利用 AI 创造投资回报：AI 制胜的六项关键能力

AI制胜的六项关键能力 IBM如何提供帮助 企业可以利用IBM深厚的行业、职能和技术专业能力，丰富的企业级技术解决方案以及基于科学的研究创新来释放AI、分析和数据的潜能。 如需了解关于IBM Consulting提供的AI服务的更多信息，请访问ibm.com/services/artificial-intelligence 如需了解关于IBM Software提供的AI解决方案的更多信息，请访问ibm.com/Watson 如需了解关于IBM Research®提供的AI创新的更多信息，请访问research.ibm.com/artificial-intelligence 摘要 成熟的能力让AI项目脱颖而出，实现尽可能高的投资回报率。 大多数AI项目盈利能力不足。 随着AI的日益成熟，企业级AI项目的平均投资回报率仅为5.9%，远低于10%的平均资本成本。 数据至关重要，但只是其中一环。 大规模可信、高质量的数据推动AI项目的投资回报率提高多达9%。 企业可利用正确的方法构筑AI高地。 拥有六项成熟能力的领先企业表示AI项目的平均投资回报率为13%。 AI成为万众瞩目的焦点 人工智能再次跃升为广受关注的热点。 AI项目的投资回报率能否达到预期？ 生成式AI在商业领域掀起了一股风暴，从OpenAI的ChatGPT、百度的ERNIE、谷歌的LaMDA到Facebook的LLaMA，各大科技公司纷纷推出自己的大语言模型(LLM)。企业高管们也难免受到这股浪潮的影响。2023年初，企业财报电话会议上提及AI的次数同比增长了77%。1 资金也闻风而动。AI正成为IT预算中越来越大的一部分。今年，全球以AI为中心的系统支出预计将达到1540亿美元，比2022年增长27%。2 但企业会明智地使用这些资源吗？随着AI模型变得更加快速、智能和可靠，组织正纷纷加大投资力度。AI项目的投资回报率(ROI)能否达到预期？ 答案是：可以达到预期，但前提是组织要采取严格的方法。为了探寻这一结论，我们调查了全球16个主要地区的34个商业和技术职位的2,500名高管。我们询问受访者如何拆解其企业当今在AI领域的投资，所实现的实际投资回报率，以及需要哪些要素来提高效率。然后，我们与牛津经济研究院合作，分析了最成功的AI项目与哪些关键业务和技术能力有关。（请参阅第31页的“调研和分析方法”。） 具备成熟AI能力的企业可以利用AI创造利润，而不仅仅是获得媒体关注。 我们的研究结果表明，AI项目的成果之间存在巨大的差距。只有少数项目能够实现符合股东期望的财务效益。事实上，企业 级A I项目的平均投 资回报率仅 为5.9%，远低于10%的平均资本成本。然而，随着AI成熟度的不断增加，投资回报率会出现明显的改善。事实上，领先企业实现了13%这一令人羡慕的投资回报率水平（见图1）。 图1 脱颖而出 领先企业实现了超过资本成本的AI投资回报率。 那么，这些领先企业有哪些独到之处？各种不同行业的领导者可以从领先企业的成功中学习到哪些经验？请继续阅读本报告，了解： –为什么临时AI项目的价值低于战略AI项目； –可信数据的影响和“AI-数据”共生的良性循环； –定义和赋能顶级组织的六项关键能力。 要充分释放AI的潜力，就需要在可靠的信任基础上建立一个成熟的AI组织。采取正确举措的企业正在创造巨大的业务价值，而不仅仅是获得媒体关注。 超越机会主义AI 随着组织明确AI部署的场景和方式，“大胆押注”就会转化为更大的效益。 过去十年来，许多组织一直在押注AI，但学习曲线非常陡峭。3 一些组织被AI技术的“惊人能力”所吸引，却忘记了保持AI项目与战略相一致。另一些组织则将AI视为一把锤子，并将所有业务问题都视为钉子。几乎所有组织都在努力将其实施规模扩展到实验、概念验证和试点之外。 但 好消息是，根据IBM商业价值研究院的分析，许多组织已经开始取得进展。