科技棱鏡涵蓋 100 個(gè)獨(dú)立技術(shù)趨勢(shì)。為了幫助讀者深入理解這些趨勢(shì)，Thoughtworks分五個(gè)“視角”來(lái)進(jìn)行分析。這些視角將幫助讀者重點(diǎn)了解各個(gè)發(fā)展趨勢(shì)對(duì)貴企業(yè)意味著什么，以及需要如何做好準(zhǔn)備。這些視角可以單獨(dú)使用，也可以相互結(jié)合以形成更廣闊的視角，開(kāi)辟全新的調(diào)查途徑和思路。

本報(bào)告重點(diǎn)介紹了通過(guò)不同視角能夠發(fā)現(xiàn)的各種機(jī)會(huì)，以及可用于衡量新趨勢(shì)發(fā)展速度的預(yù)兆信號(hào)。報(bào)告將從以下兩個(gè)方面分析這 100 個(gè)趨勢(shì)：時(shí)間范圍，以及建議的應(yīng)對(duì)策略，即采納、分析或預(yù)測(cè)。希望本報(bào)告能幫助讀者識(shí)別在當(dāng)下和未來(lái)影響貴企業(yè)的最重要趨勢(shì)。

以下是報(bào)告全文之視角一：與人工智能合作

機(jī)器學(xué)習(xí) (ML) 和人工智能 (AI) 仍備受各行各業(yè)青睞。從日常操作流程的自動(dòng)化，到強(qiáng)化戰(zhàn)略決策，我們看到很多案例都在加速采用這兩種技術(shù)。通過(guò)更好地理解人類和機(jī)器各自的優(yōu)勢(shì)與局限性，企業(yè)可以在員工和人工智能之間建立平衡且高效的合作關(guān)系，在留意潛在道德影響的同時(shí)，從新興技術(shù)中獲得最大價(jià)值。

科技棱鏡趨勢(shì)分析

要真正與 AI 合作，我們不能將其視為解決所有企業(yè)問(wèn)題的工具。相反，我們必須了解它在哪些方面表現(xiàn)出色，在哪些方面需要借助人力來(lái)發(fā)揮其潛力，以及在哪些方面不見(jiàn)成效。

一些企業(yè)問(wèn)題完全可通過(guò)應(yīng)用 AI 自動(dòng)化處理或決策，例如那些需要利用歷史數(shù)據(jù)或快速數(shù)據(jù)閉環(huán)的問(wèn)題。然而，對(duì)于其他問(wèn)題，尤其是那些需要?jiǎng)?chuàng)造力、直覺(jué)和較慢的戰(zhàn)略反饋循環(huán)的問(wèn)題，AI 的角色最好被用于增強(qiáng)人類的才能。

AI 支持的技術(shù)日益普及，觸及我們生活的更多領(lǐng)域，我們需要從道德角度考慮其影響。這推動(dòng)了各種研究與工具支持可解釋的人工智能（XAI）和更穩(wěn)健的治理流程，包括自動(dòng)化合規(guī)。

相關(guān)預(yù)兆信號(hào)包括：

? 對(duì) AI 研究和應(yīng)用的投資持續(xù)激增。研究公司 IDC 估計(jì)，到 2024 年，全球 AI 市場(chǎng)有望突破 5000 億美元。

? 就業(yè)市場(chǎng)對(duì) ML、AI 和數(shù)據(jù)專家的需求持續(xù)高漲。根據(jù)領(lǐng)英的數(shù)據(jù)，AI 專家是 2020 年增長(zhǎng)最快的工作類別，而 Glassdoor 則將數(shù)據(jù)科學(xué)家列為 2021 年美國(guó)第二大最佳職業(yè)。

? ML/AI 初創(chuàng)企業(yè)、專業(yè)產(chǎn)品、IPO 和收購(gòu)的增長(zhǎng)速度加快。2021 年 10 月，英國(guó)公司 Exscientia 在納斯達(dá)克上市，估值 30 億美元。Exscientia 開(kāi)世界之先河，將三種 AI 設(shè)計(jì)的藥物投入第一階段的人體測(cè)試。

? 現(xiàn)有工作和角色正在發(fā)生變化。世界經(jīng)濟(jì)論壇估計(jì)，到 2025 年，由于人類和機(jī)器之間勞動(dòng)分工的轉(zhuǎn)變，8500 萬(wàn)個(gè)工作崗位將被機(jī)器取代，同時(shí)可能出現(xiàn) 9700 萬(wàn)個(gè)新的工作角色。

? 對(duì)于 AI 產(chǎn)生意外后果的情況，公眾的認(rèn)識(shí)日益提高。例如，由于隱私問(wèn)題，面部識(shí)別技術(shù)一再被媒體詬病，而且有人發(fā)現(xiàn) Twitter 的圖像裁剪 AI 中也存在種族偏見(jiàn)。盡管如此，人們擔(dān)心未來(lái)十年內(nèi)依然難以建立AI 設(shè)計(jì)的倫理規(guī)范。

機(jī)會(huì)

