科技、傳媒和電信行業(yè)的智能化升級

1、<p>　　若出現(xiàn)數(shù)據(jù)缺失，圖表錯位，可加微信：535600147，憑下載記錄截圖索取pdf版本</p><p>　　科技、傳媒和電信行業(yè)的智能化升級</p><p><b>　　目錄</b></p><p><b>　　引言|2</b></p><p><b>　　過度宣傳

2、的背后</b></p><p>　　科技、傳媒和電信企業(yè)高管對人工智能的看法|10</p><p><b>　　尾注|13</b></p><p><b>　　引言</b></p><p><b>　　過度宣傳的背后</b></p><p

3、>　　論多么重大的技術(shù)突破，其作用通常會 被過度宣傳，言過其實。認(rèn)知計算（此 處可與人工智能互換）無疑是一個典</p><p>　　型的例子。對于人工智能取得的每一項令人震驚的 成就（例如，谷歌DeepMind戰(zhàn)勝世界圍棋冠軍1）， 總有一批鋪天蓋地的新聞報道，聲稱某產(chǎn)品中內(nèi) 置的人工智能將立即幫助貴公司轉(zhuǎn)型成為行業(yè)領(lǐng) 軍者。</p><p>　　對急于利用新一代認(rèn)知計算工具的企業(yè)領(lǐng)

4、 導(dǎo)者而言，如何對人工智 能進(jìn)行去粗存精是一項挑</p><p>　　戰(zhàn)。而且他們很容易被這</p><p>　　? 人工智能應(yīng)用能夠協(xié)助實現(xiàn)后端業(yè)務(wù)流程自動 化，降低成本，讓員工騰出更多時間從事增值 類分析工作，而他們目前常常因太過忙碌而無 法展開。我們稱之為機器人與認(rèn)知自動化。</p><p>　　? 企業(yè)利用人工智能型工具從互聯(lián)網(wǎng)以及其他地 方挖掘海量數(shù)據(jù)，由

5、此形成認(rèn)知洞察，更快地 做出更明確決策。</p><p>　　? 此外，人工智能技術(shù)還能協(xié)助企業(yè)展開認(rèn)知參 與，助力展開更有效的客戶溝通，預(yù)測他們的</p><p>　　需求，并在潛在問題出現(xiàn) 在社交媒體之前發(fā)現(xiàn)它們。 我們認(rèn)為，人工智能</p><p>　　些新聞報道的大肆宣傳迷</p><p>　　惑，開始討論哪些人工智 能型產(chǎn)品聽上去最

6、激動人 心。因此，在簽署任何采 購清單之前，首先必須考 慮您希望人工智能工具能 夠完成的任務(wù)。</p><p>　　提供協(xié)助是我們的宗 旨 。 通過與數(shù)百位客戶 、 供應(yīng)商以及一線人工智能 研究人員的合作，我們深 入了解人工智能，有能力 理清過度報道，確定認(rèn)知 計算能夠創(chuàng)造最大價值的</p><p><b>　　對急于利用新一代</b></p><

7、p>　　認(rèn)知計算工具的 企業(yè)領(lǐng)導(dǎo)者而言， 如何對人工智能 進(jìn)行去粗存精 是一項挑戰(zhàn)。</p><p>　　應(yīng)用創(chuàng)造價值的關(guān)鍵是了</p><p>　　解認(rèn)知計算的運作方式以 及該項技術(shù)加強業(yè)務(wù)流程 的方式。因此，首先應(yīng)探 討這一術(shù)語：認(rèn)知計算是 指通過曾要求人工輸入的 方式處理、評估和響應(yīng)文 本及圖像的一系列技術(shù) ， 并能處理規(guī)模異常大且不 具備嚴(yán)格結(jié)構(gòu)的數(shù)據(jù)集 。 雖 然 存 在

8、一 定 過 度 宣 傳 ， 但人工智能技術(shù)確實具有 重大的革新意義，人工智 能型應(yīng)用與非人工智能型</p><p>　　商業(yè)用例。盡管許多新創(chuàng)造的人工智能工具不斷 快速發(fā)展，但即使是謹(jǐn)慎的管理人員目前均能將 人工智能技術(shù)用于這些用例中，無需擔(dān)憂面臨具 有潛在問題的前沿技術(shù)。</p><p>　　首先，我們認(rèn)為人工智能將獲得實際應(yīng)用， 因為當(dāng)前：</p><p>　　

9、應(yīng)用之間幾乎沒有明確界限，即使是最先進(jìn)認(rèn)知 技術(shù)的能力仍舊遠(yuǎn)不如人類。人工智能型產(chǎn)品能 夠執(zhí)行具體明確的任務(wù)，而且通常還需要相當(dāng)大 的耐心訓(xùn)練它們才能完成。綜合人類判斷和常識 仍是科幻奇想，實現(xiàn)真正的“思維機器”還有很 長遠(yuǎn)的路要走。</p><p>　　如果信息以數(shù)字形式存儲，且格式和存儲地址不變，則 難度不大。</p><p>　　機器人與自動化系統(tǒng)在境外業(yè)務(wù)中心的應(yīng)用 非常廣泛。&l

