【ZiDongHua 之方案应用场收录关键词: IBM   人工智能    智能牧场  机器视觉  】
 
  IBM 陈科典:以行业和技术专长加速场景落地,助企业化 AI 为生产力
 
  8 月 22 日,IBM 在北京召开“企业级 AI 的未来——IBM watsonx 大中华区发布会”,宣布新一代 AI 与数据平台 IBM watsonx 在中国市场落地。这个开放式 AI 技术平台将赋能企业使用可信数据,负责任、规模化地构建、应用和扩展领先的 AI 技术,提升竞争力。
 
  会上,IBM Consulting(IBM 咨询)大中华区总裁陈科典作为 IBM 企业级 AI “讲师团(发言人)”成员,分享了自己对于企业级 AI 的见解与实践经验,并回应了媒体感兴趣的问题。
 
  陈科典表示,在 AI 的不断发展和演进中,企业会不断产生新的 AI 需求,而 IBM Consulting 具备从战略到运营的端到端咨询服务能力和团队,可通过“授人以渔”帮助企业全方位构建 AI 能力。同时他强调,对于企业级的生成式 AI 来说,必须具备三大要素:即 AI 必须是可信的,是企业就绪的,同时是开放和可扩展的,IBM 也将遵循这些原则,依托 IBM watsonx 产品快速发掘大规模应用场景,与中国客户全方位共创可执行、可落地的企业级 AI 解决方案,将 AI 实实在在地转化成生产力。
 
  
 
  IBM Consulting(IBM 咨询)大中华区总裁 陈科典
 
  以下是对其发言的整理:
 
  精准定位场景让 AI 发挥更大作用
 
  Arvind Krishna 在 2020 年上任 IBM CEO 时就为 IBM 提出了一个非常清晰的定位与战略:IBM 是一家 AI(人工智能)与混合云公司。这个定位充分印证了他的远见卓识,因为他已经前瞻性地看到了 AI 将是企业必备的能力。同时这个定位还包涵了一个另重要的信息,那就是 AI 和 混合云并不是两个相互孤立的技术领域,因为,想要让 AI 发挥最大的的能力,一个好的混合云架构是至关重要的。
 
  他上任初期的另一个决定就是在 2021 年 10 月重新定义了 IBM 的咨询业务 ,成立了 IBM consulting 品牌。从此 IBM 业务简化成两大板块,IBM Consulting 和 IBM Technology(IBM 科技),这让两个事业部既能互补,同时也能更独立地和生态伙伴合作,壮大我们的业务。这次简化后的效果非常显著,我们已经连续 8 个季度实现正增长。
 
  其中 IBM Consulting 和 IBM Technology 互补最成功的当然是我们的 AI 和混合云相关主力产品——IBM Consulting 是 IBM Watson AI 和红帽混合云产品最大的咨询实施伙伴。而自从生成式 AI 问世以来,IBM Consulting 也大量参与了 watsonx 产品的研发,从而让 watsonx 能更快地为企业增能。
 
  为了让大家可以直观地认识到 IBM Watson 的 AI 力量。 我想和大家分享我们在温布尔登网球赛中的 AI 应用案例。
 
  温网可谓是大满贯赛事中粉丝数字(线上)互动的标杆。粉丝互动对体育赛事而言如此重要,乃至于成为所有赛事主办方最看重的 KPI,原因就在于它是赛事的重要变现手段——只有粉丝互动多,黏性高,赛事才能获得更多赞助和转播费等收益。也因此,粉丝互动是温网等赛事主办方希望应用包括 AI 等技术来不断提升的方面。IBM 作为温网官方技术合作伙伴已有 34 个年头,对此贡献颇多。在 2022 年温网首轮,7 届赛会冠军小威廉姆斯对战第一次获得温网正赛资格的 24 岁法国姑娘哈默尼·谭。比赛前,大多数网球迷都预测小威将晋级,但是 IBM Watson 预测哈莫尼的赢面为 53%。结果让球迷们大跌眼镜,小威苦战 3 小时不敌哈莫尼,IBM Watson 实现了准确预测!
 
