如如何推动工智能战 _ 汤姆 · 王尔德 I101 _ 王尔德

核心观点与关键数据

• 非结构化数据占比高且价值未释放：85%的企业数据为非结构化，但98%无法使用，导致企业价值受限。IndicoData平台通过AI技术释放这些数据，实现自动化和深入分析。
• 数字化潜力巨大：30-40%的企业费用与少数关键流程相关，这些流程中多数可数字化，通过快速数字化可提升整体费用比率1-4个百分点。
• 传统方法局限性：传统RPA、OCR等技术处理非结构化数据昂贵且易碎，基于规则的方法难以应对高变异性，而AI/深度学习方法能从例子中学习，更有效。
• 企业目标与角色：企业需利用非结构化数据改进业务、降低成本等，涉及技术建设者、企业买家、平台买家等不同角色，需关注应用经验、API集成、用例广度等。

案例研究与应用

• 保险行业：通过处理索赔、发票等非结构化文件，实现成本降低（每项索赔成本降低）、效率提升（任务时间减少）。
• 房地产行业：处理5000万份头衔和事迹文件，通过AI模型提取200个数据点，实现40%任务时间减少和每年500万美元节省。
• 其他行业：涵盖金融、租赁、贸易订单、客户合同等，通过AI技术实现自动化和效率提升。

技术与成功要素

• AI成功关键组件：最高准确度、最大ROI，通过迁移学习、多模态融合、机器教学等技术实现。
• AI治理与可解释性：关注AI治理、可解释性、Metrics分析等，确保技术有效应用。
• 项目成功定义：明确ROI标准，关注时间节省、知识型员工效率提升，从最终目标倒推流程和组织变更。