上海2021年12月21日 /美通社/ -- 從AlphaGo到AlphaFold，算法不斷迭代，智能邊界不斷拓展，短短幾年，AI（人工智能）不僅從科幻走向現實，而且在技術層面實現了跨越式地發展。然而，對于大多數組織來說，主要的挑戰在于規模化應用AI，以及如何最大化挖掘AI價值。

近日，德勤AI研究院發布報告《AI案例精選》。該報告精心篩選六大關鍵行業（消費，能源、資源及工業，金融服務，政府及公共服務，生命科學及醫療保健，科技、媒體及電信）里最引人注目、可應用的AI案例進行分析，每個案例都歸納了關鍵業務問題和機會，AI如何提供幫助以及可能的益處，這些案例或多或少隱含了未來趨勢，有望在未來產生重大影響。

德勤AI研究院聯席領導人及負責人Nitin Mittal 表示：“AI正在迅速成為競爭的必需品，但許多企業管理者仍會質疑AI實際上可以為他們的業務做什么，《AI案例精選》可以幫助企業管理者了解AI可以提供的價值，以及如何在當今和未來優先考慮對AI的投資。”

消費行業

消費行業涵蓋的業務范圍非常廣泛，包括消費品、零售、汽車、住宿、餐飲、旅游和交通。這些看似完全不同業務的共同點是：它們都將重點放在服務好消費者上，給他們以更好的用戶體驗。消費行業一直以來都在積極探索與AI相結合的各種模式，涌現出許多有價值的案例，例如AI助力交通路徑優化，AI幫助提升客戶體驗的個性化，AI賦能營銷智能化等。未來，AI在無人零售店、自動駕駛、自動穿戴建議等方面會與消費者有更密切的交互，同時也將給用戶帶來更好的體驗。

能源、資源和工業（ER&I）

與其他行業相比，AI在能源、資源和工業（ER&I）領域的應用和部署似乎不夠廣泛和成熟，挑戰主要圍繞數據。與其他許多以數據為中心的行業不同，ER&I仍然圍繞物理資產展開，其中許多資產在地理上分散，與數字網絡斷開。IoT相關技術的應用以及邊緣計算的興起正在開始填補這一數據空白。目前來看，ER&I中AI應用的重點領域是AI優化工業機器性能預測故障，利用AI+IoT來優化工業生產流程。此外，探索AI應對極端天氣和其他難以預測的事件并自動生成警報也是目前主要的方向。未來，AI在加速材料研發、供應鏈規劃，通過數字孿生優化工廠運營等方面將會迎來較大的突破。

金融服務業（FSI）

金融服務業（FSI）的大多數公司仍處于AI采用和投資的早期階段。盡管FSI領導人普遍認識到AI的重要性以及AI對業務帶來的價值，但大多數AI應用僅限于小規模試點和獨立的業務單元。在金融服務行業，AI應用重點領域是利用AI來改善客戶體驗，例如，聊天機器人、AI驅動的個性化定制金融方案等。AI的另一個迅速出現的應用領域是自動化和增強關鍵的FSI流程，如欺詐檢測、支付處理、現金對賬、信用風險分析、承保和索賠管理。其中一些過程是高度重復和勞動密集型的，這使得它們成為AI智能化的首選。從長遠來看，AI扎根金融服務行業扎根的重要趨勢是，利用AI和數據來打破部門豎井，產生跨越整個價值鏈的見解。對于大多數FSI公司來說，重要的是開始擁抱AI并將其產業化，以便AI解決方案可以在整個企業中大規模部署，發揮更大的價值。

政府和公共服務（GPS）

在政府和公共服務（GPS） 中，AI的采用和成熟度水平往往因政府機構的不同、現有基礎設施對原有系統的依賴以及工作人員的適應程度而異。國防、情報和執法機構正在普遍部署和擴展AI，積極采用計算機視覺等先進技術，利用圖像識別，分析發現可疑活動和參與者。另一個共同的趨勢是越來越多地使用機器人流程自動化來減少雇員的工作量。同時，新冠疫情所催化的AI在賦能公共健康與環境預測方面正發揮著巨大的價值。未來，利用AI技術更快、更準確地檢測潛在的安全威脅，維護城市基礎設施方面仍有巨大潛力，讓城市運行更加平穩、安全、高效。

生命科學與健康管理（LSHC）

迄今為止，生命科學和醫療保?。↙SHC）領域的大多數組織只觸及了AI潛力的皮毛。他們主要使用AI來自動執行重復性任務和標準業務流程。例如利用自然語言理解技術解讀病例，實現自動化的臨床試驗數據管理，AI智能導診、AI輔助閱片等。然而，AI如何更好地與生命科學結合，現在被廣泛認為是這一領域的戰略性議題。特別是，AI在加速藥物開發周期，幫助研究人員識別和驗證基因靶點，并設計新的化合物方面有巨大價值空間。

技術、媒體和電信（TMT）

在該領域，AI的采用和成熟度因行業而異。AI技術已經廣泛應用于面向客戶的活動，例如虛擬語音助手、AI翻譯等。未來幾年可能會普遍發生的是使用AI進行預測分析，這可以將電信公司的大量客戶數據轉化為有價值的見解，從而進一步促進獲取更多的數據。在媒體領域，AI的大部分重點一直放在個性化內容的推薦上，而且這種趨勢在未來可能會增加。

縱觀六大行業的所有案例，AI毫無疑問為各行各業創造了不少的價值：

• 降低成本：應用AI和智能自動化解決方案來解決價值相對較低且經常重復的任務，從而降本增效。
• 加速執行：通過最小化延遲來減少實現運營和業務結果所需的時間。
• 降低復雜性：通過更具主動性、預測性并且能夠在日益復雜的來源中看到模式的分析，來提高理解力和決策制定。
• 改變參與模式：改變人們與技術互動的方式，使企業能夠用“以人為本”的方式與人互動，而不是強迫人們以機器的方式互動。
• 推動創新：通過使用AI來實現新產品、市場和商業模式的創新，重新定義在哪里實施以及如何取勝。
• 強化信任：保護企業免受欺詐和網絡等風險，提高質量和一致性，同時提高透明度以增強品牌信任度。

“雖然AI的采用率和成熟度因行業而異，但AI正在助推各規模的企業到達效率和績效的新水平，”德勤AI研究院聯席領導人及負責人Irfan Saif說，“當企業接受并在整個企業中大規模部署AI時，他們就有機會充分發揮AI的全部潛力?！?/p>