如何处理智能自动化

关于重塑工作和企业的未来,以及建设环境的创新,顾问、WEF 作者和数字化问题演讲者 Viktor Weber 认为有几点需要考虑。


第 1 点:价值

从“建设世界”生成的数据具有巨大的增值潜力。基于这些汇集起来的数据的使用,新的商业模式正在出现。不过,我们还应该为数据激增所带来的明晰阶段做好准备,例如,当情况变得明朗,并非每个数据点都必须实时收集,以及某些模型不能持续优化时。因此,数据市场将变得更加差异化。


第 2 点:数据

数据采集

我们如何稳健、可靠地采集世界范围内的数据,并进行数字化映射,让数据在跨越系统时仍有意义?

预测模型

与市场环境和业务现实一样瞬息万变,即不断调整(有时难以形成,例如,数据量不够)。

Viktor Weber,顾问

机器到机器  机器到人  人到人:  如何防止因系统中断而造成数据丢失,以及如何沿着价值链采集所需数据?

整体思考: 技术永远不能孤立考虑。例如,在人工智能领域,传感器技术对能够使用来自“建设世界”的数据,以及训练和实施机器学习等模型至关重要。

技术永远不能孤立考虑。 

 «

Viktor Weber,顾问、WEF 作者和数字化问题演讲者


第 3 点:了解神秘三重奏

1:  它更智能

技术仅凭某些方面宣称睿智或智能,但其实还远远不够智能。就目前的现状来看,没有任何机器和系统具有人类的认知能力。

2:  我们需要让一切自动化。

有些应用,特别是在重复的数值范围或大量的数据处理领域,自动化非常有用。但也有毫无任何意义的例外情况。

3:  未来是极端的。

此辩论应更具建设性,其特点是缺少论据或信息支持,在涉及区块链和人工智能时,只会给出不正确的信息。半真半假毫无用处。


第 4 点:数字能力

识别数字趋势,理解人工智能等数字技术的基础知识,将此知识应用于商业模式,将成为竞争日益激烈的环境中的决定性因素。因此,智能自动化需要基于五个领域的数字能力。

1.理解:业务环境、员工、未来趋势和问题。

2.学习:从实习生到首席执行官,企业战略的基本组成部分。

3.创造力:收集公司的想法和灵感,以制定可持续的愿景,并细分为里程碑。

4.技术:在需要的领域使用,在有意义的领域开展数字化和自动化处理,不要忘记创新也可以是模拟方式。

5.反思:在一开始未制定总体计划的情况下(根本不存在)收集和评估策略、知识和反馈。


第 5 点:支票与余额

到 2020 年,全球机器人数量将翻番,来源:国际机器人联合会

梦想着技术可以逆转当今世界的诸多问题,这是件好事。然而,这样做,我们往往仅能解决问题的表象,而无法彻底根除。

创新可能非常痛苦,因为当我们意识到之前的错误行为时,钱已经花光了。然后我们必须做出改变(即使这样做会带来一些痛苦)。

例如,用简单的思维测试自己的判断:你会资助一个声称图像识别的错误率在两年内可以降低 x 个百分点的项目吗?或者更喜欢承诺用人工智能和区块链彻底改变行业的项目吗?