关注AI技术发展，不难发现，传统企业在频频释放紧张和潜在焦虑。AI创新层出不穷，整体节奏加快，如今任何一家企业，都很难真正拒绝AI。

这也是这股AI新技术浪潮，为未来商业世界搭建起的空前平等的舞台，在既有规则之外，进行想象空间的较量。也因此，传统行业，被推到了技术改革的风暴中心。

2019年5月，苏宁零售技术研究院针对传统企业的CEO、CTO启动了一项AI接受度调查。结果显示，78%的传统企业认为，AI将对企业发展至关重要；57%的传统企业已经开始或计划在2021年前采用AI技术。

他们也迫切希望了解，一家传统企业需要怎样的AI技术？面对新技术竞争，有哪些应对之道？对此，我将在下文作详细阐述。

  AI技术的五块“敲门砖”

目前，AI技术产品种类很多，针对传统企业，可优先参考投入以下五类核心AI技术。

1、  机器学习与计算机基础设施

这里先了解两个概念，机器学习和深度学习。机器学习，是使用算法来解析数据从中学习，然后对真实世界中的事件做出决策和预测。包含了回归、聚类以及分类。

深度学习，是指多层神经网络上，通过运用各种机器学习算法解决图像、文本等各种问题的算法集合，主要算法包括DNN（深度神经网络）、CNN（卷积神经网络）、RNN（循环神经网络）、GAN（生成式对抗网络）等。

两者之间的区别是，机器学习是完成一个任务，获取一个经验，特征需人工设计。但深度学习的核心是特征学习，旨在通过网络学习特征提取的方法，从而解决以往需要人工设计特征的重要难题。

在这当中，DNN（深度神经网络）是深度学习的基础，它极大地提高了计算机视觉任务执行的准确性。如图像分类、物体定位和检测、图像分割、动作识别等任务。

训练一个可能有数百或数千万个参数的DNN（深度神经网络），需要经过大量迭代和计算的过程，使用“梯度下降”和“反向传播法”等数值优化技术。鉴于近期GPU（图形处理器）体系结构方面取得了突破性进展，这类优化技术也应用得更加广泛了。

2、自然语言处理

自然语言处理（Natural Language Processing，NLP）是计算机科学领域和人工智能领域中的重要方向，是一门融语言学、计算机科学、数学于一体的科学。对它的研究包括人与计算机之间用自然语言进行有效通信的理论和方法。

基于NLP的人机交互，可以为企业运营、服务的改善提供很大帮助。涉及到的具体技术，包括分词、命名实体识别、词性标注、文本语义相似度分析等。

3、计算机视觉

计算机视觉技术（Computer Vision Technology，CVT）是深度学习技术最早实现突破性成就的领域，它包括数字图像的捕获、处理和分析，本质上是解码它们的上下文含义。

如今，在常见的物体识别场景中，计算机视觉技术可以实现95%以上的精准度。可针对数亿个对象进行分类，并且对人、景观、昆虫和树叶等生物对象的识别越来越准确。

4、数据科学与分析

数据分析是一门将逻辑学和数学应用到数据科学中的学科。因为它可以为决策提供更好的洞察力，帮助企业适应竞争性业务环境，所以几年来，很多企业都致力于通过自助服务功能，来实现分析的广泛化，并将其更深入地融入业务线。实际来看，已经显著改变了传统的BI（商务智能）模型和最终的用户需求。

数据科学家会使用数据科学和ML（机器学习）平台，帮助他们开发和部署自己的解决方案。这些平台将为数据科学家在整个数据、分析管道中执行任务提供支持。

同时，现代BI支持IT分析内容开发，体系结构允许非技术用户自主地执行从数据访问、接收和准备到交互式分析的工作流程。相比之下，传统BI平台，支持IT生成的分析内容的模块化开发，需要专门的工具、技能和前期数据建模，加上预定义的元数据层，才能启动分析功能。

5、机器人和传感器

机器人技术应用在非常广泛的领域，通常涉及到机器人的设计、构造、操作和应用，以及用于控制、感觉反馈和信息处理的计算机系统。现在我们看到的许多机器人研发，都受到自然界生命体的启发，每个新的成果，其实都推动了仿生机器人的发展。

