德勤：AI案例精選（88頁）.pdf

1、AI案例精選人工智能研究院 AI案例精選 | 人工智能研究院1目錄01介紹202消費行業403能源、 資源和工業(ER&I)1604金融服務業 (FSI)2805政府和公共服務 (GPS)4006生命科學與健康管理5207技術、 媒體和電信 (TMT)7408結論87 AI案例精選 | 人工智能研究院2 AI案例精選 | 人工智能研究院經過幾十年的科學幻想， AI （AI） 已經躍升到了現實， 并迅速成為競爭的必需品。 然而， 在當前AI發展和應用的狂潮中， 許多領導者和決策者仍然對AI能為他們的企業做些什么存在重大的疑問。 本文重點介紹了六大行業中數十個最引人注目、 可應用的AI案例。 每個

2、案例都歸納了關鍵業務問題和機會、 AI如何提供幫助以及可能的益處。 本文還包括每個行業的幾個新興AI案例， 這些案例預計將在未來產生重大影響。當然， AI的最佳應用因組織而異， 除了這里強調的應用外， AI還有許多引人注目的用途。 然而， 通讀本文可以使您更清楚地了解AI在當前和未來幾年的商業環境中能夠實現什么， 這樣您就可以明智地決定何時、 何地以及如何在您自己的組織中部署AI （以及你今天應該投入多少時間、 金錢和注意力） 。介紹Nitin Mittal美國AI聯合領導者咨詢Irfan Saif美國AI聯合領導者風險與財務咨詢 AI案例精選 | 人工智能研究院AI創造價值的6種方式綜觀所有

3、AI案例， AI通常有以下六種主要方式為企業創造價值:1轉變交互方式 改變人們與技術互動的方式， 使企業能夠以人的方式與人打交道， 而不是強迫人以機器的方式與人打交道。 示例使用能夠理解和響應客戶情緒的對話式機器人， 更有效地滿足客戶需求。推動創新 通過使用AI實現創新的新產品、 市場和商業模式， 重新定義戰場以及如何獲勝。示例根據從社交媒體挖掘的客戶需求和偏好推薦新產品和功能。 強化信任確保業務不受欺詐和網絡詐騙等風險的影響， 提高質量及一致性， 同時提高透明度， 增強品牌信任。示例在網絡攻擊發生之前識別和預測網絡攻擊。降低成本應用AI和智能自動化解決方案以實現價值相對較低且經常重復任務的自

4、動化， 可以通過提高效率和質量來降低成本。 示例使用自然語言處理實現數據輸入加快執行通過最小化延遲， 減少實現運營和業務結果所需的時間。示例通過使用預測性洞察創建合成試驗，加快藥物批準過程。 降低復雜性 通過更主動、 更具預測性、 更能發現規律的分析， 提高理解和決策能力。 示例通過預測機械維護需求， 以減少工廠停工時間。3 AI案例精選 | 人工智能研究院4 AI案例精選 | 人工智能研究院4AI 檔案 | AI案例精選消費行業AI檔案在我們看來，消費行業涵蓋了廣泛的業務，包括消費品、零售、汽車、住宿、餐飲、旅游和交通。這些看似完全不同業務的共同點是，它們都將重點放在服務客戶上，并共同解決當

5、前和未來的業務問題。與消費者相關的企業正在積極探索利用AI方案，涌現出許多有價值的案例。然而，AI的應用和成熟度因各種原因而不同，如：由于數據質量和復雜性而產生的可擴展性；組織結構與人才匱乏；缺乏信任。隨著時間的推移， 隨著AI技術越來越廣泛地為企業和消費者所接受，對AI建立信任的任務可能會變得越來越容易5 AI案例精選 | 人工智能研究院然而，對于大多數組織來說，最大的挑戰是從概念到規?；霓D變。對于與消費者相關的企業，這一挑戰可能特別困難，因為許多企業擁有大量歷史數據和分析平臺、分散的數據和分析操作，以及（在許多情況下）分散的權力和責任，無論是跨業務部門，還是跨獨立運營的特許經營企業。這通

6、常會導致數據不一致、質量差和可用性受限，這可能是AI系統的一個大問題，因為AI系統往往是數據密集型的（輸入的質量直接影響輸出的質量）。另一個常見的障礙是實現業務和IT利益相關者的一致和整合。通常，AI用于組織的孤立區域，有時與IT合作，有時不使用AI。然而，為了在規模上實現AI的全部優勢，業務和技術集成計劃（以及變革案例）非常重要。類似地，在許多組織中仍然缺乏對AI的信任，以及AI可以和應該做什么。解決這一問題應包括協調變更管理方法，以便與領導者和團隊溝通，并聽取/解決他們的擔憂。對于無法直接控制這一關鍵要素的企業來說，大規模部署AI可能很難實現。 隨著時間的推移，隨著AI技術越來越廣泛地為企

