星期二, 28 5 月, 2024

德勤咨询:2021年AI案例精选—助力AI规模化应用(附下载)

报告下载:添加财保研习社微信公众号【财保研习社】,回复关键词【2021年AI案例精选—助力AI规模化应用】即可

AlphaGoAlphaFold,算法不断迭代,智能边界不断拓展,短短几年,AI(人工智能)不仅从科幻走向现实,而且在技术层面实现了跨越式地发展。然而,对于大多数组织来说,主要的挑战在于规模化应用AI,以及如何最大化挖掘AI价值。

近日,德勤AI研究院发布报告《AI案例精选》。该报告精心筛选六大关键行业(消费,能源、资源及工业,金融服务,政府及公共服务,生命科学及医疗保健,科技、媒体及电信)里最引人注目、可应用的AI案例进行分析,每个案例都归纳了关键业务问题和机会,AI如何提供帮助以及可能的益处,这些案例或多或少隐含了未来趋势,有望在未来产生重大影响。

消费行业

消费行业涵盖的业务范围非常广泛,包括消费品、零售、汽车、住宿、餐饮、旅游和交通。这些看似完全不同业务的共同点是:它们都将重点放在服务好消费者上,给他们以更好的用户体验。消费行业一直以来都在积极探索与AI相结合的各种模式,涌现出许多有价值的案例,例如AI助力交通路径优化,AI帮助提升客户体验的个性化,AI赋能营销智能化等。未来,AI在无人零售店、自动驾驶、自动穿戴建议等方面会与消费者有更密切的交互,同时也将给用户带来更好的体验。

能源、资源和工业(ER&I

与其他行业相比,AI在能源、资源和工业(ER&I)领域的应用和部署似乎不够广泛和成熟,挑战主要围绕数据。与其他许多以数据为中心的行业不同,ER&I仍然围绕物理资产展开,其中许多资产在地理上分散,与数字网络断开。IoT相关技术的应用以及边缘计算的兴起正在开始填补这一数据空白。目前来看,ER&IAI应用的重点领域是AI优化工业机器性能预测故障,利用AI+IoT来优化工业生产流程。此外,探索AI应对极端天气和其他难以预测的事件并自动生成警报也是目前主要的方向。未来,AI在加速材料研发、供应链规划,通过数字孪生优化工厂运营等方面将会迎来较大的突破。

金融服务业(FSI

金融服务业(FSI)的大多数公司仍处于AI采用和投资的早期阶段。尽管FSI领导人普遍认识到AI的重要性以及AI对业务带来的价值,但大多数AI应用仅限于小规模试点和独立的业务单元。在金融服务行业,AI应用重点领域是利用AI来改善客户体验,例如,聊天机器人、AI驱动的个性化定制金融方案等。AI的另一个迅速出现的应用领域是自动化和增强关键的FSI流程,如欺诈检测、支付处理、现金对账、信用风险分析、承保和索赔管理。其中一些过程是高度重复和劳动密集型的,这使得它们成为AI智能化的首选。从长远来看,AI扎根金融服务行业扎根的重要趋势是,利用AI和数据来打破部门竖井,产生跨越整个价值链的见解。对于大多数FSI公司来说,重要的是开始拥抱AI并将其产业化,以便AI解决方案可以在整个企业中大规模部署,发挥更大的价值。

政府和公共服务(GPS

在政府和公共服务(GPS 中,AI的采用和成熟度水平往往因政府机构的不同、现有基础设施对原有系统的依赖以及工作人员的适应程度而异。国防、情报和执法机构正在普遍部署和扩展AI,积极采用计算机视觉等先进技术,利用图像识别,分析发现可疑活动和参与者。另一个共同的趋势是越来越多地使用机器人流程自动化来减少雇员的工作量。同时,新冠疫情所催化的AI在赋能公共健康与环境预测方面正发挥着巨大的价值。未来,利用AI技术更快、更准确地检测潜在的安全威胁,维护城市基础设施方面仍有巨大潜力,让城市运行更加平稳、安全、高效。

生命科学与健康管理(LSHC

迄今为止,生命科学和医疗保健(LSHC)领域的大多数组织只触及了AI潜力的皮毛。他们主要使用AI来自动执行重复性任务和标准业务流程。例如利用自然语言理解技术解读病例,实现自动化的临床试验数据管理,AI智能导诊、AI辅助阅片等。然而,AI如何更好地与生命科学结合,现在被广泛认为是这一领域的战略性议题。特别是,AI在加速药物开发周期,帮助研究人员识别和验证基因靶点,并设计新的化合物方面有巨大价值空间。

技术、媒体和电信(TMT

在该领域,AI的采用和成熟度因行业而异。AI技术已经广泛应用于面向客户的活动,例如虚拟语音助手、AI翻译等。未来几年可能会普遍发生的是使用AI进行预测分析,这可以将电信公司的大量客户数据转化为有价值的见解,从而进一步促进获取更多的数据。在媒体领域,AI的大部分重点一直放在个性化内容的推荐上,而且这种趋势在未来可能会增加。

纵观六大行业的所有案例,AI毫无疑问为各行各业创造了不少的价值:

  • 降低成本:应用AI和智能自动化解决方案来解决价值相对较低且经常重复的任务,从而降本增效。
  • 加速执行:通过最小化延迟来减少实现运营和业务结果所需的时间。
  • 降低复杂性:通过更具主动性、预测性并且能够在日益复杂的来源中看到模式的分析,来提高理解力和决策制定。
  • 改变参与模式:改变人们与技术互动的方式,使企业能够用“以人为本”的方式与人互动,而不是强迫人们以机器的方式互动。
  • 推动创新:通过使用AI来实现新产品、市场和商业模式的创新,重新定义在哪里实施以及如何取胜。
  • 强化信任:保护企业免受欺诈和网络等风险,提高质量和一致性,同时提高透明度以增强品牌信任度。

相关文章

财保研习社高端交流群

spot_img

热 门 文 章