报告编委

特殊鸣谢（按拼音排序）

报告择要

人工智能在家傍边落地的20大寻衅

自2019年起，人工智能的发展进入与家当加速领悟的阶段。
经由近几年的发展，人工智能已经广泛渗透进金融、零售、工业、能源、医疗、城市管理等多个行业和领域，并且一些行业头部企业已经全面拥抱了智能化转型。

由于可获取和参考的培植履历有限，加上企业所处行业、发展阶段的不同，自身需求以及拥有的资源禀赋互异等成分，人工智能在家傍边落地充满寻衅。
在本报告中，爱剖析基于大量调研和过往研究积累，从计策、数据、场景方案、运用办理方案开拓、技能根本举动步伐、组织和人才六个维度梳理出了目前人工智能在家傍边落地面临的20个紧张寻衅。

评估AI运用成熟度，因时制宜推进智能化

智能化转型没有统一的路径和方法，不同企业在不同阶段面临的问题常日也各不相同。
因此，企业在履行智能化转型之前须要对自身的AI运用成熟度状况进行评估，明确在不同成熟度阶段须要重点提升的能力，从而制订下一步履行操持，高效的推进智能化转型。

在本报告中，爱剖析将AI运用成熟度从低到高依次分为早期实验、初步投入、多维布局、深度运用、全面领悟五个阶段，并从多个维度列举了每个成熟度阶段企业具备的紧张能力特色。
此外，爱剖析也将目前海内紧张行业企业AI运用成熟度各阶段数量占比情形做了展示。

企业智能化转型的方法论

在本章，爱剖析从计策、数据、场景方案、运用办理方案开拓、技能根本举动步伐、组织与人才六个维度论述企业在应对智能化转型的多种寻衅时，可以采纳的方法和方法，并从本次调研的案例中选取干系实践履历为企业供应参考解释。
同时，本章还对处于不同成熟度阶段的企业在上述六个维度中须要阶段性提升的重点能力分别了给出建议。

同时，爱剖析对本次调研的企业智能化转型和AI运用实践案例做了详细梳理，并将案例内容呈现在本章中，个中以字母命名的案例为针对某个特定问题案例，详细包括：

案例1：中新天津生态城构建聪慧城市家昔时夜脑，用AI挖掘数据代价案例2：AI数据管理平台助力上汽安吉物流批量化迭代AI模型，让物流管理更聪慧案例3：美宜佳打造商业智能决策管理平台，实现线下零售的智能化运营案例4：依托打算机视觉技能，某餐饮连锁企业为饺子品控安上聪慧之“眼”案例5：中宏保险构建营销员智能助理，通过保险知识的共享和复用赋能发卖案例6：AI算法支撑下，AR虚拟试戴让安克创新用户得到更优的线上互动体验案例7：某银行搭建智能消费者保护中台，助力消费者权柄保护监控和预警案例8：海信集团引入AI平台，构建独立自主的AI开拓能力案例9：某大型集团搭建AI中台，支撑数智化升级案例A：某大型保险集团制订平台、运用、技能“三个领先”计策和“四个关键举措”推动智能化培植案例B：虚拟数字人助力江南农商银行为客户供应创新性的远程***柜员做事案例C：某环球头部日用消费品公司在华公司以用度支出为导向方案AI运用处景案例D：某大型国有商业银行构建MLOps体系，实现敏捷的模型迭代，高效的模型交付案例E：某头部家电集团建立面向AI开拓和管理的组织架构，全面支持产品的智能化创新

企业智能化趋势展望

爱剖析认为，所有的企业未来想要在市场中保持竞争力，一定都须要全面拥抱智能化。
估量在接下来的3至5年，海内大量的企业对AI的运用将从单点的AI培植走向全面的智能化转型，企业因此须要针对智能化转型方案完善的路径和方法，同时结合自身AI运用的成熟度，制订符合自身状况的行动操持。

相信随着企业智能化进程的推进，AI在家傍边落地仍旧会面临许多新产生的问题，爱剖析将对这个领域保持持续跟踪研究，对前沿的案例保持关注，为企业智能化转型供应更多的决策参考

目录

1. 人工智能在家傍边落地的20大寻衅

2. 评估AI运用成熟度，因时制宜推进智能化

3. 企业智能化转型的方法论

4. 企业智能化趋势展望

关于爱剖析

研究咨询做事

法律声明

1. 人工智能在家傍边落地的20大寻衅

在国家政策、家当需求、数据和技能体系趋于完备三重成分的推动下，人工智能的发展自2019年起进入与家当加快领悟的阶段。
经由近几年的发展，人工智能已经广泛渗透进金融、零售、工业、能源、医疗、城市管理等多个行业和领域，各种创新性的运用处景层出不穷。
尤其在金融、智能制造等领域，一些头部企业已经在各个业务和职能部门中引入了大量的人工智能运用，并且已经构建起了较完善的面向智能化运营的技能能力、组织架构和创新机制。

行业大势叠加头部企业的示范效应，吸引了浩瀚企业纷纭跟进智能化转型。
然而，智能化转型仍是一片虽已有浩瀚人涉足，但鲜有人真正实现深耕的新大陆，企业可获取和参考的培植履历有限，加上企业所处行业、发展阶段的不同，自身需求以及拥有的资源禀赋互异，须要针对性地开展人工智能的方案和培植等成分，导致了人工智能在家傍边落地充满寻衅。

爱剖析基于多个海内领先企业的智能化转型和人工智能运用实践案例的深度调研剖析，以及过往对家当数字化与智能化的持续跟踪研究，梳理出了当下人工智能在家当落地中会面临的20个紧张寻衅，这些寻衅涉及计策、数据、场景方案、运用办理方案开拓、技能根本举动步伐、组织与人才六个维度，详细如下表：

表 1： 人工智能在家傍边落地的20大寻衅

2. 评估AI运用成熟度，因时制宜推进智能化

智能化转型没有统一的路径和方法，不同企业在不同阶段可能面临的问题常日也各不相同。
因此，企业在履行智能化转型之前须要首先建立一套企业智能化转型的能力框架，对框架内的多个能力维度进行评估，确认企业自身的AI运用成熟度状况。
在此根本上，企业可以明确智能化转型的关键能力要素，以及各维度的能力在不同成熟度阶段须要重点提升的方向，从而制订下一步履行操持，高效的推进智能化转型和AI落地。

基于本次调研和过往研究积累，爱剖析将AI运用成熟度从低到高依次分为早期实验、初步投入、多维布局、深度运用、全面领悟五个阶段，并且从计策、数据、场景方案、运用办理方案开拓、技能根本举动步伐、组织与人才六个维度列举出了每个成熟度阶段紧张的能力特色，详细如下表：

表2：企业AI运用成熟度及其评估框架

同时，爱剖析综合IDC、红杉的干系数据以及本次调研结果创造，海内金融、零售、工业、医疗等紧张行业开展过智能化培植的企业中，约30%处于早期实验阶段，约40%处于初步投入阶段，约20%处于多维布局阶段，约9%处于深度运用阶段，处于全面领悟阶段企业不敷1%，仅有少数行业超头部公司达到这一水平。

图 1： 紧张行业企业AI运用成熟度各阶段数量占比

考虑到处于早期实验阶段的企业内部对AI方案与培植尚无本色性的进展，该阶段的企业要推进智能化转型可以参照初步投入阶段的方法和实践履历；同时，处于全面领悟阶段的企业一方面海内的样本量非常少，另一方面该阶段的企业已基本完成智能化转型，须要更多地关注和解决智能化运营方面的问题。
因此，本报告将只对处于初步投入、多维布局和深度运用三个阶段的企业如何开展智能化转型进行详细谈论，并分别供应建议。

3.企业智能化转型的方法论

在本章，爱剖析将从计策、数据、场景方案、运用办理方案开拓、技能根本举动步伐、组织与人才六个维度论述企业在应对智能化转型的多种寻衅时，可以采纳的方法和方法，并从本次调研的案例中选取干系实践履历为企业供应参考解释。
同时，本章还会对处于不同成熟度阶段的企业在上述六个维度中须要阶段性提升的重点能力分别给出建议。

3.1 计策层面

3.1.1 方法论

3.1.1.1. 明确智能化的目标和路径，并在组织内达成统一

全面的智能化转型须要从顶层开始设计，避免因依赖局部业务需求驱动的AI能力和运用散点培植造成后期难以统一管理和资源摧残浪费蹂躏。
因此，企业该当首先明确智能化转型的关键目标，以及明确为了达到干系目标的培植思路和路径，针对这些问题对智能化转型进行具备前瞻性和系统性的方案。
同时，企业须要在组织、管理构造和制度流程等方面达成统一，才能高效地推动智能化培植，达成相应目标。

例如在案例A中，某大型保险集团制订了平台、运用、技能“三个领先”计策，并成立专门大数据和人工智能部门，从项目管理机制、前沿技能研究、国产化方案替代、运用成果孵化等方面开展培植，从而推动智能化转型。

3.1.1.2. 建立将新技能用于业务创新的机制，并供应相应的资源支持

AI运用实质上具有实验性和创新性，因此也天然地会伴随着一定的不愿定性和失落败风险。
为了实现AI运用的落地，企业须要首先建立鼓励创新，容忍失落败的事情氛围，其次，建立业务创新机制，在内部密切关注AI技能的发展趋势，及时识别将AI技能用于业务创新的机会，以及不断强化组织内的AI开拓能力，并推动运用的落地。

3.1.2 给不同成熟度的企业的建议

初步投入阶段：企业在该阶段应明确当前须要开拓的详细运用，并考虑采纳若何的办法实现落地。

多维布局阶段：企业在该阶段应首先在组织内广泛地鼓励创新，明确智能化转型短期的目标和路径。
同时须要对中长期的目标有所考虑和方案。

深度运用阶段：企业在该阶段应建立完善的智能化转型中长期目标和方案，在组织内就智能化转型的方法、流程、创新机制达成了统一，并给予全方位支持。

案例A：某大型保险集团制订平台、运用、技能“三个领先”计策和“四个关键举措”推动智能化培植

某大型保险集团于2019年景立了集团科技中央大数据和人工智能部，由此开启了人工智能技能发展之路。
该保险集团拟在人工智能培植方面实现“三个领先”的计策目标。
一是领先的平台：持续打造涵盖NLP、语音、OCR、人脸识别、大数据运用子平台的集团统一人工智能技能平台，各项技能指标居于行业领先水平。
二是领先的运用：聚焦客服、管理、发卖三类机器人打破，机器人研究和运用水平居于行业领先水平。
三是领先的技能：核心算法全部自研，关键技能和硬件具备国产化替代方案。

在培植思路方面，为了实现“三个领先”的计策目标，该保险集团履行了如下关键举措：

1）制订长期方案，营造创新氛围。
集团制订了长期人工智能发展方案，和适宜科技创新的项目管理机制，营造鼓励创新、容忍失落败的事情氛围。

2）研讨前沿技能，加快技能落地。
密切跟踪人工智能技能的演进趋势，并适当开展前沿技能的研究，缩短前沿技能落地的周期；重点加强多模态AI运用落地的能力，加强大数据和AI深度协同的能力，加强研发职员对业务的理解。

3）探索国产化替代方案，实现技能的提前储备和自主可控。
探索PaddlePaddle等国产深度学习根本框架，验证国产GPU的实际性能，形成备用方案，确保极度情形下仍旧可以开展人工智能的运用和研究。

4）加快机器人打破工程成果孵化，探索研发通用机器人。
利用机器人研发成果，进行发卖和管理机器人嵌入式研发，重点打破人机稠浊运营下的机器学习；依托各种私域流量和公域流量，实现纯线上化的发卖模式和发卖管理模式；由小规模、人机协作向全覆盖、无人化演进，并探索研发通用机器人。

3.2 数据层面

3.2.1 方法论

3.2.1.1. 重视数据管理与数据平台培植事情

良好的数据根本是支撑智能化转型的条件，针对数据孤岛、数据质量低、数据广度与深度不敷、数据架构老旧等企业数据根本中的问题，企业须要重视数据管理与数据平台培植事情。

在数据管理方面，企业该当组织专门的数据管理事情，制订数据标准和数据管理体系，提高数据质量。
如在案例1中，中新天津生态城在利用内部外数据，构建聪慧城市家昔时夜脑之前，首先成立专门的数据管理小组，开展干系事情以提高数据的质量。

在数据平台培植方面，企业须要构建统一的大数据平台或数据智能平台，打通各部门、各系统的数据，丰富数据的来源，提高数据的广度和深度。
同时，设计面向AI运用的数据架构，方便AI运用开拓和运营中对数据的调用。
例如在案例7中，某银行为了构建智能消费者保护中台，其首先培植了全口径的投诉管理大数据平台，整合行内10多类异构多模态数据，以冲破多业务部门、各区域、各系统数据壁垒。
关于数据平台的详细构建方法可参考爱剖析于2021年11月发布的《2021爱剖析･数据智能平台实践报告》。

