1.2.4　AI赋能传统行业四部曲

传统行业里AI可以应用于哪些地方呢？

第一是进行单一环节的降本提效，直白一些就是AI取代人的简单重复工作。当然AI不像科幻小说里面那样可以完全代替人类去工作，但是由AI取代人并完成一些简单重复的工作是完全可能的。这里的AI并非要把人的工作全部取代，但是诸如公司前台的一些工作：问询访客信息、检索访客数据库、联系被访者、开门关门，等等，都可以由AI来完成。而前台的其他工作，比如处理一些特殊的问题等，还是需要人来做的。

我们可以想象，一家稍具规模的公司原本有5位前台人员，如果一部分工作可以由AI自动化完成的话，也许就只需要两位前台人员了，最终60%的工作“外包”给AI，40%的工作由人来做。最近很火的RPA（Robotic Process Automation，机器人流程自动化）就是为公司后台提供服务的，例如员工报销、财务核实、法务确认、新员工入职之类的重复性工作可以交给RPA完成。将一套RPA软件装在涉及重复性工作的员工的电脑上，让程序“观察”员工所做的工作，程序还会问他：“是不是该这样？要不要我帮你这样？”并由人来标注“是的”或者“不是”。经过一段时间的机器学习与训练，RPA就能够完成人的一部分工作了，如果60%的工作任务可以由RPA分担完成，那么企业人员成本便可以大大削减。我认为在下一个阶段，降本在企业里会更普及，尤其在疫情之后全球经济面临着巨大的挑战下，降本会成为大部分公司的需要，AI则能帮助企业完成很多简单、重复性工作，人能从这些工作中释放出来去做更有价值的事情。

创新工场AI工程院曾为一家美国汽车贷款公司提供过AI技术服务，当我们谈到AI可以取代信贷员的一部分工作时，该公司的董事长还半信半疑。在那之后，我们的两位工程师仅仅花了7周时间，就为这家公司降低了14%的坏账率，让公司每一年挽回上千万美元的损失。注意，这里仅考虑损失的降低，还没有考虑在AI取代信贷员后带来的人力成本的降低。

第二是单一环节的优化赋能。用AI取代公司整个工作流程中的某一个环节，比如衣服、鞋子、手机等产品在出厂前要经过的质量检测环节，这一环节我们可以用计算机视觉技术解决，实际上现在不少工厂已经开始使用智能质检技术，比如在服装生产线上用AI检查衣服颜色、号码上的瑕疵。相比于人工质检，智能质检可以节省相当可观的时间。在不改变整个制造流程和生产线的情况下，用AI取代人工完成其中的一个环节，不失为一种风险相对较低且为单点切入的AI应用模式。

随着线上教育的发展，我们发现其中的很多环节同样可以由AI来完成。如果把教育流程进行分解，它可以分为四个环节：课堂学习、课下练习、测试、评价。我们发现AI可以取代教育的每个环节，比如，如图1.2.4所示，当学生在线上课堂学习的时候，为什么一定要由真人老师讲课而不是虚拟老师呢？让虚拟的、受欢迎的卡通人物来教一个学龄前孩子英语、数学是未尝不可的；再比如线下练习环节，我们可以靠AI了解每一个学生的困难点在哪里，并可以通过AI数学游戏化的方式帮助他学习困难点或用AI纠正英语发音；再到测试环节，现在AI出题、AI批改考卷在中国已经非常普及，甚至AI可以给每个学生定制不同的题目，这是授课老师单凭有限精力很难实现的事情。对于教育行业，我的一个期待就是，老师的重复性工作可以由AI来做，而且我相信AI可以做得更好、更有针对性，而老师要做的是向学生讲授学习的方法、创新的方法等，以及鼓励学生，了解每一个学生想做什么、想成为什么样的人，这才是更为合理的分工。

图1.2.4

第三是流程智能化赋能，即从一个环节切入并逐渐覆盖其他环节，最终实现全流程的智能化。以智能零售为例，最开始我们用AI预测每家店不同产品的售卖量，并根据预测决定进货量，之后可以根据进货情况分析仓储的配置，进而预测物流如何运输、仓库如何选址，甚至判断未来的新店应该开在什么地方。在此基础上，我们可以有AI收银、自动补货的无人商店，就像Amazon Go一样，客户选购完商品直接结账离开。在这个例子中，刚开始AI只是做简单的销售预测，从单点切入并经过滚雪球式的逐步智能化，最终整个零售流程的AI化得以形成。图1.2.5展示的是零售业的AI流程智能化赋能全貌图。

最后一点更为宏伟，就是重构整个行业的规则。目前，智能音箱在一定程度上正在颠覆整个蓝牙音箱行业，未来我们一定能够看到AI颠覆更多行业例子的出现。AI在医疗领域的应用可以是多方面的，它可以帮助医生更好地诊断和预测患者病情。在新药品的小分子研发中，我们可以用以往的研发数据去训练AI，让AI更精准地预测什么样的药物需求量最大并判断什么样的药物药效更好，以及如何能够更快地通过临床试验，从而帮助科学家筛选研究方向，成倍提升药物研发速度，最终改写甚至颠覆整个医药研发行业。

有时候，我们看到AI研发的工作场景会感慨它的繁复程度，而花费很多时间做出来的AI应用可能只适用于一家企业的某个生产流程，这不免让人觉得可惜。确实，未来的AI创业会比以往更辛苦一些，其实理由很简单：那些最容易、最低垂的果实早就被摘走了，最容易做出来的AI应用已经被其他公司做了，反而定制化、实现起来更困难的事情，才是新创业公司的机会所在。

图1.2.5