AI商业化前景广阔，但传统企业在拥抱AI时面对诸多挑战

AI技术固然发展迅速，但对于大多数企业来说尚属于新鲜事物，不论在场景实现还是方案落地，均需要进行探索甚至摸着石头过河。对于传统企业来说，挑战更为巨大。一方面，传统企业与科技企业相比数字化基因不足，包括原有信息系统老化、“烟囱化”严重；数据积累不足且类型单一，不同业务间/平台间数据割裂问题普遍存在；大数据分析能力不足，数据模型缺失以及数据对决策支持理念与流程不到位。另一方面，传统企业积极拥抱AI机遇、建立新的竞争壁垒意识和愿望不足，更倾向于固守原有的竞争优势、防范AI对自身优势的冲击而非利用AI技术建立新的竞争壁垒。

对于有意愿也有一定基础的传统企业，其应用AI技术赋能业务时也是挑战重重，原因主要有以下三方面：

企业缺乏战略定位，没有针对自身数字化程度和行业特点制定AI战略，导致盲目推进或裹足不前

正如前文所述AI应用的发展从感知、认知到行动的阶段性逐步演进，对于传统企业来说，其对AI技术的应用也存在由浅入深的过程。在此过程中，AI战略定位与规划必不可少。AI战略规划可以帮助企业从所处行业和自身数字化基础入手，从夯实基础开始，循序渐进地帮助企业提升数字化水平，并利用AI技术创造价值。

制定AI战略规划时，传统企业通常面临两类问题：

一是在制定总体规划时，未将AI应用与业务以及企业数字化现状进行很好的结合，过于好高骛远，在底层数据与技术基础没有打扎实的情况下，求快求全，一方面过分追求最前沿的应用另一方面往往惯于定出比较激进的实施时间表，导致实施成本过高但（相对于规划）迟迟不见成果，最后信心与耐心迅速下降，对AI应用的态度也从“什么都想做”迅速跌落至“什么都做不了”。二是在有合理的总体战略规划和目标情况下，如何确保敏捷的实施模式，让企业既可短期内获得阶段性收益、增强组织的信心和支持，又可以根据实施情况即使调整AI规划以更好适应业务需求和变化。

以时下热门的精准营销为例，在强调千人千面的今天，如果能通过众多触点收集消费者数据，并通过AI技术进行自动处理为会员打上个性化标签，从而实现精准营销，将为品牌商大大提高会员粘性。理想的精准营销需要强大的数据积累，例如开展全渠道销售后线上、线下的会员体系打通，消费者历史数据的积累需包括交易、消费行为、社交等多元数据，在此基础上AI技术应用可以很好地对会员乃至于新顾客勾勒较为精准的消费者画像并实现千人千面菜单、优惠卷推送等功能。结合上述AI战略规划思路，一方面，要有充分的历史数据搜集规划、并将其作为精准营销充分实现的前提，另一方面，应采取敏捷的、循序渐进的精准营销阶段性推进策略，在早期仅有交易数据的情况下借助外部行为数据或消费者调研等方式补足数据推进阶段性精准营销。

企业缺乏AI项目规划，没有进行业务、应用场景和技术方面的综合考量，导致项目虽然上马但无法收获预期价值

企业需要进行详细的项目规划，确保AI给实际业务带来最大价值。首先，在项目开展前需要对业务和相应场景尽可能细化，明确AI技术的切入点，确保在技术选型时选择最合适的技术方案。其次，AI技术种类繁多，单个业务场景可能会涉及到多种技术，而多个项目间可能会共用某项核心技术，这时AI项目规划能帮助企业从技术角度明确未来主要的技术发展方向，同时能支持企业更有目的性的选择合作伙伴。

但我们看到一些传统企业在实施AI项目时，并没有事先进行统筹规划，结果不论是自有团队进行开发或是与外部供应商合作，均遇到诸如没有选择合适的技术方案，项目开展后发现技术提供商的核心能力与业务需求不符，多家技术提供商参与项目带来项目管理难度提升成本增加等问题，最终导致AI应用迟迟无法落地或效果不达预期。

企业缺乏对AI技术合作伙伴的评估方法论，导致很难选择并最有效得利用外部伙伴力量

传统企业应用AI技术时，往往需要外部技术服务商提供支持。但AI技术服务商云集，既有像阿里、百度、微软这样的全能型选手，也有像AI四小龙（商汤、旷视、依图、云丛）专项领域选手，更有数以百计的初创企业在专项领域/细分行业提供独到的解决方案。