10、t;/p><p>　　很多先進(jìn)的機器人與認(rèn)知自動化系統(tǒng)與發(fā)展</p><p>　　成熟的人工智能系統(tǒng)沒有一點相似之處，以至于 有人質(zhì)疑是否應(yīng)繼續(xù)使用“機器人流程自動化” 這個有些許平淡的名稱。我們已經(jīng)在法律領(lǐng)域看 到一些最佳案例。現(xiàn)在，機器學(xué)習(xí)型平臺能夠以 每秒讀取上千封郵件的速度搜索關(guān)聯(lián)郵件。律師 事務(wù)所可以通過案例研究庫找到與當(dāng)前案件類似 的案例。面對爭議的專利律師發(fā)現(xiàn)，這款軟件非 常有利

11、于他們從難以計數(shù)且高度相似的文件中查 找資料。</p><p>　　可以肯定的是，以前這些工作均由初級法律 工作者負(fù)責(zé)完成。目前沒有任何一款軟件應(yīng)用能 夠制定法律策略或生成出色的案情摘要，更別提 出席庭審。但這項技術(shù)已經(jīng)逐漸滲透到法律就業(yè) 市場的邊緣：律師希望通過自動化，在未來五年 將收費工作時間減少2.5%至13%。7事實上，不少 觀察人士對人工智能型自動化替代人力的做法表 示擔(dān)憂。他們認(rèn)為相比應(yīng)用技術(shù)找到有效

12、的裁員 解決方案，企業(yè)領(lǐng)導(dǎo)人應(yīng)該考慮重新調(diào)配額外的 資源，以使企業(yè)整體業(yè)務(wù)運營更加智能、主動。</p><p><b>　　轉(zhuǎn)變決策方式</b></p><p>　　所周知，聯(lián)網(wǎng)技術(shù)，尤其是物聯(lián)網(wǎng)應(yīng)用 能夠產(chǎn)生大量數(shù)據(jù)，但大多數(shù)企業(yè)只能 做到有效存儲，很少能夠做到有效利</p><p>　　用。認(rèn)知洞察技術(shù)可提供一整套工具，讓企業(yè)不 僅能管理每

13、天從實際工作、業(yè)務(wù)報告工具、供應(yīng) 鏈、社交媒體、物聯(lián)網(wǎng)傳感器等收集到的大量信 息，還能利用這些信息生成能夠創(chuàng)造商業(yè)價值的 實時洞察。</p><p>　　請想象一下這樣的情形：當(dāng)客戶走進(jìn)電信公 司門店詢問賬戶相關(guān)問題時，銷售代表能夠立即 獲取該客戶與公司有關(guān)的全部信息，包括近期致 電客戶服務(wù)中心的相關(guān)問詢，并快速確定客戶問 題是否已得到解決，以便著手解決其他未解決的 問題。</p><p>

14、;　　如果客戶不滿意，那么針對企業(yè)客戶群體研 發(fā)的機器學(xué)習(xí)軟件會提供一些建議，比如為客戶 免除部分月度賬單。因為凈推薦值追蹤調(diào)查表明，</p><p>　　世界一流的認(rèn)知洞察項目 必須能夠?qū)崟r利用多個 數(shù)據(jù)集有效提供答案。</p><p>　　此類方法有助于改善客戶體驗。在客戶辦理業(yè)務(wù) 期間，銷售代表可陪同客戶參觀門店， 這樣客戶 的心情肯定能比進(jìn)店時好很多。</p><

15、;p>　　這個處理大量實時問詢的典型例子說明，企 業(yè)能夠?qū)⒄J(rèn)知洞察應(yīng)用到業(yè)務(wù)的方方面面。供應(yīng) 商是否按照計劃準(zhǔn)備下次供貨？客戶關(guān)系管理系 統(tǒng)是否有跡象表明重要客戶可能會重新考慮某個 重要訂單？是否有任何信號說明某產(chǎn)品銷量出現(xiàn) 明顯下滑？如果無須重新設(shè)計，是否需要策劃一 次特別促銷活動？</p><p>　　世界一流的認(rèn)知洞察項目必須能夠?qū)崟r利用 多個數(shù)據(jù)集有效提供答案。但同樣重要的是，必 須由最需要相關(guān)信息

16、的部門經(jīng)理發(fā)起問詢。過去， 常規(guī)數(shù)據(jù)請求需經(jīng)信息技術(shù)部門審核，但由于優(yōu) 先性各異，常常會陷入無望的等待。如今這種情 況已經(jīng)得到改善。對于優(yōu)先性最高的項目，企業(yè) 不僅應(yīng)快速應(yīng)用認(rèn)知洞察，領(lǐng)導(dǎo)人還應(yīng)在整個企 業(yè)范圍內(nèi)分配數(shù)據(jù)訪問權(quán)限。</p><p>　　鑒于市場營銷部門只利用這個新工具集就 能取得明顯成效。為了提升郵件營銷活動的效 果，Caesars Entertainment公司開發(fā)了一套融 合了機器學(xué)習(xí)與自然語