大多數(shù)企業(yè)都明白，通過(guò)將重復(fù)而單調(diào)的數(shù)據(jù)處理任務(wù)自動(dòng)化能夠提高員工的生產(chǎn)力。這可以從根本上改變甚至消除某些工作，但也會(huì)創(chuàng)造新的工作崗位，促使人們轉(zhuǎn)向需要判斷力和創(chuàng)造力的高價(jià)值活動(dòng)?？梢允芤嬗谧詣?dòng)化的領(lǐng)域主要包括動(dòng)態(tài)定價(jià)、推薦系統(tǒng)、異常檢測(cè)和供應(yīng)鏈優(yōu)化。

在其他情況下，通過(guò)人類和機(jī)器在角色上結(jié)合或互補(bǔ)，AI/ML 的增強(qiáng)也將使人類的工作受益。這種情況主要用于解決需要?jiǎng)?chuàng)造力、直覺(jué)、經(jīng)驗(yàn)和整體思維的問(wèn)題。其中涉及一些重要的戰(zhàn)略決策，例如“我們接下來(lái)應(yīng)該銷售哪款產(chǎn)品？”或“我們?nèi)绾螌?shí)現(xiàn)凈零排放？”這類決策并不需要頻繁進(jìn)行，但可受益于機(jī)器輔助模擬和探究不同結(jié)果，甚至產(chǎn)生創(chuàng)意供人類評(píng)估。這方面的例子包括人工智能先行（AI-first）的藥物或產(chǎn)品開(kāi)發(fā)，以及用于規(guī)劃氣候變化等復(fù)雜場(chǎng)景的動(dòng)態(tài)模擬。

所有這些應(yīng)用都展示了 AI 如何在整個(gè)組織中創(chuàng)造價(jià)值：即改善內(nèi)部運(yùn)作、提供更優(yōu)商業(yè)決策，以及所有能夠促進(jìn)產(chǎn)品創(chuàng)新和提升客戶體驗(yàn)的方式。

我們所看到的當(dāng)前形勢(shì)

Forenom 是一家快速發(fā)展的服務(wù)式公寓提供商，在斯堪的納維亞所有主要城市提供數(shù)千間客房。每年服務(wù)逾20 萬(wàn)名房客。其收入管理團(tuán)隊(duì)不得不耗費(fèi)大量時(shí)間，來(lái)更新舊系統(tǒng)中的價(jià)格。為提高運(yùn)營(yíng)效率，最大限度地提高單間客房收入，我們用在線強(qiáng)化學(xué)習(xí)模型取代了舊的定價(jià)系統(tǒng)以實(shí)現(xiàn)動(dòng)態(tài)的定價(jià)策略。此 AI 解決方案帶來(lái)了 13% 的收入增長(zhǎng)，并證明了運(yùn)營(yíng)決策自動(dòng)化可帶來(lái)顯著的業(yè)務(wù)成果。

我們還看到了利用計(jì)算創(chuàng)造力進(jìn)行產(chǎn)品研發(fā)，成功與 AI 合作的一個(gè)案例。我們與瑞典釀酒廠 Mackmyra 合作，利用機(jī)器學(xué)習(xí)創(chuàng)造了數(shù)百種不同的配方，供人類調(diào)酒師選擇投產(chǎn)，最終推出了首款由 AI 創(chuàng)造的威士忌Intelligens。這并非為了取代人類調(diào)酒師，而是為了助力他們探索一切可能。此款威士忌由 AI 提出創(chuàng)意，但由人工負(fù)責(zé)決策。Intelligens 獲得了眾多獎(jiǎng)項(xiàng)，包括“美國(guó)蒸餾協(xié)會(huì)金獎(jiǎng)”、“國(guó)際最佳麥芽威士忌”，以及享譽(yù)世界的“ADC 產(chǎn)品設(shè)計(jì)銀立方獎(jiǎng)”。

值得關(guān)注的趨勢(shì)

采納：當(dāng)前存在的技術(shù)，正在業(yè)界得到充分利用。

——運(yùn)營(yíng)化 AI：在許多企業(yè)，AI 和 ML 的普及正在從試驗(yàn)轉(zhuǎn)為生產(chǎn)環(huán)境，并與客戶的距離越來(lái)越近。除了培養(yǎng)訓(xùn)練、部署和監(jiān)控機(jī)器學(xué)習(xí)系統(tǒng)（如機(jī)器學(xué)習(xí)的持續(xù)交付）的技術(shù)能力外，還需要考慮一些流程和運(yùn)營(yíng)問(wèn)題。首先，部署 AI 和 ML 的治理過(guò)程需要考慮審計(jì)、可解釋性、倫理、偏見(jiàn)和公平問(wèn)題。其次，一旦 AI 和 ML 解決方案發(fā)布，業(yè)務(wù)部門要有意愿去接受 AI 并且做好了準(zhǔn)備去使用 AI 解決方案，這可能需要進(jìn)行變革管理——特別是當(dāng)一些崗位受到影響時(shí)。