7、業和消費者所接受，對AI建立信任的任務可能會變得越來越容易。每一次成功的AI部署都會促進一個良性循環，提高人們對AI的理解，并有助于擴大未來AI應用的規模和范圍。此外，由于這些學習算法和解決方案減少了提供見解和決策行動所需的工作量，由此帶來的運營改進通常會增加信心，并提高投資回報。展望未來，面向消費者相關業務的AI系統預計將變得越來越自主，改變公司的貨物運輸方式，提高流動性，改變他們管理員工的方式，同時在整個生態系統中日益相互關聯，使AI能夠從從頭到尾為業務流程增值。6可能的益處提高效率和效益。AI可以幫助一家公司在其全球地面、 空中和海上業務范圍內有效地擴展其業務，提高效率和效益。減少停機時

8、間和維護成本。技術可以減少與維護相關的成本和停機時間更高的收入。AI有助于改善物流定位， 以更好地滿足需求并實現收入最大化。 AI案例精選 | 人工智能研究院不僅僅是車隊改進（車隊網絡優化）使用AI和機器學習為地面和空中飛行創建優化的網絡計劃，最大限度地提高業務線內部和跨業務線的效率。問題/機會不高效的網絡計劃每年花費數百萬美元。另外，據商業雜志報道，85%的船方和收貨人認為他們的行業在實施新技術方面明顯落后于其他行業。 AI如何提供幫助 優化車隊利用率和空車重新定位。公司可以使用機器學習和預測分析來優化其車隊利用率和空車重新定位。最初，可以通過人在回路的方法實現，AI模型為駕駛員和規劃者提供

9、實施建議。然而，隨著時間的推移，隨著模型的學習，優化過程可以演變為更加自動化和規范化。實現實時決策。AI系統可以實時獲取和處理各種數據，包括交通、天氣、路況和其他運動數據的信息。這可用于實現變更流程自動化，讓駕駛員和規劃者面對意外情況時高效地做出最佳決策。 AI案例精選 | 人工智能研究院下一階段是個性化（連接客戶）7可能的益處增加收入。 提高對客戶的需求認識可以帶來更高的收入。 更好的客戶體驗。 對問題模式和問題的深入理解有助于公司改善客戶體驗 。 降低成本。AI和機器學習可用于處理日常任務， 使客戶服務中心能夠以更低的成本更高效地運作 。 通過整合平臺，利用AI、機器學習和自然語言處理的強

10、大功能，實現個性化并改善客戶體驗。 問題/機會據Gartner稱，CRM的最大細分市場是客戶服務和支持，在2018年占CRM市場的36%。3然而，盡管該細分市場的規模和成熟度都很高，但公司需要繼續積極跟上競爭對手的步伐，以便在多個層面上提供一致的客戶服務，維護客戶忠誠度，并為新數字商業生態系統帶來的干預做好準備。在整個客戶旅程和生命周期中，現在可以使用機器學習、對話AI和自然語言處理跨所有渠道實現客戶體驗的個性化。 AI如何提供幫助 自動化客戶交互。聊天機器人和虛擬客戶助手已成為一些組織的熱門話題，這些組織希望重新設計和提升客戶服務體驗。 使用IoT感知客戶情緒和需求。 基于AI和物聯網的整合

11、客戶服務平臺，使客戶服務提供商能夠感知互聯客戶的情感和需求。 實現客戶體驗的個性化。使用機器學習和動態數據，企業可以提供實時建議和決策支持，從而在每次互動的前、中、后實現定制的客戶體驗，提高客戶終身價值和忠誠度。8可能的益處更及時、 成本更低的產品組合規劃。通過使用AI技術實現產品組合規劃過程的自動化， 零售商可以實時分析消費者的期望， 同時避免年度手動審查的運營成本更有效的庫存決策。AI可以生成更準確的產品推薦， 使零售商能夠就庫存做出 更明智的決定 。產品組合與匹配（商品分類計劃優化）使用AI來確定哪些商品應該增加庫存或替換，以優化銷售、利潤、庫存和客戶滿意度。問題/機會 傳統的產品組合優

12、化方法成本高、速度慢、容易出現人為錯誤，并且依靠每年一次的手動審查無法最大限度地提高產品的可靠性和可持續增長，而且手動審查無法滿足當今消費者快速變化的期望。使用AI進行產品組合優化可以幫助零售商做出更好、更可持續的決策，以有效地為客戶提供他們需要的產品。AI如何提供幫助 預測消費者需求和下一步行為。AI分析可以根據過去的購買行為預測消費者的下一步行為及其對市場趨勢的反應。這使零售商能夠更好地了解哪些商品預計需求量較大，從而能夠更明智地決定哪些商品需要優先進貨。分析多源的客戶數據。神經網絡可以挖掘和分析來自相關品牌、競爭對手和社交媒體的數據，然后將這些見解與零售商客戶的消費行為進行比較，幫助以更

13、低的成本開展更準確的產品組合預測。此外，算法可以在數據發生變化時自動更新結果，使零售商能夠實時跟蹤消費者的需求。閉合供求循環（消費者需求規劃、 預測和營銷）9可能的益處前所未有的個性化水平。AI使營銷人員能夠處理和分析大量數據， 并了解每個消費者。改善供應鏈性能， 減少缺貨。需求規劃和預測中的機器學習可以幫助企業實現收入最大化， 提高利潤率， 優化庫存， 同時最大限度地減少產品因意外需求而缺貨的情況。改進決策。AI技術可以幫助商業領袖改進他們的決策更快做出不太重要的決策 。 AI案例精選 | 人工智能研究院使用AI來擴大營銷，改進需求規劃和預測。問題/機會 隨著消費者使用的銷售渠道數量持續增長

