人工智能时代的商业竞争
HOT 矿业 HOT浩特智能科技 2023-12-19
谁是浩特?请参考下图
作者：Marco Iansiti, Karim R. Lakhani
人工智能如何改变商业规则
当前，市场正被一种新型企业重新定义，这些企业的主导力量是人工智能。其中包括像谷歌、Facebook和阿里巴巴这样的巨头，还有一些不断发展壮大的公司，比如Wayfair和Ocado。无论我们怎样使用这些公司的服务，情况都是相似的：我们所获得的价值不再完全依赖于员工运营的流程，而是由算法提供。软件已经成为企业的核心，而人类的角色逐渐被边缘化。
这种模型让企业摆脱了传统的运营限制，使它们能够以前所未有的方式在市场上竞争。AI驱动的流程具备快速扩展的能力，因为它们可以连接到各种类型的企业，这拓展了其影响范围，同时也为学习和改进提供了巨大的机会。相较于传统模型，规模的价值在AI模型中不断攀升，而非趋于稳定。所有这些因素使得依靠人工智能的企业能够迅速超越传统企业。
随着AI模型模糊了行业之间的界限，战略越来越不依赖于专业技术和基于成本、质量和品牌的差异化，而更依赖于业务网络地位、独特数据和高级分析的应用。
2019年，蚂蚁金服集团成立仅五年，其服务用户数量突破了十亿大关。作为阿里巴巴的一部分，蚂蚁金服利用人工智能和来自支付宝的数据（其核心移动支付平台）运营各种非同寻常的业务，包括消费者贷款、货币市场基金、财富管理、健康保险、信用评级服务，甚至还有一个在线游戏，鼓励人们减少碳足迹。该公司为客户提供的服务数量是美国最大银行的十倍以上，而员工数量不到其十分之一。在2018年的最后一轮融资中，其估值达到了1500亿美元，几乎是全球最有价值的金融服务公司摩根大通的一半。
与传统银行、投资机构和保险公司不同，蚂蚁金服建立在数字核心之上。在其运营活动的“关键路径”上没有工人。人工智能主导一切。没有经理批准贷款，没有员工提供财务建议，没有代表授权消费者医疗费用。由于没有限制传统公司的运营约束，蚂蚁金服可以以前所未有的方式进行竞争，并在各种行业取得不受限制的增长和影响。
这种新型企业的出现引领了人工智能时代的到来。蚂蚁金服的同行包括谷歌、Facebook、阿里巴巴和腾讯等巨头，以及许多小型、迅速增长的企业，从斑马医疗视觉、Wayfair到Indigo Ag和Ocado。每当我们使用这些公司的服务时，同样引人注目的事情发生：我们获得的价值不再依赖于由员工、经理、流程工程师、监督员或客户服务代表运营的传统业务流程，而是由算法提供。微软的首席执行官萨蒂亚·纳德拉将人工智能称为公司的新“运行时”。确实，经理和工程师设计了人工智能和使算法运作的软件，但之后，系统通过数字自动化或利用公司外的生态系统来自行交付价值。人工智能设定了亚马逊的价格，在Spotify上推荐歌曲，在Indigo的市场上匹配买家和卖家，并为蚂蚁金服的贷款资格审核借款人。
传统限制的消除改变了竞争规则。随着数字网络和算法编织到企业的结构中，行业开始以不同的方式运作，它们之间的界限变得模糊。这些变化远不止于出生数字化的公司，因为面对新的竞争对手，更传统的组织也在转向基于人工智能的模型。沃尔玛、富达、霍尼韦尔和康卡斯特等公司现在正在广泛利用数据、算法和数字网络，以在这个新时代中有力地竞争。无论你是领导数字初创公司还是努力改造传统企业，了解人工智能对运营、战略和竞争的革命性影响至关重要。
新型企业的核心是一个决策工厂，我们称之为“人工智能工厂”。其软件运行着谷歌和百度的数百万次日常广告拍卖。其算法决定着滴滴、Grab、Lyft和Uber上哪些车提供服务。它设定了亚马逊上耳机和POLO衫的价格，并管理了沃尔玛某些地点的清洁地板的机器人。它使富达的客户服务机器人和Zebra Medical的X射线解释成为可能。在每种情况下，人工智能工厂将决策制定为一门科学。分析系统将内部和外部数据系统地转化为预测、洞察和选择，进而指导和自动化操作流程。
