近年來制造領域最熱門的技術話題，非人工智能莫屬（AI）。通過AI技術，生產者可以提高效率、改善靈活性、加速流程，甚至可以實現運營的自我優化。BCG的一項分析發現，人工智能技術能夠幫助生產者降低多達20%的加工成本，其中70%的成本削減得益于員工生產力的提升。

自然而然，全球各地、各行業的企業都在探索將人工智能用于企業運營的可能性。但人工智能究竟能否如預期般產生如此大的效益？一些高管對此依然持懷疑的態度。為了更好地了解機遇和挑戰，BCG在2018年進行了調研，旨在評估企業在工業運營中采用人工智能的進展情況。

該項調查的參與者是來自全球1096家企業的高管、生產和技術管理者，涵蓋廣泛的生產行業，包括汽車、消費品、能源、工程產品、醫療、加工產業、交通物流以及高科技行業。受訪者來自奧地利、加拿大、中國、法國、德國、印度、日本、墨西哥、波蘭、新加坡、英國和美國。

我們的研究發現，中國、印度和新加坡的企業對近期在生產領域推行人工智能的雄心最大。在所調查的產業中，醫療和能源在短期內最熱切；加工產業和工程產品則不那么積極。

參與調查的大多數企業聲稱，他們認為人工智能越來越重要。然而，他們的投資、規劃和落實卻與理想不符。盡管87%的受訪者稱自己有計劃在未來3年內將人工智能用于生產，但只有28%制定了全面的實施路線圖。其余72%的企業缺乏具體的計劃；32%在測試選定的人工智能使用場景，27%只有初步的想法，13%沒有優先考慮甚至沒有考慮人工智能。

人工智能實施的不足反映出缺乏全局性規劃，揭示了理想和現實之間的巨大差距。過去，只有50%的企業利用人工智能實現了自己的目標。如今只有16%的企業在多個廠區充分落實了一個以上的人工智能使用場景——在我們的定義下，這種成就足以讓他們成為早期采用者。我們研究中涉及的12個國家，早期采用者的比例在美國（25%）、中國（23%）和印度（19%）最高；在日本（11%）、新加坡（10%）和法國（10%）最低（參閱圖1）。我們調研的德國企業中，只有15%是早期采用者。

美國企業的高人工智能采用率明顯反映了該技術的普及范圍較廣。即便如此，中國在人工智能投資上已經超越美國，去年在全球針對人工智能初創公司的投資中占到了一半。

2017年，國務院發布了下一代人工智能開發計劃，制定了3步走的發展戰略，旨在到2030年在人工智能領域取得絕對優勢，天津市政府也宣布將對人工智能產業投入50億美元。其他新興國家，比如印度，同樣把人工智能應用視為保持自身生產行業國際競爭力的必要因素，并進行大力投資。相反一些發達國家，比如日本依然專注于過去曾幫助他們提高競爭力的傳統杠桿（比如精益制造）。

在我們研究關注的8個產業中，交通物流（21%）和汽車（20%）企業在早期采用者中所占的比例最高，工程產品（15%）和加工產業（13%）則相對落后（參閱圖2）。這些差異反映出各個產業的起點以及跟數字化的聯系程度存在差異。汽車和高科技企業最為先進。其他產業還沒有意識到，許多數字化策略多年來已成為產業價值鏈里不可分割的部分。

人工智能的使用場景

人工智能代表了工廠模式的轉變。現在工廠里的自動化流程和機械都是按照規則運轉，機器人編程也只針對固定的使用場景。相比之下，未來的工廠將利用人工智能支持自動化流程和機械，通過智能決策應對不熟悉或者預期之外的情況。技術系統的靈活性和可適應性因此增強。比如，在以規則為導向的方案中，一個機器人無法從一箱未分類的零件中識別并選出所需的零件，因為它缺少所需的具體程序去處理無數可能的零件取向。而有人工智能支持的機器人不管目標取向如何，都可以從一堆紛亂的零件中挑選出自己需要的。

在生產運營的主要領域，不管是工廠內還是工廠外，使用人工智能提高效率的場景多種多樣。37%的受訪者認為人工智能在工廠運營領域是最重要的提高生產力的杠桿；25%認為是在質量領域，12%則選擇物流領域。與這些發現相一致的是，企業認為人工智能最重要的使用場景是自我優化機器、質量缺陷檢測和效率損失預測。盡管企業會發現個別的人工智能使用場景尤為重要，但生產者只能通過整合各職能部門、供應商和客戶的數據池并推行人工智能才能取得全部的效益。

