通过人工智能、人类和机器满足客户

虽然自动化很重要,但企业也应该考虑在人工智能、人类和机器之间建立强有力的交互,以创建一个更灵活、响应能力更强的组织。

布莱恩·欧文埃森哲
布莱恩·欧文埃森哲

工业制造商将完全自动化业务作为最终目标,这可能会限制他们的增长潜力。打造人工智能(AI)、人类和机器之间的强大互动,以创建一个更灵活、对快速变化的市场反应更迅速的组织,可能是一个更好的选择。

在当今的工业市场上,受不断创新、个性化的数字产品和服务需求的驱动,仅应用自动化将不足以维持成功。人类的投入和创造力仍然是创新的燃料,最大化人工智能对于在数字时代获得竞争优势将变得越来越重要。使用这种方法的公司在业绩方面远远超过了许多同行。

一家大型工业集团正在使用人工智能加强其发电厂的维护过程,以分析和预测设备的寿命,如果不进行维修。一家领先的汽车制造商正在其自动驾驶汽车项目中把人与机器配对,以解决驾驶汽车的许多挑战——从设计最佳路线到保证乘客安全。这项重要的工作也有助于创造一个全新的市场。

然而,尽管有这些例子,许多公司仍然对人工智能的能力持有狭隘的观点。埃森哲(Accenture)与1000多名业务流程专业人士共同进行的一项研究,旨在帮助开发针对客户需求的洞察力新报告在新书中,人类+机器:人工智能时代的重构工作调查显示,只有9%的受访公司在挖掘人工智能的全部价值。此外,只有39%的人在最大限度地发挥人和机器之间的协作潜力,以提高性能、工作满意度和保留率。在一个只会变得更具挑战性的商业环境中,不采用这种方法的公司应该认真考虑它。

改造成功

三个关键要素定义了开发有效的人工智能、人类和机器商业模式的蓝图。它们包括:

  1. 重新考虑业务流程当前位置最大限度地发挥人工智能的力量,部分需要重新设计组织的业务和运营流程。人工智能机器学习算法和实时数据的使用,可以将当前系统转变为自适应、自优化的流程,产生持续改进,不那么确定性,更能响应当今破坏性的商业环境。机器作为变革推动者的能力也将开启人类和机器合作的新角色和新方式。这种方法在领先企业中越来越普遍,人工智能应用于整个企业的多个流程。
  2. 最大化数据使用:对于响应性、自我适应性和自我优化的过程来说,驱动这些过程的关键是数据。同样重要的是利用组织在常规业务活动中收集但通常不使用的信息。这就是所谓的“黑暗数据”(dark data),采用机器学习的重新发明流程可以发现这些数据中的隐藏价值,使企业能够通过未使用的信息找到解决方案,做出更好的决策,并提供新的产品和服务。82%的受访者表示,机器学习过程帮助他们通过以前无法利用的黑暗数据解决未解决的问题。
  3. 优化人为因素:人工智能的成功与人力投资密不可分。在当今的数字世界,通过对员工进行再培训,最大化他们的创造性技能和判断力,作为与机器互动的一部分,充分释放员工的潜力,将对组织有利。

例如,工人能够对机器实时发现的机会和情况迅速采取行动,无论是销售线索还是维护问题,都能在自我改变、数据驱动的过程中发挥不可或缺的作用,有助于提高业绩和增长。它们对于评估改进操作和安全的需要也至关重要。

决定未来

工业企业面临着一个选择的窗口——是追求全面自动化,还是提升人工智能、人与机器的关系。在一个高速变化的工业市场中,客户对更加个性化的数字产品有着不断变化的期望,这表明后者可能更适合持续成功。

> >布莱恩•欧文brian.irwin@accenture.com现任埃森哲北美汽车和工业及产品行业X.0咨询董事总经理。保罗·r·多尔蒂paul.r.daugherty@accenture.com的首席技术和创新官埃森哲咨询公司

本文中的公司
更多的在家里