先投入心力於小規模的AI專案,並執行正式的學習流程,然後將成果推廣到整家企業,對公司的轉型至關重要。
文/Maria Korolov 譯/羅耀宗
許多公司仍然沒有見到它們在AI的努力產生顯著的影響。一些專家表示,這可能是因為它們沒有展開所謂的「組織學習」。
單單利用AI進行最佳化業務流程是不夠的,例如做出更好的預測,或者自動執行人工任務。企業需要更進一步,從它們的AI專案吸取經驗教訓,進而借重它們促使組織轉型。
就算不是全部,大多數組織也會說,它們早就從自己的成功和失敗中學習,但是很少組織設有正式的學習流程,並且推廣到整個企業,尤其是在使用AI時。因此,根據《麻省理工學院史隆管理評論》(MIT Sloan Management Review)和波士頓諮詢集團(Boston Consulting Group)合作進行的最新一份報告,2020年只有11%的公司表示它們的AI計畫產生顯著的效益。
[CIO都在讀: AI最常見的應用有哪些? ]
舉例來說,貸款申請案的評分作業,有不少需要靠放款行員動手輸入繁瑣的資料。使用AI或機器學習,可以明顯地最佳化這個流程、降低成本,並減少放款行員的人力需求。但是企業只能節省那麼多錢,員工也不願意支持可能使他們失去工作的專案。
在此同時,我們也能用AI從相同的貸款申請資料汲取新的洞見。例如,銀行可能發現服務不足的客戶群,也許有助於業務大幅擴張。波士頓大學(Boston College)凱洛爾管理學院(Carroll School of Management)的資訊系統教授、MIT史隆管理學院報告的共同作者 Sam Ransbotham 說,或者,銀行可能發現人們擔心申請貸款會損及他們的信用評等。如果能夠提供不影響信用評等的無風險評估機會給他們,或許可以改變這種情形。
他說:「這不只使貸款流程自動化;也從根本改變貸款流程。」
成長潛力無止境,員工也願意支持能夠提供更多機會,給他們做有趣工作的新技術。
[ 下載 2020-21 CIO大調查報告,掌握最新企業IT採購趨勢 ]
Ransbotham說,這是CIO需要注意的重要視角,因為他們通常更為關注效率。他說:「有些CIO比較側重服務。他們致力於降低IT的營運成本。我們傾向於將已經在做的事情自動化,而不是去做不一樣的事。」
MIT史隆和波士頓諮詢集團調查3,000多名受訪者,發現幾個因素,有助於一些公司躋進報告「獲有顯著財務效益」的11%之列,包括人們和AI之間共享知識、將AI納入整體的企業策略之中、不只將AI用於簡單的自動化,以及找到人們和AI一起工作的方式,讓AI擴增了人們的工作,人們的工作也擴增了AI的應用。
「我們發現,當企業執行組織學習取向的這些步驟,可以提高躋進那11%的可能性將近80%。」
在AI下大賭注
2021年1月底,嬌生公司(Johnson & Johnson)宣布開發出嚴重特殊傳染性肺炎(COVID-19)疫苗。這是單劑型疫苗,只需要正常冷藏,不必低溫冷凍(冷鏈系統)。根據嬌生的說法,它的疫苗整體的效果是66%,但預防嚴重病症的效果達85%,預防死亡的效果為100%。
嬌生公司的資訊長 Jim Swanson 說,少了人工智慧,不可能做出這種疫苗。他說,八、九個月前,必須花兩個星期才能生產一批疫苗。現在,一個星期就能生產兩批疫苗 — 改善四倍。
他說:「我們使用AI來改善發酵過程到生產流動的每一件事。我們得到很多洞見,所有這些合起來,產生最後的結果。」
他表示,跨越多個專業領域的合作,也加快這個過程。「我們努力推動『雙語資料科學家』的這個觀念。這種人真的了解研究發展或供應鏈。」
但是在善用AI加速COVID-19開發的同時,是現在成為頭條新聞的進一步發展:嬌生也利用AI創造全新的商機。例如,它正使用AI和機器學習,檢查視網膜掃描的結果,以確定患者是否有青光眼。
[CIO都在讀:北卡藍十字將IT回歸到組織內部以提昇敏捷性 ]
這家公司也生產外科手術機器人。Swanson說:「精確度提高,作業程序更好。」
該公司甚至更進一步。最後的目標是改善患者的治療結果,所以它也在研究手術前和手術後的過程。他說:「你可以使用AI,讓合適的患者動正確的手術,從而以最好的方式幫助他們康復。現在,你對患者有了從頭到尾的了解 — 這將創造全新的一組機會。」
Swanson說,嬌生公司正全盤部署相同的方法。以它的Avena護膚系列為例來說,消費者可以拍下自己的皮膚照片,AI會推薦適合個人化使用的產品。
組織學習接著派上用場,因為嬌生會使用這些圖片,找出人們面對的皮膚問題。他說:「現在,突然之間,產品的供應速度加快了。你有一個資料回饋循環,能夠持續開發攸關的產品。」
[CIO都在讀: 什麼是「自動化長」?你需要一個嗎? ]
而那個回饋循環取決於正確的資料基礎設施必須是安排就緒。這個基礎設施能支持隱私和安全無虞,所以整個公司能夠做到資料民主化。Swanson說:「要是不能夠做到安全地共享資料,就不能共享資料。」這可能表示資料要去識別化(de-identifying) ,例如專注於表現型(phenotype) — 具有特定條件的年齡群。
嬌生的組織學習策略,最後一塊拚圖和集體AI專業知識的成長有關。Swanson說:「如果你不能安心使用資料,就無法善用它。因此,我們擁有前瞻性的研發科學家、商業人才、供應鏈人員。我們成立了一個資料科學委員會,由我和研發主管共同負責,而且我們決定將AI普及下放到全公司各業務中。」
