人工智能技术在改善客户体验、稳定和增加收入、削减成本方面做出了贡献，因此从试水阶段进入生产领域。人工智能的大部分成功案例都在这三个方面做出了贡献，贡献了可衡量的成果。在当今的企业世界里，已经有很多成功实施的案例，证明了它们的价值。
这十类案例的共同点是，能够基于对客户互动、生产、服务流程的实时监控，分析并提供运营建议，具有相当的准确性和高效性。企业在首次使用人工智能时，应构建基本的数据结构和框架，以支持最有价值和潜力的高级分析、机器学习和人工智能技术。市场上有各种各样的框架，BMC的ADE(自治数字企业)提供了企业客户从试水到生产应用的所有需求。BMC方法的独特之处在于，它致力于创建一个生态系统，覆盖客户旅程中的每个接触点，并通过这种方式在客户选择用来与企业互动的任何渠道中提供卓越的客户体验。
人工智能技术可以提供价值的十个公认领域
世界上有许多全球领先的企业正在从试水过渡到生产。他们是当今世界人工智能创造价值的例子。以下是人工智能技术在当今企业中提供价值的十个公认领域。
客户反馈系统推动人工智能所有自主服务平台的实现。这与我和一些制造业CEO的交流非常一致，他们致力于推动客户之声(VoC)计划和新产品开发计划。最好的制造商利用人工智能技术来获得更好的客户反馈，并改进他们根据订单配置产品的定制策略。如今，挖掘联络中心数据，同时提高客户响应时间，已经成为人工智能平台的工作。来源:Forrester research，“将人工智能技术注入联络中心可以优化客户体验，为认知联络中心铺平道路”
麦肯锡发现，人工智能可以改善需求预测，通过提高产品可用性，减少50%的预测误差，减少65%的销售损失。供应链是所有制造企业的命脉。麦肯锡的初步用例分析发现，人工智能技术可以将运输仓储和供应链管理的相关成本分别降低5%至10%和25%至40%。在人工智能技术的帮助下，整体库存成本甚至可能降低20%至50%。(来源:人工智能技术的智能化-对德国及其工业部门的价值-麦肯锡)
全球大多数CEO和首席人力资源官计划在未来三年内更多地使用人工智能技术，美国的比例遥遥领先于其他国家和地区，达到73%。在接受调查的所有首席执行官和首席人力资源官中，63%的人表示新技术对他们的整体运营产生了积极影响。将人工智能技术引入自己企业的首席执行官和首席人力资源官在变革管理方面做得很好，而大多数员工(54%)现在对人工智能技术没有那么担心，他们已经看到了这些技术带来的好处。那些帮助员工提升工作技能，让员工更加数字化敏捷的企业高管，更有可能赢得人才的竞争。来源:哈里斯互动与八倍人才情报与管理报告合作完成的《2019-2020年度报告》。
人工智能是下一代物流技术的基础，最明显的改进是先进的资源调度系统。人工智能技术是目前正在开发的各种新一代物流和供应链技术的基础。人工智能可以帮助制造商解决各种复杂的约束、成本和交付问题，这是最明显的帮助。例如，人工智能正在提供关于自动化可以在哪些方面发挥最大优势的见解。来源:麦肯锡公司，《物流自动化:无限的机遇和更大的不确定性》，2019年4月——Ashutosh Dekhne，Greg Hastings，John Murnane和Florian Neuhaus。
在销售额5亿美元到10亿美元的公司工作的营销人员，最常见的应用是人工智能，最常见的技术是在客户服务领域使用的对话式人工智能。在人工智能技术用例的数量和深度上，销售额在5亿美元到10亿美元的企业也遥遥领先于其他企业。销售额为2500万美元或更少的小企业中，只有52%会在客户洞察领域使用人工智能技术进行预测和分析。有趣的是，小企业是AI支出的主力军，占比38.1%。这些支出主要用于通过优化营销内容和时机来提高营销投资回报。来源:2019年2月首席营销官调查:亮点与观点报告——杜克大学、德勤和美国营销协会。
某半导体厂商将智能联网机器与人工智能相结合，良品率提高了30%以上。同时，它优化了晶圆厂的运营，简化了整个生产流程。由于人工智能技术提供的洞察力，他们还能够通过获得更准确的产品可用性信息，将供应链预测误差减少50%，将销售损失减少65%。他们还使用机器学习来自动化质量测试，并将缺陷检测率提高到90%。对于那些仍在思考新技术能否提供理想结果的制造商来说，这正是他们想要看到和衡量的。在对半导体制造商麦肯锡的研究采访中，还有许多其他发现。如果你有兴趣，可以阅读《人工智能带来的智能——它对德国及其产业的意义》。下图来自这份研究报告，展示了人工智能和机器学习给这家半导体厂商带来的各种改进。
人工智能使得按角色创建倾向模型成为可能，这对于预测哪些客户会对捆绑销售或优惠信息做出反应是无价的。根据定义，倾向模型依赖于预测分析，机器学习预测特定客户可能对捆绑销售或优惠信息、营销电子邮件或其他唤醒行动、向上销售或交叉销售做出反应的可能性。趋势模型已被证明在提高客户保留率和减少客户流失方面非常有效。现在，所有擅长全渠道营销的企业都依靠倾向性模型来更好地预测客户的偏好和过去可能导致未来购买的行为。下图显示了倾向性模型的工作原理。来源:客户导向小组来自TIBCO。
人工智能可以发现隐藏在物联网传感器捕获的跟踪数据中的模式，通过这种方式，它可以降低物流成本，每年节省高达600万美元。BCG最近研究了使用跟踪应用程序来提高绩效和降低成本的分散式供应链。他们发现，对于一个有30个节点的网络，使用区块链实时共享供应商网络中的数据，再加上更好的分析洞察力，每年可以节省600万美元的成本。来源:波士顿咨询集团，区块链和物联网合作降低供应链成本，2018年12月18日，作者:Zia Yusuf，Akash Bhatia，Usama Gill，Maciej Kranz，Michelle Fleury和Anoop Nannra。
人工智能应用可以用来监控供应商的产品质量水平和交付状态的变化，并采取相应的措施。这种做法正在降低整个电子行业、高科技行业和离散生产行业因质量差而导致的成本。与北美一些中型制造商的对话表明，他们今天成长的第二大障碍是供应商不稳定的产品质量和交付绩效。制造商可以使用人工智能技术快速找出谁是最好的供应商，谁是最差的供应商，并可以知道哪个生产中心可以最准确地发现错误。制造商正在使用类似于下图中的面板来应用机器学习技术，以满足供应商的质量、交付和一致性挑战。来源:Power BI供应商质量分析样本列表-微软
如今，日立已经在生产过程中使用实时监控和人工智能技术来优化车间作业。在日立，实时监控和人工智能技术的结合优化了车间作业，在机器层面提供了对工作量和生产进度的洞察。随时了解每台机器的负荷水平对整个生产过程的影响，可以更好地管理每一个生产作业决策。现在，通过使用人工智能技术，日立有可能为特定的生产任务设定最佳的机器组合。来源:未来工厂:论共生生产系统、实时生产监控、边缘分析和人工智能让工厂更智能、更敏捷——日立RD集团高级首席研究员野中佑一、日立RD中心全球社会创新总监Sudhanshu Gaur。
