來源：適道
圖片來源：由無界AI 生成
對中國企業而言，數智化的必要性和迫切性是不爭的事實。
但是，每當談到“數智化轉型”，就如同“小馬過河”。大部分企業像急於過河的“小馬”，雖然沒有“老牛”的身家（體量大、資金足的大型企業）；但也強過“松鼠”（抗風險能力差的小企業）。在原本的故事裡，「小馬」可以自主決定「是否過河」。然而，在現實世界中，第四次產業革命浪潮席成交量全球，眾多企業如今已被推到了數位智化的河邊。
事關生存，河不得不過。
因此，企業「摸清數智化河裡的石頭」就顯得格外重要。這需要「成功過河者」的經驗。
《哈佛商業評測》的一篇文章《是什麼讓一家公司在使用AI方面取得成功？ 》（What Makes a Company Successful at Using AI?）就給了「成功過河指南」。
文章透過麥肯錫和麻省理工學院製造和營運機器智慧計畫（MIMO）的一項研究，即追蹤100家企業（涉及汽車、礦業等多種產業）在數位化、數據分析和機器智慧（MI）技術等方面的目標、行動以及結果的表現，得出：領先的數智化企業在治理、部署、合作夥伴、人員和資料可用性等5方面存在一定共通性。
文章有兩位作者，一位是Vijay D’Silva，麥肯錫公司的資深合夥人；另一位Bruce Lawler是麻省理工學院MIMO的董事總經理。作者指出，本文研究成果可供所有數智轉型企業參考。
01 轉型期的四類企業
第一個結論：想在數智化競爭中傲立群雄，企業要打出環環協作的整體方案，不要想著一招制敵。
透過對9大類別的21個性能指標的評估，作者將100家數智化轉型企業分為了領導者、規劃師、執行人以及新興公司。
最優秀的是“領導者”，約佔樣本的15%。他們在21個關鍵績效指標中的20個指標中都取得了非常顯著的改善，在所有9個績效類指標中位列前25%。這類企業能夠把錢花在刀刃上，是數智化最大的獲益者。
第二類稱為“規劃師”，約佔樣本的25%。這類企業很擅長處理人際關係，也具備紮實的資料執行知識。不過，很多企業目前沒有得到轉型的回報效益。有些企業甚至掙扎在2018年麥肯錫提出的 「試點陷阱」中。
跳出來看，「試點陷阱」也是不少中國企業數智轉型的痛點。
企業的規模轉型是一個長期性的、系統化能力增持的過程。那麼，在推動轉型時，企業會選擇一些小規模的試點來驗證新的變革措施。然而，這些試點案例往往難以複製和擴展，導致整個轉型計畫難以實現規模化的外溢效應。
數智化，包括數位轉型多以失敗告終，究其原因，在於缺乏整體方案。例如，企業過於專注於部署所選的用例，而不是實現轉型的整體方法。根據麥肯錫一項全球調查，成功的數位轉型並不是“另一個IT專案”，而是獲得高層領導（如董事會主席，CxO、執行委員會）支持的“以業務為主導，兼顧ROI回報的轉型”。
而這個結論與本文有異曲同工之處。
第三，執行人，約佔樣本的33%。這類企業以成果為導向，善於利用不斷成長的專業知識庫，與合作夥伴合作，並能把握機會，制定和實施具體解決方案。雖然他們的基礎建設比上述兩類企業少，但也能取得顯著成果。
不過，「執行人」的痛點依然在於部分和整體的矛盾，這類企業很難將各方努力整合到公司業績，形成合力。
最後一類是“新興公司”，約佔樣本的25%。這些企業的成熟度最低，收益也最小；許多正在剛起步。很多「新興公司」發現，自己很難找到需要投資的地方。只有少數具備策略、技能或基礎設施的企業，方可實現進一步發展數智化。
02 聰明企業的五個秘密
比起表現平平的企業，「領導者」只花一半時間，就能達到其他企業兩倍以上的效果。為何他們如此優秀？
文章總結了頂級玩家在五個關鍵環節的做法。
治理
文章指出，對於「領導者」來說，機器智慧（MI）是一項策略優先。許多公司為此也建立了專門的卓越中心（CoE）。
這就不得不提，雖然許多企業都有數智化轉型的意識，他們也採購了無程式碼、低程式碼、RPA等自動化工具用於數智化轉型，但囿於複雜的組織結構和團隊間的數據孤島，企業內部無法實現高效合作，導致數智化工程難以推進，企業資源被大量浪費。
文章中提到的卓越中心（CoE）可以將技術、人才、設施等資源中心化起來，監督企業做正確的事情，來加速企業達成轉型目的。目前很多引進RPA的企業已經建立了CoE。例如，東風日產CoE主管柴一翠曾在介紹，企業CoE在定位、推廣策略、推廣體制、驅動及治理、訓練、資訊交換和認真與激勵七個方面發揮了重要作用。除此之外，包括普華永道、德勤等多家顧問公司也設立了不同業務方向的CoE。其中，安永和IBM曾宣布成立一個中心化虛擬中心形式的CoE，幫助金融機構利用混合雲解決方案加速數位轉型。