AI部署实现了比以往更大的成功。2021年，54%的的受访高管表示其组织正在有效利用AI，这一比例相比2020年的25%增长了一倍多。受访高管还预计，到2024年，AI投资占IT支出的比例将增长至6.5%。 总体而言，2020年以来，AI项目的投资回报率保持稳步上升趋势。企业级AI项目的平均投资回报率已从2020年初的略高于1%增长到2021年底的近6%。4这可能是由于在全球疫情的推动下，许多组织纷纷大力投资发展各种AI赋能型解决方案，以加速远程办公、改善用户体验以及降低成本。 为了衡量AI项目投资回报率是否跟上了这一趋势，我们于2023年4月和5月再次针对350多名高管开展了一项调研。我们发现AI项目投资回报率继续沿着预期的增长趋势上行，预计到2022年将达到8.3%（见图2）。5 从本质上讲，AI正在遵循变革性技术的典型“J曲线”模式。6大规模采用新兴技术需要重塑业务模式、工作流、技能以及业务的许多其他方面。在前期，团队需要克服各种问题和挑战，回报往往会停滞不前。不过，随着能力的成熟，回报率会迅速增长。在这种环境下，企业需要制定战略计划来持续扩大AI的影响力。 尽管如此，AI项目的投资回报仍然低于资本成本，大多数行业的资本成本通常为10%。总体而言，根据IBM商业价值研究院的调研，只有不到四分之一的组织表示其AI项目的投资回报率高于10%。 图2 回报率持续上升 从2020年到2022年，AI项目的投资回报率增长了6倍以上。 根据IBM商业价值研究院的分析，随着AI成熟度的不断增长，投资回报率将持续改善（见图3）。大多数追求临时和/或机会主义AI项目的普通企业处于明显落后的位置。2021年，一些企业有意识地将AI嵌入产品、服务、业务部门和职能，并实现了超过7%的投资回报率。随着成熟度的进一步增长，AI部署成为战略业务转型的一部分，投资回报率进一步改善，达到8%。 随着组织明确AI部署的场景和方式，“大胆押注”就会转化为更大的效益。曲线顶部是一组取得最佳绩效的组织，实现了13%的平均投资回报率。通过采取稳健、平衡的方法来运用AI，包括建立数据和分析技能、发展多学科方法、创建多元化团队以及通过AI卓越中心(CoE)来培训团队，这些组织已经在内部建立起了全方位的能力。 图3 以AI为中心的战略提高投资回报率 确保AI与企业优先要务相一致可以实现比临时项目更高的投资回报率。 观点 从Alphabet到沃尔玛：成为以AI为核心的企业 传统企业就像是工业时代的城市，内部遍布纵横交错的小巷，而不是四通八达的大道。由于受到历经百年的基础设施的制约，传统企业在现代化方面始终面临着长期的挑战。 以AI为核心的企业则是从一张白纸开始，领导者可以运用更大的创造力和灵活性，并将新兴技术置于业务模式的核心位置。在IBM商业价值研究院最近发布的一份报告中，Avis Budget Group首席数字官Ravi Simhambhatla说道，“我还没有遇到数字原生企业说，‘我要创新。’我只听到传统企业会这样说，因为它们正在尝试摆脱困境。对于数字原生企业来说，一切都是关于自我颠覆。”7 Alphabet、Netflix、亚马逊和Meta等数字原生企业都是以AI为核心的高增长企业，它们已经从AI投资中获得了巨额回报。8不过，一些传统品牌也利用AI实现了高速发展。例如，沃尔玛运用AI来匹配库存与不断变化的客户需求。该公司利用客户和购物趋势数据来预测哪些地区的消费者会在哪些时间需要特定产品。这样一来，沃尔玛就可以在每个仓库储存适当的商品，从而简化物流并保证快速交货，即使在购物旺季也是如此。9 这种能力并非一夜之间养成，而是依托于负责任的数据收集与整理流程、灵活算法的开发以及整体技术方法。总的来说，这些举措共同为沃尔玛提供了基于AI的可信见解。 几十年来，沃尔玛一直在数据和分析领域处于领先地位，因此也深知要让AI充分发挥潜力，度量和优化必不可少。