14、，零售商應該繼續改進他們跨多個銷售渠道的計劃，以及他們如何處理中斷。這通常需要利用AI來提升需求規劃優化能力。在過去，營銷解決方案只能根據一組固定的假設和狹義定義的輸入輸出做出決定。盡管這樣的解決方案可以在宏觀層面上提供有用的洞見，但它們往往難以擴展，而且很大程度上缺乏查看受眾具體情況的能力。然而，利用AI，營銷人員現在可以更多維的分析消費者習慣。AI如何提供幫助 了解消費者需求。AI可通過分析宏觀經濟因素和競爭對手活動等廣泛因素，更深入地了解消費者需求。更準確地定義細分市場。AI允許營銷人員從受眾中創建高度專注、細分的群體，產生更深刻的見解，并增加數據點之間的聯系。分析產品集群。AI可以檢查

15、產品集群，并揭示類似和對比產品組的隱藏需求模式。自動化決策。AI可以幫助自動規劃涉及明確因果關系的決策，讓規劃者將時間和注意力集中在因果關系不太明顯的更復雜的情況上。AI時代的客戶聯系（數字呼叫中心）10可能的益處通過更少的人工參與， 提高了客戶滿意度。AI有助于提高呼叫中心的整體績效指標 （包括客戶滿意度） ， 同時減少解決客戶問題所需的人工干預 。降低成本。更少的人工干預意味著更低的運營成本， 因為支持AI增強的呼叫中心所需的勞動力會大大減少 。更有效的互動。對于某些查詢， 與基于AI的機器人交互比與人工更方便、 更高效， 從而帶來更好的客戶體驗。使用AI技術，如自然語言處理和機器學習，改

16、善呼叫中心體驗和總體客戶滿意度。問題/機會 客戶與呼叫中心的交互會極大影響客戶的滿意度和忠誠度。同時在疫情下，呼叫中心面臨著前所未有的挑戰，包括工作量大、IT預算低和勞動力的嚴重短缺。呼叫中心多年來一直提升自動化水平，以應對這些挑戰。然而，到目前為止，大多數交互式語音應答（IVR）系統和聊天機器人都依賴于基本的單詞識別和簡單的文件檢索，而且對談話內容不敏感，給客戶提供了次優體驗。使用AI技術（如自然語言處理和機器學習）的數字呼叫中心可以更具預測性和先進性，顯著改善客戶體驗，同時減少人工參與的需求 。使用AI技術，如自然語言處理和機器學習，改善呼叫中心體驗和總體客戶滿意度。AI如何提供幫助 AI

17、技術，如自然語言處理和機器學習，使呼叫中心系統更加復雜和具有預測性，顯著改善客戶體驗，同時減少24/7人工參與的需要；允許客戶服務代表專注于更多增值任務。語音虛擬助手?；贏I的自然語言工具和機器學習模型可用于構建語音虛擬助手，提供更高效、更具吸引力、更人性化的客戶體驗。這些工具可以訓練聊天機器人回答問題、安排預約和接聽電話，并將客戶推薦給最適合處理其請求的部門。智能跟進。使用AI技術的實時分析可以通知呼叫中心何時跟進之前的客戶互動。全渠道質量管理。使用預測分析和情感分析，可以監控所有數字渠道上的所有互動，提供關于客戶和呼叫中心員工的寶貴意見。這可以為管理者提供實時信息，以便對員工進行再培訓或

18、為客戶制定下一步最佳行動。 AI案例精選 | 人工智能研究院11 AI案例精選 | 人工智能研究院消費行業中新興的AI案例購物的未來 （自動商店）使用AI實現零售店自動化， 可以讓零售店在 無人看管的情況下運營。實體零售商面臨的最大挑戰之一是找到與在線競爭對手的成本效率相匹配的方法， 同時通過提供親身體驗和令人滿意的本地體驗， 繼續實現差異化。 有了自主商店， 深度學習軟件與攝像頭和傳感器相結合， 可以識別商店內發生的一切 （包括人們的動作、 表情和動作） ， 使商店能夠在幾乎沒有或根本沒有人參與的情況下保持充足的庫存和運營。 它可以是全方位服務和自助服務近乎完美的結合。 AI案例精選 | 人

19、工智能研究院消費行業中新興的AI案例我們到了嗎？ （自動駕駛）使用AI自動駕駛車輛。對許多人來說， 開車是他們寧愿避免的瑣事。 對于許多公司來說， 卡車運輸和其他與駕駛相關的活動只是消耗寶貴資源并使組織面臨重大風險的業務成本。 AI即將極大地改善駕駛體驗人類駕駛員完全是可選的。 自動駕駛將車載傳感器和定位技術與基于AI的決策模型相結合， 旨在減少人為錯誤， 并在轉向、 剎車和導航方面做出更智能、 更明智的決策。 目標是創造更安全、 更便宜、 更高效的駕駛能力減少事故， 解放人類， 讓他們專注于更有價值、 更令人滿意的活動。 AI案例精選 | 人工智能研究院12 AI案例精選 | 人工智能研究院

