2、研究和发展
与营销和销售相比，研发对人工智能来说是一个不太成熟的领域。与大型零售连锁店相比，研发所产生的数据要少得多，而且这些数据往往无法以数字方式捕捉到。此外，许多研发问题相当复杂，技术含量高，受到严格的科学限制。即便如此，人工智能在这一领域仍有很高的潜力。例如，在生物制药行业，研发是主要的利润驱动因素，人工智能可以改变扭转成本上涨和开发周期延长的趋势。
在工业产品领域，领先的制造商将人工智能、工程软件和操作数据——如维修频率——结合在一起，以优化设计。人工智能在增量制造设计方面特别有帮助，它也被称为3D打印，因为它的算法驱动程序不受工程学惯例的约束。
积极的数据收集应该是设计研发领域的人工智能试验的一个关键因素。可能需要与大学合作，将历史记录数字化，甚至从零开始生成新的数据。考虑到参与研发所需的知识和专业能力，很难获得有用的AI解决方案。相反，科学家必须依靠系统性试验作为指导，来建立未来人工智能应用程序所需的数据清单。
3、操作运行
操作实践和运行对人工智能非常合适。它们通常有类似的例程和步骤，生成大量的数据，并产生可测量的输出。在一个行业中运行的的许多AI概念在另一个行业中也能发挥作用。人工智能目前流行的用途包括预测维护和非线性生产优化，它对生产环境的元素进行整体分析，而不是按顺序或孤立地进行分析。
4、采购和供应链管理
在采购方面，人工智能的潜力是巨大的——因为结构化数据和重复交易十分常见——然而基本上没有应用。今天的机器可以打败世界上顶级的扑克玩家，也可以交易证券，但他们还没有表现出在企业购买方面胜过供应商的能力——至少公开的信息是这样。(企业可能会使用支持AI的采购系统，但不会告诉供应商或其他任何人，以保持竞争优势。)
已知的人工智能采购案例包括聊天机器人，半自动合同设计与审核，以及基于对新闻、天气、社交媒体和需求的分析提供建议。重要的增强甚至自动化采购现在才刚刚出现。
供应链管理和物流则是完全不同的。这些过程很容易获得历史数据，使它们理所当然成为机器学习的应用目标。需要注意的是，收集数据、建立数据结构比建立机器学习模型要费时的多。
5、支撑功能
公司通常会部分外包支撑功能，这些功能在各个机构中都很相似。但很快他们就可以为这些功能购买支持AI的解决方案了。IBM、埃森哲(Accenture)和印度四大巨头(HCL、Infosys、Wipro、Tata)等外包巨头正在进行大规模的人工智能开发。这些公司正将重点从强调降低劳动力成本和规模，转向建设智能和自动化平台，以提供更高价值的服务。
许多服务机构开始认识到人工智能与机器人处理自动化(RPA)相结合的好处。他们使用基于规则的软件机器人来代替人类的桌面活动，然后通过人工智能学习增强灵活性、智能，和学习。这种方法结合了RPA的快速回报和AI的高级潜力。
6、AI能提供优质产品和服务
涉及到提供先进的产品和服务的人工智能应用程序——数字个人助理、自动驾驶汽车和机器人投资顾问——大多都受到了广泛的关注。提供支持AI服务的公司急于向公众展示这些产品的优越性能和特性。
由于他们的产品和服务， 乃至于整个商业模式都有一定风险，公司必须建立强大的内部人工智能团队。
与此同时，自动化也创造了新的商业模式。例如，保险公司和制造商将能够使用人工智能预测更准确的风险，允许他们在使用、护理或穿戴的基础上定价。
7、企业之外：行业价值池如何转变
总的来说，使用案例和潜在的场景会影响整个行业结构。
医疗保健就是一个生动的例子。它由几个部门组成，包括医疗技术、生物制药、支付者和提供者，每个部门都有不同的、经常相互竞争的利益。该行业是整个价值链中丰富的人工智能实验的场景，特别是在研发、诊断、护理、护理管理、患者行为矫正和疾病预防等领域。
表2展示了一个潜在的场景，说明随着人工智能的采用，整个医疗保健价值池可能会发生怎样的变化。当然，各个行业的玩家的价值增长点变化会有所不同，每个行业都有赢家和输家。最初，大多数公司都会从AI公司的内部运作过程中获益(图2中标记为1的箭头)。受益于研发效率、个性化营销和合理化精简的支持功能，生物制药公司和支付者很可能从这些努力中获益最多。
表2 医疗保健行业价值池如何转变
在接下来的五年里，我们预计人工智能在诊断疾病方面会有很大的吸引力。在诊断某些特定形式的癌症时，视觉人工智能代理已经超过了业界领先的放射科医生，许多初创公司和科技巨头更早就在研究AI方法来检测癌症，并提供更准确的预测。在初级医疗环境中，人工智能可以改善或替代一些医生的操作。与此同时，远程诊断可以消除或大幅减少病人到医院就诊的次数。这些变化可能主要有利于医疗科技公司(arrow 2)，同时可能某些程度上损害生物制药公司(arrow 3)和医疗提供者(箭头4)。更好的结果是，早期的诊断和方法可以减少对治疗的需求。
凭借其内在的性能特征，人工智能可能会加速以价值为基础的医疗保健的发展趋势——为结果而不是数量来买单。这种趋势有利消费者作为付款者减少成本，并为提供者和生物制药公司设置新的标准(箭头5)。最后,大多数公司可能购买至少从技术供应商处(箭头标示6)购买一个解决方案，这些技术供应商包括一些进入医疗赛道的传统科技企业。
这一可能的场景——在人们对医疗保健需求增加的背景下——可能会改善健康状况，但生物制药公司会感受到压力。此外，生物制药公司可能在诊断方面采取更大胆的举措，个性化药物可能会起飞，开辟新的利润池。此外，付费者可以自己开发远程诊断，而供应商开始将人工智能纳入他们的病人治疗协议。无论如何，医疗科技公司和技术供应商都将获利。
三、利用AI良机获胜
围绕人工智能的发展存在如此多的不确定性，对于大多数公司来说，最聪明的做法是建立一个基于当前趋势的短期行动组合，并通过建立功能和数据基础设施为未来的机会做准备。
1、如何开始
高管们应该把他们的AI之旅分成三个步骤:构思和测试，优先考虑和开始试验，以及扩大规模。（见图3）
图3 AI发展策略和路线图
对于AI经验有限的公司，我们强烈建议基于一个很可能实现价值的案例，进行一个并行测试阶段，它的定义应当是合理的，而且复杂程度适中。这个测试将帮助组织了解人工智能，并强调数据或数据集成需求和组织能力和能力，这是下一步的关键投入。