3.2.1.2. 建立面向AI开拓的数据采集、数据处理和数据管理等方面的标准化方法和自动化能力

为了高效地给AI开拓供应匹配的数据，支撑AI运用的规模化落地，企业内部须要建立一套面向AI开拓的自动化的数据采集、数据处理和数据管理的方法与能力。
详细而言，可以在数据采集端如摄像头、传感器内置相应算法自动采集所需数据；采集的数据上传至云端或本地后，设置相应条件，自动触发数据标注任务，交由业务专家标注数据，在某些情形下还须要自动将新标注的数据与原来的数据集进行合并；当平台监测到新的数据版本后，再自动对模型进行演习，并对新的模型进行评估和上线。

例如在案例2中，上汽安吉物流在研发其视觉智能管理系统时，采取了这套标准化和自动化的从数据采集，到数据标注，到模型演习的流程和方法，支撑了平台功能高效和批量化地迭代更新。

3.2.2 给不同成熟度的企业的建议

初步投入阶段：企业在该阶段应首先办理的数据根本较差的问题，因此须要积极开展数据管理事情，提高数据管理；并建立统一的数据平台，冲破数据孤岛，丰富数据来源。

多维布局阶段：企业在该阶段应已经办理了数据根本较差的问题，同时对付AI开拓和运营对数据的哀求较明确，初步建立面向AI开拓的数据采集、数据处理干系的标准化方法，并考虑如何提高全体流程的自动化能力。

深度运用阶段：企业在该阶段应建立起完善的数据管理机制，并常态化的实行，建立能够支撑AI运用的数据智能平台；同时，企业还应建立起面向AI开拓的数据采集、数据处理和数据管理等方面的标准化方法和高度自动化的能力。

案例1：中新天津生态城构建聪慧城市家昔时夜脑，用AI挖掘数据代价

中新天津生态城（以下简称“生态城”）是中国与新加坡两国政府计策性互助开拓的生态城市，于2008年9月开工培植，总方案面积为150平方公里，旨在打造产城领悟、绿色发展、聪慧城市、国际互助的示范区。

为了构建聪慧城市家当，生态城当前重点发展5G创新运用、大数据交易生态、传统家当领悟创新运用三大交互运用家当，希望打造从数字生产资料挖掘、到智能家当研发孵化、再到龙头企业牵引的家当链。
然而，生态城在家当发展中，其家当方案、招商引资、企业做事事情都面临着一些痛点问题，这些问题包括：

家当方案与剖析缺少数据支撑。
生态城在做家当方案时，没有每个家当链细分领域的信息和数据支撑；或者有总体数据，但缺少家当深度剖析能力。
招商引资办法粗放、软弱。
生态城在确定家当招商方向后，由于没有家当链信息，导致招商缺少针对性的标的；或者有明确的招牌号的，但对待招商企业进行评估时缺少支撑数据和智能评估方法。
家当扶持与企业做事缺少主动能力。
生态城在做事园区内的企业时，无法为企业准确匹合营适的扶持政策，也无法主动为企业供应全面、个性化做事。

从根本上而言，上述问题都在于生态城在开展家当发展事情的过程中，缺少以数据为支撑的家当剖析工具。
事实上，生态城经由多年景长，已经积累了大量的聪慧城市公共数据，包括了区域经济运行、内部工商、财税、政策扶持等数据。
与此同时，大量公开的数据，如企业工商、业务、专利、招投标、投融资、舆情、风险等数据也能够为生态城的家当发展方案所用。

因此，生态城要办理家当方案、招商引资、企业做事事情中面临的问题，就须要首先借助一系列的工具和方法，从海量的构造化和非构造化数据中挖掘出有用的信息，并以体系化的形式呈现出来，为生态的家当方案和发展供应数据支撑和科学的辅导。

基于知识图谱、NLP等AI技能，构建聪慧城市家昔时夜脑办理方案

针对上述寻衅，中新天津生态城希望通过引入大数据和人工智能技能来构建办理方案。
在对厂商的产品、技能和做事能力进行综合评估后，生态城选择与爱数互助共建办理方案。
爱数成立于2006年，是一家大数据根本举动步伐供应商，供应构造化数据、非构造化数据、机器数据、知识图谱数据等全域数据能力，为政府、公共奇迹及企业的数字化转型赋能，帮助各行各业的客户开释数据代价，实现即时、随时、实时的数据做事。

爱数为中新天津生态城供应的聪慧城市家昔时夜脑办理方案，包含了一个家当知识网络、三个能力平台、N个运用模块的“1+3+N“架构，为聪慧城市家当发展中的“家当-招商-做事”全环节供应数据做事。

家当知识网络即底层的知识图谱数据湖，其将海量的外部网络数据和智能城市内部数据进行汇总，形成数据湖，为家昔时夜脑供应能力底座。
三个平台包括企业主动做事平台、经济运行剖析平台和家当精准招商平台。
通过三个平台连接政府与企业，为家昔时夜脑供应运用根本。
N个运用模块是将家当发展和聪慧营商环境分为多少个运用模块，实现家昔时夜脑的实用性和运用性。

图 2： 中新天津生态城聪慧城市家昔时夜脑架构图

如前文所述，全体办理方案的核心在于如何从海量数据中提取出有用信息，并构建以家当链、企业图谱为中央的大规模知识网络。
为理解决这一问题，爱数项目团队重点开展了如下事情：

1）数据管理。
生态城内外部大量数据的数据质量状况较低，因此爱数为该项目成立了数据管理小组，制订数据标准和数据管理体系，提高数据质量。

2）知识抽取。
在构建知识网络前，须要对数据尤其是大量非构造化数据中的知识进行抽取。
对此，爱数利用其AnyDATA产品内置的措辞模型，同时也为生态城定制了一些自然措辞处理模型，比如家当政策、企业根本画像、招投标、投融资等模型，从数据中精准地抽取关键要素或属性。
在此根本上，为这些属性设立匹配规则，从而构建知识间的关系。

3）构建知识网络。
爱数基于AnyDATA产品内置的知识图谱、决策树等技能为生态城构建家当知识网络。
同时，供应AnyDATA意图理解、规则、推理、图打算等引擎，可以实现精准的知识搜索、关联剖析和赞助决策。

终极建成的知识网络紧张包含如下类型：

家当链图谱：以产品高下游、高下层为关系构建的5000多个产品代价链图谱，并与国民经济、计策新兴家当实现有机对接，可以实现对家当链精准分类和关联剖析；企业图谱：基于工商、知识产权等公开数据，构建企业集团关系链、市场布局、产品业务链，实现企业链的精准定位和剖析；产品竞争图谱：基于企业产品标签集相似度构建竞争网络，探求细分领域隐形冠军；政策图谱与规则知识库：省市区多级政策要素自动抽取，形身分类、分级的政策要素与政策适用规则库，以便政策的自动精准匹配推举；家当及经济运行预测剖析：基于家当链、企业链及其他家当要素动态事宜的可视化推理及关联剖析预测；投融资雷达：基于投融资事宜知识与企业链、家当链的匹配，实现焦点招商、以商招商（园区关联企业的投融资线索）。

聪慧城市家昔时夜脑落地后的代价和效果

聪慧城市家昔时夜脑在中新天津生态城的招商引资、家当经济、企业做事中产生显著的运用代价和效果。

1）招商引资更加精准。
家昔时夜脑汇聚了生态内外部的工商、家当等数据，结合知识图谱技能，深度研究行业、企业业务，基于产品标签集相似度，可以探求到同类企业，然后利用企业画像工具对企业实力进行评估，探求行业隐形冠军，从而更加精准地进行招商引资。

2）家当与经济运行状况理解更及时。
家昔时夜脑根据企业家当标签管理，理解生态城家当构造，生态城因此能够紧跟国家发展计策目标；同时，通过多维度剖析，生态城可以理解各家当发展情形，节制家当增长与低落趋势，以及影响家当发展走势的紧张企业；并网络宏不雅观经济与区域经济数据，并进行比拟，节制经济发展差距，为宏不雅观调控供应支持。

3）企业做事更主动。
借助家昔时夜脑，生态城可以从从企业入驻起对企业进行全生命周期管理。
对标同行上市企业画像，判断企业发展方向、可能碰着的问题，进行主动造就做事。
同时，基于政策试算器，向政策管理用户供应政策匹配企业列表、企业兑现情形清单。

聪慧城市家昔时夜脑项目履历总结

对付企业和政府部门而言，其在业务发展过程中会积累大量的文档和内容数据，这些数据中存在着大量有代价的信息，通过构建知识网络整合这些数据，能够为企业和政府部门的管理、业务发展供应有效的决策支撑。
而从数据中挖掘代价，须要借助一系列方法和人工智能技能：首先要网络好各种型的内外部数据，并做好数据管理事情；然后借助NLP技能从数据中精准地抽取知识，建立知识间的关系，并且在此过程中，须要适当根据详细业务需求定制开拓NLP模型。
末了在此根本上构建知识网络，并利用规则、推理、图打算等引擎从知识网络中获取有效信息。

案例2：AI数据管理平台助力上汽安吉物流批量化迭代AI模型，让物流管理更聪慧

安吉智能是上汽安吉物流旗下专注于智能物流办理方案的做事商，做事于上汽安吉物流内部的同时，也向汽车制造、机器电子、医药、冷链、日化、服装等行业企业供应干系技能做事。

物盛行业向来看重安全管理事情。
以上汽安吉物流为例，其业务范围涵盖汽车零部件、整车、港口、快运四个物流业务板块，包括上汽、特斯拉等紧张汽车公司的整车仓储与进出口业务，其在全国范围内管理10个港口、300多个网点、5万多名员工。
为了保障如此弘大的物流系统能够安全有序地运转，上汽安吉物流每年花费上亿元用于雇佣安保职员。
但随着业务规模的增长，过度依赖人力的传统安全管理模式已经无法知足其发展需求。

针对物盛行业安全管理中的痛点问题，安吉智能自主研发了“安眸智能视觉管理系统”，利用打算机视觉技能对港口、园区、仓库等物流业务场景中的核心元素“职员、货色、设备”进行识别和剖析，并对涌现的违反安全管理规范的问题及时提醒和采纳相应方法，主动化解潜在危险。
以仓库场景为例，安眸系统能够对仓库内的叉车超速、禁区涌现职员、员工危险动作、着装不规范等行为作出精准识别，并进行管理。

由于打算机视觉模型常日只能对预先演习过的场景和物体进行识别，为了知足上汽安吉物流管理的10个港口、300多个网点，以及其对外做事的200多个客户不断提出的互异的功能需求，在安眸系统中不断上线新的识别功能，安吉智能的研发团队就须要不断获取新的样本数据，并在不改变边缘算力的条件下，对AI模型进行不断的更新和运维。

因此，安吉智能须要办理AI模型频繁迭代过程中的多个工程化难题。
例如，针对迁移学习时模型会产生旧数据遗忘的问题，安吉智能已经通过自研知识蒸馏、稠浊学习等技能让模型在学习新的数据特色后得到新的识别能力的同时，也保留原来的识别能力。
但安吉智能仍旧须要应对以下两点紧张的问题：

1)短缺能对非构造化数据进行风雅管理的工具。
安吉智能有大的图像数据集，但每个网点或客户提出新的功能需求时，其供应的图像数据的采集韶光、采集目标、标注种别等信息都不一致，安吉智能须要将这些数据弥补进原来的数据集中，记录数据集的层次构造，并形身分歧的数据版本，从而用于模型偏差剖析和模型反复迭代。
然而之前基于文件夹的手动管理办法，不仅很难追踪过去版本的模型和数据集的对应关系，在上百乃至更多个网点和客户都提出需求时，其数据版本就很难以文件夹的形式进行管理。

2)算法团队须要深度参与数据处理事情，手动实行效率较低。
由于模型开拓中数据的网络、标注，以及模型演习等流程存在大量须要算法团队参与的数据处理事情，安吉智能须要依赖算法开拓职员对数据处理事情进行层层把控，手动实行各种操作。
当模型的迭代更新变得非常频繁时，算法和数据团队的深度绑定会使得模型迭代流程非常耗时耗力，乃至无法完成。

依托非构造化数据平台，保障模型迭代中的高质量数据供给和流程自动化

面对模型频繁迭代，以及由此带来的大幅增长的数据管理需求，安吉智能选择与格物钛智能科技进行互助，将格物钛的AI数据管理平台作为安眸系统研发中的AI根本举动步伐组件之一，以办理其痛点需求。
格物钛智能科技是一家人工智能根本举动步伐供应商，其核心产品非构造化数据管理平台向各种创新企业及团队供应AI数据管理办理方案，以数据引擎为核心技能，办理非构造化数据的创造、管理、利用等难题，实现对海量繁芜数据的灵巧存取用，从而推动企业的数据资产化和AI工程化落地。

针对非构造化数据集管理中的难题，格物钛为安吉智能供应了如下办理方案：

第一，在云端对数据进行统一托管。
安吉智能各个网点的数据都存储在云端，格物钛的数据平台全面托管了安吉智能的原始数据、标注数据和元信息。
在平台的权限管理功能保障数据访问安全的条件下，安吉智能的团队可以在平台上方便地访问数据和进行团队协作。

第二，数据版本可追溯。
安吉智能每月或每周会在数据集内新增图片和物品类数据，通过格物钛数据平台，安吉智能在新增的数据上做标注，然后合并进原有数据集，并打上标签，从而形成新的标准化的数据集版本。
算法工程师只须要根据标签就能找到须要的数据集版本，并比较各个数据集之间的差异。

