《哈佛商业评论》谈第一波AI创业：PE才是赢家，不是创业者和VC

日前， 《哈佛商业评论》 发表了一篇题为《第一波 人工智能 企业注定会失败》（The First Wave of Corporate AII's Doomed to Fail）的文章。

文章写道：AI这个话题现在太热了。许多公司宣布聚焦AI的举措，是怕错过了AI这班车。不幸的是，这些公司的大部分努力都会失败。失败不是因为AI有泡沫成分， 而是因为这些公司没有用正确的方式去进行AI驱动的创新。这样的错误不是第一次了。

针对这一话题，HackNews上名为TLDR的读者评论说：目前AI创业公司最好的商业模式是：筹集资金（至少1000万美元）以启动私募股权基金。然后去找到你知道将大大受益于AI ，但它们的管理者根本不明白的企业。买下那家公司。利用AI去增加利润。卖掉公司。获利。这比花时间为别人的公司出谋划策要好，那些公司的管理者根本不明白你为他们所做的事。

他说，实际上，还有一点，就是从AI获利的将是 PE ，不是创业公司，也不是 VC 。

早在20世纪90年代末，互联网就是大趋势。多数公司都成立了互联网部门（onlinedivision）。但是其中成功的很少。一旦发生问题，这些公司要么关门，要么大大削减其在线业务。几年以后，在互联网新贵企业颠覆音乐、旅游、新闻和视频产业时，最早的那批公司也不知道在干些什么，只能眼睁睁看着别人盈利。

21世纪第一个10年的中期， 云计算 被炒得很热。于是又一次，有几家公司决定试水。但是，从法规到安全性等一些初期不可避免的问题让许多企业打了退堂鼓，不再将他们的数据和应用程序移动到云端。为数不多的坚持下来的企业今天已经在行业中占据了重要位置，优势明显，竞争对手很难模仿。

哈佛商业评论认为，AI领域也会发生类似的事情， 非理性的退缩将到处可见 。已经有证据表明，早期的AI项目不太可能产生技术爱好者预测的戏剧性结果。例如，为Facebook的Messenger平台开发聊天 机器人 的公司在处理用户请求时有70％的失败率。然而，如果这些大公司放弃他们在AI上的举措，那也大错特错。AI确实具有使行业发生转型的巨大潜力。

麦肯锡全球研究院最近的研究发现，今日的AI技术能够使45％的工作活动自动化，而其中有80％是靠机器学习技术实现的。该报告还强调，许多行业，比如制造业和医疗，数据和分析投资发挥的作用还不到全部潜力的30％。早期的一些失败常常会减缓或完全终止对AI项目的资金注入。

对于很多企业来说，AI将是一个模式转变。因此，在新平台中摸爬滚打积累经验远比在短期内看到结果重要得多。但是，如果在AI项目上的前几项举措没有产生结果，一位经理要如何证明应该继续在AI上投资？

我们建议对AI项目采取组合投资的方式：将可能快速产生收益的项目和长期项目组合起来，侧重于转变端到端的工作流程。为了获得快速收益，可以利用语音识别、计算机视觉和语言理解领域的最新进展，着重于touchpoint的改变。这些项目的例子可能是帮助药剂师寻找替代药物的语音界面，也可能是安排内部会议的工具。

这些领域可以使用现成的AI工具，例如谷歌的Cloud Speech API和Nuance的语音识别API，不需在训练和招聘环节进行大量投资。（披露：哈佛商业评论的作者中有一位就是谷歌母公司AlphabetInc.的执行官）这些项目不会对行业产生革命性的影响，但它们将有助于大家在AI的潜力上达成共识。这些项目还将帮助企业获得 大数据 收集、处理和标注的经验，这些都是公司在开始更有意义的AI项目之前必须具备的技能。

对于长期项目来说，某一点上的优化是不够的，需要重新思考端到端的流程，这有可能是受到最大影响的领域。例如，保险公司可以将索赔处理这样的业务流程，使用语音和视觉理解完全自动化。 Allstate汽车保险公司已经允许用户自己拍摄事故照片，并通过手机App提交他们的申请。经过在以往申请照片中的训练，新技术可以准确地估计损坏的程度并使整个过程自动化。像谷歌这样的公司已经明白，建立这样高价值的工作流自动化，不仅需要现有技术，还要求培训机器学习算法的组织技能。

随着Google将转型为AI-first公司定为追求的目标，它就开始遵循类似组合投资的方法。最初先聚焦在将机器学习纳入到系统的一些组件中（例如，Gmail中的垃圾邮件检测），但现在公司正在使用机器学习来替换整套系统。此外，为了增加组织层面上的学习，该公司正在将机器学习专家分散在产品组中，并在所有Google产品中培训数千名软件工程师，了解机器学习的基本知识。

这一切都引出了一个问题：如何最好地为这些努力招募相应的资源？好消息是，AI算法和数据集的新兴市场，如Algorithmia和谷歌拥有的Kaggle，以及为AI定制的可扩展的基于云的基础架构，正在降低进入AI世界的障碍。用于大规模机器学习的算法、数据和IT基础设施对中小型企业也是开放的了。

此外，由于受过良好训练的专业人员增加，人工智能人才的成本在下降。正如做一个手机app的成本从2010年的20万~30万美元，到现在由于有更好的开发工具和围绕几个平台（Android和iOS）的标准化，以及开发商数量增加，成本已经降到不足1万美元。类似的AI系统的成本降低也将到来。这意味着企业不需着急雇用AI专门人才。随着时间推移，慢慢增加雇用，利用机器学习软件和基础架构的市场可以将成本维持在可控范围。

毋庸置疑的是AI的热潮开始了。我们相信AI确实会改变行业。但是，利用AI得到成功的公司将是那些专注于创建组织学习（organization all earning）并改变组织基因的公司。采用投资组合方法，而非将努力集中在一个大赌注，将最能利用AI的变革力量。