隨著領導者越來越多地看到人工智能（AI）有助于推動下一次巨大的經濟增長，對失蹤的恐懼正在全球蔓延。許多國家已經制定了AI戰略，以通過投資，激勵措施，人才開發和風險管理來提高其能力。隨著AI在下一代技術中的重要性不斷提高，許多領導者擔心它們會被拋在后面，而不分享收益。

人們越來越意識到AI的重要性，包括其提供競爭優勢和改善工作的能力。大多數全球早期采用者表示，人工智能技術對于當今的商業成功尤其重要，這一信念正在不斷增加。多數人還說，他們正在使用AI技術領先于競爭對手，并且AI為其員工提供了力量。

人工智能的成功取決于正確執行。組織通常必須在廣泛的實踐中表現出色，以確保AI成功，包括制定策略，追求正確的用例，建立數據基礎以及培養強大的實驗能力。這些功能現在至關重要，因為隨著AI變得更易于使用，競爭差異化的窗口可能會縮小。

來自不同國家的早期采用者顯示出不同程度的AI成熟度。不同國家的早期采用者的熱情和經驗有所不同。有些人大力追求AI，而另一些人則采取更為謹慎的方法。在某些情況下，采用者正在使用AI來改進特定的流程和產品。其他人則在利用AI改變整個組織。

無論各國AI的成熟度如何，我們都可以從它們的方法中學習。通過研究國家的挑戰以及那里的公司如何應對挑戰，我們可以收集一些重要的領先實踐。例如，某些國家的領導人更關心解決技能差距。其他人則關注AI如何改善決策或網絡安全能力。

實現AI卓越的途徑很多，成功不是贏家通吃的命題。通過全球視角檢查早期的AI采納者可以實現更廣闊的視野。這樣，每個人都可以在以AI為動力的旅程中采取更加平衡的方法。

AI優勢不是零和游戲

未來幾年，人工智能技術將對經濟發展和工作性質產生巨大影響。它還將從根本上重塑許多行業的競爭動力。因此，許多領導人認為他們國家的未來處于懸念之中。難怪政府急于促進AI投資，建立教育計劃，進行研發以支持其境內的企業。

實際上，許多政府已經開發了正式的AI框架來幫助刺激經濟和技術增長。這些范圍從美國關于人工智能領導力的行政命令，中國的“下一代人工智能發展計劃”到“德國制造的人工智能”和“泛加拿大人工智能戰略”。1這些戰略的重點是人才和教育，政府投資，研究和合作伙伴關系。但是政府面臨的不僅僅是技術和經濟挑戰。許多人正在評估如何在不減少創新和潛在經濟利益的情況下確保隱私，安全性，透明度，問責制和對支持AI的系統的控制。

盡管國家和公司之間競爭激烈，但AI不應被視為零和游戲。所有采用者都可以互相學習，而早期的成功可能取決于正確的執行-從選擇正確的用例，到準備勞動力，再到管理風險和挑戰。

幾乎三分之二的早期采用者表示，人工智能技術對于今天的業務成功“非常”或“至關重要”，在短短兩年內就增長到81％。實際上，十分之四的人認為，人工智能將在兩年內至關重要。就像它們所在國家的政府一樣，越來越多的組織強烈地認為人工智能對于未來的領導至關重要。這些采用者正在使用各種AI技術，包括機器學習，深度學習，自然語言處理和計算機視覺。

人工智能技術組合

機器學習。使用機器學習技術，可以教會計算機分析數據，識別隱藏模式，進行分類以及預測未來結果。這些系統的學習來自隨著時間的流逝而無需明確編程指令即可提高其準確性的能力。大多數AI技術，包括自然語言處理和計算機視覺等高級和專業應用，都基于機器學習及其更復雜的后代，深度學習。我們的調查顯示，全球有61％的受訪者使用機器學習。

深度學習。深度學習是基于人類大腦概念模型（稱為“神經網絡”）的機器學習的子集。之所以稱為深度學習，是因為神經網絡具有互連的多層：輸入層接收數據，隱藏層計算數據，以及提供分析的輸出層。深度學習對于分析復雜，豐富和多維的數據（例如語音，圖像和視頻）特別有用。當用于分析大型數據集時，它效果最佳。新技術使公司更容易啟動深度學習項目，并且采用率也在增加。在我們的全球受訪者中，有51％的人說他們使用深度學習。

自然語言處理（NLP）。NLP是從文本中以可讀，造型自然和語法正確的形式提取或生成含義和意圖的能力。NLP為虛擬助手和聊天機器人的基于語音的界面提供動力。該技術也越來越多地用于查詢數據集。260％的全球受訪者已采用NLP。

計算機視覺。計算機視覺是從視覺元素中提取含義和意圖的能力，無論是字符（在文檔數字化的情況下）還是圖像中內容的分類（例如面部，物體，場景和活動）。面部識別背后的技術-計算機視覺-是消費者日常生活的一部分。例如，某些手機允許其所有者通過面部識別進行登錄。計算機視覺技術可以“駕駛”無人駕駛汽車，并為無收銀員商店提供動畫效果。3計算機視覺在全球受訪者中也已成為主流，其中56％的人說他們的公司今天使用它。

有跡象表明，與AI競爭差異化的窗口正在迅速關閉。隨著AI技術變得更易于使用并嵌入越來越多的產品和服務中，先行者的優勢將迅速消失。大多數人（57％）認為，人工智能技術將在未來三年內極大地改變他們的公司。但是，只有38％的人認為AI將在同一時間框架內改變其行業。被認為較慢的行業轉移可能代表了很小的機會。早期采用者可能最好不要低估他們的競爭。

