AI) 作为试点项目或大规模实施。

该研究消除了人们对人工智能可能在短期内导致大量失业的担忧——事实上,83% 的受访公司确认在公司内部创造了新职位——并强调了人工智能带来的增长机会:四分之三的受访公司销售额增长了 10%,这与人工智能的实施直接相关。

创造新的就业机会

这项针对来自九个国家和七个不同行业的经理进行的研究表明,由于使用人工智能,五分之四的公司 (4%) 创造了新的就业机会。 具体来说,这些都是高级职位,三分之二的新员工处于管理层或以上级别。 超过五分之三的大规模部署人工智能的企业 (5%) 也表示没有失业。

随着与创造新的管理职位相关的趋势,该报告显示,对于许多公司而言,人工智能代表着一种减少重复性任务和管理任务执行的手段,以便它们能够产生更多价值。 大多数受访者 (71%) 已主动启动员工技能提升/再培训,以便他们可以利用他们的 AI 投资。 另一方面,绝大多数大规模实施人工智能的公司认为人工智能将简化最复杂的工作(89%),智能机器将与公司内部的劳动力共存(88%)。

 “本质上,其目的是充分发挥人力资本的潜力,”保德信人工智能全球负责人迈克尔纳图施说。 «有了人工智能,以前花在重复性任务上的时间就减少了,这样员工就可以专注于为公司和客户创造更大价值的活动»。

AI用户关注客户体验

该研究还发现,具有特定技术头脑的公司正在使用人工智能来促进销售、加强运营、促进客户参与和产生商业创意。 这一策略似乎已经奏效,因为四分之三的企业销售额已经增长了 10%。 确认使用人工智能的公司的重点是客户体验:73% 的人认为人工智能可以提高客户满意度,而 65% 的人表示这些技术可以降低客户未来的放弃率。

错失良机

研究表明,许多公司尚未将 AI 投资与商业机会结合起来。 在精通技术的人手中,公司倾向于优先考虑具有挑战性的人工智能项目,从而忽视了最可实现的目标。 超过一半 (58%) 专注于“需要做”的应用程序,或者那些高度复杂/提供更大收益的项目——例如与客户服务相关的领域。 相比之下,只有 46% 的公司正在实施“必须做”的人工智能,其特点是复杂性较低/收益较高。 如果公司能够同时解决这些问题,他们可能会获得更高的商业利益。 例如,那些实施大量“必须做”用例的人平均能够将客户流失率降低多达 26%。

传统行业是驱动力

传统和高度监管的行业在人工智能方面最为活跃:49% 的电信公司、41% 的零售商和 36% 的银行大规模实施人工智能的程度最高,而汽车行业 (26%) 和制造业目前创纪录最低级别的执行。

除了部门之外,国家之间也存在明显的对比。 在已经实施人工智能的企业中,超过一半的印度公司(58%)已经在大规模使用人工智能,澳大利亚紧随其后(49%)。 包括西班牙 (31%)、荷兰 (24%) 和法国 (21%) 在内的欧洲国家在就业排名中排名最低,而意大利紧随澳大利亚之后排名第三 (44%),其次是德国 (42%) %),与尚未准备好使用此类技术的邻近市场形成鲜明对比。

«人工智能有能力彻底改变任何市场领域的公司; 它的潜力是巨大而无限的,”凯捷意大利和东欧首席执行官 Andrea Falleni 说。 “然而,我们看到大规模部署 AI 解决方案的企业、已经从中获益的企业和刚刚进行测试的企业之间存在巨大差异。”
“同样重要的是,公司将精力集中在更复杂的人工智能项目上,而忽视了更简单的项目,这可能会带来更快的收益。 企业,尤其是那些尚未大规模实施 AI 的企业,应该专注于那些不那么复杂、高收益的项目,以更智能、更快地利用 AI 的力量。”

如何开始实施人工智能

寻求利用人工智能力量的公司将面临许多挑战,并且需要清楚地了解人工智能可以在哪些方面为企业和客户带来最持久的利益。 该报告最后概述了启动人工智能实施的一系列基本步骤,包括:

管理技术和人员带来的主要挑战
确定 AI 可以创造更大的长期利益的领域
结合自上而下的愿景和自下而上的执行
准备公司

 
研究方法

凯捷数字化转型研究所的研究概述了人工智能可以为企业带来的机遇和好处。 该报告包括来自九个国家的 993 名受访者的意见:澳大利亚、法国、德国、印度、意大利、荷兰、西班牙、英国和美国。 在研究的参与者中,我们发现了七个不同工业部门的跨国公司、初创公司和供应商的 AI 领域经理(高级经理或具有更高资格):汽车、银行、保险、制造、电信、零售和公用事业。 接受调查的公司的收入都在 500 亿美元或以上。 该研究于 2017 年 XNUMX 月至 XNUMX 月期间进行。

 

[1] “大规模部署”指的是超出有限的试点和测试筛选范围的实施,并在各个业务部门、职能部门和地区进行更大规模的部署。

评论