20、13 AI案例精選 | 人工智能研究院消費行業中新興的AI案例合身和智能（時尚科技）使用AI即時判斷哪些衣服最適合顧客的尺寸和體型。尋找合適的物品是服裝購物中最糟糕的部分之一。 從消費者的角度來看， 在購買階段這可能是一個耗時的事情， 而且往往會導致不滿和退貨。 從零售商的角度來看， 這可能是一個更大的問題，需要大量的庫存和款式； 擁有豐富經驗和專業知識的銷售人員可以引導客戶購買正確的商品； 不開心的顧客； 以及處理退貨的時間和費用。 結合機器學習、 計算機視覺和3D掃描的系統可以通過讓購物者站在攝像機前實時獲取購物者的測量值來幫助問題最小化。 然后， 可以將這些測量值與服裝數據庫進行匹配，

21、以找到最佳款式， 提高客戶滿意度并降低退貨成本。 AI案例精選 | 人工智能研究院消費行業中新興的AI案例你的健康方式 （個性化的衛生、 健身和健康）將AI與可穿戴和不可穿戴設備結合使用， 以監測人們的健康狀況， 并提供實時反饋和指導。想象一 下這樣一個世界， 可以實時地根據每個人獨特需求量身定制健康體檢， 同時還可以從其他人那里獲得的集體知識和經驗中受益。 有了機器學習和其他AI技術， 系統可以根據來自數百萬用戶的數據， 隨著時間的推移進行培訓， 實現數據驅動的個性化指導， 推動行為改變， 幫助管理和預防慢性疾病。 這就是衛生和健康的未來， 隨著AI(以及智能手表等設備的普及)的最新進展，這

22、一趨勢已經開始顯現。14 AI案例精選 | 人工智能研究院 AI案例精選 | 人工智能研究院15消費行業中新興的AI案例AI個性化的悖論 （服務體驗現代化）在許多情況下， 使用AI改變客戶服務體驗 （以及如何提供服務） ，讓客戶能夠自動、 輕松地獲得服務。諷刺的是， 如果將更多的機器和AI技術引入客戶服務體驗中， 實際上會讓服務變得更加個性化， 但事實就是這樣。 通過在客戶旅程中應用AI， 客戶服務體驗、 流程和互動正從人到人到機器， 最終是機器到機器， 使客戶能夠以越來越方便、 高效和有效的方式得到服務， 但矛盾的是， 也越來越個性化， 每個人的需求都被自動、 自主地解決了 。 AI案例精選

23、 | 人工智能研究院 AI案例精選 | 人工智能研究院16能源、 資源和工業 （ER&I） AI檔案與大多數其他行業相比，AI在能源、資源和工業（ER&I）領域的應用和部署似乎不夠廣泛和成熟。 到目前為止，ER&I領域的大型AI成功案例較少，因此需要立即采取行動的競爭壓力也較小。盡管大多數ER&I公司通常認識到AI的重要性，并認為AI是一種必要的能力，可能會極大地影響其未來的運營和競爭能力，但迄今為止，大多數工作僅限于小規模試點和專注于少數業務部分的概念驗證。使用AI來擴大營銷，改進需求規劃和預測。 AI案例精選 | 人工智能研究院17 AI案例精選 | 人工智能研究院AI應用和部署增加的主要

24、挑戰主要圍繞數據。與其他許多以數字、數據為中心的行業不同，ER&I仍然圍繞物理工作和物理資產展開，其中許多資產在地理上分散，與數字網絡斷開。IoT相關技術的廣泛應用開始填補這一數據空白。但是，為了使結果數據有用，需要及時組織、捕獲和分析生成的數據。此外，還應利用邊緣計算和邊緣AI技術，及時處理和分析網絡邊緣分散位置的數據。對于大多數ER&I公司來說，下一步的當務之急是建立一個具有AI、數據科學和數據工程專業知識的內部團隊，作為所有AI相關活動和投資的協調中心。該團隊將協調公司業務生態系統中的AI活動，同時提供一組核心的內部AI資源和能力，可根據需要從外部進行補充。此外，該團隊將在整個企業使用A

25、I方面提供一個廣泛、平衡和明智的觀點。ER&I中太多的AI計劃和愿景要么過于戰術化和技術化（過于狹隘，往往強調令人興奮但不是很有用的技術能力），要么過于戰略性和雄心勃勃（實施起來太困難、太昂貴，需要目前不存在的數據和先進能力）。為了在AI方面取得成功，ER&I公司應先了解企業哪些業務最適合AI，在此基礎上制定戰略和路線圖。早期，ER&I中AI的一個重點領域是使機器維護更具預測性。如今，另一個備受關注的重點領域是利用AI改善與客戶和現場工作人員的互動。此外，一些ER&I公司開始探索AI的使用，以幫助他們應對極端天氣和其他難以預測的事件。通過利用AI視覺和其他先進AI技術的力量，公司可以監控和分析

