早期證據已表明“大規模采用人工智能技術將為企業帶來豐厚回報”，這意味著人工智能的顛覆性力量將逐漸顯現。政府、企業以及開發者都應對此有清晰認識。人工智能技術近年來飛速發展，然而后續的采用依然處于起步階段。這使得評估人工智能對于公司和行業造成的潛在影響充滿了挑戰。

　　人工智能正要帶來下一波數字顛覆浪潮，而公司企業需要現在就開始做好準備。我們已經看到有少數幾家早期進入的公司已經開始從中獲得真正的利益，這使得其它公司在尋求和加速它們自己的數字轉型上面顯得更加緊迫。我們的發現重點圍繞五大人工智能技術系統：機器人、和自動化載具、計算機視覺、語言、虛擬智能體（virtual agent）、機器學習（其中包括深度學習，并且是近來許多其它人工智能技術的新進展的基礎）。

　　1、人工智能投資正在快速增長，其中數字巨頭公司是主導者。

　　從全球范圍看，麥肯錫估計 2016 年科技巨頭在人工智能上投入了 200 億到 300 億美元，其中 90% 花在了研發和部署上，另外 10% 則花在了人工智能并購上。VC 和 PE 融資、撥款和種子輪投資也在快速增長，盡管基數很小，但已經增長到了總共 60 億到 90 億美元。其中，機器學習作為一項賦能技術（enabling technology），已經在內部投資和外部投資中都占據了最大的份額。

　　2、在科技行業之外采用人工智能還處于早期的實驗性階段。僅有少數公司進行了大規模部署。

　　在我們調查的 3000 位知道人工智能的首席官級別（C-level）的高管中（來自 10 個國家，橫跨 14 個行業），僅有 20% 表示他們目前在大規模或在他們業務的核心部分使用與人工智能相關的技術。許多公司表示它們并不確定相關的業務案例或投資回報。在調查了 160 多種用例之后，我們發現其中僅有 12% 對人工智能進行了商業化的部署。

　　3、人工智能的早期使用者與其它公司之間日益擴大的鴻溝。

　　高科技和電信行業、金融服務行業是人工智能應用方面的領軍者。它們也擁有最為激進的人工智能投資意圖。這些領軍者的投資兼具廣度與深度：跨多個職能部門使用多種技術，并且將其部署到自己業務的核心。比如說，汽車制造商正在使用人工智能來開發自動駕駛汽車和改善汽車操作體驗，而金融服務公司則更可能將其用在消費者體驗相關的功能中。

　　4、早期的證據表明，人工智能可以給嚴肅的采用者帶來真正的價值，并且可以成為一股強大的顛覆性力量。

　　在我們調查中，將強大的數字能力與主動的戰略結合在一起的人工智能早期采用者有更高的利潤率，并且還有望在未來進一步擴大業績的差距。我們在零售、電力公共事業、制造業、醫療保健和教育領域的案例研究突出了人工智能在提升預測和采購、優化和自動化運營、開發定向營銷和定價以及提升用戶體驗上的潛力。

　　5、人工智能對數字基礎的依賴，以及人工智能往往需要在特定數據上訓練的事實意味著公司沒有捷徑可走。

　　公司不能推遲和拖延其數字化進步，包括人工智能。早期的采用者已經在創造競爭優勢了，而且也似乎正將后進者越甩越遠。一個成功的方案需要公司解決數字和分析轉型中的許多元素：識別業務案例、設置正確的數據生態系統、開發或購買合適的人工智能工具以及調整工作流程、能力和文化。特別地，我們的調查表明高層的領導、管理和技術能力以及無縫的數據權限是關鍵的推動因素。

　　6、人工智能有望實現價值利益，但也給公司、開發者、政府等帶來了緊迫的挑戰。

　　勞動力需要得到再訓練，獲得新技能，從而能利用人工智能，而不是與之競爭;希望將自己確立為一個全球人工智能開發中心的城市和國家需要加入全球的競爭以吸引人工智能人才和投資;我們也需要推動解決在道德、法律和監管方面的難題，否則就會拖累人工智能的發展。

　　企業準備好接受人工智能了嗎？

　　由于科技巨頭驅動，人工智能的投資正在飛快增長。科技巨頭正在人工智能技術領域投入數十億美元的資金。它們看到了 AI 技術在未來的方向——強勁的計算機硬件，越來越復雜的算法模型和巨量數據，這些需求都已部分實現。事實上，在人工智能領域，大公司的內部投資占據著主要地位：麥肯錫估算，在 2016 年這一數字是 180 億-270 億美元;而外部投資（來自風投機構、私募股權投資、并購、資助和種子輪投資）大約為 80 億-120 億美元，如下圖所示。