确切地说，RPA（机器人流程自动化）并不是一个真实的、肉眼可见的机器人，而是流程自动化服务。它是一款软件产品，可以模拟人在电脑上不同系统之间的操作行为，替代或协助人执行具有规律和重复性比较高的办公流程。

通常，RPA中没有人工智能，大多数都是在脚本工具的基础上，提供功能性的图形用户界面。这些脚本工具从一个应用程序搜集数据（一般使用屏幕抓取），同时将数据输入（重新键入）另一个应用程序。

除了识别电子邮件、图像、扫描和传真中的数据，RPA没有太多“惊人的创新”，但很多时候，RPA集合了提高性能、减少错误和降低运营成本等所需的全部能力。

依托以上核心技术，AI将在不同领域、不同部门为企业创造便利和新的发展可能。

  如何制定AI策略？

AI技术强大作用的发挥，更需要建立在合适的需求和场景上。这就要求一个企业，不能盲目追逐外界的AI浪潮，而是应该理性内观，清楚自己的实际需求和潜在方向。

这就是AI策略的制定。如果只是初步构建，规划者可以根据结果倒推。也就是说，先确定想要什么结果，再定义实现结果需要什么样的场景。明确了场景后，可以让规划人员分解出需要的应用程序和解决方案，后通过购买或自建去实现。

过程中，要尽可能找到不同应用程序和使用场景的共通之处，在有多个项目和使用场景并存的时候，才能有效减少冗余和资源浪费。

最后的环节，是回顾和理解方案的核心技术，认真审视每个步骤，以便更好地理解整个实现过程，及时调整和完善。这个环节非常重要，甚至应该反复进行，直到规划者对每个使用场景涉及的内容都有很好的把握。

具体的方法，可以是对使用场景进行优先级排序，选择最好的那个。也可以通过对整个流程进行阶段梳理，对照解决方案的路径，验证关键节点等等，方法不一而足。

例如，脱胎于传统家居行业的智能家居，如今已经成为物联网最具规模的市场，蕴含万亿市场潜力。欧瑞博作为其中典范，凭借超强的落地能力，抢滩风口，推动家居进入Home AI时代。其在2018年推出革命性的超级智能面板MixPad，打造出新一代全宅智能家居系统。自主研发的AI Sense智能场景机制，支持商业智能、服务智能、设备智能中不同的场景需求，实现便捷交互和家居智能化。

无论从硬件到软件，再到loT平台，还是从AI到大数据，再到混合计算，欧瑞博都具备了从2C2B应用到loT跨平台生态融合的能力，去推动下一步智能家庭向智慧生活转变。

如今，在全球市场，以AI+loT(人工智能+物联网)为核心的转型企业迅猛发展，特别是在AI+loT技术融合下，围绕机器视觉、自动驾驶、高端制造、AI芯片和生物科技等企业，也因此迎来前所未有的机遇。优必选、图灵机器人、欧瑞博、地平线、碳云智能、海尔生物医疗这类创新企业，都是突破了传统业态，在新业态领域取得实质成就的佼佼者。

  传统企业中的AI“舞台" 

数字革命将人类社会推向信息时代，作为其中的组成单元，传统企业在此时，改革需求和挑战愈加强烈。最重要的挑战是，在业务应用程序套件中越来越多地使用人工智能。其对数据、流程、架构及人员配置灵活性和灵敏性的需求，给传统企业提出了更高要求。同时，它也将给企业解决更多问题。

1、用户服务、支持与CRM（客户管理系统）

人工智能技术被广泛用于客户服务和支持的多个领域。其中，相对关键的是智能视频分析、预测性客户分析、自助和辅助服务的语音识别、情感分析等，这类技术功能允许组织在客服中心，减少人工服务开销。AI分析技术也可用于联络中心，深入了解客户行为、改进联络路线。

同时，AI应用在网络聊天、电子邮件管理、聊天机器人、智能视频分析和信息传递等渠道，在重复性的工作中，使程序与人一起工作，特殊情况时，可以及时终止虚拟助理，防止错误。某些情况下，我们还可以通过有监督的训练，让机器人更好地学习新的任务。

