近日，德勤全球發布《科技、傳媒和電信行業的智能化升級》研究報告。報告發現，人工智能相關投資正在為企業不斷帶來經濟效益，在一定程度上，人工智能技術已為科技、傳媒和電信行業的企業獲得豐厚收益。

事實上，無論多么重大的技術突破，其作用通常會被過度宣傳，言過其實。人工智能無疑是一個典型的例子。

對于人工智能取得的每一項令人震驚的成就（例如，谷歌DeepMind戰勝世界圍棋冠軍），總有一批鋪天蓋地的新聞報道。這對急于利用新一代認知計算工具的企業領導者而言，如何對人工智能進行去粗存精是一項挑戰。

基于此，通過與數百位客戶、供應商以及一線人工智能研究人員的合作，基于人工智能在科技、傳媒和電信領域的應用，該研究報告闡述了人工智能如何為企業創造最大的商業價值，以及通過企業高管對人工智能的看法，分析企業在使用人工智能技術過程中所面臨的機遇與挑戰，為企業一線管理人員提供深度全面的參考。

先來看報告中的幾個核心觀點（主要成果）：在科技、傳媒和電信領域的人工智能應用劃分為三類：機器人與認知自動化，認知洞察與認知參與。

1、轉變工作方式：機器人與認知自動化

人工智能型自動化將人類從繁瑣重復的工作中解脫出來，提高生產效率，確保終端產品零誤差。

人工智能可以使計算機處理非結構化數據，例如處理應收賬款時收到的各類發票。

機器人流程自動化系統可以加強報告部門的管控并在更短的時間內以更低的成本完成賬目結算。

2、轉變決策方式：認知洞察

認知洞察技術不僅能幫助企業管理每天從實際工作、業務報告工具、供應鏈、社交媒體、物聯網傳感器收集到的大量信息，還能利用這些信息生成能夠創造商業價值的實時洞察。

認知洞察可用于挖掘數據，并發現相關趨勢和規律，因此認知洞察非常適合解決離散問題，比如預測某特定客戶的行為和反應。

應用機器學習技術準確地追蹤訂單過程，以在不需要的時候節約提升計算能力的費用，或避免需求飆升時出現人手不足的情況。

3、轉變互動方式：認知參與

借助認知參與技術，電腦能夠勝任發送至客戶服務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，企業可以大規模提供統一的優質客戶支持服務。

在用戶來看，聊天機器人代表一系列日益先進的人工智能型工具，擁有各式各樣的外形。聊天機器人能夠提供自助服務功能，協助對應客戶請求和問詢，交互性的動畫幫助窗口靈活應對客戶，利用自然語言處理技術及其他技術回答問題并提供自動回復。

科技、傳媒和電信企業高管對人工智能的看法

為更深入了解一線管理人員如何看待人工智能發展，德勤近期展開了一項調查。

上圖顯示：在科技、傳媒和電信企業的高管中，40%表示他們已經從認知技術中獲得可觀效益，而所有其他行業企業中有26%持相同觀點。

57%的高管認為認知技術對其改進內部業務流程“非常重要”；46%表示此項技術對其完善所銷售的產品和服務“非常重要”。43%的科技、傳媒和電信行業高管非常認同是他們在內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知計算能夠在未來三年內推動其企業實現“基本轉型”。

上圖顯示：盡管科技、傳媒和電信行業領導者認為認知技術對其內部轉型至關重要，但與其他行業高管不同的是，他們重點利用該項技術開發新產品。40%的高管認為產品開發是人工智能型技術帶來的首要效益。相比之下，僅有29%消費品和工業產品、能源和金融服務業等其他行業的企業持相同觀點。

如果我們考慮受訪科技、傳媒和電信企業高管的雙重特性，就能理解他們為何側重于新產品開發和創新，畢竟他們的企業才是本文所述許多人工智能解決方案的開發者，也是堅持從人工智能型效率中獲益的機構。

例如亞馬遜、Facebook、谷歌和微軟等科技巨頭逐步將人工智能技術融入其產品和面向客戶的業務，他們還投入數十億美元收購人工智能企業。

針對這群尖端精英競爭對手，即使是科技、傳媒和電信行業的早期采用企業也可能感到處于不利地位，必須全力沖刺才能趕上。這就導致無論何時提到人工智能技術話題時，在目前幾乎所有談話中都出現的，客戶總會詢問的一個問題：“我們知道谷歌正在大力發展人工智能，那是因為這本身就是他們的產品。那我們呢？我們與銷售人工智能毫無關系。你的意思是我們也必須成為一家人工智能企業？”