奇怪的是，能够推动数字公司爆炸性增长的人工智能通常甚至并不是那么复杂。要带来巨大变革，人工智能不必是科幻小说中难以区分的——与人类行为或模拟人类推理无异的能力，有时被称为“强人工智能”。你只需要一个计算机系统能够执行传统由人处理的任务——通常称为“弱人工智能”。
在弱人工智能的情况下，人工智能工厂已经能够承担一系列关键决策。在某些情况下，它可能管理信息业务（例如谷歌和Facebook）。在其他情况下，它将指导公司如何构建、交付或运营实际的物理产品（例如亚马逊的仓库机器人或Waymo，谷歌的自动驾驶汽车服务）。但在所有情况下，数字决策工厂处理一些最关键的流程和操作决策。软件构成公司的核心，而人类则被移到边缘。
首先是数据管道，这是一个半自动化的过程，以系统性、可持卖和可扩展的方式收集、清理、整合和保护数据。其次是算法，它生成关于业务未来状态或行为的预测。接着是实验平台，用于测试有关新算法的假设，以确保其建议产生预期效果。最后是基础设施，这些系统将这个过程嵌入软件并将其连接到为部和外部用户。
像Google或Bing这样的搜索引擎，只要有人开始在搜索框中输入几个字母，算法就会动态预测完整的搜索词，基于许多用户之前输入的词汇以及该特定用户的过去操作。这些预测显示在一个下拉菜单中（“自动建议框”），帮助用户迅速找到相关的搜索内容。每次按键和每次点击都被捕捉为数据点，每个数据点都改进了未来搜索的预测。人工智能还生成有机搜索结果，这些结果来自先前组建的网络索引，并根据先前搜索结果上产生的点击进行优化。该词的输入也触发了与用户搜索最相关的广告的自动拍卖，其结果由额外的实验和学习循环塑造。对搜索查询或搜索结果页面的任何点击都提供有用的数据。搜索次数越多，预测越准确，预测越准确，搜索引擎的使用就越多。
至少自工业革命以来，规模的概念一直是业务中的核心。伟大的阿尔弗雷德·钱德勒（Alfred Chandler）描述了现代工业企业如何以更低的单位成本达到前所未有的生产水平，使大型企业比较小的竞争对手具有重要的优势。他还强调了公司可以通过实现更大的生产范围或多样性而获得的好处。对改进和创新的追求增加了企业的第三个要求：学习。规模、范围和学习被认为是企业运营性能的基本驱动因素。而且在很长一段时间里，它们一直是通过依赖劳动力和管理交付产品和服务给客户的精心定义的业务流程以及传统IT系统来实现的。
在对工业模型进行数百年的渐进改进之后，数字公司现在正在根本上改变规模、范围和学习的范式。与传统流程相比，由人工智能驱动的流程可以更快速地扩展，因为它们可以轻松与其他数字化业务连接，并为学习和改进创造了非常强大的机会，例如能够产生越来越精准和复杂的客户行为模型，然后相应地定制服务。
在传统运营模型中，规模的价值最终会降至递减的点。但在人工智能驱动的模型中，我们并不一定会看到这一点，其中规模的回报可以继续攀升到前所未闻的水平。现在想象一下，当一个由人工智能驱动的公司通过提供相似（或更好）的价值主张和更具可扩展性的运营模型为同样的客户与传统公司竞争时会发生什么。
规模提供的价值最终在传统运营模型中趋于减少，但在数字运营模型中，它可以达到更高的水平。
我们将这种对抗称为“碰撞”。“学习效应”和“网络效应”放大了体量对价值创造的影响，建立在数字核心上的公司可以压倒传统组织。考虑当亚马逊与传统零售商、蚂蚁金服与传统银行、滴滴和优步与传统出租车服务发生碰撞时的结果。正如克莱顿·克里斯滕森、迈克尔·雷诺和罗里·麦克唐纳在2015年12月的《什么是颠覆性创新？》（《哈佛商业评论》）一文中所讲，这些竞争性的颠覆并不符合颠覆模型。碰撞不是由技术或商业模型中的特定创新引起的。它们是一种完全不同类型公司的出现的结果。它们可以从根本上改变行业，并重新塑造竞争优势的本质。