26、大量信息，包括來自現場傳感器、無人機視頻和天氣雷達的數據，其及時性、準確性和徹底性是僅靠人類無法實現的。 在機器幫助人類變得更有效率這一理念的基礎上，AI對ER&I的最大影響可能是幫助企業解決未來的勞動力缺口。拜登政府對基礎設施的數萬億美元承諾預計將大幅增加整個ER&I的商業活動，但也可能造成工人和專家的嚴重短缺。AI可以承擔更多以往人類所從事的工作來幫助解決這一差距，因為人類需要做大量的準備分析和繁重的工作，因此人類可以專注于需要人類特有的技能和專業知識的活動。使用AI優化工業機器性能，預測故障，并通過物聯網賦能的資產監控通知維護要求。問題/機會 機器維護通常是成本節約的重要方面，因為工業制

27、造商計劃外停機的成本每年約為500億美元。4工廠資產的預防性維護，傳統上依賴于平均故障時間來確定何時應安排維護（在服務日志中記錄故障和故障，以分析歷史性能）.然而，隨著工業物聯網市場的增長和物聯網傳感器在工廠中的普及，工業制造商現在有了一個寶貴的機會，可以利用物聯網數據和AI做出更明智的決定，決定何時維修或更換機器，幫助工廠以更低的成本最大限度地提高生產產量。 AI如何提供幫助 更好地預測和計劃必要的維護和停機時間。通過實時監控機器和收集反饋數據，AI技術可以分析每臺機器的模式，以確定其實際維護需求，并創建一個定制的時間表，最大限度地減少工廠車間的整體停機時間。此外，隨著對歷史數據的收集和分析

28、，AI可以幫助工廠經理更加主動地安排維修停機時間。 主動發現并消除隱藏的質量問題。 隨著時間的推移，AI可以學會識別物聯網傳感器數據中的規律，以確定哪些機器部件最有可能出現故障。這些結果可以進一步分析，以了解關鍵部件性能與產品輸出質量之間的相關性。有了這些AI驅動的見解，工廠經理可以更加準確地了解他們需要維護的零件，甚至可以提供反饋，幫助設備制造商改進經常發生故障的關鍵零件。 減少停機時間 （預測性機器維護） 18可能的益處降低維護成本。即使采用目前最好的預防性維護措施， 工廠資產的維護仍然是一項巨大的成本。 AI可以實現維護效率大規模提升和成本節約。 主動維護和減少停機時間。 隨著IoT傳感

29、器變得無處不在， 由此產生的傳感器數據可以用于分析， 以更好地了解機器性能和故障臨界點， 幫助工廠經理更主動地安排停機時間， 同時降低維護和人工成本。 AI案例精選 | 人工智能研究院使用基于邊緣AI的IoT解決方案來優化生產和規劃流程，并減少意外停機時間。問題/機會到2027年，5物聯網市場預計將達到2.4萬億美元，特別是在注重IoT的ER&I行業。這一驚人的增長將使數據收集的數量和復雜性以及工廠、資產和工業終端的可操作洞察力急劇增加。更高的數據量會導致延遲增加，并且會大大增加對網絡邊緣處理能力和安全性的需求。為了處理所有這些新的IoT數據，并及時有效地處理這些數據，公司應該考慮利用邊緣計算

30、和AI的IoT解決方案。AI如何提供幫助 在網絡邊緣運行高級計算算法。緊湊的、支持GPU的深度學習加速平臺（如DLAP x86系列）使運行高級計算算法成為可能，而無需使用云數據存儲或外部計算系統。提高數據安全性。在邊緣設備上本地存儲和處理數據可以減少安全漏洞的數量，并消除對第三方數據存儲解決方案的需求，這些解決方案可能容易受到網絡攻擊。使IoT解決方案成本更低、效率更高。 通過消除對云存儲和處理的需求，邊緣AI技術通常比傳統IoT解決方案更具成本效益，傳統IoT解決方案要求公司在考慮硬件設備和網絡帶寬成本的同時還要考慮存儲成本。實現更快的決策。更快的數據采集和邊緣AI處理能夠快速做出復雜決策。

31、例如，通過在邊緣聚集歷史數據、實時傳感器數據和地質模型，可以將為油井布置創建地質模型所需的時間從數月減少到數小時。邊緣的AI（用于生產和規劃的邊緣AI） 19可能的益處競爭優勢。在創新能力競爭中， 公司需要能夠在網絡邊緣快速高效地提供復雜分析的IoT解決 方案。以較低的成本提供及時、 可操作的見解。邊緣AI技術可以提供一條途徑， 使越來越多的IoT傳感器數據能夠以比傳統IoT技術更快的速度和更低的成本進行分析。提高運營效率， 減少停機時間。邊緣AI支持數十個有針對性的ER&I案例， 這些案例可以簡化運營決策并減少計劃外停機時間。20使用AI技術進行實時分析 來自現場傳感器網絡的數據（結合科學知

