麦肯锡论人工智能，就业与劳动力自动化

　　机器的智能化将对商业与就业产生巨大影响。看看麦肯锡如何看待人工智能与机器学习将影响你的企业，你能做些什么。

　　对商业人士来说，人工智能代表一系列的挑战。技术层面，人工智能与机器学习正在朝向复杂化方向的发展，需要大量的数据去产生有意义的结果。从商业的角度看，很多商业领袖很难谋划人工智能的切入点，甚至不知道如何开始机器智能化。

　　更加糟糕的是，来自技术厂商的宣传给市场造成了持续不断的杂音，人们不清楚人工智能的真正可能性是什么。

　　为了减少这种噪音，我们邀请了许多世界领先的从业者分享他们的经验。

　　下面是麦肯锡全球研究所（MGI）的负责人Michael Chui和艾森豪基金，的David Bray的观点，后者同时担任联邦通讯委员会的首席技术官。

　　麦肯锡全球研究所已经发布了一系列有关人工智能，自动化以及就业的研究报告。下面就是有关工作环境自动化的分析。

　　在下面这张图里，Chui和他的团队分析了自动化会改变的行业。

　　另外一张图显示了就业岗位可能被机器替代的列表以及工资情况：

　　Michael Chui和David Bray之间的对话涵盖了企业员工和自动化，人工智能的关系，比如投资，规划，甚至伦理考量。

　　企业如何考虑投资人工智能？

　　Michael Chiu：越来越多的企业已经开始了解数据分析的潜力。高管们开始明白，数据和分析要么成为竞争的基础，要么成为客户，民众与股东需要的服务与产品。

　　虽然存在真正的技术挑战，但我们发现，真正的障碍是人这一方面。如何从有趣的实验中获得与业务相关的经验？购买算法与数据，在下一个产品中提高转换率；我们可以降低维护成本，或者提高整机的运行时间。我们可以把更多的人引入这个领域，我们可以找到更合适的人。

　　从经验中获取规模价值就是企业卡脖子的地方。如何获得经验，如何获得数据（无论是机器学习还是算法的形式），如何将模型分析纳入企业的工作实际与流程，从而改变规模运作的方式？用军事来做类比就是：如何驾驶航空母舰？货船也是如此，它们都很难转向。

　　理解人工智能，掌握正确的人才，然后大规模地改变工作实际是企业面临的挑战。理解人工智能的企业和真正要实施人工智能的企业存在巨大的差异。

　　人工智能与机器学习的接纳问题是什么？

　　David Bray：成功的真正秘诀在于改变人们在组织中所做的工作，你不能仅仅推行技术而不去改变商业流程。我见过公共服务领域的实验，他们只做实验，而没有去改变公共服务的业务规模。

　　不仅仅是需要技术，还要了解现有的流程，为什么企业需要这样做，然后清楚目标，了解自己如何成为这种变革的领导者。

　　人工智能在某些方面来说只是预测分析的延伸，这是大数据的延续，并不是新的东西，技术总是一种可能性的变革艺术。

　　有趣的是，我们可以通过人工智能来反映我们的偏见。如果我们不小心用人类数据打造出人工智能，我们知道人类是有偏见的，我们会发现人工智能，机器学习本身也是有偏见的。

　　哪些商业领域最适合人工智能？

　　Michael Chiu：我们对600名不同领域的行业专家做过调查访问。

　　第一个领域被称为“深度学习”领域，这个领域特别适合某些类型的问题，比如模型识别，通常是图像等等。

　　另外就是预测性维护。保持东西不破坏的能力； 而不是等到它打破，然后修复它，预测什么时候会破裂的能力。

　　这不仅因为降低了成本，更为重要的是，预测性维护不会造成整个流水线停工。

　　在一定程度上，这是模式匹配的一个应用。传感器检测出某些部件将破裂的型号，通知你进行预测性维护。

　　我们发现，在很多行业中，无论是发电机，建筑，HDC系统还是汽车行业，如果你能在事情发生之前做出预测，那么维护的价值就会提现出来。 这是机器学习相当强大的领域之一。

　　医疗保健是预测性维护的另一种应用，只不过换成了人力资本资产的维护。我们在病人身上安装传感器。我们可以告诉他们即将发生心脏病吗？会患上糖尿病吗？用户应该采取一些可能不那么昂贵，较少破坏身体的行动，而不是将其变成一种紧急的医疗行动，经历一个非常昂贵，痛苦和紧急的护理。

　　David Bray：让人工智能与机器学习帮助公众，我认为这会在都市中首先开始出现。

　　我们听说过智慧城市概念。您可以轻松地查看道路或电力情况，以便更好的进行预防性维护，然后进行监控以避免停电。

　　我认为人工智能与机器学习初期将在城市里面出现。