17、言處理的認(rèn)知洞察系統(tǒng)。 該系統(tǒng)了解每一位客戶的個性，知道哪些詞語或 短語能夠讓特定的客戶打開郵件并點擊廣告。最 終，Caesar使郵件閱讀率提升了24%，廣告點擊 率增加了46%。10</p><p>　　對于依靠數(shù)字廣告獲利的企業(yè)，即便點擊量 漸進(jìn)式增長也能帶來驚人的收益。某大型科技公 司近日發(fā)布報告稱，點擊率預(yù)測精確度提高0.1% 就能帶來數(shù)億美元的額外收益。碰巧，這家公司 的人工智能型系統(tǒng)非常先進(jìn)，已經(jīng)將廣

18、告點擊率 提高九倍之多。11</p><p>　　想要獲得敏銳的認(rèn)知洞察，企業(yè)需要重新考 慮其硬件與軟件策略。相互獨立的傳統(tǒng)數(shù)據(jù)（銷 量、宣傳、社交媒體活動等）需要優(yōu)先被整合成 以一個“數(shù)據(jù)湖”。必須將上一代作為靜態(tài)工具 的分析軟件升級為機器學(xué)習(xí)型工具，盡管這種用 于分析不常更新的“高管總覽表”的軟件一度被 視為頂尖技術(shù)。</p><p>　　與很多人工智能型應(yīng)用一樣，認(rèn)知洞察非常 適合解

19、決離散問題，比如預(yù)測某特定客戶的行為 和反應(yīng)。但這并不表示，認(rèn)知洞察不能解釋每一 位高管都會面臨的重大問題。目前，沒有任何一 個系統(tǒng)能夠為管理團隊提供明確的綜合性建議， 比如某合并項目是否值得追取。但從某種程度上 來講，如果管理層已搜集到的與決策相關(guān)的數(shù)據(jù)， 認(rèn)知洞察將能用于挖掘數(shù)據(jù)，并發(fā)現(xiàn)相關(guān)趨勢和 規(guī)律。雖然人類也能發(fā)現(xiàn)一些系統(tǒng)發(fā)現(xiàn)的趨勢， 但很有可能忽略掉一些藏于隨機數(shù)據(jù)層之間的其 他關(guān)聯(lián)。因此，無論在何處，這些關(guān)聯(lián)的發(fā)掘可 能只

20、能歸功于不斷改變商業(yè)面貌的硬件和算法。</p><p><b>　　轉(zhuǎn)變互動方式</b></p><p>　　點時間像人類學(xué)家一樣觀察千禧一代， 會立即發(fā)現(xiàn)他們的兩種行為模式：幾乎 時時刻刻都在查閱智能手機以及幾乎</p><p>　　不使用這些設(shè)備的實際通話功能。無論是與客廳 另一端的室友還是地球另一端最喜歡的品牌溝通， 他們首選的交流互動媒

21、介是發(fā)短信。15</p><p>　　千禧一代更喜歡發(fā)短信而非說話這一社會性</p><p>　　變化是導(dǎo)致客戶參與互動出現(xiàn)巨大沖擊的最重要 因素，各行業(yè)企業(yè)也開始感受到這一點。借助認(rèn) 知參與技術(shù)，電腦能夠勝任曾發(fā)送至客戶服務(wù)中 心的客戶支持功能，通常但并非總是以文本交流 方式處理。因此，企業(yè)可以大規(guī)模提供統(tǒng)一的優(yōu) 質(zhì)客戶支持服務(wù)。</p><p>　　人工智能類技

22、術(shù)進(jìn)步，尤其是自然語言處理 領(lǐng)域，在促成認(rèn)知參與方面無疑是發(fā)揮著極為重 要的推動作用。但很大部分人口的行為并未出現(xiàn) 變化，因此很難確定客戶是否會接受如此形式的 認(rèn)知參與。</p><p>　　聊天機器人是認(rèn)知參與相關(guān)的主要技術(shù)體現(xiàn)， 這一用詞不太恰當(dāng)，因為對于許多非千禧一代而 言，尤其是那些花更多時間在臺式電腦而非智能 手機的人，這個用詞讓人聯(lián)想到電商頁面底部彈 出的窗口，提供通常被忽視且不受歡迎的幫助。<

23、/p><p>　　事實上，在用戶來看，聊天機器人代表一系 列日益先進(jìn)的人工智能型工具，擁有各式各樣的 外形。一種聊天機器人可能類似于常見的電商文 本框，可能配有動畫角色，以增強個性化體驗感。</p><p>　　或者是作為一種智能手機聊天體驗，即使使 用者是與電腦而非另一端的人類交流。還有一類 內(nèi)置于家具自動化產(chǎn)品的特別聊天機器人，例如 Siri、Google Home和Amazon Echo

24、，迅速獲得 廣泛普及。聊天機器人甚至可以是電話語音應(yīng)答 系統(tǒng)，相較于“賬戶信息請按1”這種簡單原始 的解決方案，導(dǎo)致相關(guān)產(chǎn)品的首次體驗如此糟糕， 這類聊天機器人更為完善。</p><p>　　自然語言處理是前沿認(rèn)知參與解決方案的核</p><p>　　心支持性技術(shù)之一，涉及極其復(fù)雜的任務(wù)：讓電 腦執(zhí)行人類毫不費力即能完成的任務(wù)，即弄懂某 人的意思。過去十年這一領(lǐng)域?qū)崿F(xiàn)重大進(jìn)展，目 前聊天機