请注意，以人工智能为驱动的运营模型要产生经济价值，往往需要很长时间，才能接近传统运营模型在规模上产生的价值。在网络效应达到临界质量之前，它们几乎不会产生太多价值，而大多数新应用的算法在获取足够数据之前会遇到“冷启动”问题。蚂蚁金服发展迅速，但其核心支付服务支付宝，由阿里巴巴于2004年推出，花费多年时间才达到当前的规模。这解释了为什么固守传统模型的高管一开始很难相信数字模型会赶超。但一旦数字运营模型真正启动，它就能够提供远远优于传统公司的价值，并迅速超越它们。
AI驱动和传统公司之间的碰撞正在跨足各行各业：软件、金融服务、零售、电信、媒体、医疗保健、汽车甚至农业。很难想象有一种业务不面临迫切的数字化运营模型的需求并应对新的威胁。
对于传统企业的领导者来说，与数字竞争对手竞争不仅涉及部署企业软件，甚至不仅涉及构建数据管道、理解算法和进行实验。它需要重新设计公司的组织和运营模型。很长一段时间以来，公司一直通过更大的专注和专业化来优化规模、范围和学习，这导致了今天绝大多数企业所拥有的隔离结构。几代信息技术并没有改变这一模式。几十年来，IT被用来提升特定功能和组织单元的性能。传统企业系统通常甚至加强了各个功能和产品之间的隔离。
然而，隔离是AI增长的敌人。事实上，像谷歌广告和蚂蚁金服的MyBank这样的业务故意放弃了它们，并被设计为利用一体化的数据核心和统一一致的代码库。当公司中的每个隔间都有自己的数据和代码时，内部开发是分散的，几乎不可能在隔间之间或与外部业务网络或生态系统建立连接。在每个部门和功能之间实现对客户的全方位理解，既服务又从中获益，几乎是不可能的。因此，当公司建立一个新的数字核心时，他们应避免在其中创建深层次的组织分歧。
尽管向以人工智能为驱动的模型过渡具有挑战性，但许多传统企业——其中一些是我们合作过的企业——已经开始进行转变。实际上，在最近的一项研究中，我们研究了超过350家传统企业，涵盖了服务和制造业，并发现其中大多数已经开始在其组织中建立对数据和分析的更大关注。其中许多企业，包括诺德斯特龙、沃达丰、康卡斯特和维萨，已经取得了重要的进展，数字化并重新设计了其运营模型的关键组成部分，并开发了复杂的数据平台和人工智能能力。你不必是一个软件初创公司就能数字化业务的关键元素，但你必须面对隔离和分散的传统系统，增加能力并重新调整文化。（有关推动这种转型的关键原则的更详细信息，请参见侧边栏“将人工智能置于企业核心”）
富达投资正在使用人工智能来启用重要领域的流程，包括客户服务、客户洞察和投资建议。其人工智能项目基于将多年的努力将数据资产整合到一个数字核心，并围绕它重新设计组织。工作尚未完成，但人工智能的影响已经在公司的许多高价值用例中显现出来。为了与亚马逊竞争，沃尔玛正在围绕人工智能重建其运营模型，并用集成的基于云的架构替换传统的隔离企业软件系统。这将使沃尔玛能够在许多强大的新应用程序中使用其独特的数据资产，并使用人工智能和分析自动化或增强越来越多的运营任务。在微软，纳德拉正在押注公司未来，进行公司运营模型的彻底转型。
随着以人工智能为驱动的公司与传统企业发生碰撞，竞争优势越来越多地被定义为塑造和控制数字网络的能力。（请参见《为什么有些平台蓬勃发展而其他一败涂地》（《哈佛商业评论》2019年1-2月号））优秀于连接企业、聚合它们之间流动的数据，并通过分析和人工智能提取其价值的组织将占据上风。传统的网络效应和以人工智能为驱动的学习曲线将相互加强，使它们的影响相互增强。你可以在谷歌、Facebook、腾讯和阿里巴巴等公司中看到这一动态，它们通过许多网络连接积累了数据，并构建了必要的算法，以在不同行业中提高竞争优势。