根據本次調查以及數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。”這并不意味著就需要趕上招聘熱潮，引進深度學習專家團隊，然后四處為他們找事情做。

眼下的戰略是，每家企業需要擁有某種形式的內部人工智能專業知識，可供領導者與業內發展保持同步，并且了解人工智能解決方案如何協助那些還未開始產品化的企業實現轉型。

分析人士預計幾乎所有領域的企業均會采用認知技術，但由于面對行業獨特的數據分析需求以及業務模式挑戰，科技、傳媒和電信行業領先企業將率先采用人工智能技術。

先來看看科技、媒體和電信行業具有哪些數據需求和業務痛點？

以半導體行業為例，該行業每隔幾年研發出新的芯片，且是前一代模型部件數值的兩倍。半導體設計與生產曾催生出計算機輔助設計方法，但各企業目前卻在逐漸轉向利用機器學習提高效率。

傳媒企業面臨諸多獨特挑戰，包括傳統業務模式的衰退，新銷售渠道的激增，以及應投入資源創造哪些類型的新內容，如何最有效的滿足日益分散的受眾等問題。

電信企業面對著如何吸引客戶和減少客戶流失等問題，隨著無線新網絡越來越復雜，這些企業還面臨這極為棘手的基礎設施管理問題。

案例研究：機器人與認知自動化

科技：《財富》50強之一的科技公司戴爾面臨一系列定期會計與報告挑戰。為了提高財務工作效率，德勤與戴爾合作開發了一套機器人流程自動化系統，以加強對報告部門的管控并在更短的時間內以更低的成本完成賬目結算。

系統以Agile的軟件技術為基礎，通過向重要利益相關方持續反饋項目進度，將開發風險降至最低。僅僅八周內，項目團隊開發出一套相當于三個全職員工價值的自動化流程。

傳媒：一方面，報紙發行商鼓勵讀者對新聞報道發表評論；但另一方面，某些報紙發行商如《紐約時報》會先行篩選評論，確保評論不違背該報指導原則。直至最近，《紐約時報》才雇傭了14名評論管理員，但他們每天只能處理12,000條評論，因此僅10%的新聞報道能夠顯示評論。為此，谷歌開發了一款名為Jigsaw的機器學習工具，能夠加快篩選過程，標記有潛在風險的評論；現在《紐約時報》四分之一的新聞報道能夠顯示評論。

電信：ComRes Telecom是一家位于南佛羅里達州的電信供應商，客戶遍及全球。其工作重點是配置信息技術系統、備份賬戶信息以及類似的工作。以前信息技術部門的工作人員需要大半天才能完成這些工作，而人工智能型自動化解決方案問世后，大大縮短了工作時間，提高了工作質量。

一流的認知洞察技術能夠利用信息創造商業價值

眾所周知，聯網技術，尤其是物聯網應用能夠產生大量數據，但大多數企業只能做到有效存儲，很少能夠做到有效利用。

人工智能的認知洞察技術可提供一整套工具，讓企業不僅能管理每天從實際工作、業務報告工具、供應鏈、社交媒體、物聯網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造商業價值的實時洞察。

世界一流的認知洞察項目必須能夠實時利用多個數據集有效提供答案。

為了提升郵件營銷活動的效果，Caesars Entertainment公司開發了一套融合了機器學習與自然語言處理的認知洞察系統。該系統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%。

對于依靠數字廣告獲利的企業，即便點擊量漸進式增長也能帶來驚人的收益。某大型科技公司近日發布報告稱，點擊率預測精確度提高0.1%就能帶來數億美元的額外收益。這家公司的人工智能型系統非常先進，已經將廣告點擊率提高九倍多。

想要獲得敏銳的認知洞察，企業需要重新考慮其硬件與軟件策略。相互獨立的傳統數據（銷量、宣傳、社交媒體活動等）需要優先被整合成以一個“數據庫”。

與很多人工智能型應用一樣，認知洞察非常適合解決離散問題，比如預測某特定客戶的行為和反應。但這并不表示，認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的數據，認知洞察將能用于挖掘數據，并發現相關趨勢和規律。

案例研究：認知洞察在科技、傳媒和電信行業的應用

科技：隨著AWS云服務成為亞馬遜這家位于西雅圖的科技公司的核心業務，亞馬遜開始應用機器學習技術更精準地追蹤訂單過程，以在不需要的時候節約提升計算能力的費用，或避免需求飆升時出現人手不足的情況。

