2018年 AI 如何在医疗、金服、零售、营销四大关键领域大展拳脚？

本文由 【AI前线】原创，推荐阅读：http://t.cn/RHNgd73

译者｜薛命灯、马卓奇

编辑｜Emily

AI 前线导读：“科技和金融行业已经率先采用了 AI 技术，而到了 2018 年，将会有更多的公司奋起直追，他们希望能够利用 AI 技术来帮助公司获得更好的发展。那么问题来了，AI 产业是否有足够的能力来满足如此大规模的需求？

要想让 AI 这艘大型火箭升空，最起码需要三个东西：数据、计算能力和 IT 基础设施。但我们又该如何利用这些技术来影响日常的业务运营呢？”

健康医疗

• 2018 年，AI 至少会被用来解决健康医疗方面的一些已知问题，如重要信息缺失问题和长时间等待问题。预测分析技术可用于改进看病流程。在一些先进的医疗系统里，AI 将会被用于诊疗，因为深度学习算法已经越来越擅长于模式识别，而诊疗本质上就是进行模式识别。通过数据分析，AI 让诊疗过程更顺畅，结果也更准确。

• 通过使用大数据集、数据分析和数据建模，AI 和机器学习可用来帮助临床试验更好地识别潜在的病患。

• 因为医疗服务费用高昂，AI 可用于降低病人的看病费用。比如，使用聊天机器人与病人交谈，询问他们的症状，然后把信息传送给医生，确保在正确的时间开出正确的处方。

案例：IBM Watson

在智能诊疗的应用中，IBMWatson 是目前最成熟的案例。IBMWatson 可以在 17 秒内阅读 3469 本医学专著、248000 篇论文、69 种治疗方案、61540 次试验数据、106000 份临床报告。2012 年 Watson 通过了美国职业医师资格考试，并部署在美国多家医院提供辅助诊疗的服务。目前 Watson 提供诊治服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。Watson 实质是融合了自然语言处理、认知技术、自动推理、机器学习、信息检索等技术，并给予假设认知和大规模的证据搜集、分析、评价的人工智能系统。

金融服务

• Fintech 创业公司的崛起让这个行业分崩离析，传统的金融服务公司需要利用 AI 技术来巩固他们的竞争地位，加强客户的参与度和改进绩效。

• 金融行为监管局（FCA）的一份报告表明，从 2014 年到 2017 年，数字攻击事件从每年 5 起增长到了每年 49 起。在过去一年更是发生了无数起数据泄露和数字攻击事件，所以毫无疑问，在未来会有越来越多的银行和金融服务机构会采用 AI 和机器学习技术来防范威胁。

• AI 不仅可用于防范风险，也可用于检测市场变化的早期征兆。

• 因为其他行业成功实施了个人定制化解决方案，客户也会要求金融服务行业这么做，所以 AI 进入金融行业是必然的。通过分析数据找出共通的模式，客户需求和金融公司服务之间的匹配度会越来越高。

案例：阿里巴巴的蚂蚁金服

阿里巴巴旗下的蚂蚁金服下设一个特殊的科学家团队，专门从事机器学习与深度学习等人工智能领域的前沿研究，并在蚂蚁金服的业务场景下进行一系列的创新和应用，包括互联网小贷、保险、征信、智能投顾、客户服务等多个领域。

根据蚂蚁金服公布数据，网商银行的花呗与微贷业务上，使用机器学习把虚假交易率降低了近 10 倍，为支付宝的证件审核系统开发的基于深度学习的 OCR 系统，使证件校核时间从 1 天缩小到 1 秒，同时提升了 30％的通过率。

以智能客服为例，2015 年“双 11”期间，蚂蚁金服 95% 的远程客户服务已经由大数据智能机器人完成，同时实现了 100% 的自动语音识别。当用户通过支付宝客户端进入“我的客服”后，“我的客服”会自动“猜”出用户可能会有疑问的几个点供选择，这里一部分是所有用户常见的问题，更精准的是基于用户使用的服务、时长、行为等变量抽取出的个性化疑问点；在交流中，则通过深度学习和语义分析等方式给出自动回答。问题识别模型的点击准确率在过去的时间里大幅提升，在花呗等业务上，机器人问答准确率从 67% 提升到超过 80%。