与此同时，传统的战略方法，侧重于传统产业分析的方法变得越来越无效。以汽车公司为例。他们面临各种新的数字威胁，从优步到Waymo，每一个都来自传统产业边界之外。但如果汽车高管将汽车视为高度连接的、由人工智能启用的服务，超越其传统产业背景，他们不仅能够自卫，还能释放新的价值——通过本地商业机会、广告、新闻和娱乐信息源、基于位置的服务等等。
曾经给高管的建议是坚持他们熟悉的业务，处于他们了解的行业。但算法和数据流的协同作用并不尊重行业边界。无法跨越这些边界利用客户和数据的组织可能会面临巨大的劣势。战略不再专注于基于成本、质量和品牌资产的传统差异化，以及专业化的垂直专业知识，而是转向像业务网络位置、独特数据的积累和复杂分析的优势。
尽管能够释放巨大增长，但去除运营约束并非总是好事。无摩擦系统容易不稳定，并且一旦启动就难以停止。想象一下一辆没有刹车的汽车或一名无法减速的滑雪者。数字信号——例如病毒式的模因——可以在网络中迅速传播，几乎不可能停止，即使是对于最初发布它的组织或控制网络关键枢纽的实体也是如此。没有摩擦，引起暴力的视频或虚假或操纵性的头条新闻可以迅速传播到各种网络上的数十亿人，甚至可能变形以优化点击和下载。如果你有要传达的信息，人工智能提供了一种绝佳的方式，可以接触到大量人群并为他们个性化定制消息。但对于营销人员的天堂可能是公民的噩梦。
数字运营模型可以聚集有害和有益的因素。即使意图是积极的，潜在的负面影响也可能很大。一个错误可能会使大型数字网络面临破坏性的网络攻击。如果算法不受限制，它们可能会在大规模上加剧偏见和大规模的错误信息。风险可能会被极大地放大。以数字银行以前所未有的方式聚集消费者储蓄为例。目前，蚂蚁金融（Ant Financial）运营着全球最大的货币市场基金之一，负责管理着数以亿计的中国消费者的储蓄。这带来的风险是相当大的，尤其是对于一个相对不被证明的机构而言。
数字规模、范围和学习带来了一系列新的挑战——不仅仅是隐私和网络安全问题，还有由于市场集中、错位和不平等而导致的社会动荡。旨在关注商业的机构——例如监管机构——正努力跟上所有这些快速变化。
在一个以人工智能为驱动的世界中，一旦确保产品与市场的契合，用户数量、参与度和收入就可能迅速增长。然而，越来越明显的是，不受限制的增长是危险的。拥抱数字运营模型的企业潜力巨大，但能够造成广泛伤害的能力需要得到明确考虑。应对这些机遇和威胁将是企业和公共机构领导层的真正考验。
推荐读物《Competing in the Age of AI》
目前该书暂无中译本，Competing in the Age of AI也是哈佛商学院MBA项目，商业分析研究生项目(Harvard Business Analytics Program)，高管课程的必修课。
Marco Iansiti是哈佛商学院的David Sarnoff商业管理教授，他负责技术与运营管理单元和数字计划。他曾为许多科技公司提供咨询，包括微软、Facebook和亚马逊。他与Karim Lakhani合著了《Competing in the Age of AI》一书（哈佛商业评论出版社，2020年）。
Karim R. Lakhani是哈佛商学院的Charles Edward Wilson商业管理教授，也是哈佛创新科学实验室的创始人和主任。他与Marco Iansiti合著了《Competing in the Age of AI》一书（哈佛商业评论出版社，2020年）。
选矿工程师，董事长助理。曾参与并执行了国内外多个选矿和选煤项目，现为印度尼西亚分公司负责人。
