現今所知的人工智能可以提高效率、提高靈活度、縮短流程與自我優化。對事業團隊來說，更可透過使用人工智能開發和生產，擴增事業智能，針對特定客戶，量身打造創新產品、擴充銷售額、並以更短的週期交付這些成品。

為了瞭解人工智能擴增事業智能的可能性，波士頓顧問集團 (The Boston Consulting Group) 針對人工智能的預期以及人工智能的實際採用狀況，進行調查。

透過對全球以製造為主的公司的高階主管進行訪談研究，發現製造商通常期望人工智能可以成為提高產出能力的關鍵，但在實際應用與預期上卻存在不小落差，很大程度上是因為許多公司缺乏人工智能的四個關鍵推動要素：策略 (必須包含實際執行步驟)、實施時相應的組織治理模式、相關的員工能力、以及得以支援的資訊科技基礎建設。

哪些國家/公司 大幅運用人工智能?

調查顯示，運輸和物流、汽車製造和科技公司是應用人工智能的先鋒，而專注於製程的公司 (例如化學品製作) 則落後。與日本、法國和德國等國家的公司相比，美國、中國和印度的公司在採用人工智能方面取得領先優勢。

雖然新興國家的製造商往往對人工智能帶來的好處充滿樂觀，但許多長久發展工業化的國家 (如德國) 的公司反而都持較為保守的態度。若以地理區域作為區分，德國公司在製定人工智能採用的計劃方面較為落後，而且短時間內不會有太大的轉移。調查結果發現，如果要大膽實踐人工智能，製造商必須大力加強所有必要的實際作為，單單僅靠發展相關科技不會實現人工智能，而是必須在組織層面執行所有必要的推動因素。

人工智能的運用層面

那麼，人工智能是如何協助改善營運、擴增事業團隊的智能？

許多基礎的人工智能在操作中都是運用機器學習 — 一系列用於挖掘數據和數據科學的演算法。這些演算法不是遵循固定的預設規則或指令，而是透過分析數據、透過學習產生洞察能力，以訓練預測模型進行更多預測。實際通常應用於如下領域：

1. 機器視覺辨識：透過視覺、X光或雷射訊號感知生產環境，例如使用攝影機對零件和產品進行分類。
2. 語音識識：處理語音和其他聲音訊號，例如使用類似於Alexa或Siri的虛擬助理處理來自操作者的指令。
3. 自然語言處理：分析處理文句並解釋其最可能的含義，例如從不同的成果報告中建立摘要。
4. 訊息處理：從非結構化的文件中提取知識並檢索查詢答案，例如透過搜索產出生產相關的文字報告。
5. 從數據中學習：透過累積的產品相關數據預測或進行分類，例如使用機器和製程的歷史數據來預測生產上可能發生的問題。
6.規劃與探索：選擇一連串能最大化指定目標的行動，例如使用能自動引導的載具去識別出最佳的下一步動作。
7. 語音生成：透過書面文字或聲音語言與人交流，例如大聲朗讀說明書。
8. 處理和控制：物理操縱物件，例如使機器人能夠從庫存區中挑選未分類的組件，而無需特殊培訓。
9. 導航和移動：透過物理環境進行操控，例如使自動引導的載具能夠在工廠內自主移動和優化行進路線。

有鑑於人工智能多元的使用範疇，多數事業團隊的受訪者都希望人工智能從頭到尾改變價值鏈中的流程，包括工程、採購、供應鏈管理、工業生產、行銷、銷售和客戶服務。在最近的一項研究中，工業型公司的管理人員都將營運列為可能受人工智能影響最大的區塊。

(……待續)