首頁熱門文章
產業AI To B領域下一個投資轉型風口？
發布時間：2019-05-06 分類：趨勢研究
2018年，有一種聲音甚囂塵上：創業的“黃金十年”已經過去。
巨頭們在2018年經歷資本寒冬之后，紛紛轉向To B，無一例外。而原本就在To B細分賽道的中小玩家，或欣欣向榮，或黯然離場。2018年的To B市場，跌宕起伏。
然而，當我們把目光深入到To B細分領域中會發現，AI交出的成績卻是亮眼的。數據顯示，人工智能領域共產生396起投資事件，吸金464.31億人民幣(數據來源于企服頭條)。從2018年春節開始，人工智能領域的大新聞就幾乎從未間斷：百度無人車亮相央視春晚;阿里云人工智能助力平昌冬奧會;商湯科技與曠視科技分別獲得大額融資……每一起事件都振奮著AI產業人的神經。
以前大家都在科普AI如何改造各行各業，從前幾年的預熱到現在的極熱，這說明AI已經到了轉型的關口——提倡產業和AI融合，擁抱產業AI。阿里布局“新制造”，騰訊擁抱“產業互聯網”，馬化騰在知乎上發問“產業互聯網和消費互聯網融合創新，會帶來哪些改變?”
雖說“產業AI”已成高頻詞，但此時此刻，所有致力于發展產業AI的決策者仍感迷惑。
產業AI究竟是何方神圣?
正如阿里胡曉明所說，“人工智能不應僅僅是實驗室里的、PPT里的‘概念上的AI’，更是‘產業AI’”。所謂產業AI當然是在具體的一個個產業里發揮作用的AI技術和產品，也就是我們經常說的AI賦能傳統行業。但有點不同的是，在討論AI賦能行業，或者所謂“AI+”的時候，往往設想的是以AI為主體，來實現某個領域的固有功能。比如一些AI+電銷平臺，就是用AI的語音交互和NLP能力，來實現智能外呼功能。
在這種情況下，一般思考的是用AI替代，而不是用AI結合。它能改善一些情況，卻無法真正提高這個產業本身的效率，降低原始成本，更不能融合在整個產業線之中。
產業AI，必須是能夠與傳統產業無縫結合，推助產業核心部類向前發展的。尤其需要注意的是，深度的產業AI必然指向復雜的行業限制和真實需求，往往比簡單的AI替代論復雜很多。
比如說想讓AI來評估線索質量情況，提高銷售效率。聽起來蠻簡單的一件事，但是一名老銷售，卻需要了解目標客戶的工商信息、新聞、產品情況、企業規模、招聘情況、企業決策人、客戶跟進情況等等十幾個因素根據不同的權重才能綜合評估客戶情況，判斷轉化商機的機率，為提供最合適的解決方案;假如AI系統只算了其中一兩個，漏算了某些因素，豈不是耽誤了商機?
所以說，產業的需求往往比我們一般想象中復雜太多，在智能銷售服務商探跡科技CEO黎展看來，AI想解決產業問題，必須具備三個方面的基礎能力：
數據規整能力：真實世界中，數據和信息常常是從幾個方向混雜過來。假如AI只能數據收集、而沒有數據清洗、規整，這只會增加企業噪音。就像上面說的銷售場景，AI必須綜合各方面信息和實時變化的數據流，隨時做出統領全局的最優解。這就像人類的大局觀，沒有大局觀的人不能勝任管理，沒有大局觀的AI也是一樣。
簡單易用體驗：想做產業AI，必須承認的一點是目前的AI并不能徹底取代人類。必須是人機協同的工作模式，但是人機如何協同，如何在縮減人的工作時間，提高人的工作效率之外，不會浪費大量學習成本和適應成本，也是關鍵問題。
持續進化能力：日新月異的工作，必須讓人不斷去適應和學習新的工作方式，對于AI也是一樣，如果產業AI不能進化，那么工作需求一旦變更AI就變成廢鐵一塊，那確實不要也罷。
產業AI該將何去何從?
如果你身處一個比較傳統的行業，不妨想想，假如為你安排一位超級智能的AI助手，你的第一反應是什么?
很興奮?那么第二反應呢?大概是感覺學起來很麻煩，不知道到底好用不好用，擔心成本和收益不相符，等等等等。
以CRM為例，傳統CRM就是表單，很死、數據很少。某些廠商所謂的AI+CRM是補全線索工商信息或提供線索自動分配功能，僅把CRM定位在管理的功能，把AI當成一個已有業務中的小補丁，去提升點管理效率。但銷售的核心訴求——“增長”卻沒有得以滿足。一位老銷售告訴我們 “更換了CRM對于我們的改變不大，每天一早，我們還是得要搜索互聯網，列出當天打電話的行業客戶，然后去找電話。有時公司數據質量不高，經常只有一個總機，不知道客戶的信息是誰，打到前臺就會被質疑、阻攔。這是非常難受的場景，工作很難開展，團隊流失率很高?！?