25、器人可能會有所了解。“有一筆費用我 不太明白”、“為什么這個月的費用這么高？” 以及“為什么我比四月份還多欠20美元？”均屬 于相同客戶問題的不同版本。</p><p>　　事實上，在用戶來看，聊 天機器人代表一系列日益 先進(jìn)的人工智能型工具， 擁有各式各樣的外形。</p><p>　　處理語音輸入時還面臨語音文字轉(zhuǎn)換問題， 即必須確保用戶的語音內(nèi)容準(zhǔn)確轉(zhuǎn)化為文本。這 也是一個棘手的人工智

26、能問題，但卻在近年來取 得驚人的進(jìn)展。不過，這不同于提取轉(zhuǎn)錄語句基 本含義的語義問題。</p><p>　　當(dāng)然，只有能夠提供答案，對一個問題的了 解才會產(chǎn)生價值。借助聊天機器人來了解并解決 問題涉及擁有相關(guān)企業(yè)政策和規(guī)程的（極為廣泛 定義的）某種數(shù)據(jù)庫。企業(yè)可以采取多種不同方 式建立這類</p><p>　　數(shù)據(jù)集。簡單情況下，通過少數(shù)變化和排列， 職員建立可能答案的簡單矩陣，即可手動完

27、成這 類流程。</p><p>　　隨著涉及的流程日益復(fù)雜化，用于處理這些 流程的技術(shù)復(fù)雜性也在增加。先進(jìn)的機器學(xué)習(xí)技 術(shù)可用于處理和組織大量的文本和數(shù)據(jù)。這也是 保險公司能夠創(chuàng)建聊天機器人的原因，這類聊天 機器人非常精通于回答客戶關(guān)于定期壽險保單的</p><p>　　問題，因此能讓客戶無需離開聊天機器人應(yīng)用就 能注冊購買保險產(chǎn)品。16</p><p>　　科技、

28、傳媒和電信企業(yè)高管</p><p><b>　　對人工智能的看法</b></p><p>　　更深入了解一線管理人員如何看待人工 智能發(fā)展，德勤近期展開了一項調(diào)查，</p><p>　　至少在一定程度上，認(rèn)知技術(shù)方面的應(yīng)用 體驗是科技、傳媒和電信企業(yè)將獲得初步豐厚</p><p>　　涉及各行業(yè)企業(yè)內(nèi)較早采用人工智能的&

29、lt;/p><p><b>　　收益的推動要素。</b></p><p><b>　　約41%的科技、</b></p><p><b>　　傳媒和電信企</b></p><p>　　人員的相關(guān)問題回復(fù)，</p><p><b>　　包括科技、<

30、;/b></p><p><b>　　傳媒和電信企</b></p><p>　　業(yè)（其他行業(yè)為32%）至少展開了六項認(rèn)知試點</p><p>　　業(yè)。目前調(diào)查最大的收獲是早已開始采用人工智 能的企業(yè)領(lǐng)導(dǎo)者對該項技術(shù)在其企業(yè)發(fā)揮的變革</p><p>　　性作用保持高度熱情。他們預(yù)見到人工智能帶來 的全面變革觸及到其

31、業(yè)務(wù)的方方面面，從制定基 本業(yè)務(wù)模式到長期客戶溝通均受到影響。20</p><p>　　這種熱情主要來自于企業(yè)從認(rèn)知相關(guān)投資中</p><p>　　不斷獲得的經(jīng)濟效益，而科技、傳媒和電信企業(yè) 則是領(lǐng)先一步。這類企業(yè)高管中，40%表示他們 已經(jīng)從認(rèn)知技術(shù)中獲得可觀效益，而所有其他行 業(yè)企業(yè)中有26%持相同觀點（見圖1）。</p><p>　　項目，40%（其他行業(yè)為2

32、8%）已進(jìn)行至少六個</p><p>　　全面的認(rèn)知實施項目。認(rèn)知技術(shù)需要一定實踐經(jīng) 驗，以便確定恰當(dāng)項目的優(yōu)先順序，并將這些技 術(shù)用于現(xiàn)有業(yè)務(wù)流程和系統(tǒng)中。換言之，熟能生 巧。正投資回報率有助于推動更多投資：四分之 一的科技、傳媒和電信企業(yè)在認(rèn)知技術(shù)方面投入 1,000萬美元甚至更多，而其他行業(yè)的比例僅為</p><p><b>　　7%。21</b></p&

33、gt;<p>　　圖1：受訪科技、傳媒和電信企業(yè)逐步從認(rèn)知技術(shù)中獲取初步經(jīng)濟效益</p><p>　　目前人工智能項目為貴企業(yè)帶來多少經(jīng)濟影響/效益？</p><p><b>　　效益可觀</b></p><p><b>　　40%</b></p><p><b>　　效益適

34、中</b></p><p><b>　　50%</b></p><p><b>　　54%</b></p><p><b>　　53%</b></p><p><b>　　無效益</b></p><p><b>

35、;　　10%</b></p><p><b>　　18%</b></p><p><b>　　16%</b></p><p>　　科技、傳媒和電信行業(yè)所有其他行業(yè)總計</p><p>　　總樣本量 = 250；科技、傳媒和電信行業(yè)= 72；其他行業(yè)= 178</p>&

