2018 全球 AI 相關商業價值達 1.2兆美元

分類: PC零組件 新品報導   5/2/2018   Gartner


Gartner預測,2018年全球和人工智慧(AI)相關的商業價值總計將達1.2兆美元,較2017年增加70%。到了2022年,人工智慧相關商業價值估計將達到3.9兆美元。Gartner的人工智慧相關商業價值預測,是以所有Gartner涵蓋的研究領域中的垂直產業為調查對象,評估企業整體人工智慧商業價值。人工智慧的商業價值有三種不同來源:顧客體驗、新增營收和降低成本。


[廣告]

· 顧客體驗:對間接成本有正面或負面影響。人工智慧技術要大範圍普及、完全發揮潛力並提供價值,顧客體驗是必要先決條件之一。

· 降低成本:降低生產、提供新產品或既有產品及服務時產生的成本。

· 新增營收:增加既有產品與服務的銷量,和/或在現狀以外創造新的產品或服務商機。

Gartner研究副總裁John-David Lovelock表示:「未來10年人工智慧肯定會成為突破性創新程度最高的技術類別,主要是因為運算能力與資料的數量、速度與多樣性都大有進展,加上深度神經網路(DNN)的技術提升。從2017到2022年期間,企業獲得人工智慧增強(AI- enhanced)產品及服務最主要的來源,將會是擅長解決單一需求的利基型解決方案。企業決策者將從數以千計從事專門領域的特定人工智慧增強應用程式供應商中,選擇推動相關產品的投資。」

目前人工智慧商業價值呈現新興技術最常見的S型曲線成長模式。2018年全球人工智慧相關商業價值的成長率預估為70%,但在2022年成長將趨緩(見表1)。整體而言2020年後成長曲線將趨於平穩,造成未來幾年將出現低成長率。

John-David Lovelock指出:「在人工智慧發展的前幾年,顧客體驗是主要的商業價值來源,企業發現在使用人工智慧技術提升與顧客互動的商業價值,目標是增加客數和留客率。緊追在顧客體驗之後的是降低成本,運用人工智慧來提升企業流程效率,藉此改善決策並推動更多任務的自動化。不過到了2021年新增營收將成為主要商業價值,企業將利用人工智慧來增加既有產品及服務的銷售,並為新產品及服務發現商機。因此就長期來看,人工智慧的商業價值在於新增營收的可行性。」

決策支援/擴增(如深度神經網路)於人工智慧相關商業價值佔比將由2018年的36%增至2022年的44%

若以人工智慧的種類細分其商業價值,決策支援/擴增(如深度神經網路)將佔2018年全球人工智慧相關商業價值的36%。到了2022年,決策支援/擴增將超過所有其他種類的人工智慧專案,佔全球人工智慧相關商業價值44%。

John-David Lovelock認為:「深度神經網路讓企業組織能進行資料採擷(data mining)並辨識其中模式,範圍遍及尚未量化或分類的大型資料集,藉此打造能把複雜輸入分類並導入傳統程式系統的工具。這讓決策支援/擴增運算法能直接處理過去需要人工分類的資訊。這些功能對企業組織推動決策和互動流程自動化的能力有極大影響。這種全新層次的自動化功能可降低成本及風險,如透過提升精準目標(microtargeting)、市場區隔、行銷和銷售來增加營收。」

虛擬代理於人工智慧相關商業價值佔比將由2018年的46%降至2022年的26%

虛擬代理(virtual agent)讓企業組織能降低人力成本,因為它們能取代電話客服中心一些簡單的需求和任務,協助櫃台和其他人工服務,同時將較複雜的問題移交給真人代理。它們還能為營收帶來提升作用,例如金融服務業的機器人理財顧問或電話客服中心的進階銷售(upselling)。作為虛擬員工助理,虛擬代理能協助排定行事曆、行程和其他行政工作,讓員工有時間去做更多加值性的工作,和/或減少對真人助理的需求。2018年代理工作佔全球人工智慧相關商業價值46%,但隨著其他種類的人工智慧成熟並開始貢獻商業價值,到了2022年佔比將降到26%。

決策自動化佔全球人工智慧相關商業價值將由2018年的2%增至2022年的16%

自動決策系統會使用人工智慧自動執行任務或優化商業流程。它們特別有幫助的領域包括於語音文字轉換、手寫格式或圖像的處理,以及將其他傳統系統還無法存取的豐富資料內容分類。由於企業環境中充斥非結構化資料(unstructured data)和歧義(ambiguity),決策自動化一旦成熟,將為企業組織帶來極大商業價值。2018年決策自動化只佔全球人工智慧相關商業價值2%,但到2022年將增至16%。

智慧產品佔2018年全球人工智慧相關商業價值18%,到2022年將縮減到14%

智慧產品佔2018年全球人工智慧相關商業價值18%,但隨著其他基於深度神經網路系統的逐漸成熟,並取代智慧產品對商業價值的貢獻,到2022年將縮減到14%。智慧產品內建人工智慧,通常以雲端系統的形式,整合來自多種系統與互動的使用者偏好相關資料,它們能了解使用者及其偏好,藉此提供超個人化(hyperpersonalize)的體驗並提升參與感。