  时间来到 2023 年法网期间,对于球迷高度关注的法网男单决赛,此时已经升级为 IBM watsonx 的 IBM Watson AI 再次准确预测了结果;对比之下,它的预测甚至击败了专长于此的一些体育博彩公司,这就是它的厉害之处。同样值得一提的是,到了 2023 年 watsonx 的时代,IBM 还启动了基于生成式 AI 的比赛视频精彩解说,这进一步提升了球迷的观赛体验。
 
  那么 IBM 的 AI 精准分析是如何实现的呢?
 
  其实,在精准预测背后,IBM 分析了上百万的数据点,结合了大量内外部数据,包括主观数据和客观数据,例如运动员过去几年在所有比赛中的表现,一发准确度和得分率、球速等非常客观的技术数据,同时我们也会对海量的媒体报道进行抓取分析,提取这些报道里提到的一些非客观的数据,比如说受伤和康复情况,还有运动员精神状态、承压能力等。
 
  IBM 将这些数据放在混合云架构上进行 AI 综合分析,从而得出对运动员和比赛的洞察,也通过这个功能,让温网球迷互动变得更有趣,丰富观赛体验。在这个过程中,IBM 作为混合云与 AI 公司的优势就体现出来了。因为这些海量数据是在不同的平台上存储的,既有温布尔登官方的私有云,也有公有云(甚至多个公有云),更有外部网站的数据。这些数据都必须被构建在良好的架构上进行分析。这就是为什么说要发挥 AI 威力,建好混合云架构至关重要。
 
  从温网这个例子也不难看出,我们精准找到了运用 AI 与球迷互动的合适的应用场景。事实上,精准定位 AI 应用场景对发挥 AI 效能是极其关键的。而 IBM Consulting 的价值就在于能将对行业的洞察、对企业业务的认识带给客户,激发出新的专业的 AI 应用场景,最终实现业务价值。
 
  构建企业自身能力,让 AI 更好地增能
 
  我们相信,AI 的力量可以将企业能力成倍数级扩大,也就是说我们用 AI 为企业增能。而同时应该看到的是, AI 增能有一个重要的前提,那就是企业自身需要具备良好的相关能力,包括人才,数据基础,以及架构的能力等。如果说 AI 能够帮助企业增能 10 倍,那么最基本的企业自身 AI 能力不能是 0,必须将它提到 1,增能后就是 10,提到 2,增能后是 20……
 
  IBM Consulting 可以提供从战略到运营的端到端服务,帮助企业去同步建造自身的 AI 的能力,让 AI 更好地为其增能。
 
  在 AI 的不断发展和演进中,企业会产生许多新的需求。 目前,从业务方向来看,我们优先推荐的 AI 应用场景在人力资源和客户关怀领域;而技术层面则可以将生成式 AI 运用到应用开发以及 AI 助力的智能运维领域。这些场景已经在全球的合作案例中被证实拥有高表现和影响力,其中利用 AI 让 HR 的工作效率提升了 40%,70% 的客服中心问题有效地被 AI 聊天机器人解决,而 AI 支撑的应用程序现代化更是带来了 30% 的生产力提升。
 
  我们在中国大陆也有相应的 AI 用例。例如,从去年 12 月份开始,我们就运用生成式 AI 手段帮助某客户去提升生产力。该客户 IT 系统有 300 多个子系统,每天需要应对的运维工单有 7000-8000 个,数量非常庞大。我们用了两个月时间为该客户选定了生成式 AI 模型,成功搭建架构后,又用 4 个月时间使用过去两年的数据进行了训练,经过一个月的用户测试,最终达到了客户满意的效果。
 
  现在,该企业客户计划在 9 月中全面开放这一 AI 赋能的客户服务系统给相关用户。这次涵盖的是该客户全部 300 多个子系统中的约 150 个,初步估计能够实现 60% 的生产力提升。经过后续调试后,我们将把剩余子系统也加入进来。
 