第三，数据集分布特色可视化。
格物钛数据平台的可视化组件能让算法工程师从宏不雅观层面查看数据集的特色分布，以及从微不雅观层面查看单个文件和标注数据。
安吉智能的算法工程师因此能够在模型演习前直接查看数据标注信息，也可以在模型演习后将预测结果作为一个数据版本，与人工标注的数据版本进行比较，从而判断模型效果和数据标注质量。

针对算法和数据团队的深度绑定，手动实行数据处理事情效率低的问题，安吉智能通过利用格物钛数据平台的Action功能，并结合了一些自研算法，对数据网络、数据标注、模型演习等关键流程设置任务自动触发机制，并让全体流程实现自动化。
在数据网络阶段，安吉智能通过自研图像相似度和质量剖析的算法，当创造符合哀求的图像后自动在摄像头中进行抽帧并将图像上传至云端；在数据标注阶段，通过利用格物钛数据平台，当符合须要的图片数据达到一定量级后，平台自动触发数据标注任务，然后通过签约的数据标注公司在平台上对数据进行标注，再与原来的数据集进行合并。
在模型演习阶段，当平台监测到数据标注完成形成新的数据版本后，会自动前辈行模型演习，然后对更新后的模型的预测结果进行评估，识别预测效果不好的图片，并在平台上对数据标注实时地进行调度。

图 3： 安吉智能AI模型开拓关键流程

非构造化数据平台给安吉智能带来的代价和效果

首先，格物钛非构造化数据平台为安吉智能实现了模型开拓中的高质量数据供给。
借助平台的云端托管、版本管理、数据集分布可视化等功能，安吉智能办理了模型迭代中的多种数据痛点，减少了数据网络、数据准备和模型评估中大量手工操作，让算法工程师可以专注于用AI模型去办理业务问题，模型精度能因此能提高30%以上。

其次，平台的自动化能力大幅缩短了安吉智能模型迭代的周期，节约单模型演习的人工本钱。
安吉智能预期因此可以实现每周对模型进行一次迭代更新，从而上线新的识别功能，终极整年能上线50个识别功能，并且单次模型演习能节约25%的本钱。

安吉智能AI模型开拓和迭代履历总结

以AI运用的繁芜性，其在家傍边落地的一大瓶颈常日在于数据的质量和匹配度。
对付大部分传统企业而言，其数据量有限，研发能力也相对不敷，如果把AI运用开拓的重心放在改进算法上，效果每每并不快意。
因此，传统企业在AI运用开拓中该当把重点放在得到质量更好、匹配度更高的数据上，帮助提高模型效果，让AI运用更好地落地。

企业在AI模型开拓或迭代频次较低时，其数据管理可以通过文件夹形式手动管理，但随着AI运用的加速落地，企业每年须要开拓几十乃至更多个模型的时候，手动管理的办法将难以为继。
此时企业该当选择标准化的工具对模型开拓中须要的数据进行高效地管理，从而保障模型的持续迭代和更新。
同时考虑在流程中引入自动化能力，进一步缩短模型迭代周期。

3.3 场景方案层面

3.3.1 方法论

3.3.1.1. 确定场景方案的流程和方法

常日，企业在确定和方案AI运用的落地场景时有业务需求导向和资金投入导向两种办法。

对付须要快速推进智能化转型，追求AI落地的韶光和本钱效益的企业，可以考虑业务需求导向的办法。
详细而言，企业可以首先由专门的折衷管理部门或技能部门联合各业务部门确认业务需求较强的运用处景，而业务需求强的判断标准包括了职员投入大、重复性劳动多、人工操作效率不高或效果不理想等；其次，须要考虑开拓该运用所需的数据是否随意马虎获取，如果内部数据不充分，可以考虑是否能从外部厂商引入相应的数据；末了，须要业内已经有针对该运用处景的较成熟的办理方案，降落开拓新运用的韶光和资金本钱。

在上述判断的根本上，企业可以将强业务需求、所需数据能够获取、有较成熟办理方案的场景方案为须要实现AI落地的场景。
例如案例3中的美宜佳和案例8中的海信集团都采取该种办法方案和落地AI运用的场景，个中，美宜佳前期根据业务需求确认了门店选址、门店运营和营销优化三类运用处景，并从外部引入了实现这些AI运用所需的时空数据，以及这些领域成熟的AI模型和运用办理方案。

对付须要持续做深智能化转型，且资金和研发实力较强的企业，可以考虑资金投入导向的办法。
详细而言，企业可以由专门的折衷管理部门或技能部门协同业务部门或干系管理部门确认用度支持较大的业务场景：其次，须要考虑开拓该运用所需的数据是否充分和是否随意马虎获取；末了，须要判断在该业务场景中是否能用算法找到数据中的规律，或者是否能用干系AI技能办理办理这一问题。

在上述判断的根本上，企业可以将用度支出大、所需数据能够获取、且能用算法或干系AI技能办理的业务问题方案为须要实现AI落地的场景。
例如案例C中，某环球头部日用消费品公司在华公司由其数据科学与人工智能团队对品牌培植、发卖管理中用度支出较高的业务场景进行筛选，结合数据和算法能力，终极在媒体方案、广告定位、会员活动设计、匆匆销优化、供应链管理等场景中落地了多个AI运用。

3.3.1.2. 定位高代价度运用处景

对付任何类型的企业而言，其在履行智能化转型时都须要考虑AI运用处景落地的先后顺序，集中资源在高代价度场景中优先构建AI运用，因此须要对运用处景的代价度做排序，并对单个AI场景的ROI干事前预估和事后评估。

关于运用处景的代价度，一样平常从高到低可以分为三类。
第一类是能够对业务模式或业务流程进行创新，从而为客户供应创新性的产品或做事的运用处景，这类运用处景代价度常日最高。
例如在案例B中，江南农商银行将虚拟数字人嵌入多个业务系统中，从而能够在无人场景中为客户供应多种业务咨询和业务办理；在案例6中，在前辈的AI算法的支撑下，安克创新利用AR虚拟试戴办理方案，为其用户供应真实度非常高的线上眼镜试戴功能，不仅为用户供应了创新性的体验办法，也大幅提升了购买转化率；第二类是能够为企业大幅提高运营效率和降落本钱的运用处景，常日该运用可以为企业带来数倍乃至更多地运营效率的提升或本钱的降落。
例如在案例4中，某餐饮连锁企业用打算机视觉对饺子品质做检测，完备代替了原来用大量人工去抽查的办法，为企业大幅提高了运营效率和节约了本钱；第三类是能够一定程度提升运营效率和降落本钱的运用处景，常日其对运营效率的升和本钱的降落在100%以内，这类运用处景可以在企业资源充足的情形下去考虑智能化。

关于ROI的评估，企业紧张须要关注在特定业务场景中，投入某项AI运用前后，在该场景中企业的用度本钱是否有降落，以及降落的比例。
除了在事后评估ROI，事先也可以借助可参考的案例对ROI做预估，确定场景的代价度。
例如，在供应链管理中，企业可以评估引入AI运用前后，供应链干系本钱是否有得到优化。

3.3.2 给不同成熟度的企业的建议

初步投入阶段：该阶段的企业应紧张参考高代价度运用处景定位的方法，优先选取代价度最高，且较随意马虎落地的场景去落地。

多维布局阶段：该阶段的企业应先在多个紧张的业务部门落地代价度较高的场景，同时要探索并初步建立场景落地的流程和方法。

深度运用阶段：该阶段的企业应建立并常态化实行场景落地的流程和方法，并且做好操持，每年在各紧张部门批量化落地一定数量的场景。

案例3：美宜佳打造商业智能决策管理平台，实现线下零售的智能化运营

美宜佳控股有限公司是海内第二大连锁便利店集团。
自成立以来，美宜佳以广东为中央，并逐步在全国范围进行业务布局。
目前，集团拥有美宜佳品牌门店两万多家，逐日门店总客流量达2500多万。

线下零售的核心逻辑因此“场”为中央去对接“人”和“货”， 而“人货场”各自的特色要素以及它们之间的关系都在不同程度上影响着门店经营策略和结果。
对付正加快在华东、华北等地区扩展门店的美宜佳而言，经由早期信息化培植，其已建有ERP、PIM、BI等业务系统，在内部积累了较丰富的“人货场”数据。
现阶段，美宜佳希望用智能化的方法对人、货、场的特色要素及其关联进行剖析和优化，支撑门店的稳步扩展和风雅化运营。

结合业务需求、智能化可行性等成分，美宜佳决定在门店选址、门店运营、营销优化三类主要场景中引入智能化办理方案。
在门店选址方面，美宜佳须要用智能化的方法在城市中确定得当的拓店区域、该区域消费者习气以及自身定位等情形；在门店运营方面，详细包含门店评估、品店匹配、销量预测、竞品剖析等运用处景，帮助美宜佳更好的制订经营策略、提高门店古迹；在营销优化方面，则须要结合人群定向，对广告投放策略做优化。

为了在上述场景中实现智能化决策，美宜佳决定打造商业智能决策管理平台。
但美宜佳在干系数据的完备性、以及AI算法能力上存在不敷，详细如下：

1）数据层面，美宜佳仅节制店内经营数据和自有供应链体系的后端数据，但缺少外部的地理位置、周边人群、周边竞品干系的数据。
同时，在与外部厂商共同探索办理方案时，美宜佳须要分享内部数据时担保其数据的隐私和安全。

2）AI算法层面，选址、选品、消费者画像、营销的智能化剖析须要大量AI模型支撑来实现，美宜佳须要外部厂商供应干系的AI模型，并用模型办理业务问题。
此外，不同地区的数据分布会有较大差异，通用的模型很多时候不能直接适用，须要根据区域、环境等成分对模型做调度和迁移。

以时空数据为根本，AI模型为支撑，美宜佳为门店经营各环节供应智能化决策

在对厂商的数据、AI算法、运用办理方案等方面的能力进行评估后，美宜佳选择与维智科技互助，培植商业智能决策管理平台。
维智科技是一家时空人工智能平台供应商，专注于线了局景的数字化和线上线下的时空领悟，通过时空AI技能打造数字孪生体，为城市、交通、金融、地产、零售和品牌等供应风雅化场景做事和智能办理方案。

基于维智Phy-gital飞吉特时空智能平台，美宜佳构建了商业智能决策管理平台，其架构上分三层：底层是联合数据仓库，包含维智科技供应的时空数据和美宜佳供应的门店数据；中间是技能做事层，包括AI模型、时空知识图谱、业务打算逻辑等；上层是各种剖析运用，包括门店选址评分、门店绩效评级、归因剖析、人群画像、销量预测、价格预测、竞品剖析等。

图 4： 美宜佳商业智能决策管理平台架构

针对数据层面的问题，平台通过联合数仓的形式整合了维智科技的营销智能根本数据与美宜佳的门店数据。
维智科技的营销智能根本数据包含客流、画像、人群流动偏好、周边生态、交通情形、商业环境、竞合关系等类别的数据，详细包括了路网、交通、AOI（区块），POI（点位）等静态数据，以及测绘干系的人流、画像、场景、企业、经济等动态数据。
在此根本上，通过梳理“人、货、场”之间的特色管理，形成时空知识图谱。
为了保护美宜佳的数据隐私，维智科技将其时空数据、模型做事与美宜佳的内部数据结合，以一体机的形式支配在美宜佳的受限环境中，模型的构建、演习、管理和发布均在一体机完成，确保美宜佳的数据不出库。

图 5： 商业智能决策管理平台预演习模型仓库逻辑

针对AI算法层面的问题，平台基于分类、排序、聚类、非常创造、回归预测、溯因推理剖析等技能模型，结合特色工程、自动特色打算等做事，形成画像、选址、选品、营销等方面的预测剖析模型。
同时，对付通用模型须要针对区域数据特色有变革进行适配的问题，维智科技通过匹配可适配的用例或特色来做模型迁移，并通过数据增强或者小样本学习来办理数据量少和样本稀疏的问题。

商业智能决策管理平台落地的代价与效果

美宜佳落地商业智能决策管理平台，用数据智能赋能门店开拓与运营，实现了以下业务代价。

1）门店选址方面，平台为美宜佳在广东、以及华东地区选址拓店，供应了数据支持和智能化的决策依据。
详细而言，通过剖析当前地区用户的习气、常驻和流动人员的习气、场本身的特性（是周边是医院、社区、商业中央等）、周边竞争态势（供需饱和度）、交通便利性等数据，判断某个地点是否适宜开店，并给出关于在该地店的评分，以及影响评分的因子。
这比传统的依赖调研和专家履历的办法大幅提高了决策效率和准确率，可以支持美宜佳每年3000家门店的开店合关店决策。

2）门店运营方面，该平台有效帮助美宜佳品牌门店和加盟门店总计4w+门店，进行数字化智能化运营。
在门店评级、发卖预测、归因剖析、运营优化和营销优化等方面，供应线下大数据和智能预测结果赞助决策，有效辅导门店运营优化。