36、lt;p>　　資料來源:《德勤認(rèn)知調(diào)查報告》(Deloitte State of Cognitive Survey)，2017年8月。</p><p>　　德勤洞察 | deloitte.com/insights</p><p>　　科技、傳媒和電信行業(yè)領(lǐng)導(dǎo)者把握認(rèn)知技 術(shù)潛力，改善其業(yè)務(wù)。57%的高管認(rèn)為認(rèn)知技術(shù) 對其改進(jìn)內(nèi)部業(yè)務(wù)流程“非常重要”；46%表示 此項技術(shù)對其完善所銷售

37、的產(chǎn)品和服務(wù)“非常重 要”。43%的科技、傳媒和電信行業(yè)高管非常認(rèn) 同是他們在內(nèi)部使用人工智能的能力讓他們從競 爭者中脫穎而出。超過四分之三的高管希望認(rèn)知 計算能夠在未來三年內(nèi)推動其企業(yè)實現(xiàn)“基本轉(zhuǎn) 型”。22</p><p>　　盡管科技、 傳媒和電信行業(yè)領(lǐng)導(dǎo)者認(rèn)為認(rèn) 知技術(shù)對其內(nèi)部轉(zhuǎn)型至關(guān)重要，但與其他行業(yè) 高管不同的是，他們重點利用該項技術(shù)開發(fā)新產(chǎn) 品。40%的高管認(rèn)為產(chǎn)品開發(fā)是人工智能型技術(shù) 帶來的首要效

38、益。相比之下，僅有29%消費品和 工業(yè)產(chǎn)品、能源和金融服務(wù)業(yè)等其他行業(yè)的企業(yè) 持相同觀點。23（見圖2）</p><p>　　如果我們考慮受訪科技、傳媒和電信企業(yè)高 管的雙重特性，就能理解他們?yōu)楹蝹?cè)重于新產(chǎn)品 開發(fā)和創(chuàng)新，畢竟他們的企業(yè)才是本文所述許多 人工智能解決方案的開發(fā)者，也是堅持從人工智 能型效率中獲益的機構(gòu)。亞馬遜、Facebook、谷</p><p>　　歌和微軟等科技巨頭逐步

39、將認(rèn)知技術(shù)融入其產(chǎn)品 和面向客戶的業(yè)務(wù)，他們還投入數(shù)十億美元收購 人工智能企業(yè)。針對這群尖端精英競爭對手，即 使是科技、傳媒和電信行業(yè)的早期采用企業(yè)也可 能感到處于不利地位，必須全力沖刺才能趕上。</p><p>　　這就導(dǎo)致無論何時提到人工智能技術(shù)話題時， 在目前幾乎所有談話中都出現(xiàn)的，客戶總會詢問 的一個問題：“我們知道谷歌正在大力發(fā)展人工 智能，那是因為這本身就是他們的產(chǎn)品。那我們 呢？我們與銷售人工智能毫

40、無關(guān)系。你的意思是 我們也必須成為一家人工智能企業(yè)？”</p><p>　　根據(jù)本次調(diào)查以及數(shù)千次與客戶的探討交流， 誠實的回答是：“從某種意義上講確實如此?！?lt;/p><p>　　目前，這并不意味著就需要趕上招聘熱潮， 引進(jìn)深度學(xué)習(xí)專家團隊，然后四處為他們找事情 做。而確切的意思是，每家企業(yè)需要擁有某種形 式的內(nèi)部人工智能專業(yè)知識，可供領(lǐng)導(dǎo)者與業(yè)內(nèi) 發(fā)展保持同步，并且了解認(rèn)知解決方案如何

41、協(xié)助 那些還未開始產(chǎn)品化的企業(yè)實現(xiàn)轉(zhuǎn)型。切記：熟 能生巧。</p><p>　　圖2：科技、傳媒和電信企業(yè)不斷采用認(rèn)知技術(shù)開發(fā)新產(chǎn)品</p><p>　　您認(rèn)為人工智能/認(rèn)知技術(shù)為貴企業(yè)帶來的主要效益是什么？</p><p>　　將“開發(fā)新產(chǎn)品”列入前三的受訪者比例</p><p>　　科技、傳媒和電信行業(yè)</p><p&

42、gt;<b>　　所有其他行業(yè)</b></p><p>　　列為第一名列為第二名列為第三名</p><p>　　總樣本量 = 250；科技、傳媒和電信行業(yè)= 72；其他行業(yè)= 178</p><p>　　資料來源:《德勤認(rèn)知調(diào)查報告》(Deloitte State of Cognitive Survey)，2017年8月。</p>

43、;<p>　　德勤洞察 | deloitte.com/insights</p><p>　　本文闡述了認(rèn)知計算可以創(chuàng)造顯著業(yè)務(wù)優(yōu)勢 的三大領(lǐng)域，而更多領(lǐng)域?qū)⒅鸩匠霈F(xiàn)。科技、傳 媒和電信企業(yè)需要具備內(nèi)部經(jīng)驗，能夠評估哪些 即將出現(xiàn)的技術(shù)大有用處，然后還能成功運用這 些引領(lǐng)潮流的技術(shù)。由于通常需要外部供應(yīng)商的 協(xié)助，企業(yè)必須保持自信，篤定自己才是操控全 局的人，而非供應(yīng)商。</p><