32、識模型和各種環境/外圍因素的信息，如地震活動、鉆井日志、巖心、完井設計、生產數據和維護記錄）。 問題/機會 下游油氣作業的多學科性質要求結合科學知識模型對實時傳感器數據進行分析。同樣，上游能源作業要求對復雜和非結構化數據進行深入分析，如空間、地質、地球物理和化學數據，以監控生產資產并評估勘探和鉆井機會。 來自智能傳感器和其他成像技術的數據量不斷增加，這為AI創造了一個機會，可以發現復雜、不易察覺的規律，而這些對于人類來說是不切合實際的。然而，目前還沒有統一的數據標準來幫助分析這種廣泛多樣的數據。此外，分析和解釋數據的現有流程需要大量時間，可能會產生意外結果，造成重大財務和安全風險。 AI如何提

33、供幫助 實時監控現場資產。光纖光學等井下傳感技術可以傳輸大量實時數據，以告知油井和管道的運行情況。通過異常檢測和預測建模，可以快速分析這些數據，以提醒運營部門注意泄漏或故障，并預測油井的日產氣量。確定和評估勘探機會。 復雜的系統，如認知發現平臺，可以將現場傳感器的地質數據與現有的公共和私人數據庫以及科學模型相結合，創建知識圖。然后，機器學習算法可應用于這些知識圖，以識別油氣勘探機會并評估相關的財務風險。理解傳感器數據（現場傳感器數據分析）可能的益處改進監測和預測。 將AI技術 （如異常檢測算法和機器學習） 應用于現場傳感器數據， 可以改進生產資產監控和性能預測。更可信的探索。 通過AI分析現場

34、傳感器數據可以在整個勘探過程中提升可信度。 AI案例精選 | 人工智能研究院使用AI技術，如自然語言處理（NLP），讓現場工作人員輕松獲取關鍵信息。此外，使用計算機視覺和機器學習算法來感知危險的工作條件并自動生成警報。問題/機會 鑒于油氣田工作的危險性和復雜性，維修人員、鉆井工人和操作員需要在工作中及時、全天候地獲取可靠的信息和支持。目前，大多數石油和天然氣工人依靠人工呼叫中心提供信息和緊急援助。然而，這些呼叫中心全天候運行的成本很高，并且不能提供始終如一的高水平服務。在降低生產成本的同時提高效率的壓力越來越大，這促使油氣公司考慮使用自然語言處理(NLP)和機器學習(ML)等AI技術，以增強或

35、取代呼叫中心和其他基本管理的職能部門。AI如何提供幫助 整合多源的結構化和非結構化數據。智能AI助手平臺可以將內部企業數據與多種格式的公共可用信息相結合，包括：文檔、電子表格、演示文稿、網頁、電子郵件和API。 為現場工作人員提供輕松獲取信息的途徑?，F場工作人員可以通過門戶網站、移動應用程序、消息會話和智能揚聲器訪問整合數據。使用對話AI支持各種場景。 對話AI可以通過對現場工作人員的信息請求應用自然語言處理（NLP），然后查詢內部和外部數據的整合數據庫來獲取請求的信息，從而為現場工作人員提供支持。石油和天然氣的典型用途包括：安全指南；實時統計油井作業情況；會議和電子郵件的詳細信息；以及業務見

36、解，如歷史和預計運營成本。 21現場作業方面（現場勞動力支持和安全）可能的益處更及時、 更可靠地訪問關鍵信息。對于需要實時訪問關鍵信息的現場工作人員， AI技術可以以比傳統呼叫中心更容易訪問和準確的方式提供答案、 警報和見解。為現場工人提供更大的便利。對話式AI可以讓員工通過各種現場友好設備和渠道輕松地請求信息。 持續運行（公用事業服務中斷預測）22使用AI算法和預測分析預測能源負荷和需求減少服務中斷的峰值，并預測必要的中斷時間及時長。 問題/機會 對公用事業企業來說，過度生產能源是昂貴和浪費的，長期儲存能源也是如此。然而，供電不足使得一些地區在高峰時段容易出現服務中斷。能源消費者越來越期望更

37、廣泛的能源選擇，具有更高的透明度和更低的成本，這給公用事業公司帶來了壓力，要求他們對所提供的產品和服務更加慎重。 AI如何提供幫助 更好地預測能源需求和停電。 機器學習模型可以識別能源市場的歷史趨勢，以便更準確地預測負荷和需求峰值，幫助確保充足的能源供應。其他因素，如天氣預報、特殊事件和供應方約束，可以包括在模型中，不僅可以預測需求，還可以預測必要的服務中斷時間及時長。 主動提醒客戶故障和解決時間。當服務提供商能夠更好地處理需求高峰和其他風險因素（如惡劣天氣）時，客戶可以從預測性AI中獲益。然而，當服務中斷不可避免時，預測性AI還可以幫助公用事業公司向其客戶發出警告，并根據預期的解決時間不斷更