商业智能决策管理平台的项目履历总结

第一，线下零售业涉及的数据量大、维度多、动态更新也相对频繁，在选址选品、供应链配货以及营销等业务中须要依据这些数据做出相对实时的决策，因此繁芜度和难度很大。
但零售数据核心上还是环绕人货场及其关联，面对繁芜的数据场景，可以考虑利用知识图谱技能，将各维度数据按人、货、场梳理，再形成场与场、人与场、货与场的关联；同时考虑利用AI模型来刻画繁芜的变革规律、剖析思路和决策履历。

第二，只有店内数据无法在线下零售场景中实现智能化，因此还须要引入店外的时空数据，将地理位置、周边人群、周边竞品等外部数据与内部数据结合，才能实现1+1>2的效果。
并且，在将内外部数据进行结合时，须要考虑通过相应的技能或产品设计办法保障数据的隐私安全。

案例B：虚拟数字人助力江南农商银行为客户供应创新性的远程***柜员做事

在银行业积极探索更丰富、更风雅化的客户做事办法，消费者对银行做事的效率和便捷性也有了更明确的需求，以及疫情常态化对银行远程做事能力哀求更高档成分的推动下，江南农商银行于2021年12月与京东科技互助推出的海内首个业务办理类数字人“言犀VTM数字员工”。

差异于以往咨讯问答式机器人，VTM数字员工的创新之处在于，其采取拟人化的形象与用户进行对话交互，为用户供应了良好的沉浸式体验；同时，VTM数字员工与江南农商行的业务系统深度耦合，从而支持VTM数字员工从业务系统中调用数据支撑用户问答与交互，并代替业务职员在各种交易场景中帮用户闭环完成咨询、查询、导览，以及取款、开户、密码重置等业务。
而支撑虚拟数字人与银行的业务交易场景打通，为银行实现创新性业务模式的是京东科技在NLP、TTS、ASR、虚拟形象、图像识别等多种自研AI技能上深厚的积累，通过将这些AI技能有机结合，VTM数字员工具备了音唇精准同步、表情丰富逼真、交互流畅自然等高度拟人化的特色，以及高准确率的语音语义识别能力，并能精准识别数字连读和方言，也为适老化能力的培植和村落庄金融做事的街乡级渗透供应新路径。

VTM数字员工的投入利用，不仅大幅提升了江南农商银行远程银行的接待能力与做事效率，降落了运营本钱，还勾勒出银行做事的未来发展的新形态：即通过利用人工智能等前辈科技，银行可以构建无人场景下的做事能力，重塑做事模式与体验，为客户供应更便捷的做事。
这将成为未来银行业乃至全体做事家当的发展趋势，具备大规模推广的潜力。

案例C：某环球头部日用消费品公司在华公司以用度支出为导向方案AI运用处景

某环球头部日用消费品公司在华公司为保持其市场领先地位，须要在品牌培植、发卖管理优化等方面实现全面的智能化。
因此，其数据科学与人工智能团队采取了资金投入导向的办法对AI运用进行了方案。
详细而言，该团队筛选运用处景的标准有三个：第一，优先考虑用度支持较大的场景；第二，重点考虑数据层面的问题，包括数据的充足度、数据获取的难易程度、数据的有效度；第三，能够用算法从数据中找到规律，从而办理该业务问题。

基于上述方法，该公司如下五类方向落地了多个AI运用，显著降落了公司的用度支出。

第一，媒体方案，即将媒体预算以最优的办法分配投入给不同的媒体形式，如***、站内、电视、户外广告等。

第二，精准广告定位，即把广告投向更精准、更有可能产生购买行为的用户。

第三，会员活动设计，即针对会员的过往的表现设计合理的会员活动。

第四，匆匆销优化，即根据历史数据来优化未来匆匆销活动的方案，减少匆匆销用度的投入。

第五，供应链管理，包括仓库的分布、送货路线的方案、库存的管理等。

3.4 运用办理方案开拓层面

3.4.1 方法论

3.4.1.1. 明确自研和引入外部能力的条件

对付处于早期投入阶段，尚无AI运用构建能力和履历的企业而言，企业构建AI运用该当紧张考虑外采。

对付处于多维布局或者成熟度更高阶段的企业，其已经具备了一定技能能力、专业职员和AI运用开拓履历，此时企业构建AI运用该当以自研为主。
但是当企业在构建AI运用时，面临以下一个或多个问题时，须要考虑和外部厂商互助联合开拓或者完备外采办理方案。
这些问题包括：（1）运用办理方案繁芜度较高，须要多种底层AI技能的支撑，自研难度大、本钱高、韶光长；（2）企业内部缺少运用开拓所需的数据；（3）企业自身不具备特定运用处景的业务知识或AI运用开拓实践履历。

例如在案例9中，某集团科技公司由于在搭建供应链管理干系的AI运用时面临智能调度、仓配算法开拓难度大，搭建智能营销运用时缺少市场客户数据，搭建园区安全时缺少实践履历，便选择与京东云互助在这些领域联合开拓AI运用。

3.4.1.2. 在AI开拓团队中引入业务专家，供应业务知识方面的专业辅导

AI运用终极须要办理的是业务的问题，而精通技能的算法工程师或数据科学家每每对业务问题短缺理解，因此在AI运用开拓中，AI开拓团队须要寻求业务专家的帮助和辅导。

在开拓运用办理方案之前，要折衷内部资源，对精通业务的职员进行深入调研，针对详细场景梳理业务流程，理清每个环节的业务需求。
如在案例5中，中宏保险在搭建营销员智能助理解决方案之前，首先对保险营销员的需求进行了充分调研，理解营销员须要讯问哪些保险知识，对知识的呈现有哪些哀求，在问法上有哪些独到的习气等问题。

在开拓运用办理方案过程中，企业须要业务专家帮忙，确定业务的标准。
详细而言，包括了在打算机视觉干系的运用开拓中，由业务专家帮助确定图像的分类、图像是否符合哀求的标准；在自然措辞处理干系的运用开拓中，由业务专家对词性、词语分割、情绪等进行标注，提高语义理解的准确度。
例如在案例4中，某餐饮连锁企业为了在饺子质检运用中确定饺子是否合格的标准，便由其业务专家与开拓职员一起确定了饺子“白鼓”、“偏皮”等维度判断标准，并在图片中做相应的标记用于模型演习。

3.4.1.3. 依赖履历丰富的AI开拓职员将业务问题转化为算法可办理的问题

企业在探索性的AI运用开拓中常常会受困于如何将业务问题转化为算法可办理的问题，常日这类问题的只能借助精通技能的同时能对业务也非常理解的数据科学家或算法工程师来办理。
比如，须要履历丰富的数据科学家或算法工程师能够判断某个业务问题是属于分类问题，还是回归问题；特色工程的特色和目标是否有因果关系等。
在此根本上，企业在详细实行中，还可以进一步参考案例4中明略科技在帮某餐饮连锁企业开拓饺子质检办理方案时的做法，即通过多种可能的业务标准标注多个数据集，再对照多个算法不断测试，终极得出效果较好的模型。

3.4.1.4. 提高小数据集的数据质量以支撑AI运用开拓

传统企业在开拓AI运用时，常日会面临样本数据量较小的问题，比如，制造企业想开拓针对某个零部件的智能质检运用，其样本数据可能不敷100个，或者医疗机构想要构建一个罕见病的疾病预测模型，其样本数据可能只有几十个。
此时，企业一种办法是可以考虑采取较前沿的小样本学习技能开拓此类AI运用，另一种办法是提高样本数据的数据质量，不仅是前期做数据采集时要考虑通过用一些定制化的方法让采集到的样本数据与需求只管即便高度匹配，同时也要借助业务专家提高数据标注的准确度，从而能够以较小的样本数据集开拓出AI模型。

3.4.1.5. 采纳先以最少的数据让AI运用可用即上线，后续再掩护更新的策略

为了让AI运用能早日上线发挥代价，企业可以在开拓AI模型或AI系统时先用最少的数据量去演习模型或系统使其达到初步可用的状态即在业务中支配，后续在运营过程中再针对新网络的数据，对模型进行增量学习，或对系统进行更新，从而使AI运用更加聪明，功能更完善。
例如在案例5中宏保险智能助理案例中，由于保险行业知识体系繁杂，为了让智能助理能够早日上线发挥代价，中宏保险采纳了在知识库中先加入营销员最关心的问题，后续再利用平台的AI自学习能力重新的数据中学习新的知识，并逐渐丰富知识库的策略。

3.4.1.6. 综合考虑算力、带宽等需求，设计合理的“云边端”协同支配办法

针对在业务系统中支配AI运用会面临各种场景化适配的问题，如果运用办理方案对打算实时性、数据安全的哀求都不高，数据量相对有限，以及追求更低的打算本钱，可以紧张考虑在边缘端通过算法掌握采集所需数据，在云端支配办理方案的办法。
例如在案例4某餐饮连锁企业的饺子质检办理方案中，其在摄像头中内置过线检测算法采集到每一盘经由出餐口的水饺图片数据，这些图片数据的数据量相对有限，对带宽、存储和打算哀求都不高，然后将图片数据上传至云端，通过定制的质检算法判断饺子的品质。

而如果办理方案须要实时生效，且数据量大，上传云端对带宽、存储和打算资源哀求都很高时，企业须要考虑将办理方案支配在边缘或设备端，同时要对算法和SDK包体积的大小以及边缘或设备真个算力资源进行优化，以担保算法能够在边缘或设备端有效运行，并产生实时的打算结果。
例如在案例6中，火山引擎在其AR虚拟试穿试戴办理方案中内置了3D关键点识别、惯性检测、人脸属性等多种AI算法，以保障用户的试戴体验的真实性，而为了让这些算法能够在移动终端运行和实时生效，火山引擎在担保模型精度不降落的条件下，对模型大小进行了压缩，对移动终真个算力资源也做了相应优化。

3.4.2 给不同成熟度的企业的建议

初步投入阶段：由于企业自身研发实力暂时有限，建议紧张考虑跟有成熟办理方案的厂商互助，构建干系运用。
同时，企业须要对上述问题，如折衷业务职员参与、开拓支配中的重点问题有知晓，在过程中给予运用开拓项目组资源支持。

多维布局阶段：明确企业自身的能力和资源，对运用是否自研、互助开拓、外采，设立明确的标准；重视内部业务专家对运用开拓的浸染，建立业务和技能职员的协作机制；参照上述方法，加快运用开拓到支配的效率。

深度运用阶段：建立较完善的自研能力，尤其重视技能人才军队和技能根本举动步伐的培植；在运用开拓团队中常态化地引入业务专家资源，由统一的部门进行折衷管理；建立标准的办理方案开拓、支配和后续运营的方法和流程。

案例4：依托打算机视觉技能，某餐饮连锁企业为饺子品控安上聪慧之“眼”

某餐饮连锁企业是海内有名的水饺餐饮连锁公司，总部管理机构设于辽宁大连。
目前，该餐饮企业在全国40多个城市拥有700多家连锁门店，员工8000多人。

发展至今，该餐饮企业所有门店都为直营，为的是能够掌握水饺出品的品质。
而当该餐饮企业在往南方扩展后，由于南方鲜有吃饺子的饮食习气，涌现了南方门店的饺子品质和北方门店有较明显差距的状况。
为了严格统一不同地域门店出品的水饺的质量，该餐饮企业最初采纳了神秘访客的办法对门店进行抽查。
但由于其门店浩瀚，该餐饮企业只能不断加大神秘访客的抽查密度，终极付出了高昂的韶光和人力本钱，但奏效并未达到预期。

在此背景下，该餐饮企业决定引入数字化技能对水饺品质进行管理。
详细而言，该餐饮企业希望对每一份经由出餐口的饺子都进行拍照，并利用打算机视觉技能对饺子图像进行剖析，判断和管理水饺的品质。
然而，不同于常规的工业质检，“饺子质检”是一个创新性的运用处景，业内尚无成熟的办理方案。
要产生实际的效果，就须要重点办理以下问题：

1）稳定地获取高质量的饺子图像。
常日，饺子在被做事员端到顾客餐桌之前，会被统一放置在出餐口下勾留1秒旁边。
因此，摄像头须要在1秒钟内完成高清装盘饺子照片的抓拍，同时要战胜出餐口下方空间狭小、光芒不敷，以及饺子热气蒸腾模糊镜头等困难。

2）将业务问题转换成算法可以实行的客不雅观任务。
视觉检测常日用到的是目标检测算法，包括了位置检测以及对检测内容的分类。
饺子质检场景中要对检测内容进行分类，就须要首先确定饺子好坏的客不雅观标准，通过数据标注，让算法能依据这个标准去学习对饺子的分类。
然而饺子好坏的标准包含了很多行业知识，且其描述常日非常主不雅观和抽象，难以统一。

3）样本数据要覆盖只管即便全面的环境，并兼顾掌握冷启动本钱。
在该饺子质检场景中，由于场景很固定，演习模型所需的数据量未必要很大，但样本数据要覆盖只管即便全面的环境，以担保模型能够识别各种分外情形。
同时，初期要用少量的数据让模型可用，尽快上线，后续再对模型进行优化。

打造集定制相机、云端视觉识别、品质管理系统的整体办理方案

基于对明略科技数字化技能和做事能力的认可，该餐饮企业选择与明略科技互助，为其定制开拓“饺子质检”办理方案。
明略科技是一家企业级数据剖析和组织智能做事供应商，为政府、金融、零售、工业等行业企业供应基于大数据和人工智能技能的产品与办理方案。