更重要的是,嬌生的AI策略得到高層的支持。他說:「我們正在將AI和技術作為公司的核心 — 這不是你可以只敲邊鼓就做的事情。」
傳播好消息
普華永道公司(PricewaterhouseCoopers, pwc)的合夥人兼全球AI領導人 Anand Rao 表示,AI計畫做得最成功的公司,和嬌生一樣,不會將AI局限於一些小群體。相反的,他們將AI嵌入全公司,即使缺乏技術或分析背景的員工也會使用它。
[CIO都在讀: 打造彈性組織 迎接未來挑戰 ]
他說:「大多數的挑戰 — 指公司沒有獲得投資報酬率的時候,是因為他們沒有獲得適當的訓練、指導和管理。你不希望只有一個人或一小群人從中學習到某些事情,而是整個組織都學習到。」
他說,「懂多種語言」的人對公司有幫助,這表示他們了解業務面、主題業務功能領域、軟體和AI演算法。「或者找到一支能夠協同工作,做到這一點的團隊。」他補充說,這是最大的挑戰之一:「很難要心態不同的人攜手共事。」
人機協作
Genpact是把組織學習原則牢牢放在心上的另一家公司。這家全球專業服務公司,起初是奇異(GE)的業務流程單位。專業服務公司Genpact於2005年將它拆分出來,現在擁有近100,000名員工,2019年的營業收入是35億美元。
Genpact的創新長 Gianni Giacomelli 說,流感大流行時,營收大幅度下降,公司本來可能裁員10,000人,因為它的許多客戶都分布在大受打擊的行業。
Giacomelli說:「相反的,我們能夠配合他們的新需求,即時再訓練他們。」他也是公司的學習和發展部主管。「有時只要花幾個星期的時間,就能再訓練他們,擔當新的職務。實際上,即使在COVID-19期間,我們相對於同業仍有成長。」
這家公司在這兩次危機中分別使用AI,才有可能進行再訓練。首先,Genpact使用流程探勘(process mining)、自然語言處理(natural language processing, NLP)和網絡分析,去設想如何把事情做好、發現例外異常情況,並找出公司中誰擁有什麼技能及領域專業知識。
[ 加入 CIO Taiwan 官方 LINE 與 FB ,與全球CIO同步獲取精華見解 ]
這些資訊有助於公司將員工安置到新的職務上,而且一旦員工開始投入新工作,AI系統會解釋特定任務的作業程序,或者介紹他們和相關的專家認識,幫助他們迅速上手。
Giacomelli說:「這讓我們能以遠快於從前的速度,因應遇到的情況。」
以前的知識管理有它本身的難度。根據 KM Institute 的資料,五年前,這些計畫的失敗率約為50%。但由於自然語言處理和其他AI技術的重大改進,情況已經明顯改變。
Giacomelli說:「過去兩三年間,機器可以自己做的知識本體創建的品質準確許多。而你得到的回報則是更為精確。」
AI可以找到位於文件、業務流程,以及和人有關的組織知識。
Genpact的AI不是IT部門的專屬領域。控股公司Booz Allen Hamilton的AI策略與訓練總監 Kathleen Featheringham 說,這是公司能不能從AI獲得巨大投資報酬的關鍵差異。
她說:「AI是第四次工業革命。它全面改變了商業遊戲規則。這不只是IT的問題 — 所有的職務都在演進當中。」
她說,AI驅動的企業轉型涉及重新評估績效目標和訓練目標。而且它需要和組織的願景及使命聯繫在一起。她說:「以我的經驗來說,當AI沒有和願景及使命搭上邊,人們真的會非常厭惡AI。」
創建新的業務線
組織學習的原則之 一 是用AI來擴增員工的能力、和員工並肩工作,以及補足他們的技能。
市場研究公司 Hurwitz and Associates 的總裁兼創辦人 Judith Hurwitz 說:「如果讓機器做得好的事,和人類的直覺與知識做得好的事,一起協作,你將獲得巨大的業務效益。」他寫了十本書,談領導力、科技和分析。
軟體開發公司Globant就是以AI驅動的擴增編碼做到這件事。它使用自然語言處理,讓開發人員能按功能搜尋程式碼,從而縮短學習曲線,並加快程式開發的速度和更為準確。這套系統也自動生成文件,並根據上下文自動完成程式碼。
Globant的北美技術長 Nicolás Ávila 說:「這不會取代開發人員的重要性。那種技術還不存在,不過也不是真的像我們所說的那樣。」
[ 大師開講─台大資管曹承礎教授:企業數位化 CIO的關鍵領導力 ]
相反的,擴增編碼技術在例行性工作上做了很多粗活。他說:「它提供開發人員一個起步基準,這與他們的特定問題與特定客戶相關。我們只是更有效地利用他們的時間。」
Ávila說,Globant最早是在五年前投資於AI能力,並且普遍訓練員工 — 不只針對開發人員,甚至在某種程度上針對人力資源、採購或其他部門的人員。「你必須對AI的能力至少有某種高度的概念,這樣,每位員工才能找到機會。」
這已經在公司的其他領域,包括招聘和留用人員,演進為AI驅動的各種應用。
自動化編碼源於2019年初,將自然語言處理應用到程式設計語言的實驗。這種努力發展成一套內部開發工具 — 然後成為商業化產品。
Ávila說:「我們絕對認為這是不斷成長的商機。」
(本文授權非營利轉載,請註明出處:CIO Taiwan)