客户都去哪儿了？麦肯锡发布2022年14大科技趋势 为B2B企业CEO指明新市场

对B2B企业而言，知道客户在哪儿，是洞察甚至超越当前市场需求的唯一途径，也是发展企业和吸引投资的关键能力。如果意识不到客户有了哪些变化，也就无从知晓他们要去往何处。

8月底，麦肯锡发布《麦肯锡2022年技术趋势展望》，报告揭示人工智能技术、高级连接、机器学习、云和边缘计算、量子技术、Web3等当今14大科技趋势。这也为B2B企业指明：新的市场增量，将诞生在技术融合并创造新机会的行业里。它明确地告诉CEO们，如果还没有将这些技术趋势与潜在客户及其行业发生关联，你可能已经失去了未来。甚至在当下，你也无法向更多的客户来销售你的产品或服务。

正如麦肯锡的分析师所指，“即便难以预测技术趋势最终将如何发展，但高管们可以通过跟踪新技术的发展，预测其如何落地应用，识别当中影响创新的关键要素，以更好地提出企业发展战略。”

报告显示，人工智能应用技术位居14大最具影响力的技术趋势之首，几乎覆盖从航空航天到电信的所有行业。

其实，在《2021麦肯锡全球人工智能现状调查》报告中，已有56%的受访者表示其企业采用人工智能技术，高于2020年调查的 50%。该项调查还发现，人工智能技术可为企业创造增量利润，至少有27%的受访者，将其公司5%或更多的利润，归功于对人工智能技术的使用。

今天，随着相关技术的逐步规范，出现了更多且更为成熟的工具，人工智能解决方案与其他数字应用程序的集成也更加便捷，让AI的使用门槛大大降低，即便没有自己的AI工程师或数据科学家，企业也能很好地使用人工智能来解决各种问题。

以销售场景为例，企业可借助机器学习 (ML)、计算机视觉和自然语言处理等能力，在B2B企业的营销端和获客端，更为高效地使用数据获得销售线索，并准确识别、补全，解决“主动式触达”和“被动式识别”两大难题。人工智能技术辅助销售人员，使其专注于销售流程中最重要的“线索转化”环节，而不是将宝贵的时间和精力，浪费在漫无目的地“线索获取”和“线索识别”上，这件事可放心交由人工智能来完成。

基于数据、API和算法的商机预测云启商多为企业构建增长新势能

“有时人工智能可以取代任务，但不能取代工作。有时任务是工作中更乏味的部分，”麦肯锡专家合伙人罗杰罗伯茨说。“这可以减轻人们在特定工作中的负担，让他们专注于最重要的工作部分。”

不仅在销售场景，几乎每个行业，每家公司，都存在一些环节，可通过人工智能的一些应用来重塑，达成风险控制、降本增效的目的。

近十年来，企业对人工智能的信心逐步恢复，主要归功于深度神经网络的发展日趋成熟，尤其是在计算机视觉和自然语言处理等核心技术上有了长足进步。这也使得企业在收集、存储和访问不同领域数据的能力不断增强。

目前，人工智能应用主要是机器学习和深度学习模型在业务场景中的落地。“机器学习（Industrializing machine learning）”正是麦肯锡此次报告的另一项重要技术趋势。它指的是在 MLOps平台或其他工具上，企业可以更容易地在不同的应用程序和环境中训练、部署、集成和更新机器学习模型。

在行业相关性方面，报告中提到的部分机器学习应用包括推荐引擎（如内容推荐）、检测与预防（如销售线索识别、信用卡欺诈检测、理想客户画像建模、疾病早期诊断）、预测和分析（如，价格波动、销售需求预测）。该报告还提到了机器学习的一些更先进的领域，例如生成深度学习模型等等。

这进一步说明，采用人工智能应用的主要障碍不是糟糕的机器学习算法，而是缺乏工具和基础设施，来有效使用经过测试的算法。这些障碍，将限制人工智能应用的发展，尤其是在没有大量数据资源和机器学习人才不足的公司里。

所以，那些动辄标榜自己“人工智能优先”，或者宣称使用了最新最好的深度学习技术的公司，是不够诚实的。必须得承认，将机器学习从实验室带到业务场景，仍有许多挑战需要克服。

重新造一个车轮，其成本高昂。企业创建和维护使用机器学习的产品或服务，与使用传统软件不同，需要用到不同的基础架构、工具和技能。组织结构也更为庞杂，比如需要数据湖来收集和存储数据，需要数据科学家来设置、维护和配置数据基础设施，以便训练和更新机器学习模型。需要产品专家来开发适用其业务场景的应用或模型。甚至还需要分布式计算专家，使得模型可随时随地低成本的大规模运行。

的确，大型科技公司通常拥有顶尖的机器学习或深度学习科学家，多年来也一直在研究新算法，并将其应用到他们的产品中。但对中小型组织而言，数据、硬件、人才的成本过于高昂，企业自足的策略难以为继。

在这种背景下，麦肯锡公司报告的调查结果更值得研究。更多的企业可以在业务场景中采用机器学习模型，为客户和用户带来好处。但是，未必需要重复造轮子。将业务需求外包给专业公司，才是主流途径。

麦肯锡报告强调，人才和资金等资源的稀缺，仍是企业级人工智能进一步发展的两大障碍。此外，受国际环境影响，资本市场也处于低迷状态，包括人工智能在内的所有行业，都面临着为初创公司提供资金的难题。

然而，尽管资本蛋糕越来越小，但资金也没有完全停止动作。根据CB Insights最近的一份报告，那些已经实现产品与市场契合，并准备好大规模增长的公司，仍在设法获得巨额融资（超过1亿美元）。这表明，推出机器学习战略的新公司，如果自身不产生利润，将很难获得外部资金支持。但是，已经占据一定市场份额的机器学习平台，将持续吸引投资者的兴趣。

报告提到的另一个重要挑战，是数据风险和安全漏洞。对机器学习平台来说，这正在成为一个越来越重要的问题。与开发生命周期一样，机器学习的安全威胁也不同于传统软件。幸运的是，安全与机器学习社群正共同开发用于创建安全机器学习平台的工具和实践。随着人工智能应用的持续增长，我们可以期待其他行业加快采用机器学习，这反过来将进一步加快该领域的创新步伐。

总之，作为一家B2B企业的CEO，无论你的公司处在什么位置，当你看到这样一份报告，看到与20大行业相关的14种技术趋势，你是否会询问你的高管团队，“我们对这些技术趋势的战略是什么？”或者问问自己，“我们要如何成为这些技术趋势的受益者？”

这也是另一种思考你的产品或服务能否赢得更广泛市场的方式。