经由和该餐饮企业的深度沟通，明略科技智能硬件和深度学习算法团队为其定制了一套端云协同的综合办理方案，在出餐口下安装定制相机，通过这一边缘设备获取饺子的实时图片数据，上传至云端对图片进行深度学习算法的识别剖析，对每盘出餐的饺子给出精良、合格、不合格的评级，末了在品质管理系统中天生统计剖析报告，供管理者及时全面地节制出品情形。

为了稳定地获取高质量的饺子图像，明略科技项目组为该办理方案定制了摄像头。
镜头、补光灯等都做了个性化的定制，从硬件上办理出餐口下方空间狭小、光芒不敷，以及热气蒸腾模糊镜头等问题。
同时，摄像头内置了过线检测算法，当区域内有物体移动，且移动区域超过一定界线，摄像头会快速抓拍物体，从而得到清晰的饺子图像。

为了确定判断饺子好坏的客不雅观标准，明略科技项目组与该餐饮企业的业务专家互助，分批引入了外不雅观上的白鼓、偏皮、饱管，以及摆放上的是否顺等判断饺子品质好坏的维度。
而个中每一个维度的判断标准，例如白鼓，项目组打消了图像的角度、光芒、饺子馅等滋扰成分，筛选出了多个相对客不雅观的白鼓标准，让不同的人标注同一批数据，结果能够统一，并依次用不同算法测试这些标准是否能区分饺子好坏，终极确定了分类方法和所用的模型。

针对样本数据量以及冷启动本钱的问题。
项目组在前期紧张考虑了样本数据能够覆盖更多的环境。
比如，样本数据尽可能包含多几种出餐口拍的饺子，光芒也有更多变革等。
而由于该场景比较固定，样本数据量选择在上百旁边，这样可以用最少量的数据标注就能让模型达到可用状态，上线达到初步效果后，再用一定韶光网络长尾情形的数据并优化模型，从而降落了冷启动的本钱。

饺子质检落地后的代价与效果

第一，通过饺子质检办理方案，该餐饮企业的管理职员能够在管理系统中查看实时天生的饺子品质统计剖析报告，理解每家店每天乃至每个韶光段的饺子的品质情形，详细到合格与不合格的饺子的数量，从而提高了该餐饮企业对饺子品质管理的效率。

第二，该方案目前已在该餐饮企业大部分门店推广利用，有效识别了水饺饱满、摆盘等问题，识别准确率在90%以上，其门店的菜品精良率因此提高了20%。

饺子质检项目履历总结

用打算机视觉技能感知现实天下中各种环境，并将其数字化，为企业办理各种业务问题供应了有效的技能手段。
随着人工智能在家傍边的加速落地，打算机视觉也将被运用在更广泛的场景中，乃至无所不在。
而在用打算机视觉技能办理详细的业务问题时，企业要重点考虑数据、算法和冷启动本钱三方面的问题：

1）数据方面的问题紧张涉及数据采集和数据标注。
在数据采集阶段，由于视觉场景常日差别很大，因此图像数据的采集每每须要针对特定场景定制相应的相机以确保图像数据采集的效果，并且要担保采集的数据包含只管即便全面的环境。
而在数据标注阶段，企业首先借助业务专家的履历，确认统一的标准，确保不同的人标注结果能够同等，并且算法能够识别和区分这些标准。

2）对付算法的选择，企业可以结合标注数据的各种标准，选择不同算法多做测试，根据测试结果选择有效的标准的同时，也确认效果更优的算法。

3）初期为了降落冷启动本钱，企业可以用少量数据让模型达到可用状态即上线，后续再网络更多长尾情形的数据，对模型进行更新和优化。

案例5：中宏保险构建营销员智能助理，通过保险知识的共享和复用赋能发卖

中宏人寿保险有限公司（以下简称“中宏保险”）是海内首家中外合伙人寿保险公司，由加拿大宏利旗下的宏利人寿保险（国际）有限公司和中国中化核心成员——中化集团财务有限任务公司合伙组建于1996年11月，现已拥有逾2000名员工和17000名营销员，为240万客户供应金融保险做事。

保险产品作为专业的金融产品，客户对其常日缺少理解，这导致在选购保险产品时，客户须要考虑很多需求和成分，全体决策周期也很长。
因此，保险行业为了提高古迹，就须要保险营销员能够向客户持续输出产品、条款规则、政策等专业知识，基于繁芜信息，以最快的办法有效处理客户的实际问题，展示出专业性和解决问题的能力，才能将潜在客户终极转变成为现实客户。

多年来，中宏保险一贯看重对营销员的咨询支持和培训管理事情，然而随着其业务范围的扩展，营销员的咨询支持和培训管理事情变得越来越来繁重，花费了大量内部资源，并且实际效果也不足空想。
一方面，中宏保险营销员原来紧张依赖向主管领导和业务网点做事台的事情职员咨询关于保险产品的问题，然而这些问题有约50%都是较常见的问题，对常见问题重复的讯问不仅花费了主管大量的韶光，也占用了业务网点宝贵的客户做事资源。
另一方面，保险业的营销员职员更替较频繁，新的营销员入职后也须要对一些常见问题进行讯问和学习，职员一直地轮转也进一步增加了内部培训的压力。

基于上述缘故原由，中宏保险希望利用自然措辞处理、知识库、对话机器人等技能，打造一个线上的保险营销员智能助理，用于解答营销员的常见问题，并具备对新员工的培训能力。
中宏保险对付营销员智能助理解决方案有如下两点最主要的哀求：

1）保险行业涵盖的知识体系很繁杂，不同的专业知识有11大类，因此在构建智能助理的知识库时，须要只管即便全面地覆盖营销员会咨询和学习的知识类型，并且知识库上线后也要方便持续地掩护更新；

2）准确理解营销员的问题是给出精确答案的条件，因此须要对话机器人内置丰富的AI能力模块，使其具备出色的自然语义理解能力，能够与营销员进行流畅对话。
同时，须要底层的机器学习平台具备良好的扩展能力，让普通业务职员也能以可视化的办法对特定业务场景进行算法模型的调优调参，以达到更高的语义理解准确度。

打造以智能知识库为核心，智能交互为路子的营销员智能助理解决方案

在对多家厂商的语音语义、知识管理产品，以及培植和运维方案做了较永劫光的评估后，中宏保险选择与竹间智能互助来搭建营销员智能助理解决方案。
竹间智能成立于2015年，公司以自然措辞处理、深度学习、知识工程、文本处理、情绪打算等人工智能技能为根本，将AI能力整合到企业业务中，为金融、制造、政务、智能终端等行业供应端到端办理方案。

基于对中宏保险需求的理解，竹间智能为其供应了营销员智能助理解决方案。
从用户利用办法的角度，智能助理内置在中宏保险的内部营销工具中，营销员咨询产品或进行业务培训都可以点击进入智能助理界面，通过笔墨或语音输入问题，从而获取所需信息。
从办理方案架构的角度来看，其底层包含了机器人培植、运营工具、机器学习平台等办理方案的开拓和运营工具，构成对话机器人的多个AI模块，以及丰富的自然措辞处理根本技能，最上层则是与营销员进行直接交互的界面。

图 6： 中宏保险营销员智能助理解决方案架构

中宏保险与竹间智能联合搭建的智能知识库涵盖了丰富的信息，包括：运营规则（包括新单投保、保单做事、保单理赔等）、营销员基本法、保险热销产品、营销员名誉竞赛、客户活动与增值做事、数字化工具利用等信息类型。
而为了使知识库覆盖只管即便全面的知识类型，保障后续的迭代更新，双方组建起项目组，在中宏保险的领导下，重点开展了如下事情：

1）在项目前期充分调研营销员需求。
理解一线营销员须要理解哪些知识，对知识的呈现有哪些哀求，在问法上有哪些独到的习气等问题。

2）高度自动化的知识图谱构建。
基于竹间智能的Gemini知识工程平台，项目组从中宏保险的保险条款、产品文档等非构造化数据中自动解析和抽取保险产品名称、以及与之干系联的犹豫期、等待期、保险任务等产品属性。
在此根本上，在Gemini平台年夜将抽取的知识进行自动关联，形成保险产品的知识图谱，从而实现知识推理、产品检索等功能。
比如将知识推理用于回答产品的保障内容、产品的比较、符合哀求的产品有哪些等问题。

3）利用自动化的自然措辞学习技能，在智能助理上线前后进行高频问题识别和更新。
通过竹间智能Bot Factory A+H人机协同平台的自监督学习能力，项目组一方面在智能助理上线前对中宏保险的客服录音和谈天记录做聚类剖析，自动识别出已知的客户高频问题及其对应语料，视须要由人工核对，从而为营销员应对高频的产品和业务问题供应标准答案。
另一方面，在智能助理上线后，通过自监督学习从营销员新提问的浩瀚未得到回答的问题中识别出高频问题，中宏保险的业务专家随后对这些问题给出标准答案，自动加入知识库，从而实现对知识库的持续更新。
平台的AI自学习能力使之能够以较低的运营本钱不断提升机器人的模型与会话能力。

为了让智能助理能够准确地理解语义，实现与营销员的流畅对话。
竹间智能在对话机器人中内置了多个AI功能模块，包括语义解析、FAQ、多轮对话、意图识别、情绪识别、知识推理、智能话术等。
例如，多轮对话引擎通过向营销员连续反向提问得到确认详细问题所需的全面信息；意图识别引擎内置50多类、3000多种开箱即用的意图模型，用于识别营销员的讯问意图；情绪识别引擎能识别25种感情，从而使对话更有同理心和温度。
同时，平台内置了一个对话管理框架，当营销员向智能助理提出问题时，对话管理框架会结合业务场景，对不同AI模块的优先级、权重、分流策略进行调度，从而在个中选择最匹配的模块对营销员的问题进行准确应答。

为了让中宏保险能够对智能助理进行二次开拓，使智能助理具备针对特定业务场景的扩展能力，竹间智能在对话机器人底层供应了自动机器学习平台，平台内置了多种前沿算法，当上层的AI模型对特定场景的语义识别不足准确时，开拓职员可以在自动机器学习平台上以可视化的办法对算法模型进行自动化测试、自动调参、算法领悟，让语义理解准确度在复合式算法、仅须要少量数据的条件下，自动迭代学习。

保险营销员智能助理落地后的代价与效果

营销员智能助理落地往后，中宏保险在营销员的咨询支持和培训管理上实现了以下显著的效果：

第一，在对营销员的咨询支持方面。
首先，智能助理能够7x24小时不间断且秒级相应营销咨询需求，对营销员常用问题实时给出精确回答，高办理率有效减轻了主管和业务网点做事台客服的咨询做事压力。
自智能助理上线以来，均匀回答准确率保持在95%以上，得到了一线发卖职员普遍认可。
其次，智能助理上线后也作为运营平台，可直不雅观理解未知问题和营销员关心的热门问题，帮助丰富智能助理知识库和补充营销员业务未知领域，未来结合智能化的培演习习，帮助营销员提升技能，增长古迹。

第二，在对新营销员的培训方面。
实时智能助理能帮助新营销员快速且全方位地节制产品、做事、规则、政策等全量信息与内容，缩短了新人发展过程中知识储备的周期，让新人能快速开展业务。

保险营销员智能助理项目履历总结

第一，在金融、制造等专业知识密集的行业，保障知识的高效学习与传承是提高其生产和做事质量的关键。
而如果只能依赖行业“老师傅”去传授企业在长期业务发展过程中沉淀的大量专业知识，不仅耗费大量韶光精力，也很难担保质量。
因此，金融、制造等行业的企业可以考虑运用人工智能技能办理专业知识管理与共享的问题。

第二，在用AI对知识进行管理并以问答形式对外输出的过程中，企业须要重点考虑构建智能知识库以及具备高度语义理解能力的对话机器人。
对知识库的构建须要采取自动化的知识解析和知识图谱构建工具，以及用无监督学习从海量语估中自动学习新知识，从而提高知识库构建和后续运营掩护的效率；对付对话机器人则须要其内置丰富的AI功能模块，完善的对话管理框架，以及方便二次开拓的自动机器学习平台，使机器人能准确理解语义，实现与用户的流畅对话。

案例6：AI算法支撑下，AR虚拟试戴让安克创新用户得到更优的线上互动体验

安克创新科技株式会社（以下称“安克创新”） 是一家环球化的消费电子品牌企业，紧张从事智能配件和智能硬件的设计、研发和发卖，为消费者供应充电、无线音频和智能创新等品类的消费电子产品。
安克创新的发卖渠道覆盖国内外各大紧张的电商平台和一些线下互助伙伴，在Amazon、Ebay等境外电商平台上霸占行业领先的市场份额。

安克创新旗下的音频品牌Soundcore声阔，于2021年末推出了新产品“声阔智能眼镜”，并操持重点在欧美市场对该产品做市场营销和线上产品推广，但安克创新此时须要应对较繁芜的市场环境。
一方面，在购物线上化和外洋疫情常态化的大环境下，品牌商在线上推广产品普遍会面临营销手段单一，古迹增长乏力的问题。
另一方面，年轻群体是消费电子的主力用户人群，为了吸引这类用户群体，品牌商须要通过不断的业务和场景创新提升消费体验，让消费者感想熏染到品牌的活力和创新力。