44、;p>　　通過調(diào)查，我們明確了內(nèi)部人工智能專業(yè)知 識和技術(shù)有效利用之間的關(guān)系，即通過研發(fā)工作 接觸人</p><p>　　工智能技術(shù)的企業(yè)一致表示，他們更容易有 效利用該項技術(shù)改善其業(yè)務(wù)。此外，認(rèn)知技術(shù)成 功運用涉及的內(nèi)容遠(yuǎn)不止于鎖定某款供應(yīng)商產(chǎn)品 而不太考慮企業(yè)基本結(jié)構(gòu)和流程。產(chǎn)品開發(fā)中培 養(yǎng)的認(rèn)知能力通常像潛移默化一樣，不斷擴展至 企業(yè)的其他部門。如果在將大數(shù)據(jù)類認(rèn)知洞察技 術(shù)融入產(chǎn)品方面具備一定經(jīng)驗，

45、則該企業(yè)將占得 先機，能夠了解如何實現(xiàn)其內(nèi)部數(shù)據(jù)最佳結(jié)構(gòu)化， 并且有能力挖掘數(shù)據(jù)，獲取可以帶來巨大競爭優(yōu) 勢的變革性洞察。認(rèn)知自動化與認(rèn)知參與亦是如 此，幫助客戶處理這些用例必將推動企業(yè)自身在 這些方面取得更多進(jìn)步。</p><p><b>　　尾注</b></p><p>　　Matt Reynolds, “DeepMind’s AI beats world’s b

46、est Go player in latest face-off,” New Scientist, May 23, 2017.</p><p>　　Thomas H. Davenport, Jeff Loucks, and David Schatsky, The 2017 Deloitte State of Cognitive Survey: Bullish on the business value of co

47、gnitive, Deloitte Development LLC, November 2017. The online survey covered 250 senior executive (C-suite to director level) respondents in the United States from mid- to large-sized organizations (500 to more than 10,00

48、0 employees) across the technology, media, and telecom, consumer and industrial products, and financial services industries, primarily. All respon</p><p>　　Intel’s Broadwell-based Xeon v4 chip, especially th

49、e one with 22 cores (released in 2016) already housed 7.2 billion transistors. With transistor count doubling every two years (Moore’s Law), the next-generation platform will likely push the transistor count past 10 bill

50、ion transistors per chip. Source: Chris Williams, “Intel’s Broadwell Xeon E5-2600 v4 chips: So what’s in it for you, smartie-pants coders,” Register, March 31, 2016.</p><p>　　Paul Dempsey, “How Applied Mater

51、ials and fab partners are harnessing machine learning,” Tech Design Forum,</p><p>　　March 22, 2017.</p><p>　　Deloitte Digital Democracy Survey, 11th edition (2017), finds that streaming has gone

52、 mainstream, with nearly half of US households purchasing subscriptions to a streaming service as of 2016. Millennials are driving this trend, as they now value their streaming video subscriptions more than pay TV. And c

53、omplementing the findings from this survey, Deloitte’s 2017 Global Mobile Consumer Survey (US edition) finds a notable shift in smartphone usage to consume long-form video. Thirty-one percent of </p><p>　　An

54、gus Finnegan, “Telecoms: Opportunities and challenges in 2017,” Computer Weekly, December 2016.</p><p>　　Steve Lohr, “A.I. is doing legal work. But it won’t replace lawyers, yet,” New York Times, March 19, 2

55、017.</p><p>　　Jeff John Roberts, “New York Times opens up comments with Google-backed AI,” Fortune, June 13, 2017.</p><p>　　Automation Anywhere, “ComRes Telecom automates backup and FTP transfer

56、s,” accessed February 8, 2018.</p><p>　　Raconteur, “A marketer’s best bet: cognitive content that inspires action,” July 26, 2016.</p><p>　　Tom Simonite, “Google and Microsoft can use AI to extr

57、act many more ad dollars from our clicks,” Wired, August</p><p><b>　　31, 2017.</b></p><p>　　Tom Krazit, “How Amazon Web Services uses machine learning to make capacity planning decis

58、ions,” GeekWire,</p><p>　　May 18, 2017.</p><p>　　Ramona Pringle, “Watching you, watching it: Disney turns to AI to track filmgoers’ true feelings about its films,” CBC News, August 4, 2017.</

59、p><p>　　IBM, “Verizon: Personalizing its customers’ experience throughout the entire client journey,” December 6, 2016.</p><p>　　Larry Alton, “Phone calls, texts or email? Here’s how millennials pr

60、efer to communicate,” Forbes, May 11, 2017.</p><p>　　Interview with authors, Digital Operations Transformation practice, Deloitte, November 2017.</p><p>　　PR Newswire, “Inbenta launches ‘Hybrid

61、Chat’ to integrate human live chat with artificial intelligence,” March 29, 2016.</p><p>　　Chris Raphael, “How machine learning fuels your Netflix addiction,” RTInsights, January 5, 2016.</p><p>

62、;　　Rachel Gee, “Vodafone puts focus on AI and voice in renewed customer service push,” Marketing Week, July 19,</p><p><b>　　2017.</b></p><p>　　Davenport et al., The 2017 Deloitte Sta