此外，作者指出，「領導者」更傾向於用一個明確的流程來評估和實施數智化創新，而且他們也能認識到，在這個快速發展的領域，變化是不可避免的。因此，大多數「領導者」都會不斷地評估和提升他們的流程，而「執行人」和「規劃師」往往會陷入困境，這限制了他們成功擴展用例的能力。
部署
「領導者」會盡可能廣泛使用機器智慧（MI）。
研究中的每一個“領導者”，都在預測、維護優化、物流和運輸等環節運用了機器智慧（MI）。而比起其他三類企業，「領導者」也更傾向於採取更先進的方法。
例如，生物製藥公司Amgen正著力開發一個經過驗證的，使用AI的視覺檢查系統，這將提高70%的粒子檢測率，並減少60%的誤報。
作者在文章一開始舉了一個美國最大電力生產商Vistra的例子。為了讓工廠高效運行，工人們要持續監控和調整數百個不同的指標，即便是最熟練的操作員也無法保證準確無誤。後來，工廠安裝了一個AI驅動工具（熱率優化器），最終工廠效率提高了1%，聽起來可能不多，但卻是實打實節省了數百萬美元，也降低了碳排放。
合作夥伴
企業間的合作關係通常發生在學術界、新創公司、現有技術供應商以及外部顧問。然而，「領導者」則更傾向於和更廣泛、更密集的伙伴建立聯繫，旨在最大限度地提高自身發展速度和學習效率。
例如，兩家消費品公司高露潔-棕欖、百事/弗里托-雷在，與系統供應商Augury合作，並在各自的生產線上部署了人工智慧驅動的機器健康診斷系統，而這個決定曾幫助上述兩家企業避免了長達8天的停機。
半導體公司AnalogDevices與麻省理工合作開發了一種新型的機器智慧（MI）品質控制系統。該系統能夠識別哪些生產過程和工具可能有故障。這意味著，公司的工程師只需審查先前製程資料的5%即可，大大節省了人力。
由此可見，儘管「領導者」的能力很強，但他們似乎比其他企業更懂得如何從外部合作夥伴身上汲取能量。
人員
「領導者」不會吝嗇，他們會讓盡可能多的員工掌握數智化技能，而不是將專業知識留給少數數據專家。
研究發現，超過一半的「領導者」會對第一線員工進行機器智慧（MI）基礎培訓，而這個數字在其他公司只有4%。
例如，麥當勞餐廳使用機器智慧（MI）預測顧客反應和即時客流量，來改善一系列營運任務。
企業卓越中心（CoE）的資料專家負責測試和開發新方法，然後將這些開發成果打包成便於使用的工具，提供給現場員工。在系統幫助下，現場員工明白了數據的重要性，並鍛鍊了辨識問題的能力，從而也能回饋企業。
數據可用性
文章指出，所有的「領導者」允許第一線員工存取數據，而其他企業只有62%允許。另外，「領導者」們會從客戶和供應商取得數據。作為回饋，89%的「領導者」也會向客戶和供應商分享自己的數據。
總之，這種數據民主化與其他企業形成了鮮明對比，在「領導者」中，資訊就是力量，並且被有力地保護著。
數位轉型的建構模組
綜上所述，文章指出：當治理、部署、合作夥伴關係、人員和數據這5個面向環環相扣，彼此兼顧時，企業的數智化轉型也會變得有效。不過，一般情況下，企業也會組織一個卓越中心（CoE）去協調上述的5個面向。
萬事起頭難。作者認為，決心轉型的企業，首先要對自身當下的數智化程度進行一個誠實且全面的評估。此時，企業可以開始形成一個「過渡計畫」。即使這個計劃很粗略，但它也能夠逐一展開轉型時可能遇到的障礙，例如熟練的人才、投資能力和關鍵的基礎設施；如何讓從遺留系統向雲端遷移資料等等。另外，作者認為，企業轉型的步伐不要邁得太小。畢竟大多數「領導者」雖然一開始也只是使用數據和簡單的工具，但隨著熟練度提高，他們也轉向擁抱更先進的技術。
03 未來落差可能擴大
數智化對所有產業都是一場重構。目前，國內許多大型企業不僅順利完成了轉型，還將轉型經驗與技術延伸至各行各業，不斷豐富數智化與產業結合的應用場景。
這是否意味著轉型不利的企業會被時代淘汰？
作者認為答案不容Optimism。文章中「領導者」在數智化方面的開支已經增加了30%到60%，預計將增加10%到15%的預算，而其他企業則幾乎止步不前。這意味著雙方的鴻溝未來很可能會擴大。
不過，機器智慧（MI）最近取得了重大進展，全面轉型的機會剛開始顯現。激流勇進者方能領略江河源頭的奇觀勝景。雖然企業的起點不同，發展道路也有所不同。但至少，「數智化河裡的石頭」在哪裡，我們有「領導者」正在指明道路。
資訊來源：由0x資訊編譯自8BTC。版權所有，未經許可，不得轉載