(電子商務(wù)研究中心訊) 機器學(xué)習(xí)是人工智能(AI)的精髓。雖然這個概念已經(jīng)可存在五十多年了，但是，最近才開始應(yīng)用于工業(yè)。根據(jù)麥肯錫全球研究所(MGI)的報告，在德國，62%的工作崗位已經(jīng)有至少30%的工作實現(xiàn)了自動化，與美國的水平相當(dāng)?；谧匀徽Z言處理或視覺對象識別等等技術(shù)的AI實現(xiàn)這種自動化的核心推動者。
像德國這樣的高度發(fā)達的經(jīng)濟體，面臨著人均國內(nèi)生產(chǎn)總值和人口迅速老化等挑戰(zhàn)，因此，需要依靠人工智能的自動化來實現(xiàn)國內(nèi)生產(chǎn)總值目標。預(yù)計2030年德國國內(nèi)生產(chǎn)總值(GDP)預(yù)期的1/3取決于生產(chǎn)率的提高。由AI推動的自動化是提高生產(chǎn)率的重要動力，因此，德國成為AI最早的采用者之一。
AI有望提升所有行業(yè)的表現(xiàn)，特別是工業(yè)部門等。AI將推動德國生產(chǎn)率每年提高0.8%到1.4%。
麥肯錫的報告選擇了三個領(lǐng)域的八個用例，來突出AI在工業(yè)領(lǐng)域的巨大潛力。
產(chǎn)品與服務(wù)：
到2030年，自動駕駛汽車預(yù)計將占全球汽車銷量的10%至15%，一直到2040年自動駕駛汽車銷量都將保持兩位數(shù)增速。這些汽車所需的高效、可靠和整合的數(shù)據(jù)處理都將通過AI實現(xiàn)。制造業(yè)務(wù)：
AI通過整合來自物聯(lián)網(wǎng)傳感器、維護日志和其他外部資源的數(shù)據(jù)，能更好地預(yù)測和避免機器故障。資產(chǎn)生產(chǎn)率可提高高達20%，而整體維護成本可降低10%。
協(xié)作和環(huán)境感知機器人通過基于AI的人機互動提高生產(chǎn)力。因此，生產(chǎn)率提高20%是可能的，即使有些工作不是完全自動化的。
通過人工智能提高生產(chǎn)力還將降低廢料率和測試成本。例如，在半導(dǎo)體行業(yè)，使用AI可以減少高達30%的損耗。
AI可實現(xiàn)質(zhì)量檢測自動化。通過采用先進的圖像識別技術(shù)進行目視檢查和故障檢測，生產(chǎn)率可提高50%。具體來說，基于AI的視覺檢查可以將缺陷檢測率提高90%。
業(yè)務(wù)流程：
基于AI的供應(yīng)鏈管理大大提高了預(yù)測的精度；同時，提高了粒度和優(yōu)化股票補貨。預(yù)測誤差可減少20%至50%。由產(chǎn)能不足導(dǎo)致的銷售損失可以降低65%，庫存不足減少20%至50%。
機器學(xué)習(xí)的應(yīng)用有利于實現(xiàn)高性能研發(fā)項目。預(yù)計研發(fā)成本將降低10%至15%，上市時間縮減10%。
業(yè)務(wù)功能自動化將改善業(yè)務(wù)流程的質(zhì)量并提高效率。自動化率達到30%是可行的。以IT服務(wù)臺為例，自動化率可達到90%。
通過麥肯錫的AI洞察和對成功案例的觀察，為企業(yè)解決AI挑戰(zhàn)提供了五個有效的建議。
掌握AI的功能，優(yōu)先使用案例，不要忽視經(jīng)濟學(xué)。沒有商業(yè)案例就沒有創(chuàng)新。
在內(nèi)部開發(fā)核心分析能力，同時利用第三方資源，尤其是考慮到受過訓(xùn)練的人員很少。
在可能的情況下，存儲細粒度的數(shù)據(jù)，并扁平化或非結(jié)構(gòu)化可用數(shù)據(jù)，這是創(chuàng)造價值的燃料。
利用專業(yè)知識來提升AI引擎，專業(yè)技術(shù)是推動AI充分發(fā)揮潛力的推動者。
通過導(dǎo)航、測試和模擬逐步而快速地采用AI。AI轉(zhuǎn)型不需要大量的前期投資，但靈活性是成功的先決條件。
除了決定將AI部署在哪里，以及如何部署外，人機合作的開放的企業(yè)文化對于充分發(fā)揮人工智能的作用至關(guān)重要。信任是成功的人機合作的關(guān)鍵。雖然人類需要一些時間來適應(yīng)人工智能。早期采用不僅有助于快速實現(xiàn)AI的潛力，而且有助于加快企業(yè)實現(xiàn)全面人工智能。（來源：麥肯錫咨詢公司 編選：中國電子商務(wù)研究中心）