　　科技巨頭主導了人工智能投資（單位：10 億美元）

　　人工智能有望提升利潤，推動行業轉型

　　通過回顧五個行業的大量案例研究，我們也展示了人工智能是如何轉變一些業務活動，并具有根本地改變其他業務的潛力。這些案例證明了人工智能如何在整個價值鏈上和不同行業之間塑造不同的功能。這些案例還對利益相關者有著廣泛的影響，比如跨國公司、初創企業、政府和社會組織。而這些產業案例研究表明了人工智能的顛覆性潛力。

　　為了發展人工智能廣泛應用于商業領域的愿景，我們創建了五項案例研究，以表明人工智能如何通過多種形式影響具體的行為。我們選擇創建案例的行業是：零售、電力、制造業、醫療以及教育。類型涵蓋私立、公有、社會企業，包括從勞動密集型行業到業務到業務的重資產操作。

　　為了滿足人們的期待，人工智能需要在經濟領域發揮實際作用，以顯著降低成本，增加收益，并提高資產利用率。

　　我們分類了人工智能可在 4 個領域創造價值的方式：

　　1-使公司更好地規劃和預測需求，優化研發，提升資源;

　　2-以更低的成本更高的質量，提高公司生產貨物、提供服務的能力;

　　3-以合理的價格，通過正確的訊息，將產品送達到客戶手中;

　　4-允許他們提供豐富、個性化和便捷的用戶體驗。

　　成功的人工智能轉型需要哪些因素？

　　1、數據生態系統：

　　打破數據倉（data silos）

　　決定集成和預分析的層面

　　識別高價值數據

　　2、技術與工具

　　識別適合目標的人工智能工具

　　合伙或并購以填補能力缺口

　　采取靈活的“測試和學習式”方法

　　3、工作流程整合

　　將人工智能整合進工作流程

　　優化人機界面

　　4、開放的組織文化

　　采取開放、協作的文化

　　相信人工智能勞動力

　　重新掌握技能以備不時之需

　　從職業分布來看，只有少數職業會被完全的自動化取代，而對于 60% 的職業來說，其中僅有 30% 的工作可以被自動化。而從地域上來看，美國和中國正主導世界人工智能版圖，歐洲正在落后。

　　人工智能目前還面臨這些挑戰

　　人工智能為政府和社會提出了廣泛的問題。在這份報告中，麥肯錫指出了其中的一些問題，也包含部分解決問題的方法。我們在這些問題上的進展對于實現人工智能的潛在利益和避免風險至關重要。

　　1、鼓勵更廣泛地利用人工智能

　　目前的人工智能應用集中于相對數字化的行業內，而這些領域已經是新技術的前沿了。擴展人工智能的應用范圍，支持新技術領域，特別是其中的小型公司，對于保證生產力的增長和經濟發展至關重要，可以保證市場健康，具有競爭力。人工智能在更廣泛領域內的應用也可以幫助平衡各行業的工資水平。人工智能可以帶動生產力水平的發展，從而提高工資。更寬廣的應用范圍有助于讓人工智能的好處推動至更多的公司和工人身邊，而不僅僅是讓已經處于收入金字塔頂端的前沿公司和雇員受益。

　　2、解決就業和收入分配問題

　　人工智能驅動的自動化變革會深刻影響人們的工作和工資水平。在麥肯錫的調查中，絕大多數公司并不認為自己會在未來大幅減少員工人數。然而，顯然會有一些職位的技能會不符合未來要求。政府可能會不得不重新思考社會服務的模式。不同的想法將被納入思考范圍，包括共享勞動力、負所得稅和全球基本收入水平。

　　3、解決道德、法律和監管問題

　　人工智能提出了一系列道德、法律和監管問題。現實世界的偏見風險正在被寫入訓練數據集中。由于現實世界存在種族、性別或其他很多類別的歧視，提供給機器學習算法的現實世界數據也不可避免地帶有這些特征，而人工智能也會在訓練中學會偏見。

　　隨著偏見的內部化，這些問題正在加劇。同時，人們也對算法本身產生了懷疑，編程人員的道德見解會被編寫進算法中，在決策過程中，人們有權得知哪些內容？誰會對人工智能輸出的結果負責？這導致了人們對于算法透明度和問責制的呼吁。

　　隱私是另一個問題——誰對數據擁有所有權？需要哪些措施來保護高度敏感的數據（如醫療數據），而不必破壞其可用性？正致力于解決這些問題的組織和機構包括 Partnership on AI、OpenAI、Foundation for Responsible Robotics 以及人工智能倫理與監管基金會。

　　4、確保訓練數據的可用性

　　大量的數據對于人工智能訓練系統至關重要。開放公共部門的數據可以刺激私營企業的創新，設置通用數據標準也會有幫助。在美國，證券交易委員會在 2009 年強制所有上市公司必須以 XBRL（可擴展業務報告語言）格式披露其財務報表，從而確保公共數據具有機器可讀性。

　　5、在政府中部署人工智能

　　人工智能對公共部門的潛力巨大。它提升計劃、目標和個性化服務的能力使提高政府服務水平和效率所急需的。在該報告的附錄中，作者探索了人工智能技術在兩大公有領域：醫療和教育的未來。