38、新?？赡艿囊嫣幐俚耐C。預測分析可以幫助公用事業公司考慮實時預測和歷史數據， 為能源緊張時期做好準備。 改善客戶服務。準確的預測性洞察可以通過實現早期停機警告和準確的停機持續時間估計來改善客戶服務。 減少了運維費用。有了AI， AI技術資產的運營費用 （OpEx） 可以減少和/或用資本支出 （CapEx） 代替， 如與大修相關的勞動力和設備成本。 23 AI案例精選 | 人工智能研究院能源、 資源和工業領域新興的AI案例 快速研發材料（材料信息學）使用AI和數據管理技術加速材料和化學品的發展。 傳統上， 開發新材料和化學品是一個復雜、 耗時的過程， 需要大量的猜測、 反復試驗和艱苦的手工研究

39、。 但由于AI的進步， 這些步驟正在被簡化或取消。 AI驅動的過程包括建立和維護材料和化學品開發數據的綜合數據庫， 自動將技術文檔轉換為結構化、 可搜索的數據庫， 然后使用機器學習和高級分析技術挖掘數據， 并在短時間內發現高性能化合物。 AI模型可以預測新材料、 化學品和配方的性能， 并可以建議下一步進行哪些實驗， 幫助研究人員避免重復實驗并快速找到相關數據集。 潛力如何， 以前所未有的速度開發新的化學品和材料。 AI案例精選 | 人工智能研究院23 AI案例精選 | 人工智能研究院更智能的供應鏈 （算法供應鏈規劃）使用AI提高供應鏈透明度， 優化運輸路線， 最大限度地減少交付中斷。COVID

40、 - 19大流行生動地說明了意外事件可能對全球供應鏈造成的破壞性影響。 值得慶幸的是， AI可以幫助世界在未來避免類似的混亂。 通過分析當今供應鏈產生的大量數據， AI可以預測各種各樣的意外事件， 比如天氣沖擊、 運輸瓶頸和勞工罷工， 幫助預測問題， 并圍繞這些問題改變運輸路線。 AI還可以顯著改善其他關鍵供應鏈領域， 包括需求預測、 風險規劃、 供應商管理、 客戶管理、 物流和倉儲。 潛在的結果是提高經營效率和營運資金管理;提高透明度和問責制;更準確的交付估計;更少的供應中斷。 AI案例精選 | 人工智能研究院24能源、 資源和工業領域新興的AI案例 AI案例精選 | 人工智能研究院25 A

41、I案例精選 | 人工智能研究院制造業的數字沙盒 （數字孿生工廠）使用傳感器數據和AI創建和分析真實世界機器和工廠的數字模型， 從而在不中斷生產的情況下改進運營。試圖在不中斷生產的情況下優化生產操作， 就像試圖在賽車以200英里/小時的速度在賽道上疾馳時更換輪胎一樣。 解決方案是什么？ 支持AI的 “數字孿生兄弟” 。 數字孿生兄弟是物理設備或系統的虛擬表示， 實時反映其確切元素和行為。 來自眾多來源的傳感器數據以及歷史數據與機器學習和高級分析相結合， 以創建數字模型和空間圖， 不斷匹配其物理對應的狀態、 位置和工作條件。 這些精確的數字模擬使公司能夠在不中斷日常運營的情況下進行廣泛的分析和優化

42、實驗。 這是一個虛擬過程， 可以帶來真實世界的好處。能源、 資源和工業領域新興的AI案例 AI案例精選 | 人工智能研究院避免工業災難（虛擬工廠操作員助理）使用AI幫助電廠操作員更有效地執行工作， 減少災難性錯誤的風險。傳統的工廠控制系統嚴重依賴于人工操作人員的監控。 然而，大部分時間， 這些操作人員都坐在控制室里， 幾乎沒有什么事可做， 這使得他們很容易失去注意力或技能下降。 AI可以補充操作員的能力， 幫助他們做出更好的決定， 避免人為錯誤， 特別是在壓力水平可能超出圖表， 每一秒都很重要的關鍵情況下。 在概念上， 這類似于汽車相關的AI功能， 如自動駕駛和車道輔助， 旨在幫助人們更安全、

43、 更有效地工作， 但也適用于不那么常見的復雜工業活動， 這些活動產生嚴重后果的可能性更大(如化學爆炸或核熔毀)。 在這樣的關鍵情況下， 操作人員需要得到所有可能的幫助， 尤其是來自AI的幫助， 因為AI不會受到壓力的影響。 AI案例精選 | 人工智能研究院26能源、 資源和工業領域新興的AI案例 AI案例精選 | 人工智能研究院27 AI案例精選 | 人工智能研究院AI可以補充操作員的能力， 幫助他們做出更好的決策， 避免人為錯誤， 特別是在壓力水平可能影響圖表和每秒計數的關鍵情況下。 AI案例精選 | 人工智能研究院 AI案例精選 | 人工智能研究院28金融服務行業AI檔案除了眾多完全接受A

44、I的金融科技公司外，金融服務業（FSI）的大多數公司仍處于AI采用和投資的早期階段。盡管FSI領導人普遍認識到并承認AI對其業務的潛在影響，且AI是該行業未來不可避免的一部分，而未來增長和競爭力的主要動力迄今為止，大多數AI投資和服務僅限于小規模試點和專注于狹窄的業務部分。 AI案例精選 | 人工智能研究院29AI正在幫助聊天機器人和IVR系統變得比以前更加智能和復雜， 提高自動化客戶交互的質量， 無縫集成和協調多個交互渠道。對于大多數FSI公司來說，重要的下一步是停止涉足AI，并開始擁抱AI并將其產業化，以便AI解決方案可以在整個企業中大規模部署。這可能需要核心構建塊，如企業范圍的數據治理和