零售

• 2018 年，电商行业将会更大范围地应用 AI 技术，用于识别用户的购买习惯。比如更好地了解购物车物品的放弃率，这样就可以更智能地向客户推荐商品。

• 聊天机器人将会给电商平台带来人性化的元素，客户满意度也会随之提升。零售商通过 AI 技术与顾客互动，提供类似实体店的导购和建议。

• 商店客流量统计数据让零售商更好地了解用户对品牌的认同度，这些信息可用在任意的决策中，从采购决策、市场决策到商店布局顾，再到推广客忠诚度相关的活动。

案例：星巴克的“专属咖啡师”

被称为“最懂互联网的科技公司”的星巴克，2016 年推 出了它的 AI 虚拟助理“我的星巴克咖啡师”（My Starbucks Barista）App，打字下单在星巴克早已过时，现在只需要对着手 机说出自己所需，具有声音识别功能的虚拟助理会把订单发送 到附近的星巴克门店，店内咖啡师接单后开始做咖啡，等消费者 进店时，咖啡已经做好在等着他，帮他节省了排队等候的时间。

“我的星巴克咖啡师”的功能不止于此。它的算法能够追踪 到消费者的购买历史，并在将来为他做出相似的推荐和配套的 服务。例如，当它的算法监测到，一位消费者每天早晨都要搭乘 班车时，就会在 App 里面向他推荐游戏，这样在乘车的时间里， 就可以玩游戏打发无聊的时光。随着消费者数据积累得越多，星 巴克虚拟助理提供的服务将更周到。

市场营销

• 2018 年，顾客对一般性的产品不会太感兴趣。他们希望商家能够实时地向他们推送相关度更高、对他们来说更有意义的产品。这个时候，AI 就可以派上用场。

• 因为 AI 技术会越来越普及，可用于自动化处理那些费时的重复性工作，所以市场营销人员就可以节省出更多时间专注于提升产品价值上。

• 市场营销人员还会使用 AI 工具来扫描数据点，对顾客进行情感分析。这些信息可用于后续的营销活动。

案例：喜力啤酒使用大数据、物联网和人工智能提升销量

荷兰啤酒酿造商喜力（Heineken）近 150 年来一直是世界酿造业的领导者，但今天，作为欧洲第一和世界第二的啤酒厂家，由于大数据和人工智能的助力，他们一直在提高自己的业绩。为了在强大的美国啤酒市场更好的竞争，他们开始计划利用收集的大量数据。目前，他们在美国卖出了旗下各种品牌啤酒总计超过 850 万桶，但他们希望用数据驱动的改进和人工智能增强运营、市场营销、广告和客户体验，来提高这个数字。

从预测到优化配送路径，喜力在供应链的每一个阶段都利用了数据。数据为喜力的合作规划、预测和补货流程提供了信息，以消除整个链中的低效率。通过数据分析，厂家可以在出现高库存、长生产或补货提前期、以及产品需求的季节性变化时调整生产线。

喜力也不会放过物联网的潜力。根据麦肯锡全球研究院的报告，到 2025 年，物联网预计一年将产生高达 11 兆 1000 亿美元的经济价值。

喜力啤酒利用 Shopperception 传感器与沃尔玛超市合作了试点项目，Shopperception 公司主要使用传感器分析消费者在货架前的购物行为，并使用它收集的数据创建实时事件来带动更多的转换。这个项目帮助他们收集了六瓶装或一罐喜力啤酒是如何离开商店的数据。啤酒商和零售商可以评估所有收集到的数据，以便更好地了解购买喜力啤酒的顾客，以及商店卖啤酒的最佳地点，以及应该何时出售。

喜力还拥有强大的社交媒体，并与 Facebook 和谷歌建立了合作关系，以更好地了解他们的客户。现在，凭借这种洞察力，喜力可以创造个性化和事件驱动的营销体验。

总结

毫无疑问，AI 将会帮助我们解决很多挑战，每个人都将从 AI 技术中获得好处。那些有能力实施 AI 技术的公司将会拔得头筹。那么，2018 年的关键问题将会变成：我们如何能够确保除了科技巨头之外的所有公司都能够用上 AI 技术？