而客服作为深入应用人工智能技术的领域之一，近些年已经有“智能客服机器人”作为协作伙伴，接管大量的服务工作。

例如：苏宁“学富五车”导购专家“苏小语”，会基于大数据，对用户的购买历史行为进行分析，依据喜好进行一对一导购服务，实现精准营销。当然，她不只会推荐商品，还可以提供自主引导、QA、闲聊、领券、查天气、讲笑话等一站式多重技能。因为她能通过文字、语音播报与用户对话，所以你甚至可以在闲暇时找她聊天。

“Sunny”是苏宁的售后客服，她更是客服团队不可缺少的一员，可以24小时不间断在线接受咨询，更有结合AI技术，全面提升机器人阅读理解语音图像识别的能力，练就想客户所想的“读心术“。

从数据上看，目前苏宁通过机器人分流的客服咨询量达到了74%，导购回答正确率达90%以上，售后问题解决率平均为60%。

2、销售和销售线索的管理

AI与销售技术的结合，可以体现在：1、根据原有客户挖掘新的销售线索；2、通过智能信息建立关系，发现潜在客户；3、引导销售，带来销售业绩的增长。这里对所涉及的虚拟数字销售助理、供应商管理技术稍作展开。

虚拟数字销售助理技术，将预测和规定系统的功能，与类似亚马逊Alexa（智能音箱助手）软件的响应式语音接口结合在一起。当与移动电话配对时，该技术就能提供一种全新的流畅的方式，用于访问销售活动和更新信息。

在供应商管理领域，AI的主要机会是自动化人工服务。越来越多的产品经理努力将AI纳入他们的产品路线图，同时融入现有的工作流。这一做法，让产品看起来顿时具备了智能优势，企业会以此作为宣传亮点，进行品牌传播。

而回到采购与供应商管理的实际现状中，可以发现，人工智能的应用还是非常少的，而且范围很窄，使用的是基本的机器学习技术，包含支出分类和合同分析等。

如今在风险管理、候选人匹配、采购寻源（Hanhe SRM-Sourcing）、虚拟采购助理、语音识别等领域，也相继出现了AI使用场景。但值得注意的是，用于采购的AI需要数据，只要基础采购应用程序采用有限，数据就会稀缺。同时，技术成熟度、人才的匮乏，也会成为瓶颈。好在越来越多的供应商已经有意识调动研发资源提升AI能力，取得了较快的进步。

须知，在整个供应链条中，AI将集中实现三个功能：增强人的决策能力、补偿人的偏见，和通过“认知顾问”提升人的能力。因为，自动化在特定任务中表现得比人类更稳定、更快，再通过自我学习，还可以继续推高性能。

这就决定了，NLP（自然语言处理）、预测性分析，以及机器学习等人工智能技术，可以在预测维护、风险管理、采购、订单履行、供应链计划和促销管理等供应链场景中，给予有效地支持。

3、数字化商业

目前，虽然数字商务市场得到整个技术生态系统的支持，但核心技术仍然是数字化商务平台。为提供最佳的用户体验，这些平台会经常与其他应用程序、集成服务一起扩充。

个性化的搜索引擎会增强数字商务平台。双方通过创建相关的、个性化的、交互的过程，在接收者个人数据的洞察力、类似个体行为的行为数据基础上，来提供满足特定需求和偏好的体验。

数字商务平台和个性化引擎会贯穿整个用户消费过程，从认知、研究、评估，到购买、审查和使用。整个过程会产生大量客户数据，业务部门以此可以了解客户在多个渠道、设备上的行为和兴趣，从而匹配正确的内容，推动销售并改善客户体验。

这里强调一点，使用正确的数据，并从中提升客户洞察力是非常复杂，通常很难捕捉到客户行为的瞬时性质。而投入AI，通过更有效地理解数据集之间的底层关系，可以帮助解决这类问题。

总之，AI可以帮助企业建立复杂的模型，应对数字商务的动态变化。其中，决策模型还可以更准确、更细粒度地预测事件，加之AI和ML技术的洞察力支持，使精准的部署模型成为可能。

在零售行业，AR、VR的技术应用，已经逐渐改变人们的购物习惯和企业的商业模式，从苏宁AI相关的技术和产品研发成果上，可以看到触发智慧新零售发展的动力之源。

4、治理和信息管理

我们都知道，AI技术具有自学习和适应性，某种程度上，这可能意味着人类的某些职责和任务，很可能会被海量数据训练过的机器决策、行为所取代。

其中之一，就是基于数据信息的预测分析，它是企业各部门的业务领导会用到的一种战略技术，包含市场营销、索赔、客户服务和生产。支持实时自动事件检测、决策支持、风险建模和客户分析。