45、利用AI和數據能力的明確戰略。僅僅在這個問題上投入更多的錢是不夠的。在金融服務行業，一個持續受到廣泛關注的重點領域是利用AI來改善客戶體驗，不僅針對公司的終端客戶，還針對其內部客戶，如代理人、經紀人和財務顧問。例如，AI正在幫助聊天機器人和IVR系統變得比以前更加智能和復雜，提高自動化客戶交互的質量，無縫集成和協調多個交互渠道。同樣，在客戶的整個生命周期中，從個性化營銷活動和促銷到推薦個性化的次優行動和計劃，預測性AI正被用于更徹底、更有效地與客戶溝通。AI的另一個迅速出現的應用領域是自動化和增強關鍵的FSI流程，如欺詐檢測、支付處理、現金對賬、承保和索賠管理。其中一些過程是高度重復和勞動密集

46、型的，這使得它們成為自動化的首選。其他人可以從改進的見解中獲益匪淺，并且數十年來一直在使用目標分析法；然而，AI正在將這些分析能力和洞察力提升到一個全新的水平。產業融合是AI推動的另一個關鍵趨勢，它不僅僅局限于金融技術。在數字數據爆炸的推動下，AI技術正在為模糊傳統產業線的全新產品、服務和商業模式提供支持。而這一行業融合的速度、規模和范圍似乎只在不斷擴大。 從長遠來看，一個幾乎肯定會在金融服務行業扎根的重要趨勢是，利用AI和數據來打破部門豎井，產生跨越整個價值鏈的見解。 （例如，使用來自保險聊天機器人的數據通知承保流程）。然而，利用這些廣泛、大規模的AI的機會需要前面提到的企業級AI構建一系列

47、能力，它們仍在開發中。30使用AI和機器學習檢測銀行價值鏈中的交易和收購欺詐。問題/機會 根據美國銀行家協會（American Bankers Association）的數據顯示，2016年金融業的欺詐損失約為22億美元，2018年將增至約28億美元。6銀行需要更快速、更準確地預測和發現欺詐，以減少年度欺詐損失，更好地管理欺詐解決客戶體驗，提高客戶和合作伙伴的信任度和合規性 AI如何提供幫助 實時監測欺詐行為。銀行已經部署了機器學習模型，可以監測實時交易的可疑數據，并立即發出警報。 發現人工不注意的可疑活動。銀行使用AI模型可以在大量數據中快速準確地識別的可疑活動，而人們經常忽視這些活動。這將

48、使銀行能夠分析可疑交易和轉賬，這些交易和轉賬可能表明某個賬戶被用來隱藏犯罪活動的資金并使之合法化。此外，AI可以幫助減少誤報的數量，從而降低合規成本。 標記消費者交易欺詐。機器學習模型通過研究傳統和非傳統數據中的歷史交易模式，然后使用異常檢測發現異常賬戶活動，可以預測未來交易中的潛在欺詐。這使得銀行能夠發現其遺留欺詐分析引擎可能忽略的問題。打擊欺詐（銀行欺詐分析） 可能的益處減少欺詐， 提高信任。銀行可以使用AI監測模型顯著減少整體欺詐， 從而提高客戶信任度 和整體客戶體驗。 減少人工審計， 降低欺詐檢測成本。 AI支持的欺詐檢測模型可以減少人工審計的需要， 從而潛在地降低銀行欺詐檢測操作的總

49、體成本。 AI案例精選 | 人工智能研究院31使用聊天機器人和虛擬助手等對話AI解決方案來處理一系列面向消費者的活動從幫助消費者找到更好的信用卡或取消不必要的賬戶，到協商收款。問題/機會 近年來，消費者對遠程理財能力的需求大幅增長，給客戶服務呼叫中心和代理帶來了挑戰。銀行可以通過使用對話AI來緩解壓力，提供個性化的財務計劃，加強客戶關系，甚至自動化收債活動。AI如何提供幫助 在沒有人為干預的情況下為客戶提供建議。機器顧問可以使用數據分析和回歸模型分析客戶當前的財務狀況、目標和投資利益，然后通過電話或聊天機器人提供量身定制的財務建議（如稅收損失收集、目標規劃、退休規劃和自動資產投資），無需咨詢人員的意見。自動催收債務。許多日常監視和管理任務可以使用支持AI的RPA技術實現自動化。這些AI技術可以向客戶發送自動提醒，跟蹤效果，并以最少的人力投入和監督向團隊推薦下一步計劃。通過聊天機器人和其他自然語言應用程序為客戶提供服務。自然語言處理（NLP）模型可用于開發聊天機器人和其他客戶服務應用程序，以了解客戶的典型消費行為，提供量身定制的服務，并讓銀行更好地全面了解客戶。AI系統可以推薦最相關的信用卡和支票賬戶，甚至提醒客戶哪些