传统企业由于对AI领域缺乏了解，在评估与选择合作伙伴时也缺乏有效的方法论和评估框架，只能更关注企业名气与过往案例，而对其他重要要素如技术、数据、产品、交付、组织以及合作契合度方面以及其下各子要素缺乏评估能力。这一问题往往导致合作过程中挑战重重，包括合作伙伴提供的方案在特定行业缺乏适用性，合作伙伴技术能力出众但工程实施能力弱造成项目效果不佳，合作伙伴缺乏AI综合能力需要进行分包，导致项目质量无法把控等。最终结果是无法建立一个稳定的生态圈，合作伙伴频繁更换选择均费时费力。

传统企业在实施AI战略时，可以通过利用科尔尼的SMART策略模型，更快更稳地实现AI部署与落地

科技企业“天生”以数字化能力作为核心竞争力，且业务模式、企业流程、员工能力、组织架构等各方面自带“数字化光环”更适用于AI等新技术落地。传统企业相对起步晚，因此在实际应用AI过程中，需要更加全面的进行战略制定，更加细致的进行规划，并更好地借助外力，实现最终的价值创造。

科尔尼专门开发了帮助传统企业部署AI业务的SMART策略模型，通过明确所处战略起点(Strategy Starting-point)、识别应部署的场景(Needs Mapping)、洞察背后技术需求(Technology to Adopt)、建立部署协同策略(Synergy in Rollout)、寻找合作伙伴共建(Partner Teamwork)五个核心步骤，帮助传统企业更快速更稳健地实现AI部署与落地。

第一步：明确所处战略起点(Strategy Starting-point)。确定企业及所处行业当前数字化成熟度，在此基础上完成企业的AI战略制定。

当我们用数字化成熟度来衡量一个企业的数字化能力时，会发现不同企业的数字化处于不同阶段，而多数企业可能尚未达到应用AI的基础条件。企业在制定AI战略时首先需要对自身的数字化能力和条件进行诊断，从而更好地为AI技术应用和寻找合适的切入点打下基础。我们可以将企业数字化发展分为四个阶段：数据系统化(IT)阶段、数据可视化(BI)阶段、数据洞察化(DT)阶段以及场景智能化阶段(AI应用阶段)（图3）。

–数据系统化(IT)阶段，需要完成最基础的业务系统建设，如ERP系统以及底层云平台等数字化基础设施的搭建。

–数据可视化(BI)阶段，打通系统孤岛，实现基本的大数据可视化应用，例如基于企业内外部业务的数据分析与应用，形成大数据的可视化，对消费者洞察、供应链运营等内外部运营形成可持续、不断迭代的分析模型。

–数据洞察化(DT)阶段，通过智能技术加持，建立数据中台，进行多源结构化数据的分析和业务赋能，实现完备的大数据分析应用体系。以消费者洞察为例，包括通过建立完整的消费者触点收集数据，通过数据中台建设融合数据，通过数据模型和数据挖掘技术探究消费者洞察。

– 场景智能化(AI)阶段，通过AI技术应用，实现企业决策与运营管理的智能化。此阶段最终目标为通过人工智能技术来支持管理决策，在大数据的支撑下与管理人员共同进行日常运营，包括从生产、供应链、营销到销售的各项决策。过程中如前所述继续分为感知AI、认知AI阶段和行动AI三个递进的应用子阶段。

这四个阶段并没有绝对的先后关系，但是很大程度上体现了企业数字化的进程与夯实基础的过程，如果盲目进行跳跃，往往事倍功半。

其次，企业还需要了解行业整体AI成熟度的情况，包括行业内是否有足够数据和数据集的积累，是否有成熟应用方案落地，以便确定本企业实施AI场景应用时的难易程度、所需时间以及相应成本。例如，互联网、安防以及金融行业的AI成熟度较高，基本达到认知AI的水平。这意味着以上行业的企业在进行AI应用时，由于行业特性企业本身应有比较完备的数据积累，行业内针对主要业务已有经过训练的模型或者训练数据集，可供直接使用或二次开发,同时业内主流方案也偏向成熟。而餐饮行业情况则略有不同。行业内很少有成熟的AI数据集与AI模型，因此企业在应用AI解决方案时应更多侧重“感知AI层面”，以识别与数据获取为主要方向，例如使用计算机视觉技术识别员工操作规范、识别货品以及入店消费者等，通过智能语音实现投诉管理等。而知识图谱等“认知AI”技术，在餐饮行业现阶段并无多少用武之地。