• 在工廠外，設計和供應鏈管理是應用人工智能最重要的運營領域。

• 在工廠內，人工智能將給生產和維修、質量、物流等支持部門帶來諸多好處。

有些人工智能的使用場景不止用于生產運營的某個領域。比如，可以生成和處理語言的虛擬助理（類似蘋果的Siri和亞馬遜的Alexa）能為操作者提供來自IT系統的基于特定環境的信息。有些企業已開始采用聲控系統進行挑選、包裝、接收和補貨操作。在這些應用案例中，與EPR系統中材料清單連接的聲控系統可以指引操作者找到正確的箱子。

人工智能系統通過持續分析和學習事故報告（比如照片和文字報告），針對突發事故（比如機器故障、質量偏差和性能損失）提出解決方案。

飛機制造商開始采用一種自我學習算法，利用事故報告，識別生產問題的模式，然后將目前的事故跟過去類似的事故進行比對，提出建議方案。

81%-88%的受訪者預期上述所列舉的使用場景到2030年將變得非常重要，但認為這種能力在諸多生產領域已得到充分發揮的受訪者比例相當少（6%-8%）。圖3是一個全景圖，涵蓋了受訪者認為在未來工廠最重要的使用場景。

    彌合差距

4個驅動力對于在生產運營中成功推行人工智能至關重要：戰略和路線圖、管控模式、人員能力和IT基礎設施。與落后企業相比，早期采用者在充分發揮人工智能驅動力的作用方面取得了重大進步（參閱圖4）。

1.戰略和路線圖

為了給人工智能的實施提供方向和指導，企業需要制定一項明確的戰略。人工智能戰略應聚焦最有價值的使用場景——能夠滿足企業的具體業務需求，幫助企業應對挑戰——與企業的整體數字化戰略協調一致。企業還需要明確的實施路線圖，為投資提供商業論證和可衡量的目標。受訪者將明確的人工智能戰略列為最重要的驅動力。

2.管控模式

管理層的切實承諾是實現潛在提升的關鍵。高層管理者應該利用有組織的溝通途徑，確保企業內部清楚地理解人工智能。企業推行人工智能時應設立明確的角色、劃清責任、配備一個清晰的組織結構。要克服對人工智能應用的文化抵觸，相關部門的高效協作和溝通是必不可少的。

3.人員能力

要采用人工智能（一般而言，即數字化），企業所需的人才必須擁有過硬的編程、數據管理和分析能力。企業應該清楚地知道自己需要什么樣的技能組合，并評估所需人才和現有人才之間的技能差距。

像人工智能在生產運營中的基礎應用等知識，員工可以通過企業內或企業外的培訓項目習得。對于需要更加正規的相關IT課程培訓的技能，比如高級分析，企業必須通過招聘新型員工獲得，其中包括數據科學家。

93%的受訪者報告說企業在生產運營中應用人工智能的能力不足。超過1/4（29%）的受訪者表示自己的企業招聘了更多致力于推行人工智能的員工，將近一半（47%）的受訪者期待未來此類員工的數量進一步提升。

4.IT基礎設施

應用程序接口和網絡規范提升了傳統IT系統和機器設備的互操作性，這是成功推行人工智能的關鍵。網絡安全是實踐者在采用人工智能和工業4.0時的另一個主要擔憂。

在實施人工智能時，企業應該考慮采用敏捷的工作模式，根據需求的變化及時調整戰略和路線圖。企業應該利用快速試錯、最小可行性產品的方法應用人工智能技術，先小規模測試新想法，然后通過快速的迭代不斷完善，最終全面推行。早期采用者比落后者更可能使用敏捷工作模式。

我們的研究證明了人工智能正成為提升運營效率的最重要的工具。但許多企業沒能認識到，要想獲得人工智能產生的效益，遠不止技術投入那么簡單。一個闡述清晰的戰略是必備的啟動因素——但即便這樣也是不夠的。企業必須配備合適的管控和支持基礎設施，對員工進行重新配置和再培訓。對人工智能應用還沒有全局觀的生產者應該迅速展開自我提升，這樣才能追趕上早期采用者。

（本文作者周園是BCG全球合伙人兼董事總經理、BCG工業品專項大中華區負責人。杜偉是BCG全球合伙人兼董事總經理、BCG運營專項大中華區負責人。Ian Colotla是BCG全球合伙人兼董事總經理。）