大胆行动，明智选择：AI加速时代的创新风险缓释指南

● 执行摘要 人工智能（AI）的加速正在重塑全球企业如何运营、竞争和成长 尽管人工智能带来了巨大的机遇——从提高生产效率到全新的商业模式——但它也引入了新的风险。部分原因在于实施的快慢：过慢则组织有落后的风险；过快则品牌可能遭遇失误和沉没成本。 这就是为什么流程和测量至关重要。为了达到合适的平衡，组织必须首先定义每个倡议背后的目的，并通过结构化测试和清晰的成功指标严格评估其潜在影响。 在接下来的几页中，我们概述了公司如何正确评估风险、使计划与战略目标保持一致并建立前进的信心。有了合适的框架，大胆的想法可以变成明智的赌注——带来可衡量、有意义的结果。 04 03 0102 大胆设想，小步测试，逐步优化推广第20页 关注成果，而非喧嚣07页 战略层面的创新第04页 对数据和部署要有目的性 第 11 页 05 06 构建有意义的创新管道22页 以信心加速创新第24页 战略基础创新 ● 战略上的基础创新 公司面临着创新的压力——但并非所有创新都旗鼓相当。有些举措旨在满足行业标准，另一些旨在获得竞争优势，少数则旨在重新定义市场。理解一项举措的目的——无论是保持 pace,求导或者拓荒—是创新与商业战略对齐的第一步。 为协调这些权衡,组织应根据成本、风险和价值评估每一项举措。这确保了与风险承受能力、资源分配和成长雄心的协同一致。 但仅凭目标并不能保证产生影响力。在当今的AI驱动环境下，最具影响力的举措践行了三个紧迫的使命：它们让企业更智能,更安全and更个人化这些不只是抱负——它们正迅速成为新的基准。 消费者期待直观、量身定制的数字体验。安全威胁正变得越来越复杂。而且，虽然曾经是一种差异化因素，但人工智能驱动的运营效率已成为基本要求。 这些指令是新评估创新的方法。无论是部署生成式人工智能、增强欺诈检测还是重新构想客户互动，问题都一样：它是否使业务更智能、更安全或更个性化？ 在接下来的章节中，我们将探讨企业如何在执行这些要务的同时，应用这一框架——保持同步，实现差异化，开拓创新。 这些举措的成功通常通过投资回报率（ROI）来衡量；品牌可以通过衡量对财务成果的增量影响来计算ROI。凭借更深入的了解，组织可以精准定位最高价值的机会，优化推出以实现最大回报，以及比较举措，为高管层的决策提供信息。 01 保持步调 本策略侧重于与追求类似举措的竞争对手实现均势——特别是在人工智能的采用方面。因此，这些低风险的举措通常会带来生产力的边际收益，帮助企业更智能、更快、更高效地运营。 这是一个平衡 结果通常通过员工回报率等指标来衡量，但这些指标可能难以量化。然而，市场测试工具可以通过使品牌能够在员工层面衡量运营指标的增量改进来填补空白。 03 开拓者 这是商业目标转变为做市商的地方。开创性的AI计划往往能带来突破性创新，并创造出全新的产品、服务或市场。这些努力通常风险很高，但能带来变革性的长期增长。这就是成为开拓者如何使你的业务受益： 考虑到这一框架，品牌可以为其在各个类别中的投资选择相应水平；一些组织比其他组织更愿意容忍更大胆的举措。然而，关键在于不要在某个领域过度侧重，而要确保每一项投资都有一个明确的目的，并与更广泛的企业战略保持一致。在开始时仔细分类这些举措，可以为领导者提供远见，使他们能够优先考虑正确的举措。这也能让他们迈入下一步：确保举措以结果为导向、可追踪且具有影响力。 02 求导 该类别中的AI计划旨在创造竞争优势。它们通常通过客户获取、提升客户体验、优化工作流程、商品销售、定价或促销来推动市场规模、覆盖范围、收入或盈利能力的增长——最常见的是通过这些方式实现差异化，从而使您的业务： •更智能：以自主商业为例——一家小型纺织企业现在能够使用其AI代理来处理采购、优化付款条款以及与国际供应商管理物流。从此，AI代理可以使用虚拟公司卡代币完成跨境采购，并安排具有成本效益的快速交货。 •更个性化：利用行为和上下文数据的AI驱动的个性化引擎可以推荐产品、量身定制促销活动，甚至预测客户需求——从而提高参与度和转化率。 顶级分析工具可以帮助衡量成功的早期指标，利用敏捷测试帮助新开发实现可持续增长，并为业务构建一个全面的价值故事。 关注成果，而非喧嚣 人工智能带来的机遇十分广泛，有家医疗公司最近报告称有超过1000个活跃的AI用例。1在指尖掌握着如此大的潜力，高级领导团队经常难以决定在哪里应用人工智能，以及如何在其他战略计划中确定其优先级。 早期识别KPIs 对于追求雄心勃勃计划的企业而言，起点具有迷惑性般简单：清晰定义企业希望达成的成果以及将引导你从雄心到影响力的关键绩效指标(KPI)。要想脱颖而出，组织应专注于与可衡量的商业成果相挂钩的精准计划。 然而，围绕人工智能的行业喧嚣让各组织全力以赴。这并不奇怪——人工智能已经深刻地改变了我们的工作方式，而乐观的预测层出不穷，有人预测生产力提升和沟通效率将使全球国内生产总值（GDP）在未来十年内增长7万亿美元。2但是，过于仓促行动或缺乏明确计划的后果是真实的。 运营KPIs——例如任务完成时间或减少手动输入——可以预示早期的效率提升。但为了真正评估影响，这些必须与成本节约、增量收入或投资回报率（ROI）等财务指标相结合。当与战略目标保持一致时，这些指标将AI从一项有潜力的工具转变为一个已被证明的价值驱动因素。 人工智能的魅力毋庸置疑。但无论其承诺如何，人工智能始终只是手段而非目的。没有明确的目标和相关的关键绩效指标，即使是最高端的人工智能项目也可能变成一个为寻找问题而生的解决方案。并非每个流程都能从自动化中受益，也并非每个数据集都能产生颠覆性的洞察。 在指南的早期，我们介绍了成功的AI计划如何使商业更智能、更个性化、更安全。下面我们包括了这些原则在现实世界中的实际案例，这些案例来自全球Mastercard网络。我们还概述了可用于衡量每个领域AI计划影响的说明性KPI。 虽然这些kpi没有规定性，但它们反映了在多种用例中评估成果的常用方法。实际测量策略将根据每个举措的具体目标、背景和实施方式而有所不同——包括由mastercard驱动的那些。 更智能 企业可以利用人工智能，为每一位消费者量身定制有意义的数字交互体验，无论是处理常规咨询还是提供财务建议。例如，使用一款由生成式人工智能驱动的助手，如购物灵感它使用自然语言处理和深度学习模型来回答购物者的复杂查询，利用实时上下文和用户偏好引导他们浏览大型产品目录——从发现到转化。 高级人工智能模型分析海量数据，揭示无与伦比的观点，从而实时提供更明智的决策依据。这种规模下的细化粒度可用于提升员工、团队乃至整个组织的运营生产力。 例如，用支出脉冲进行测试和学习将人工智能与万事达卡专有数据洞察相结合，使品牌能够更精确地评估大规模计划。或者，授权优化器通过使用近乎实时数据和机器学习，向收单机构、商户和支付促进者提供智能，建议何时以及如何重试被拒绝的交易。这增加了电子商务和应用程序购买获批的可能性。 要评估一个AI项目是否有助于您的品牌变得更加个性化，请考虑以下假设的KPI： •互动率：用户使用人工智能助手与品牌互动是否比不使用时更多。•转化率：用户采取的宝贵行动如何受到与人工智能助手互动的积极影响。•添加到购物车率：人工智能助手对激励用户添加更多产品到购物车的影响。•平均订单价值：网站访客每次下单平均花费的美元金额有所上升。•每用户收入：由于人工智能助手的参与，每个用户为您带来的平均收入增加。 这些由机器学习驱动的洞察力可以提升支付生态系统中的增量销售额，提高运营效率，并实现无缝的持卡人体验。 要评估贵品牌的AI计划是否更智能地运行，请考虑以下假设的KPI： •任务完成时间：衡量与传统方法相比，AI执行特定任务的速度的一个指标。•响应准确率：人工智能工具提供正确或语境恰当输出的可靠性。•减少人工输入：完成任务所需人力减少（如果显著）。 