AI的早期采用者旨在提高其內部和外部能力。他們報告的主要AI收益是增強產品和服務（選擇43％作為其前三項收益之一）和優化內部業務運營（將41％認為是前三項收益）。公司可以選擇內部或外部重點（或兩者兼而有之），并且許多公司都在追求各種用例。例如，一個小組成員和零售CIO已經探索了許多應用程序：“我們研究了各種用例，從跨所有渠道的自動化開始，聊天機器人可以協助客戶查詢，以及決策支持和客戶分析。以便更好地了解購買方式和產品性能。”

關于全球AI支出總額，對AI創業公司的投資以及AI技術對未來經濟的影響，有許多估計。4大多數評估都認為，美國和中國投資最多，歐盟成員國希望迅速趕上。5市場的快速增長是顯而易見的，我們的受訪者表示，他們在AI技術上的投入越來越大，并獲得了正回報。實際上，有51％的人希望在下一財年將其AI投資增加10％或更多。

即使有很高的熱情并愿意投資于AI技術，組織仍面臨著一系列交織在一起的挑戰。在全球樣本中，有30％到40％的人在前三名中發現了以下挑戰：將AI集成到角色和職能，數據問題，實現難題，成本以及衡量AI實現的價值。倍耐力數字產品開發全球總監CarloTorniai經歷了其中的一些。他解釋說：“大多數時候，挑戰都與數據質量和可用性，清晰可衡量的關鍵績效指標（KPI）和抵制變化有關。”每個組織都應提前考慮這些潛在障礙，并制定解決方案。

高管們還擔心更廣泛的漏洞，有43％的高管表示他們對潛在的AI風險有重大或極端的擔憂。排在首位的是網絡安全漏洞（有49％的人將其排在前三位），并根據AI建議做出了錯誤的決定（占44％的前三位）。此外，百分之四十的人指出，人工智能決策的潛在偏見是三大道德風險。瑞士信貸集團戰略與轉型全球負責人FalguniDesai對信任AI表示擔憂，“無論我們使用哪種類型的用例，監管機構都需要更多地參與，如果我們要對AI擁有信任和透明度在藥物上市之前，我們在旅行，食品等級和測試中尋找星級評價的方式。”

最后，大多數組織都面臨著AI技能差距，并且正在尋找專業知識來增強其能力。68％的全球受訪者表示中度到極端的AI技能差距，而填補這一差距所需的前三個角色包括AI研究人員，軟件開發人員和數據科學家。許多公司還尋求技術專家以外的其他人，因為他們需要能夠解釋AI結果并做出決策并根據其采取行動的業務主管。盡管組織可能認為尋求最佳外部人才會帶來好處，但是培訓他們目前的員工隊伍不容忽視。Datalog.ai的執行合伙人兼首席執行官Jack Crawford建議：“在建立卓越的技術中心之前，我贊成對高級管理人員進行教育。業務需要牽頭，人工智能將改變人們的工作方式，并且需要一系列技能來確保成功。

誰是“經驗豐富”的AI采用者？

一些采用AI的人比其他人更努力。為了幫助我們進行比較，我們確定了三個不同的成熟度級別。“經驗豐富”（占全球樣本的21％）是經驗最豐富的AI早期采用者，處于AI采用成熟度的領先地位。他們已經進行了大量的AI生產部署，并報告他們已經開發了高水平的AI專業知識-選擇AI技術和供應商，確定用例，構建和管理AI解決方案，將AI集成到其IT環境和業務流程中，以及雇用和管理AI技術人員。中間是“熟練的”（43％）。他們通常已經啟動了多個AI生產系統，但還沒有像Seasoned那樣成熟的AI。他們落后于AI實施的數量，AI專業水平或兩者。另一方面，一群“入門者”（占36％）正全力以赴地采用AI，但尚未建立，集成和管理AI解決方案的扎實技能。

緊迫性：早期采用者正在期待快速變化。無論他們身在何國，他們都堅信AI對他們的公司今天的成功“非常”或“至關重要”。仔細研究發現，將AI視為至關重要的高管比例將在未來兩年內激增，其中一些國家的飛躍要比其他國家大。此外，每個國家/地區的大多數人都認為AI將在未來三年內改變其業務。中國表現出最大的樂觀態度，超過四分之三的人持這種觀點。

盡管競爭格局因國家和行業而異，但我們還是想了解早期采用者是主要使用AI來與同行保持一致還是創造競爭優勢。觀點差異很大。超過一半的中國受訪者（55％）認為他們正在擴大競爭優勢，甚至超越自己。來自澳大利亞的一半受訪者表示，他們僅使用AI來趕上或趕上競爭。

挑戰：各國的早期采用者對AI風險的關注程度各不相同。例如，來自澳大利亞和法國的受訪者中約有一半報告了重大或極端關注，而來自中國的受訪者僅為16％。與其他國家相比，一些國家的早期采用者對這些AI風險感到更加“充分準備”。尤其是，來自德國和中國的受訪者似乎充滿了信心，他們對準備的信心超過了他們的關注水平。

從特定的挑戰來看，缺乏AI技能似乎是一個普遍的問題。根據國家/地區的不同，有51％到73％的早期采用者報告中度到極度技能差距。另一個常見的挑戰涉及AI的潛在網絡安全漏洞。在各個國家/地區中，至少有十分之四的AI早期采用者將此問題排在前三位（在中國上升到54％）。

資料來源：德勤