这些技术功能，会帮助业务领导者们在提高收入、避免损失，改善客户体验上获得助力。同时，还会自动合成大量数据，帮助企业实现自动化和辅助决策。

5、数字化的工作环境

AI的广泛应用，是在替代人的重复性劳动的背景下产生的。这也是数字化工作场所要实现的目标。但劳动者可能仍会忧虑，认为AI的使用，给工作和社会环境带来很多未知影响。

其实，在数字工作环境中，大多数人即便没有直接参与IT业务，仍会接触到人工智能，这些服务打包为SaaS应用程序中的功能。例如，电子邮件分类、电子邮件回复建议、内容和人员推荐等表现形式。

而对希望提高IT流程成熟度、希望提高IT服务管理工具的运营企业来说，人工智能所能带来的就很具体。

AI所能提供的应用之一，就是VSA（Virtual Support Agent 虚拟支持助理）。VSA是在IT服务管理场景中，提供自动化IT桌面支持的虚拟助手。

他们从知识管理资源和ITSM（IT  Service Management，IT服务管理）工具中获取信息，提供常见问题的答案。也会帮助用户完成任务，如重置密码、部署软件、升级软件、恢复IT服务等，这些功能都需要扩展聊天机器人的能力。

可以说，数字化工作场所，是通过一个更加消费化的计算环境，去提高员工的效率和参与度。而将IT服务台运营，变为一个主动功能，则需要IT的领导者，采用综合方法，将高级ML、大数据和其他AI技术结合起来，才会在服务台的活动中，提供可预测、个性化和动态的洞察力。

以苏宁RPA机器人（流程自动化工具）为例，它以非入侵方式，模拟人工操作，通过软件操作自动化，去实现业务流程自动化，可以广泛应用于企业信息化程度高、信息孤岛严重、手工操作多等多种场景。

目前，苏宁运用该技术，在财务共享方面搭建了首个无人工作室。实践发现，机器人可以比较快速地代替人工执行单据复核、数据核对、报表导出加工、流程和数据异常处理、数据填报录入系统等工作，实现员工报销一日到帐，协助配合34人完成26万员工的财务报销，节约人力成本超过了300万/年。

6、人力资源管理

大数据管理下的知识革命，重新定义知识，也改写了作为知识创造者、吸收者、利用者的人力资源管理者。可以说，某种程度上AI在启动HCM（人力资本管理）的数字革命。以往简单的流程操作，将被改变。

目前，AI在招聘领域，侧重于匹配人才供需，或预测招聘结果。具体包括特定求职者的适应度、探索机会的可能性、通过语音或视频面试分析得出行为特征、候选人接受工作的可能性等。

AI还将改变“技能描述和工作分类“的模式。通常，一个企业中，不同岗位会有不同的工作内容描述，有时候同一岗位，描述也不同。如果使用最先进的NLP（自然语言处理）技术，可在全球基础上建立技能和工作分类法（多语言），允许出现新一代的搜索和匹配，超越了前几代语义搜索库。而这项工作，也通常是其他 程序应用的基础。

AI还可以通过情绪分析和主题检测，获得员工反馈和敬业度测量；通过推荐引擎，提供学习内容、导师、合适的学习路径；通过聊天机器人，在人力资源服务交付中，应对基本服务和需求，有时还可用于支持跨应用程序的自助服务。

AI机器人仍能实现作业分配、轮班调度和监控等智能操作。

7、安全与欺诈

AI技术正在改变安全和欺诈的使用场景、市场和供应商。反过来，这些组织也在适应以上的变化。人工智能技术正处在自适应安全体系的四个阶段：保护、检测、响应和预测。简单地说，人工智能，是一个在安全和欺诈中，以不同方式使用的概念。

总之，当AI技术形成一股风暴，任何企业都不该拒绝AI的“入局“。作为传统企业，更不该错过这个改变自己的机会。实际上，正如前文调查所显示的那样，57%的传统企业已经行动，努力学习在新的环境下做生意。