該系統能夠捕獲甚至最警覺的人也可能忽略掉的信號，比如某公司的產品銷售時間變長。

傳媒：對電影公司而言，有些決策比決定哪些電影大賣重要得多。雖然最先進的人工智能也不能預測下一部大賣或慘敗的影片, 但迪士尼仍然盡可能地利用科技輔助決策。

例如，迪士尼開發了分解式變量自動編碼系統，以通過深度學習和面部掃描軟件實時捕捉觀眾表情。在這個大數據的應用案例中，系統利用幾千名測試對象的數據為后續分析提供了超過1,600萬個數據點。

電信：對客服代表來說最重要的是，接到客戶第一個電話時立即找出相關的信息。為此，Verzon公司開發了一個利用高性能分析和決策引擎持續監測大量非結構化數據源的認知平臺；該平臺系統旨在分析數據間的相互關系，了解客戶意圖，預測解決方案。最終，客戶服務得到改進，一次性解決率大幅提升。

自然語言處理是前沿認知參與的核心技術之一

花點時間像人類學家一樣觀察千禧一代，會立即發現他們的兩種行為模式：幾乎時時刻刻都在使用智能手機，但卻不常用到手機的實際通話功能。

千禧一代更喜歡發短信而非說話，這一社會性變化是導致客戶參與互動出現巨大沖擊的最重要因素，各行業企業也開始感受到這一點。人工智能在自然語言處理領域的進步，對促成認知參與發揮著極為重要的推動作用，而聊天機器人是認知參與相關的主要技術體現。

事實上，聊天機器人代表一系列日益先進的人工智能型工具。還有一類內置于家具自動化產品的特別聊天機器人，例如Siri、Google Home和Amazon Echo，迅速獲得廣泛普及。

當然，只有能夠提供答案，才能產生價值。借助聊天機器人來了解并解決問題涉及到相關企業政策和規程（極為廣泛定義的）的某種數據庫。

而企業可以采取多種不同方式建立這類數據集。先進的機器學習技術可用于處理和組織大量的文本和數據。這也是保險公司能夠創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于定期壽險保單的問題，因此能讓客戶無需離開聊天機器人應用就能注冊購買保險產品。

案例研究：認知參與在科技、傳媒和電信行業的應用

科技：Ticketbis是eBay旗下的服務，體育和文化活動門票持有者可以在這個在線二手市場出售他們所持有的門票。該網站的使用率不斷增長，也帶來了客戶支持問題，從而促使Ticketbis與供應商Inbenta達成合作，以獲得聊天機器人自助服務功能，協助應對客戶請求和問詢。

交互性的動畫幫助窗口能夠靈活應對客戶，利用自然語言處理技術以及其他技術回答問題并提供自動回復。這類系統足夠“智能”，清楚何時將互動切換至客服人員處理。此項技術非常強大，因此Ticketbis將其用于處理85%的客戶服務要求。

傳媒：Netflix等現代流媒體內容提供商正持續不斷地發布新內容，遠多于任何客戶能夠保持同步收看的數量。因此，他們最大的一項挑戰就是讓用戶隨時了解他們可能特別感興趣的新節目。

Netflix率先利用技術開發這些“推薦引擎”。2009年，Netflix推出了一場備受關注的眾包比賽，邀請外部程序員開發比內部解決方案更為有效的推薦算法。近期，Netflix利用新一代機器學習技術進一步完善其推薦流程。

該企業還積極參與硅谷的人工智能生態系統并舉辦會議，來自谷歌和Facebook等企業的專家在會上互相溝通，交流看法。精心設計的推薦引擎為Netflix帶來的商業價值顯而易見，據Netflix表示，這項技術通過降低客戶流失率而使其年收入增加約10億美元。

電信：每家大型移動運營商均面臨的問題是，龐大的客戶群經常出現服務和溝通問題，大型客服中心人員必須隨時解決投訴和問題。因此，聊天機器人這類不會引發不耐煩情緒而且能夠迅速解決客戶擔憂的系統絕對受歡迎。

Vodafone已著手為其聊天機器人TOBi開發新程序，以完善其功能，例如通過向客戶提供語音激活選項，可在下一次撥入電話時自動驗證其身份。客戶錄下一個單詞或詞組，而在之后的通話中，語音識別技術則可用于確保為同一說話者。（另一種選擇是常用的安全問題測試，例如出生日期等）該企業還在不斷拓展其機器人的知識庫，目前能夠深入了解技術性極高的領域，例如漫游套餐的所有具體細節。