在此背景下，安克创新决定引入AR虚拟试戴办理方案来推广其智能眼镜产品，让用户能足不出户进行眼镜试戴，仿照真实穿着智能眼镜的效果。
对付AR虚拟试戴办理方案的哀求，安克创新有如下详细考量：

1）AR试戴的效果要足够好，以担保用户得到较真实的试戴体验，包括：眼镜的质感、材质、光泽度等产品细节的还原度要高；试戴时，眼镜要能够跟随人脸的运动与面部精确位置高度贴合；所有试戴效果要能够实时生效。

2）在担保试戴效果良好的条件下，办理方案要能够同时支持在移动端和Web端利用，从而知足不同偏好的用户利用习气，得到范围更广的社交传播效果。

3）须要厂商具备完全的办理方案的交付能力，供应从商品建模到交付上线全链路的产品做事，让安克创新能快速上线有效的办理方案。

前辈的AI算法和实时渲染引擎助力实现多端同等、效果真实的虚拟试戴效果

在比拟了国内外多家厂商的AR试戴办理方案的技能水平、利用效果和落地方案后，安克创新选择与火山引擎互助，为其供应能知足上述哀求的AR眼镜试戴办理方案。
火山引擎是字节跳动旗下的企业级技能做事平台，将字节跳动快速发展过程中积累的增长方法、技能工具和能力开放给外部企业，供应云、AI、大数据技能等系列产品和做事，帮助企业在数字化升级中实现持续增长。

基于自研技能，火山引擎为眼镜、美妆、鞋帽、腕表、首饰、美甲等行业客户供应AR虚拟体验场景培植，可运用于品牌营销、新零售、电商购物等场景。
在线上，其办理方案可供应SDK/API，快速进行商城（Web）、APP、小程序等第三方集成上线，为消费者实现从浏览商品-线上试穿/试戴-购买的线上购物体验闭环。
在线下，可将虚拟体验产品运用于实体店，通过创新的互动手段吸引消费者进店，提升消费者的购物体验，进而促进消费行为的发生。
通过线上线下体验和流程的打通，赞助客户办理传统零售行业面临的高库存、高发卖本钱、低转化等诸多棘手问题。

为了保障安克创新的用户能够得到较真实的试戴体验，火山引擎从3D素材制作、人脸关键点识别算法、实时渲染三方面动手为安克创新供应办理方案。

火山引擎基于其自研的3D引擎为安克创新定制了10款声阔智能眼镜和8款预热款眼镜的3D素材，在对原始素材做根本建模后，对材质的诸多细节如高光、反光、半透明等做进一步优化。
例如，对付镜片透明度的处理，传统的素材处理只考虑透明度效果，而火山引擎进一步针对镜片在半透的情形下与欧美不同人群的肤色相领悟的效果做了优化，使效果更自然和真实。
为了让眼镜在用户试戴过程中能紧贴面部轮廓，得到很高的跟随度。
火山引擎在办理方案中采取了自研的人脸关键点识别算法对人脸的3D关键点进行识别，风雅化定位五官和面部轮廓，并用3D拟合算法实时天生人脸的3D模型，从而使眼镜模型能够很好地跟随和贴合人的面部。
同时，办理方案中还采取了运动补偿和运动估计等惯性检测算法，担保在连续运动和极度角度下试戴效果的稳定性。
火山引擎的3D引擎具备实时渲染的能力，并且对图形渲染的性能做了优化，保障了为安克创新定制的细节度很高的3D素材也能够实时生效。

针对安克创新须要同时支持移动端和Web真个需求，火山引擎通过对算法和算力进行优化，实现办理方案多端运行的稳定性和效果同等性。
在移动端，火山引擎根据手机硬件性能做了算法适配和硬件加速，担保在多算法并行的情形下的真实效果和超低延迟。
在Web端，火山引擎也通过相应的优化能够应对浏览器资源调用、算力需求诸多限定。
同时，火山引擎对算法本身进行优化，使获得达同样的模型精度，其模型大小比业内均匀水平低几十倍，从而降落了包体大小方便多端适配，也更节省了算力。

针对完全的办理方案的交付能力哀求，火山引擎供应了包括体验设计、技能办理方案建立、项目管理、数据检测、市场进入的端到端办理方案，让AR眼镜试戴办理方案能够在安克创新快速落地和有效运用。

图 7： 火山引擎AR虚拟试戴办理方案交付链路

AR虚拟试戴办理方案落地后的代价与效果

从用户试戴效果的角度，安克创新通过采取AR眼镜虚拟试戴办理方案，让用户能够不用到店打仗实物，在线上就能得到很真实的眼镜试戴效果，并且理解商品的外不雅观、特点等诸多细节的信息，更好的帮助购买决策。

从业务代价的角度，虚拟试戴办理方案提升了安克创新用户的线上消费体验，从而促进商品的购买转化。
该功能在安克创新官网上线4周就吸引超100万外洋用户体验了该功能，对安克创新的品牌推广及购买转化都产生了很明显的实际效果。
因此，安克创新在中国区推出智能眼镜后，也同样选择了火山引擎研发的AR虚拟试戴办理方案。

AR虚拟试戴办理方案的借鉴意义

AR虚拟体验带来的交互、场景、终端体验正在催生体验式消费的新升级，而为了担保更真实和稳定的虚拟体验，须要用人工智能技能从两个层面发挥浸染，办理相应的问题。

第一，前辈的打算机视觉算法是提升虚拟体验效果真实性的关键。
要让虚拟体验达到更加真实的效果，就须要通过采取更加前辈的打算机视觉算法对现实中的物体和环境进行感知、识别和重修，从多个层面还原和仿照现实中的环境。

第二，人工智能在实际落地过程中须要重点打破算力的瓶颈。
开拓出前辈的算法常日只办理了问题的一半，要让算法能够实际运行，尤其是在消费者终端运行，就须要对其算力花费、硬件资源进行大量的优化，担保算法在生产环境中可用。

案例7：某银行搭建智能消费者保护中台，助力消费者权柄保护监控和预警

某股份制商业银行（以下简称“M行”）是海内金融零售业头部银行，该行看重对消费者的全流程陪伴和打造最佳用户体验，践行消费者权柄保护事情。

在金融产品与做事体系日益丰富且繁芜的背景下，我国政府与金融监管部门愈发重视金融消费者合法权柄的保护，陆续出台了《中国公民银行金融消费者权柄保护履行办法》等各种监管文件，哀求各大银行培植或加强消保全流程管控机制，从产品开拓设计、定价管理、条约协议、营销宣扬、轇轕办理等各方面保护金融消费者合法权柄。

此前，M行已利用传统的IT系统实现消保审查和投诉处理线上化，例如消保审查系统是由业务部门提交申请、各级消保专职部门审批，完成各项消保审查；投诉管理系统是包含客服接听电话-记录-分类-转办-处理等环节的事情流系统。
但此类系统由分行或业务部门各自培植和利用，且没有覆盖全渠道投诉、反馈和跟踪情形。
总行没有统一的投诉处理风险反馈机制，导致投诉风险紧张依赖各层级消保部门进行人工剖析，信息流转过慢，管理层无法对消保事情进行全过程的监控和管理。

出于在全流程业务中有效保护消费者合法权柄的需求，M行希望通过培植智能消费者保护中台，利用语义理解、语音识别、机器学习等技能增强对消保业务全过程管控，智能排查潜在的投诉风险，以数字化手段提升事情质效。
M行对智能消保中台办理方案有三点核心需求：

1）现有的消保审查、投诉管理、做事监督检讨和舆情监测等系统存在数据孤岛问题。
须要通过中台培植冲破多业务部门、各区域、各系统数据壁垒，拉通“事前审查-事中管控-事后监督”全周期消保数据。

2）各项业务系统产生海量的非构造化文本数据，全人工处理和剖析的效率低。
须要借助OCR、NLP等智能技能进行信息挖掘，用于赞助投诉处理和进一步的风险智能剖析。

3）管理层短缺对全行消费者投诉、处理反馈和跟踪情形进行实时节制和风险排查的有效手段。
智能消保中台应供应针对潜在投诉风险的智能排核对象，形成适配消保业务的知识图谱和标签体系，输出较为准确的风险研判结果。

基于认知智能技能，打造银行智能消费者保护中台办理方案

M行经由对办理方案公开比选，基于对拓尔思认知智能技能和客户做事履历的认可，选择与拓尔思互助培植智能消费者保护中台。
拓尔思是一家人工智能和大数据技能及数据做事供应商，核心技能是语义智能，即基于语义理解的认知智能，为客户供应从数据洞察到聪慧决策的办理方案。

拓尔思为M行供应的智能消保中台办理方案，覆盖消保业务的事前审查、事中预警、事后督办的消保全生命周期智能管理，供应投诉升级预警、重大投诉推送提醒、外部舆论剖析等功能，实现潜在风险由人工排查向系统自动排查转型。

办理方案有三个核心要点：一是拉通各业务系统的数据；二是对非构造化数据进行处理和信息提取；三是多维度的知识挖掘和剖析运用。

针对数据孤岛问题，M行通过培植全口径的投诉管理大数据平台，整合行内10多类异构多模态数据，包括全渠道的消保审查、客户投诉、做事监督检讨、舆情、政策数据等。

针对海量非构造化数据处理问题，利用OCR、NLP等智能技能从文本中提炼出具有概括性和精确性的字段，再根据字段的意义和内容，结合标签体系天生信息挖掘结果。
标签体系包含客户特色、投诉缘故原由、投诉诉求、投诉渠道等近20个维度3000个标签，在消保审查、投诉处理等须要剖析大量文本的场景中，能够有效提高事情效率；并且，平台可以进一步对标签化剖析结果进行统计，为消保事情常态化监管供应数据支撑。

针对风险智能排查需求，一方面，拓尔思基于情绪剖析、机构识别、语义识别、标签提取、不雅观点抽取、行为剖析等核心算法，根据M行消保业务需求封装了行业区域剖析引擎、动态追踪引擎、产品剖析引擎、聚类剖析引擎、归因剖析引擎、投诉用户画像引擎等多维度剖析模型，支撑投诉预警、舆论监测等前端运用；另一方面，利用知识图谱技能进行关联剖析，赞助消保全过程的监督审查事情。
以消保审查中的营销内容审查为例，平台将经由整合的产品图谱、做事图谱和干系投诉数据可视化展示，为营销内容审查供应更全面的参考信息，提高审查质效。

图 8： M行智能消费者保护中台架构

智能消保中台落地后的代价与效果

基于认知智能技能的智能消费者保护中台上线往后，对M行的消费者权柄保护监控和预警事情带来以下了显著代价和成效。

第一，通过培植大数据平台肃清了M行内数据孤岛，实现全口径、多渠道消保大数据整合，每月自动化处理的消保数据超10万条。

第二，完全的数据为消保事情全环节线上跟踪管理和统计、整改、考察评价、任务深究供应根本依据，保障统一的消保审查事情体系在全行持续落地，有助于实现消保事情规范化标准化的科学管理，有助于落实监管哀求。

第三，充分挖掘消保数据代价，采取六大客服剖析因子，覆盖超3000个标签，消保数据处理剖析效率较过去提升20倍，每年节约500万人力本钱。
基于自然措辞理解技能，消保专家知识库积累超5000个知识点，适配超两万个见地模板，提升20倍审查效率。
实现潜在投诉风险的智能化自动排查，有效提高事情质效，降落因投诉、诉讼或舆情事宜造成的荣誉丢失，也让消费者权柄保护更加及时有效。

智能消保中台项目履历总结

随着人工智能在家傍边的深入，企业内部涌现了大量须要对分文、专业知识进行深度剖析以办理业务问题的AI运用处景，而这类运用处景只靠打算机视觉、智能语音等感知智能技能已无法办理，此时就须要引入认知智能技能，让业务系统详细思考能力。
而要实现认知智能须要重点办理多个方面的问题：首先，数据，尤其是干系非构造化数据要足够丰富，并且整合完备；其次，认知智能的实现要结合多种技能手段，包括OCR、智能语音对信息的提取，NLP对文本的解析、知识图谱对知识的挖掘和剖析、机器学习对数据的剖析等；此外，在不同的专业领域须要引入标签体系以便对信息进行高效的分类和调用。

3.5 技能根本举动步伐层面

3.5.1 方法论

3.5.1.1. 实现AI系统与不同业务和IT系统的领悟

为了弥合老旧的业务和IT系统架构与AI开拓和支配之间的缺口，企业须要构建新的技能体系以支撑智能化的履行。
详细而言，企业须要在业务和IT系统中引入智能运用编排、业务指标监控、数据存储和处理系统、创新实验系统、各种中间件或产品等，为企业智能化运用供应根本技能能力。
同时，企业须要考虑在IT系统中引入基于云的微做事架构，实现更加敏捷和灵巧的运用构建办法，最大限度地利用智能技能。