通过跟踪期望成果和诊断挑战，该公司能够从AI中发掘更多价值，并构建可适用于许多当前和未来业务应用的可扩展能力。 沃尔玛的成功表明，尽管传统企业无法成为数字原生企业，但可以通过转型来模仿数字原生企业的敏捷性。未来，那些集中资源发展关键领域（将AI嵌入核心业务）的企业将比过度分散资源的企业实现更好的成效。 数据和AI：形成良性循环 打造领先的AI组织，首先要考虑的一个因素是—组织应当如何选择、收集、管理和使用其数据。作为一项丰富但难以捉摸的资源，数据要么成就AI，要么阻碍AI。 数据可以将平均AI投资回报率与领先AI投资回报率之间的差距缩小一半。 数据就像是数字世界中的石油—一种提取成本高昂、难以处理的宝贵资源。低质量的数据会污染整个生态系统。但如果以负责任的方式加以使用，数据将价值连城。 这是因为具有可靠性、代表性、共识性的数据是建立可信AI的基石。人们不会使用自己不信任的AI解决方案，而更注重AI伦理的组织则表示客户和员工对其更加信任。10 数据还有助于缩小投资回报率差距。尽管拥有巨量“数据财富”的企业尚不具备全面领先的综合实力，但它们拥有大量高质量的数据，能够有效用数据创造价值。不仅如此，此类企业还表示其数据得到了内部和外部利益相关者的充分信任。根据IBM商业价值研究院的分析，丰富的高质量数据有助于企业实现高于平均水平的投资回报率，并改善AI项目的成效（见图4）。 图4 数据差异化因素 采用更全面数据实践的企业可以实现更好的业务成效。 观点 像数字原生企业一样实现颠覆 Lyft通过数据驱动流程优化业务决策并重新定义客户体验，从而颠覆了交通运输行业。该公司利用技术来挖掘未满足的市场需求，在运营第一年就取得了超过10亿美元的营收。到2022年底，该公司的营收已突破40亿美元。11 实际上，领先组织所实现的投资回报率中有一半归因于高质量、高价值且可信的数据。也就是说，仅靠数据还不足以充分发挥AI的潜力。数据质量、数量、稳健性、价值和信任都非常重要，但企业利用数据的方式对投资回报率的累积影响要远大于其拥有的数据本身。 当今的高绩效型首席数据官(CDO)专注于从其组织的数据中发掘价值。在IBM商业价值研究院针对数据领导者的最新调研中，占比仅8%的“价值创造型CDO”用较少的支出创造了更大的价值。14其中一项关键因素是他们如何 利用A I来改 进数 据：四分之三的“价 值创造 型CDO”表示，将AI应用于数据有助于他们更快做出更明智的业务决策。 Lyft专注于实时满足客户需求，利用机器学习模型每天做出数亿项决策，包括优化乘车价格、匹配乘客与司机以及预测到达时间。12 要大规模利用机器学习进行实时推断，就需要海量的数据和计算资源，优化的流程，以及一支才华横溢的数据科学家、工程师和A I专家团队。Ly f t拥有大量的信息：2022年第四季度的活跃乘客数量为2030万，每年的乘车行程达数亿次。13这一海量数据可支持做出实时业务决策，从而降低成本、优化资源以及简化客户出行体验。 因此，企业可以利用数据来改进AI，而AI也有助于企业更好地利用数据，从而形成一种良性循环。汉莎航空集团跨域解决方案高级总监Mirco Bharpalania在谈到AI时这样说道，“AI为汉莎航空打开了数据宝库的‘大门’，这是我们至关重要的一项能力。”15 AI制胜的六项关键能力 哪些因素让领先组织能够通过AI投资实现卓越的投资回报率？组织又如何利用高质量、可信的数据来释放财务和业务价值？ 为了探寻这些问题的答案，我们仔细分析了这期研究的结果，从中寻找模式、见解和适用的现实经验。我们发现，实现卓越AI成效的组织从整体和全局出发，围绕信任这一核心建立了以下六个关键领域的能力（见图5）： –前景与战略–AI运营模式–AI工程与运维–数据和技术–人才与技能–文化和采用 图5 成为卓越企业 AI投资回报率最高的企业以信任为核心，建立了六项成熟的关键能力 图6 战略至上 #1愿景和战略 使用AI推进战略的企业