63、te of Cognitive Survey.</p><p><b>　　Ibid.</b></p><p><b>　　Ibid.</b></p><p><b>　　Ibid.</b></p><p><b>　　關(guān)于作者</b></p>

64、<p>　　MICHAL (MIC) LOCKER</p><p>　　Michal (Mic) Locker是德勤科技、傳媒和電信行業(yè)董事總經(jīng)理，為科技、傳媒和電信企業(yè)提供轉(zhuǎn)型 項目咨詢服務(wù)超過18年，經(jīng)驗豐富，并專注于運營模式設(shè)計、流程重塑、降低運營費用、產(chǎn)品簡化及科 技投資。Locker負(fù)責(zé)領(lǐng)導(dǎo)德勤科技、傳媒和電信行業(yè)的認(rèn)知優(yōu)勢服務(wù)，利用自動化、認(rèn)知技術(shù)、機器學(xué) 習(xí)以及其他新興技術(shù)協(xié)助該行業(yè)客

65、戶轉(zhuǎn)變工作方式、決策制定和互動方式。</p><p>　　PAUL SALLOMI</p><p>　　Paul Sallomi 是全球科技、傳媒和電信行業(yè)領(lǐng)導(dǎo)合伙人兼Deloitte LLP美國科技行業(yè)領(lǐng)導(dǎo)合伙人。他為 科技、傳媒、電信和制造行業(yè)的企業(yè)客戶提供專業(yè)服務(wù)超過25年，致力于方案制定和執(zhí)行，助力客戶實 現(xiàn)增長、提升業(yè)績以及降低風(fēng)險。目前Sallomi專注于協(xié)助德勤科技行業(yè)客戶轉(zhuǎn)

66、變業(yè)務(wù)和運營模式，應(yīng)對 新興顛覆性科技。</p><p>　　JEFF LOUCKS</p><p>　　Jeff Loucks 是德勤科技、傳媒和電信行業(yè)中心的執(zhí)行董事，他展開多項調(diào)查研究并撰寫相關(guān)主題文章， 協(xié)助企業(yè)充分利用技術(shù)進(jìn)步。作為數(shù)字化業(yè)務(wù)模式轉(zhuǎn)型的意見領(lǐng)袖，Loucks屢獲殊榮，并對企業(yè)適應(yīng)加 速變化所采取的策略尤為感興趣。</p><p><b

67、>　　致謝</b></p><p>　　特別感謝Elina Ianchulev、Karthik Ramachandran、Shashank Srivastava與Gaurav Khetan對 本文做出的重要貢獻(xiàn)。</p><p>　　關(guān)于科技、傳媒和電信行業(yè)中心</p><p>　　當(dāng)今世界，挖掘隱藏機遇的速度、敏捷性和能力是區(qū)分領(lǐng)先者和落后者的關(guān)

68、鍵因素；拖延顯然并不可取。 德勤科技、傳媒和電信行業(yè)中心助力企業(yè)甄別風(fēng)險、了解趨勢、順利應(yīng)對艱難抉擇以及展開明智舉措。</p><p>　　采用新的技術(shù)和業(yè)務(wù)模式通常暗藏風(fēng)險，德勤調(diào)查研究能夠協(xié)助客戶有效應(yīng)對風(fēng)險，避免陷入隨波逐流 或是置身事外的陷阱中。通過幫助企業(yè)推動技術(shù)創(chuàng)新、發(fā)現(xiàn)可持續(xù)的業(yè)務(wù)價值，德勤脫穎而出。借助本 中心的調(diào)查研究，科技、傳媒和電信行業(yè)領(lǐng)導(dǎo)人能夠有效探索各種方案、評估機遇并確定構(gòu)建、購買、

69、借用或合作是否有助于獲取新的能力。</p><p>　　本中心擁有Deloitte LLP深入廣泛的知識及其科技、傳媒和電信行業(yè)豐富實踐經(jīng)驗的支持。德勤在科技、</p><p>　　傳媒和電信行業(yè)的深入洞察以及世界一流的能力能夠協(xié)助客戶解決我們研究探索的復(fù)雜挑戰(zhàn)。</p><p><b>　　聯(lián)系人</b></p><p&g

70、t;　　Mic Locker</p><p><b>　　董事總經(jīng)理</b></p><p>　　Deloitte Consulting LLP</p><p>　　+1 212 618 4973</p><p>　　miclocker@deloitte.com</p><p>　　Jeff Lo

71、ucks</p><p>　　德勤科技、傳媒和電信行業(yè)中心執(zhí)行董事</p><p>　　+1 614 228 4285</p><p>　　jloucks@deloitte.com</p><p>　　Paul Sallomi</p><p>　　全球科技、傳媒和電信行業(yè)領(lǐng)導(dǎo)合伙人</p><p&g

72、t;　　+1 408 704 4100</p><p>　　psallomi@deloitte.com</p><p><b>　　德勤聯(lián)絡(luò)人</b></p><p>　　周錦昌 科技、傳媒和電信行業(yè)領(lǐng)導(dǎo)合伙人 科技行業(yè)領(lǐng)導(dǎo)人</p><p><b>　　德勤中國</b></p>&l