分析：受到關(guān)注的技術(shù)，但依賴不同行業(yè)和應(yīng)用場(chǎng)景。

——在線機(jī)器學(xué)習(xí)：機(jī)器學(xué)習(xí)模型通常采用不會(huì)隨著時(shí)間演變的靜態(tài)數(shù)據(jù)集，以離線批處理活動(dòng)的形式進(jìn)行訓(xùn)練。當(dāng)數(shù)據(jù)本身快速變化時(shí)，則更需要增加模型再訓(xùn)練的頻率。借助在線機(jī)器學(xué)習(xí)技術(shù)，各種解決方案能夠基于源源不斷的數(shù)據(jù)進(jìn)行持續(xù)學(xué)習(xí)。強(qiáng)化學(xué)習(xí)就是此類技術(shù)的一個(gè)例子，它較少依賴于歷史數(shù)據(jù)，目前已應(yīng)用于內(nèi)容布局、個(gè)性化和動(dòng)態(tài)定價(jià)等領(lǐng)域。

預(yù)測(cè)：成熟度欠缺的技術(shù)，可能在未來(lái)幾年產(chǎn)生重大影響。

——機(jī)器學(xué)習(xí)的因果推斷：許多機(jī)器學(xué)習(xí)技術(shù)通過(guò)尋找變量之間的相關(guān)性，使用統(tǒng)計(jì)方法來(lái)進(jìn)行學(xué)習(xí)。當(dāng)推理數(shù)據(jù)與訓(xùn)練數(shù)據(jù)相差無(wú)幾時(shí)，這種方法效果顯著。然而，相關(guān)性并不等同于因果關(guān)系。因果推理研究的是在輸入數(shù)據(jù)和結(jié)果之間得出因果關(guān)系的技術(shù)。如果機(jī)器學(xué)習(xí)模型能夠?qū)W習(xí)因果關(guān)系，就會(huì)變得更加普遍適用，并且用更少的訓(xùn)練數(shù)據(jù)就能表現(xiàn)很好。我們開(kāi)始看到，有研究試圖將因果推理導(dǎo)向型機(jī)器學(xué)習(xí)應(yīng)用于現(xiàn)實(shí)問(wèn)題，尤其是在醫(yī)療診斷的場(chǎng)景中。

對(duì)采納者的建議

了解何時(shí)使用自動(dòng)化與增強(qiáng)功能。AI 和 ML 可以完全實(shí)現(xiàn)某些流程或職責(zé)工作的自動(dòng)化，而對(duì)于有些流程或職責(zé)工作，AI和ML可以輔助人類做出更好的決策，了解其中的差異至關(guān)重要。

采用綜合措施實(shí)現(xiàn)運(yùn)營(yíng)化AI 的試驗(yàn)。要部署 AI/ML 解決方案，就需要考慮企業(yè)所需執(zhí)行的采用準(zhǔn)備和變更管理，并構(gòu)建強(qiáng)大的技術(shù)和治理流程。

考慮 AI/ML 的倫理影響，自始至終認(rèn)真履行職責(zé)。AI 和 ML 正在擴(kuò)展到復(fù)雜和敏感的領(lǐng)域，如融資、量刑和醫(yī)療診斷，這類決策的影響可能會(huì)產(chǎn)生意想不到的后果。盡早考慮所有潛在的影響，發(fā)現(xiàn)并評(píng)估各種問(wèn)題，以免為時(shí)已晚。

讓員工為角色變化做好準(zhǔn)備。AI 可能影響到員工的工作，不要低估為這類員工提供支持和賦能所需進(jìn)行的努力。自動(dòng)化可以使員工騰出手來(lái)執(zhí)行更高層次的任務(wù)，而 AI/ML 增強(qiáng)功能可助力他們提高工作效率。制定清晰的過(guò)渡和職業(yè)發(fā)展計(jì)劃，幫助他們成長(zhǎng)和發(fā)展。

謹(jǐn)慎選擇您的 KPI。了解您試圖使用 AI 和 ML 來(lái)實(shí)現(xiàn)的指標(biāo)；衡量當(dāng)前流程以獲取您的起始基線；并使用 KPI 來(lái)評(píng)估AI 和 ML 是否實(shí)實(shí)在在帶來(lái)了商業(yè)利益。有了適當(dāng)?shù)幕鶞?zhǔn)，即使某個(gè) AI/ML 方法不起作用，也可以嘗試不同的技術(shù)，以達(dá)到預(yù)期的結(jié)果。

投資執(zhí)行穩(wěn)健的數(shù)據(jù)治理和數(shù)據(jù)管理實(shí)踐。 AI/ML 技術(shù)仍然需要訪問(wèn)數(shù)據(jù)，如果您的數(shù)據(jù)是孤立的、難以訪問(wèn)的，那么進(jìn)展將非常艱難。考慮組織中的數(shù)據(jù)所有權(quán)情況，因?yàn)樵诂F(xiàn)有組織結(jié)構(gòu)和架構(gòu)無(wú)法鼓勵(lì)各個(gè)團(tuán)隊(duì)生成數(shù)據(jù)并共享其數(shù)據(jù)資源的情況下，往往會(huì)出現(xiàn)數(shù)據(jù)質(zhì)量問(wèn)題。

【未完待續(xù)】

xiesc