3.5.1.2. 利用低门槛的平台化工具赋能企业内AI运用的开拓

大中型企业的AI开拓需求较广泛，如果仅依赖数据科学家和算法工程师等专业职员开拓运用，不仅本钱高，且很多业务部门发起的需求不能得到很好的知足，因此企业须要引入低门槛的AI开拓平台赋能企业内的业务和普通IT职员，使其具备一定AI开拓能力。
详细而言，对付专业能力较弱的业务职员，须要开拓平台具备自动化的数据准备、模型演习等功能，业务用户只需选择场景和相应的数据集即可对模型进行自动演习；对付具备一定专业能力的业务和IT职员，须要平台能够将算法模型封装成算子，用图形化的办法将算子组合成事情流，从而完成模型演习过程。
并且，这种办法也让企业内部职员可以更方便地复用其他职员在开拓过程中沉淀的模型和履历，从而进一步降落AI开拓的门槛。
在案例8和案例9中，海信集团和某集团科技子公司都引入了低门槛的AI开拓平台让企业内的业务和IT职员具备了一定的AI开拓能力。

3.5.1.3. 通过引入成熟模型，以及提高模型泛化能力等办法降落大规模AI运用开拓的本钱

AI运用开拓的韶光和资金本钱都很高，为了提高AI运用落地的效率、降落大规模AI运用开拓的本钱，企业可以在AI开拓平台上引入干系的能力应对这一问题。

第一，在构建AI开拓平台时，只管即便选择与在自己的业务领域有大量成熟AI模型和运用实践积累的厂商互助，在AI平台中内置干系只需适当配置即可利用的AI模型，加速AI落地，减少自研本钱。
例如在案例9中，某集团科技子公司须要快速推进智能化转型，在考虑到有外部厂商在工业质检、园区安全、供应链管理等领域有成熟AI模型后，便选择与该厂商互助，引入其智能中台产品。

第二，在构建AI开拓平台时，只管即便在平台中引入算子和“白盒”的模式，将模型的事情流沉淀下来，使得开拓职员后续能够针对相似场景对模型做适当修正，实现模型的泛化能力，企业因此能将模型快速迁移至相似场景，避免从头重新开拓，从而降落了模型的开拓本钱。
例如在案例8中，海信集团在AI平台中引入该模式，成功将原来只能识别大尺寸冰箱四条成剪刀形的打包带的质检模型，通过增加类似场景的标注数据，对原模型的算子做了适当修正，成功让模型扩展到3条类似产线。

3.5.1.4. 建立统一的模型开拓和模型管理能力，提高AI资源的利用率

大型企业在智能化培植早期，各个部门常日会独立地培植AI能力，这会造成AI开拓工具、AI模型的重复培植和不能复用，这种“烟囱式”开拓的状况到了企业智能化培植的深入阶段会造成大量的资源摧残浪费蹂躏，并阻碍智能化的推进。
因此，企业须要引入统一的模型开拓和模型管理工具供干系职员共同利用，尤其要重视对AI模型和做事的统一管理，供应如模型版本掩护、模型更新、模型发布做事、对模型做事调用情形查看等能力，通过平台实现AI能力的复用，提高资源利用率。

例如在案例9中，某集团科技子公司通过智能中台构建了统一的模型开拓和模型管理能力，使得集团的管理职员可以对平台上的所有模型进行统一管控，简化运维事情，提高管理效率。
业务和IT等职员也可以通过平台查看集团现有的模型资产和AI能力，并根据须要直接调用。

3.5.1.5. 构建覆盖模型全生命周期MLOps体系，缩短模型迭代周期，并持续地保障模型质量

当AI建模进入须要大规模生产和交付的阶段，其运营和用例扩展对付大部分公司来说都是一个巨大寻衅。
此时，企业可以考虑在机器学习和AI系统中，借鉴软件工程领域DevOps干系框架、工具链和流程，以及持续集成、持续交付、持续支配的理念，为机器学习和AI开拓供应MLOps体系和干系工具，即供应系统化的协尴尬刁难象将AI开拓和支配中的业务、数据、算法、运维等角色连接起来，建立一个标准化的数据准备、模型开拓、支配与运维流程，办理机器学习模型生命周期各环节的工程化问题，从而实现其核心目标：缩短模型开拓支配的迭代周期，并持续地保障模型质量。
MLOps的紧张功能和上风包括：统一发布、自动测试、敏捷迭代、自动化的模型和数据集管理、降落建模门槛、流水线式管理、资源集成监测、组织高效协作。

例如在案例D中，某大型国有商业银行AI运用实践中构建了MLOps体系，一方面，通过一站式的AI开拓平台降落开拓门槛，另一方面，建立了“信息统一管理、实体统一流转、管理信息与实体流转保持同等”的AI全生命周期管理机制，从而实现了敏捷的模型迭代，高效的模型交付。

3.5.2 给不同成熟度的企业的建议

初步投入阶段：该阶段的企业当前仅有少数几个AI运用落地，因此须要重点办理如何将AI运用在现有IT系统中的支配和运营的问题。

多维布局阶段：该阶段的企业需首先构建适应智能化哀求的IT系统架构；其次，建立统一的AI开拓平台，让组织初步构建独立自主的AI开拓能力，并对AI开拓能力进行统一管理。

深度运用阶段：持续完善面向智能化运营的IT系统，并在AI开拓平台中建立一站式的从数据准备、数据标注，到模型演习、支配和运营的能力，并降落AI开拓的门槛。
同时，须要考虑构建覆盖模型全生命周期MLOps管理体系，缩短模型迭代周期，并持续地保障模型质量。

案例8：海信集团引入AI平台，构建独立自主的AI开拓能力

海信集团是有名的大型电子信息家当集团，旗下有海信、东芝电视、科龙、容声、ASKO、Vidda等品牌，业务涵盖多媒体、家电、IT智能信息系统和当代做事业等多个领域，并且在环球拥有13个厂区。

近年来，在面对海内子口红利锐减以及国际上欧美国家挤压的双重寻衅下，海信集团履行了数字化转型计策，希望实现降本增效，并重塑海信在环球制造业领域竞争上风。
详细而言，海信集团自2019年全面培植了5G网络和工业互联网平台，涉及云、边、端协同，并集成了现有的IT系统、OT系统、大数据平台等系统，平台建成后产生和汇聚了海量的工业数据。

而为了充分挖掘和发挥这些工业数据的潜在代价，海信集团须要进一步履行智能化升级计策，推动人工智能在集团业务中的广泛运用，从而提升运营效率、创新业务模式。
由此，海信集团须要从运用处景、技能平台、组织AI素养三个层面构建人工智能能力：

1）在运用处景层面。
首先，海信集团希望在智能制造、营销、研发、财务等多个业务领域集成智能化运用，但集团内部尚未建立AI运用处景落地的评估机制。
其次，海信集团须要首先选取几个高代价度的场景落地AI运用，办理业务问题的同时，探索并验证集团内AI运用落地的方法和能力。

2）在技能平台层面。
海信集团此前只有少数外部采购的AI运用办理方案，险些没有自主的AI建模能力，因此须要搭建统一的AI技能平台，并且平台须要知足易于利用、功能完备、方便协作等哀求，使集团内部职员可以在该平台上自主搭建AI运用。

3）在组织AI素养层面。
海信集团的业务和IT职员之前的AI能力较薄弱，不具备开拓繁芜的打算机视觉、机器学习模型的能力，因此须要针对性地提高其AI能力素养。

从场景方案、技能平台、职员培训动手，全面提升海信集团的AI能力

在经由前期充分的调研论证后，海信集团选择与九章云极DataCanvas进行互助，为其供应人工智能干系产品和做事。
九章云极DataCanvas是一家人工智能根本技能做事公司，其核心产品自动化数据科学平台，能够帮助业务剖析师和数据科学家快速协同开拓，实现自动化模型创建、管理和运用支持，为政府和企业智能化升级供应配套做事。

基于海信集团在智能化升级中的需求，九章云极DataCanvas为海信供应的办理方案包括了运用处景方案、三个运用处景的模型定制开拓、信智AI平台培植以及平台的推广和培训。

针对运用处景层面的问题，海信集团在九章云极DataCanvas的帮忙下建立了一套AI运用处景筛选的评估标准，并定制了三个较繁芜的AI运用。

1）基于九章云极DataCanvas在客户做事过程中总结的最佳实践方法论，以及海信集团的实际情形，双方建立的运用处景筛选的评估标准包括以下三点：

运用处景须要是强业务需求，办理的是最痛点的问题；运用开拓所需的数据要比较随意马虎获取，最好具备现成的数据；用AI办理该业务问题的方法要相对成熟，能直接调用模型的干系代码更佳。

2）在考虑海信集团的业务需求、运用代表性等成分后，海信集团合和九章云极DataCanvas互助定制开拓了如下三个AI运用处景：

冰箱打包带检测，检测打包带是否存在多打、少打或歪斜超出工艺质量规定范围；电视机铭牌检测，检测铭牌是否存在错贴、漏贴、倒贴等问题；遥控器图案检测，检测按键字符/图案/颜色、丝印、底部Logo/型号是否有印错。

为了构建自主的AI开拓能力，海信集团在九章云极DataCanvas的帮忙下搭建了信智AI平台。
信智AI平台因此九章云极DataCanvas自动机器学习平台APS为根本，结合了海信集团定制的一些功能和算子，而构建的AI技能平台。
该平台知足了海信集团对AI平台的易用、功能完备、方便协作等哀求，详细如下：

1）平台将模型开拓全流程的功能都封装成算子，并支持用图形化、拖沓拽的形式将算子组合成事情流，从而降落了建模门槛。
而平台上包含的算子有200多个九章云极DataCanvas的标准化算子，以及数十个根据海信集团的需求定制的数据处理、NLP算子。
同时，平台采取“白盒”模式，所有内置以及后续场景开拓中（包括三个定制场景）沉淀的算子，其代码都可以被查看和修正，以便组织内成员学习、复用，或做一定修正后迁移至其它场景。

2）针对模型上线过程繁芜的问题，九章云极DataCanvas将数据预处理、深度学习模型、以及模型后处理都打包成Pipeline，并供应在生产环境中调用的接口，从而简化了海信集团的模型推理事情。

3）为了知足海信集团的运用开拓协作需求，平台支持业务职员、算法工程师、数据科学家等职员上岸平台并各自完成自动建模、数据处理、算子调度、搭建事情流、模型上线等事情。
同时，根据海信集团的需求，九章云极DataCanvas为该平台定制了单点登录、标注平台、以及能够显示检测后产品合格率的报表平台平分歧职员所须要的功能。

针对组织AI素养较薄弱的问题，海信集团首先通过和九章云极DataCanvas互助定制开拓三个高代价运用处景的形式，让海信集团的业务和IT职员熟习平台的功能以及建模流程，并且将三个场景的事情流沉淀在平台中供海信集团的职员学习和复用。
其次，九章云极DataCanvas对海信集团的干系职员进行了约20次培训，包括针对三个定制的运用的利用和后续运维、工业检测、平台的利用方法等方面的专题培训。

信智AI平台落地后的代价与效果

信智AI平台落地后产生的代价包括对业务场景的代价、对构建自主的AI开拓能力的代价和对降落建模本钱的代价三个层面。

1）在对业务场景的代价层面。
双方基于AI平台定制开拓的三个运用处景都产生了明显的效果：三个场景都由于智能质检运用的上线，将不良率降落了95%以上。

2）在对构建自主的AI开拓能力的代价层面。
通过搭建易于利用、功能完备和方便协作的信智AI平台，以及相应的培训推广，海信集团具备了自主开拓AI运用的能力。
在平台上线后一年内，海信集团基于该平台自主开拓了电路板测试优化、门店地址相似度评估以及一些智能质检等多个运用。

3）在对降落建模本钱的代价层面。
由于信智AI平台采取算子、事情流以及“白盒”模式，用户可以通过修正算子，将模型迁移至高度相似的场景中，办理模型不易泛化的问题，从而将模型的培植本钱降落60%。
例如，九章云极DataCanvas定制的冰箱打包带检测模型，该模型原来识别的是大尺寸冰箱的四条成剪刀形的打包带的问题，海信集团通过增加类似场景的标注数据，对原模型的算子做了适当修正，成功让模型扩展到3条类似产线。

信智AI平台的项目履历总结

第一，企业的智能化升级是项系统工程，除了AI计策、数据根本外，企业还须要重点考虑场景方案、技能平台培植和组织AI素养提升等方面的问题。
在场景方案层面，须要首先建立标准化的场景筛选流程和方法，其次，企业在智能化升级早期，可以考虑跟外部厂商互助开拓几个高代价场景的运用，为企业后续的运用开拓供应借鉴履历。
在技能平台培植层面，企业要充分结合内部现状，搭建能在组织内广泛利用的平台，重点考虑平台的易用性、功能完备性、协作便利性等。
在组织AI素养层面，除了外部人才的引进，也要重视职员的培训事情，包括模型开拓、模型利用、模型运维等方面的培训。

第二，模型的泛化能力是企业AI开拓中须要重点关注和解决的问题。
通过模型的泛化，企业能将模型快速迁移至相似场景，避免从头重新开拓，从而降落了模型开拓本钱。
而在AI开拓平台中引入算子和“白盒”的模式，将模型的事情流沉淀下来，使得开拓职员后续能够针对相似场景对模型做适当修正，从而快速实现模型的泛化。