73、t;p>　　電話：+86 10 8520 7102</p><p>　　電子郵件：wilchou@deloitte.com.cn</p><p>　　林國恩 電信、傳媒及娛樂行業(yè)領(lǐng)導(dǎo)合伙人 科技、傳媒和電信行業(yè)審計合伙人 德勤中國</p><p>　　電話：+86 10 8520 7126</p><p>　　電子郵件：talam@de

74、loitte.com.cn</p><p>　　薛梓源 科技、傳媒和電信行業(yè)風(fēng)險咨詢合伙人 德勤中國</p><p>　　電話：+86 10 8520 7315</p><p>　　電子郵件：tonxue@deloitte.com.cn</p><p>　　黃毅倫 科技、傳媒和電信行業(yè)財務(wù)咨詢合伙人 德勤中國</p><p

75、>　　電話：+86 755 3353 8098</p><p>　　電子郵件：alwong@deloitte.com.cn</p><p>　　殷亞莉 科技、傳媒和電信行業(yè)稅務(wù)及法務(wù)合伙人 德勤中國</p><p>　　電話：+86 10 8520 7564</p><p>　　電子郵件：yayin@deloitte.com.cn<

76、;/p><p>　　張耀 電信行業(yè)首席顧問 德勤中國</p><p>　　電話：+86 10 8512 4816</p><p>　　電子郵件：yaozhang@deloitte.com.cn</p><p>　　施安迪 科技、傳媒和電信行業(yè)華南區(qū)領(lǐng)導(dǎo)合伙人 德勤中國</p><p>　　電話：+86 755 3353 8

77、788</p><p>　　電子郵件：ssy@deloitte.com.cn</p><p>　　何錚 科技、傳媒和電信行業(yè)華東區(qū)領(lǐng)導(dǎo)合伙人 德勤中國</p><p>　　電話：+86 21 6141 1507</p><p>　　電子郵件：zhhe@deloitte.com.cn</p><p>　　鐘昀泰 德勤研究

78、高級經(jīng)理 德勤中國</p><p>　　電話：+86 21 2316 6657</p><p>　　電子郵件：rochung@deloitte.com.cn</p><p>　　周立彥 科技、傳媒和電信行業(yè)規(guī)劃經(jīng)理 德勤中國</p><p>　　電話：+86 10 8512 5909</p><p>　　電子郵件：li

79、yzhou@deloitte.com.cn</p><p>　　李艷 科技、傳媒和電信行業(yè)規(guī)劃專員 德勤中國</p><p>　　電話：+86 23 8969 2507</p><p>　　電子郵件：lavli@deloitte.com.cn</p><p>　　敬請登陸www.deloitte.com/insights訂閱德勤洞察最新資訊。

80、</p><p>　　敬請關(guān)注 @DeloitteInsight</p><p>　　關(guān)于德勤洞察 德勤洞察發(fā)布原創(chuàng)文章、報告和期刊，為企業(yè)、公共領(lǐng)域和非政府機構(gòu)提供專業(yè)洞察。我們的目標(biāo)是通過調(diào)查研究，利用德勤專 業(yè)服務(wù)機構(gòu)的專業(yè)經(jīng)驗，以及來自學(xué)界和商界作者的合作，就企業(yè)高管與政府領(lǐng)導(dǎo)人所關(guān)注的廣泛議題進(jìn)行更深入的探討。</p><p>　　德勤洞察是Deloitt

81、e Development LLC旗下出版商。</p><p>　　關(guān)于本刊物 本通信中所含內(nèi)容乃一般性信息，任何德勤有限公司、其成員所或它們的關(guān)聯(lián)機構(gòu)（統(tǒng)稱為“德勤網(wǎng)絡(luò)”）并不因此構(gòu)成提供任 何專業(yè)建議或服務(wù)。在作出任何可能影響您的財務(wù)或業(yè)務(wù)的決策或采取任何相關(guān)行動前，您應(yīng)咨詢合資格的專業(yè)顧問。</p><p>　　任何德勤網(wǎng)絡(luò)內(nèi)的機構(gòu)均不對任何方因使用本通信而導(dǎo)致的任何損失承擔(dān)責(zé)任

82、。</p><p><b>　　關(guān)于德勤</b></p><p>　　Deloitte（“德勤”）泛指德勤有限公司（一家根據(jù)英國法律組成的私人擔(dān)保有限公司，以下稱“德勤有限公司”） ，以及其一 家或多家成員所和它們的關(guān)聯(lián)機構(gòu)。德勤有限公司與每一個成員所均為具有獨立法律地位的法律實體。德勤有限公司（又稱“德 勤全球”）并不向客戶提供服務(wù)。在美國，德勤指德勤有限公司、在美

83、國以“德勤”的名義運營的關(guān)聯(lián)機構(gòu)及其各自的附屬公司 所屬的一家或多家美國成員所。根據(jù)公告會計條例及法規(guī)，某些服務(wù)并不向鑒證客戶提供。請參閱 www.deloitte.com/about 以 了解更多有關(guān)德勤有限公司及其成員所的詳情。</p><p>　　© 2018 Deloitte Development LLC版權(quán)所有。保留一切權(quán)利。</p><p><b>　　德