更安全 企业正越来越多地利用人工智能和机器学习来大规模检测和预防欺诈。例如决策智能实时分析交易模式，为每笔交易分配一个分数和原因代码，以帮助品牌批准更多真实活动，同时最小化风险暴露。 安全网保护发行人和收单商免受大规模欺诈事件的影响，利用人工智能识别全球范围内的异常交易活动。仅在过去三年中，安全网就拦截了超过500亿美元的欺诈企图，展示了人工智能主动保护支付生态系统的能力。 为评估您的品牌人工智能计划对安全性的影响，请考虑以下假设的KPI： •默认利率：AI可以通过整合传统信用评分之外的其他数据——例如行为模式和交易模式——来增强信贷决策能力。这有助于降低承保风险并防止违约。 •每案件调查时间：为反洗钱（AML）合规，品牌可利用人工智能来衡量合规分析师审查每个警报所花费的时间。 •欺诈发生：绕过检测的欺诈活动的频率和严重程度，清晰地展示了人工智能系统化解金融风险的有效性。 玛斯卡德的决策智能系统能力强大，通过人工智能技术，欺诈评分和识别率得到超级提升，揭露2025年第一季度比2024年第一季度欺诈增加了40%。5 •检测平均时间：AI可以缩短在欺诈活动或事件发生后识别它所需的时间。 对数据和部署要有目的性 为人工智能计划的成功设立结构需要结构 能看到最有意义回报的公司，正建立在坚实的数据基础上，衡量向KPIs的增量进展并实现快速激活。这种方法有助于最小化成本和风险，同时加速开发。 第一阶段：奠定基础 第二阶段：敏捷激活 第一阶段：奠定基础 1. 选择合适的工具 企业首先面临的基本选择是：是自行构建解决方案，还是购买现成产品，或是与供应商或顾问合作。每条路径都有其优势和权衡： 在这一阶段，我们将展开设立人工智能计划以实现长期成功的先决条件。 •专有AI模型：提供更大的控制力和差异化，但需要大量内部人才、基础设施和长期投资。 •现成的人工智能工具：加速实现价值并减少前期复杂度，但成本会随着数据量、用户数量和功能需求的增加而快速增长。 •战略合作：提供外部专业知识、可扩展的基础设施和共享创新——通常帮助组织更快地发展同时管理风险。 要做出正确的选择，组织应权衡其内部能力、上市速度需求、成本承受能力和长期战略目标。对许多人来说，从现成的工具或合作开始——同时逐步建立专有能力——随着需求成熟度的演变，提供了灵活性。 2. 用正确数据驱动电力创新 •全面性：一个广泛多样的数据集使人工智能能够识别模式，做出细微的预测，并跨场景进行泛化。这在商业、金融和客户体验等动态行业尤其重要。全面的数据减少了偏差，提高了模型的鲁棒性，并支持更智能、更具可扩展性的决策。 让我们聚焦于数据本身。您的公司在特定用例上是否有正确的输入？任何人工智能计划的有效性都取决于其基于数据的质量、相关性和结构。为了保持在正确的轨道上，品牌应确保其数据是： •相关：设想一个AI模型优化交易监控，以批准安全交易并标记欺诈。该系统的好坏取决于其训练数据——这意味着它必须准确、相关且深入。许多组织拥有大量数据，但如果数据碎片化、存在偏见或标记不良，就可能导致误拒、错误和信任丧失。在收集更多数据之前，请确保您的数据与您要解决的问题相符，并能支持模型训练和评估。 •组织化：即使数据正确，如果不具备人工智能就绪的特点，也可能会不足。这意味着一致的格式、清晰的标签以及支持持续更新的管道。一个结构良好的基础有助于模型随着时间的推移进行学习和适应。此外，确保您的基础设施能够处理用例的规模和复杂性——以及团队拥有他们有效地处理数据所需的工具和访问权限——这也是至关重要的。 •安全：强大的数据治理对于合乎道德和法律的人工智能使用至关重要。使用在公开数据上训练的生成式人工智能的公司不仅要了解内部情况，还要了解输出情况——以及谁拥有它。对于敏感数据或受监管数据，在受控环境中构建数据集可以通过更好的版本控制和监督来帮助识别偏见、安全风险和合规问题。 3. 可衡量进步的结构 人工智能倡议需要的不只是雄心。一个结构良好的方法能确保不仅取得进展，