案例9：助力某大型集团搭建AI数据智能平台，支撑数智化升级

某大型集团旗下科技公司为行业及集团供应数字化转型整体做事，通过构建物联网、大数据和AI平台等数字根本举动步伐，将生产、流利和消费等环节的数据、算法和运用打通，更高效地赋能业务。

在本次互助中，该集团希望通过培植AI平台办理以下三点AI开拓和管理中的难题：

1）“烟囱式”开拓培植造成的资源摧残浪费蹂躏。
该集团在以往的AI培植中，各个工厂和部门都有独立开拓或采购一些AI运用，因此带来了集团内数据不能共享，AI开拓工具重复培植，以及模型不能复用等问题。
这种数据、开拓工具、模型的“烟囱式”开拓培植摧残浪费蹂躏了集团的AI资源，也阻碍了数智化的推进。

2）AI模型开拓门槛高。
该集团以往的单点AI运用多由数据科学家、算法工程师开拓，但此类人力本钱高，当要在全集团广泛地落地AI运用时，就须要供应平台工具降落AI开拓的门槛，让业务和IT职员也具备一定的AI开拓能力。

3）大规模的AI运用开拓技能难度大、本钱高昂。
为了尽快培植完善的AI数智平台，该集团须要在园区安全、供应链管理、智能营销等领域同时推进多个AI运用的开拓，如果都从零开拓如此大量的AI运用，本钱高昂，统一管理较为困难。
因此该集团科技公司希望借助在上述领域有成熟AI模型积累的厂商，以较低的本钱快速落地多个AI运用。

搭建智能中台，供应统一的AI开拓、AI管理和成熟的AI模型做事能力

在对多家厂商的产品成熟度、客户案例、互助深度、团队配置等方面情形进行稽核后，该集团科技公司选择与京东云互助，为集团搭建智能中台并共建运用。
京东云是京东集团旗下专注于家当数字化做事的业务板块，依托人工智能、大数据、云打算、物联网等技能能力，为各行业企业和政府部门供应全链路的产品与办理方案。

该集团的智能中台是基于京东云Foundry智能中台产品而构建，智能中台供应了一站式的AI开拓平台、统一的AI模型管理平台、以及大量预置的标准化AI模型。
同时，京东云也在智能中台搭建过程中为该集团供应了场景共建、算法定制、职员培训等做事。

为理解决AI运用“烟囱式”开拓的问题，该集团借助智能中台，从数据、开拓工具、模型管理三个层面对其进行统一培植和管理。

在数据层面。
该集团科技公司联合京东云搭建的大数据平台对集团的数据进行统一的存储和处理，冲破了数据孤岛。
同时，智能中台供应了统一的数据标注和数据集管理工具，使得AI开拓中所需的数据能够在不同的AI开拓职员间共享和协作。
在开拓工具层面。
智能中台供应了一整套包含数据标注-模型开拓-模型演习-做事发布等全链条的AI开拓工具，算法工程师及运用开拓等职员都可以统一基于该平台进行AI模型的开拓。
在模型管理层面。
智能中台供应了模型仓库功能以便集团对模型做事进行统一管理，如模型版本掩护、模型更新、模型发布做事、对模型做事调用情形查看等。
因此，集团的管理职员可以对平台上的所有模型进行统一管控，简化运维事情，提高管理效率。
业务和IT等职员也可以通过平台查看集团现有的模型资产和AI能力，并根据须要直接调用。

为了降落AI开拓的门槛，使得集团的业务和IT职员也具备AI开拓能力，智能中台将算法代码封装为组件，因此具备一定开拓能力的用户能够通过拖沓拽快速构建事情流的办法开拓模型，实现对古人履历的复用。
同时，智能中台也供应更大略的自动化模型演习功能，业务用户只需选择场景和相应的数据集即可对模型进行自动化演习。

针对大规模的AI运用开拓技能难度大、本钱高昂的问题，智能中台内置了京东集团在长期业务发展过程中积累的大量成熟的AI算法，包含语音语义、图像及***理解、笔墨识别、机器学习等种别，该集团在接管京东云适当的培训后，能够自行选择算法组件，并做好数据准备，即可在工业质检、园区安全、供应链管理、智能营销等领域快速构建AI运用。

图 9： Foundry智能中台框架

智能中台落地后的代价与效果

智能中台为该集团带来的代价包括业务代价和管理代价两方面。

从业务代价的角度，智能中台供应的低门槛开拓工具和AI模型做事让该集团的业务和IT职员也能够开拓一定的AI模型，从而提升了运用开拓效率，降落开拓本钱。
该集团因此能够充分利用了自身沉淀的数据资产，在智能中台上线半年内，即在园区安全、智能营销等领域构建了多个适配业务需求的AI运用及办理方案，显著提高了集团的数智化水平以及业务创新能力。

从管理代价的角度，该集团通过智能中台对AI模型和做事的统一管理，实现了AI能力自主掌控、运行状况可查可看以及AI做事的风雅化运营，从而简化了模型运维事情，提高了管理效率，并且通过AI模型和做事的复用提升了资源利用率。

智能中台项目履历总结

第一，京东云同该集团科技公司互助培植大数据与AI模型演习平台能力，共同为集团带来从数据管理、模型运用等方面的技能工具，从而进一步赞助业务创新和发展。
通过引入统一的数据管理、模型开拓和模型管理工具供干系职员共同利用，利用平台实现AI能力的复用，提高资源利用率。

第二，为了提高AI运用落地的效率，加速智能化升级，企业可以选择与自身业务匹配度较高，且在这些业务领域有大量成熟AI模型和运用实践的厂商互助。
通过复用这类厂商的模型，及其最佳实践方法论，企业能够以较低的本钱在多个关键领域快速构建AI运用，赋能业务。

案例D：某大型国有商业银行构建MLOps体系，实现敏捷的模型迭代，高效的模型交付

某大型国有商业银行经由近几年的智能化培植，已经搭建了完善的人工智能生态体系，在数据、算法、算力、技能框架等多领域实现了技能领先，并且已在各业务领域落地了500多个AI运用。
该银行在AI运用实践中，为协同模型构建团队、业务以及运维团队，建立起一个标准化的模型开拓、支配和运维流程，使得组织能更好的利用AI的能力促进业务增长，于近年构建了MLOps体系。

该银行的MLOps体系紧张从降落开拓门槛和提升模型管理流转效率两个方面出发。
在降落开拓门槛方面，该银行构建了从需求剖析、数据准备、模型构建、模型发布，到模型运营的一站式AI事情站，为建模职员供应可视化、低门槛的流水线建模做事。
在提升管理效率方面，该银行建立了“信息统一管理、实体统一流转、管理信息与实体流转保持同等”的AI全生命周期管理机制，以提升模型生命周期管理水平。
详细而言，该银行将AI事情站作为统一的模型全生命周期管理平台网络模型的元数据信息，实现全流程管控；同时，构建了涵盖一个模型根本版本库+开拓、测试、生产等各套环境的模型调用库，以及模型加密单向同步机制，实现模型实体的统一存储、管理和在各模型库间不落地的安全流转，此外还建立了增存结合的入库管理机制，加强模型入库管控能力。
在此根本上，将AI事情站的模型管理信息与DevOps平台的版本交付信息联动，DevOps版本交付机制调用AI事情站的做事，掌握模型库间的实体流转，担保账实符合，支持各运用全生命周期模型管理。

图 10： 某国有商业银行MLOps体系

该银行通过构建MLOps体系，取得了良好的履行效果，模型研发周期从之前的均匀3个月最短压缩到两周，模型支配的周期缩短至1天以内，常规模型后评价和模型更新最快2天即可完成，自学习模型可根据实际效果实时更新。

3.6 组织与人才层面

3.6.1 方法论

3.6.1.1. 建立适应AI开拓和管理需求的组织架构，明确部门权责和协同机制

AI的开拓和管理是项繁芜的系统性事情，须要组织内各部门和职员能够紧密协作，共同完成。
企业在智能化早期通过设立单个项目组推进的办法在智能化深入阶段将不能维继。
此时，企业须要在全体组织内部建立统一的AI组织架构，设立核心部门统筹折衷各干系部门开展AI开拓和管理事情，并明确各部门的权责。

例如在案例E中，某头部家电集团为保持其AI能力的领先性，构建了以AI技能委员会为核心部门，下辖多个技能研发部门分别卖力特定方向的AI能力培植，并统筹折衷技能研发部门为产品部门供应运用开拓做事。

3.6.1.2. 内外兼顾，培养AI人才军队

智能化转型成败的核心要素之一是人才，企业一方面要看重从外部不断引进精良的数据科学家、算法工程师等专业人才；另一方面，须要加强组织内的培训，提升业务和IT职员的AI开拓能力，以及提升管理职员的AI素养。
从而帮助企业构建起能支持智能化转型所需的人才军队。

3.6.2 给不同成熟度的企业的建议

初步投入阶段：该阶段的企业当前以单点运用培植为主，无需在组织架构层面为AI运用做太多调度，但需引进关键的AI人才，辅导运用落地和后续掩护。

多维布局阶段：该阶段的企业在核心部门都有培植一定的AI开拓和管理团队，建议由公司层面对各部门的AI开拓进行统一折衷支配，做到信息互通；同时要加大对数据科学家、算法工程师等专业人才的外部引进事情。

深度运用阶段：该阶段的企业须要构建完善的面向AI开拓和管理的组织架构，各部门之间的权责和协同机制要明确；同时，除了专业人才的引进，企业也须要在组织内加大培训力度，提升组织内干系职员的AI素养。

案例E：某头部家电集团建立面向AI开拓和管理的组织架构，全面支持产品的智能化创新

某头部家电集团在AI研发和运用方面处于业内领先的地位。
为了保持集团AI技能的领先，担保其家电产品在智能化方向的持续创新能力，集团近两年在AI研发上加大了投入，并对集团的AI组织架构做了调度和统一支配，明确了各部门AI干系的职责与各部门之间的折衷机制。

整体而言，该家电集团成立了AI技能委员会，下辖AI创新中央、中心研究院、集团IT、IOT奇迹部智能研发部、以及空调、冰箱、洗衣机等各产品奇迹部的技能研发部门。

图 11： 某头部家电集团AI组织架构

个中，AI技能委员会的成员为各干系部门卖力人，委员会的职责是统筹折衷各部门AI培植需求、AI能力输出，并做到各部门之间的信息互通；AI创新中央为集团新成立的部门，集团对该部门的职员和资金做了重点投入，希望在打算机视觉、语音根本算法、家庭做事类机器人等方向做研发并具备自主技能，一是为了降落外采技能的本钱，二是为了赋能产品线打造差异化功能；中心研究院紧张卖力智能制造、工业互连网干系的能力培植；集团IT卖力供应链管理和部分智能制造领域的AI能力培植；IOT卖力图像、大数据、语音干系的AI运用开拓，为家电产品做事。
AI创新中央、中心研究院、集团IT、IOT奇迹部智能研发部的AI能力会赋能空调、冰箱、洗衣机等各产品奇迹部，并供应运用办理方案，同时各产品奇迹部也会在一些特定的主要业务领域根据需求独立开拓或外采AI运用办理方案。

该集团基于良好的AI研发和运用根本，在扩大AI上风的过程中，重视调度组织架构来适应AI能力发展需求，为集团明确分工、优化协作、降落AI研发本钱、提高产品智能化能力供应了机制保障。

4. 企业智能化趋势展望

人工智能在为企业创新产品做事、优化经营决策、提升管理效率等方面已经取得了广泛的效果，并展现出了更加巨大的潜力，因此，爱剖析认为所有的企业未来想要在市场中保持竞争力，一定都须要走向全面的智能化。
但如前文中所述，海内紧张行业目前已经开展过智能化培植的企业中约70%仍处AI运用的早期实验或初步投入阶段，仅约30%的企业进入多维布局或深度运用阶段，真正在组织内实现AI运用与业务全面领悟的企业不敷1%。

爱剖析认为，在接下来的3至5年，海内大量的企业对AI的运用将从单点的AI培植走向全面的智能化转型。
在这个过程中，企业将会须要办理智能化培植过程中涉及的计策、数据、场景方案、运用办理方案开拓、技能根本举动步伐、组织与人才等多方面的寻衅。
因此，企业须要针对智能化转型方案完善的路径和方法，详细的方法包括：制订明确的智能化计策；完善数据根本举动步伐，构建面向AI开拓的自动化数据采集、数据处理能力；建立场景方案的流程和方法论；提升办理方案的自研能力；建立了标准化的办理方案开拓、支配、和后续运营的方法和流程；重构面向智能化运营的IT系统；引入AI平台、AI中台；构建MLOps体系；建立面向AI开拓和管理的组织架构；重视AI人才军队的培植等。
同时，企业须要结合自身AI运用的成熟度，对上述举措更细化的方法和步骤，履行韶光点等方面问题制订符合自身需求的操持。

人工智能在家傍边的落地正在风起云涌地推进，也还有很多未知的领域有待企业去探索，进一步开释AI的代价。
相信随着这个进程的推进，AI在家傍边落地仍旧会面临许多新产生的问题，爱剖析将对这个领域保持持续跟踪研究，对前沿的案例保持关注，为企业智能化转型供应更多的决策参考。