由此可見，如果不是從0到1徹底顛覆一個產業，而做的是從1到100的事，只是對原有業務進行效率上的提升，這將很難創造大的價值。也因此，相比起單點技術，平臺性的技術也更受企業、投資者歡迎。所謂平臺性指的是產品/服務針對的不再是局限在一小部分。還是拿銷售場景為例，他針對的可能不僅僅是銷售管理這一塊，它可能涵蓋整個銷售流程：從線索挖掘、商機觸達到成單分析銷售的全流程。具體到智能化CRM而言，將企業從前端到后端全流程打通，從數據分析、機器學習兩方面來促進銷售自動化、數據智能推薦，把內外部連接的產品線呈現出來。一套承載了企業更核心數據的智能化CRM管理系統，對智能化運營、精準決策和高效管理有巨大意義。
而最終的目的是讓AI發揮真正的核心能力——以更小的代價去支撐更復雜的場景。要如何實現從0到1徹底顛覆?需要兩個方面：
第一，深入場景：很多AI技術走進現實時，往往會太重AI太輕現實，這樣做的直接結果是完全低估了產業化進程的難度。我們時長忽視的一個問題，是AI技術有時候并不能討人喜歡?？此朴械览淼募夹g解決方案，在真實產業場景里其實是無效的。
比如AI信息抓取方案在線索獲取方面的應用。一般我們理解銷售使用信息搜索，無非就是目標客戶全部信息進行抓取。但事實上卻不是這么回事，直接將網站信息轉換成文字，夾雜了大量的噪音，根本是無效轉化，反而加大了銷售工作的難度。真正需要的是AI能夠理解文本、抽取邏輯將關鍵業務信息摘取，這才能真正幫到銷售人員。
所以說，真正的產業AI必須以從業者為核心去思考問題，這需要對產業深度的理解，一定的服務經驗，以及關鍵領域的產業深度合作。
第二，讓數據更加智能。另一方面現在的人工智能發展起來的主要原因是我們的數據量在大大增加，尤其是企業數據量，同時數據處理能力提升很快，這就使得從量變引起質變，在某些領域，機器能干的事甚至已經可以超過人了。這件事的決定因素是什么?是數據。如果知識是人類進步的階梯，數據就是AI進步的階梯——這正是數據對于AI的核心意義。人工智能發展接下來最重要的就是要獲得百萬量級以上的標注數據。IDG資本?？庠浾f過“在人工智能領域，中國最大的優勢是有數據?！?
但如何讓數據更智能?阿里巴巴給我們提供了一個很好的思路： “一切業務數據化，一切數據業務化”。前者強調業務數據的沉淀和收集，后者強調數據的應用，更加聚焦讓數據產生價值。
業務數據化將企業相關業務領域的原生數據以數字方式存儲，通過內在的指標化做好統一、規范及標準，達到業務數據可利用、可分析、可改進，進入運營環節。業務過程當中各種核心的指標、跟核心的業務價值相關聯的部分都可以數據化沉淀下來。這是平臺干的事情。但此后，這些原生數據要想為企業要發揮洞察和預測的能力，還要進入到下一步——“一切數據業務化”。
數據的回饋能力就顯得尤其重要，所有業務場景中收集和采集的數據，圍繞業務場景形成閉環，根據物流調度算法或庫存的預測反作用到業務， 使數據能夠自我生長、消化吸收、形成新的知識體系。如果無法解決閉環問題，AI公司就只能停留在做數據的轉化、錄入和分析層面，注定無法分得更多的蛋糕。
這就好比，同樣背景的學生在后來的實際工作中會有天壤之別?其關鍵是后續學習能力。讓數據在這個循環當中不斷的自我完善和發展，從而形成新的知識體系，才是AI技術應當攻克的核心難點。
“通過數據化、智能化的手段，探跡在保證客戶數據隱私的基礎上做數據深挖，商機推薦算法的訓練，讓它變得越來越智能。公司的不同成員之間能夠實現‘經驗共享和行業共贏’，共同做大行業的蛋糕，來為整個企業賦能?！碧桔E科技CEO黎展說。以探跡科技智能銷售云平臺服務為例，每一個用戶的每一次操作行為都幫助了它提高關系的準確度和維度，以此構建更加完善和聰明的數據模型和知識圖譜。這樣的良好循環對于作為其它AI技術服務方的創業公司來講，幾乎很難實現。
產業AI，To B 領域的下一個投資轉型風口
美國權威調研機構發布了一份中國企業AI案例研究報告。報告指出中國企業追求AI實戰性，產業AI頗具土壤。
Gartner得出結論，中國企業對AI具備強烈需求，并且熱衷用AI來提高生產率、改善客戶體驗和促進業務增長。這一市場需求決定了中國具有產業AI的肥沃土壤。
與飄在空中的實驗室AI不同，產業AI的發展，本質上是產業科技化、科技產業化的漫長過程，這直接取決于兩股力量：一頭是科技，一頭是產業，兩者缺一不可。如何抓住產業AI的機會，不再滿足于單點替代，而是和客戶一起去重新定義端到端的模型，利用AI技術定義一個全新的業態。如何和客戶一起去重新定義端到端的模型，利用AI技術定義一個全新的業態？深入場景+閉環下的數據智能或許是AI目前最優選擇。
文章鏈接：安防展覽網 http://www.afzhan.com/news/detail/74820.html
下一篇：
用“科技向善”理念引領人工智能發展