  当前,AI 还在快速发展和演进中,我们的团队也会借鉴 IBM Consulting 全球人工智能卓越中心的新场景来为中国的客户提供最新的解决方案。现在这个中心拥有 1000 多名生成式 AI 专家,并计划根据我们过去在 AI 和自动化服务中积累的经验,构建一个以 watsonx 为中心的方法论,积极为客户构建和部署 watsonx。
 
  共创和试点,助国内客户加速 AI 落地
 
  我们认为,企业级的生成式 AI 想成功落地,必须具备三大要素, 即 AI 必须是可信的,是企业就绪的,是开放和可扩展的。当然,我们的 watsonx 在设计时就遵循了这些原则。然而 AI,尤其是生成式 AI 发展如此之快,也必然会带来许多争议,尤其是涉及风险、合规和道德方面的,这些对企业来说都是不得不重视的。我想强调的是,我们的顾问在帮助客户建立 AI 能力和推动落地时,都是秉着 IBM 可信 AI 原则去思考和执行的。
 
  另外据我们的观察,中国的客户都非常具有创造力,所以应用场景的思考对他们来说往往不是问题。对他们而言,企业级 AI 落地真正的挑战其实是底层的数据方面。所以很多客户还需要先在数据清理和数据架构等方面进行投入,如果数据不行的话,通过 AI 产生出来的东西也是有问题的。这方面是很多企业在过去快速成长的阶段没有真正思考过的。
 
  为了帮助中国客户加速 AI 的真正落地,IBM Consulting 现已推出 watsonx 体验式客户共创服务,专注于有价值的场景选择和设计原型,并进行尝试和落地。我们将为客户提供为期半天的战略工作坊,帮助客户了解生成式 AI 和 IBM 对于企业级 AI 的见解,IBM 售前客户工程团队将引入 IBM 车库创新方法论,与客户共创,并帮助企业制定适合它们的人工智能商业战略。之后,我们将会开展为期四周针对特定应用场景的项目试点,这时 IBM 的软件专家也将加入我们,和售前客户工程团队一起,与客户车库共创,为客户提供软件技术支持。如果其他感兴趣的客户也愿意用少量投入进行场景 PoC(概念验证),建议选择时考虑这几个原则:1.核心业务,2.长期痛点,3.通过生成式 AI 解决痛点问题,带来效益。如果真正聚焦效益,无论投入大小,都是值得的。
 
  图片
 
  需要指出的是,大模型虽然有算力强大、上线时间短的特点,也具有飘忽、不完全准确的特点,我们需要在大模型基础上建立微调层,解决行业特定、企业特定的问题。IBM 一直是 2B 领域保持领先的企业,我们在中国有完备的大模型平台,融合了 watsonx 和多家中国互联网巨头的开源方案,同时针对医疗、零售、烟草、汽车、新能源等行业,以及企业大脑、供应链、客户服务、HR 等业务方向建立了很多行业微调模型资产,这是 IBM 最大的与众不同之处和亮点。后续我们会在大模型基础上陆续发布行业解决方案。而我们的中国认知资产研究院一直致力于中国本土方案和资产的研发,比如我们的大模型平台是 watsonx 和开源的结合,在此之上的微调模型完全为中国市场定制,包括智能美肤、皮肤健康检测、烟草烟叶质检、智能牧场、货架巡检、车漆缺陷分析、动态车书、汽车备件动态库存优化、发动机故障检测、智能客服、客户之声、HR 机器人、金融贷款风险分析、银行客户现金流分析、银行个性化金融产品推荐等特定场景,而且还在不断演进之中。
 
  通过这些,我们希望与更多中国客户全方位共创,加速推出可执行、可落地的企业级 AI 解决方案,以符合伦理的方式将 AI 实实在在地转化成生产力。
 
  关于 IBM
 
  IBM 是全球领先的混合云、人工智能及企业服务提供商,帮助超过 175 个国家和地区的客户,从其拥有的数据中获取商业洞察,简化业务流程,降低成本,并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过 4000 家政府和企业实体依靠 IBM 混合云平台和红帽 OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。