这是德勤连续第二年针对在认知技术和人工智能1领域有深入了解的企业高管开展调查。这些高管代表的企业目前正致力于检测并实施相关技术。我们发现，这些早期应用者2对认知技术的价值仍保持较高预期。与去年的调查结果相同，各企业对人工智能的应用表现出极高的热情。我们经过分析总结出以下三点主要发现：
1.早期应用者逐渐增加人工智能投入，实施更多相关计划，并取得了良好成效。基于云技术的认知服务得到更加广泛的应用，企业在投入水平较低、专业资源较少的情况下亦可着手应用该等服务。
2.企业应完善风险和变革管理。具体措施包括减少网络安全漏洞（该举措可能导致人工智能计划放缓或停滞），以及防范道德风险。项目筛选和投资回报管理也同样具有重要意义。
3.早期应用者需建立适当的人才队伍（不仅限于技术人才），以加快人工智能应用进程。这些企业缺少人工智能研究人员和程序员，同时也需组建业务领导团队，以确定最佳应用方案。为建立该等人才队伍，各企业开始着手培训现有员工，但许多企业认为有必要吸收新型人才取代现有员工。早期应用者可能还需采取战略性人才方案，既能充分发挥机器效能，也能有效利用人工判断力和创造力。
以上发现表明认知技术前景可观，且部分前景如今已成为现实。企业在支持人工智能应用方面热情高涨，但同时也需培养应用该等技术的潜能，如此才能充分挖掘人工智能技术的价值。为了解各行各业的企业在应用认知计算/人工智能技术方面的情况以及所取得的成效，德勤于2018年第三季度针对1,100名美国企业IT及业务线高管开展了调查。所有受访者均需对所在企业的认知技术/人工智能应用情况有充分了解；90%的受访者直接参与了企业的人工智能战略、投入、实施及/或决策制定相关工作。
受访者覆盖10个行业，其中17%的受访者来自科技行业。54%的受访者为业务线高管，其余部分为IT高管。64%的受访者为首席高管，包括首席执行官、总裁、企业所有者（30%）、首席信息官和首席人才官（27%），另有36%的受访高管职位在首席级别以下。一年后，企业的热情仍未散去。德勤2017年认知技术调查发现，早期应用者对认知技术表现出了极大的热情。4这主要归因于认知技术为企业所带来的效益：83%的受访者表示认知技术为所在企业创造了“一定”或“巨大”效益。受访者还认为认知技术将迅速引起企业及行业变革。2018年，受访者仍对认知技术可创造的价值保持较高热情。其所在企业正着力投资基础认知技术，并不断提升认知技术应用技能。
应用率更高，选择性更多与普通企业中的同类型企业相比，5认知技术在我们调查的早期应用者中渗透率更高，且成上升态势：机器学习是统计模型在无需遵循明确程序指令的情况下，随着时间的流逝自我进化和改善自身性能的能力。大多数认知技术都以机器学习及其更复杂的后代——深度学习为基础，包括计算机视觉和自然语言处理。2017 年，机器学习的应用率已经高达58%，2018 年增长了五个百分点。深度学习是一种涉及神经网络的复杂的机器学习形式，具有多层抽象变量。深度学习模型在图像识别和语音识别方面具有突出优势，但人类往往很难或者无法解释其原理。新技术使得企业更容易启动深度学习项目，促进了深度学习应用率的提升。
在我们的调查中，50% 的调查对象表示采用了深度学习技术，较2017 年增长了16个百分点，这是所有认知技术中增长最快的领域。自然语言处理是一种从可读的、风格自然的、语法正确的文本中提取或生成意义和意图的能力。自然语言处理为虚拟助理和聊天机器人提供基于语音的界面，该技术也越来越多地被用于数据集查询。662% 的调查对象采用了自然语言处理技术，高于去年的53%。计算机视觉是一种从视觉元素中提取意义和意图的能力，包括字符识别（针对数字化文档）和图像（如人脸、物体、场景和活动）内容分类。人脸识别背后的技术（计算机视觉技术）是消费者日常生活的一部分。例如，部分用户通过人脸识别便可登陆其手机。
7此外，计算机视觉技术还推动了无人驾驶汽车的发展，并为无人售货商店Amazon Go提供了助力。8计算机视觉在我们的调查对象中业已成为主流，57% 的受访者表示其所在公司目前已采用该项技术。认知技术在早期应用者中的应用率不断增长的原因是什么？9深度学习等复杂技术为何广受欢迎？投资是重要原因之一。37%的受访者表示其所在公司在认知技术方面投入了500万美元以上的资金。另一个重要原因是，企业如今可通过更多途径获取认知技术，且各企业也积极利用了这一优势。近60%的受访者采用了似乎是最便捷的途径：
10使用结合了人工智能技术的企业软件（见图1）。相比其他途径，更多受访者通过CRM或ERP系统等企业软件获取认知技术相关能力。企业可通过该等系统获取海量数据（通常是他们自身的客户数据），且即使是不具备专业知识的员工也能即刻上手使用该等系统。通过企业软件获取的认知工具通常针对具体的工作相关任务。鉴于此，该等工具在灵活性方面相对欠缺，但其功能却仍然强大。例如，Salesforce 的人工智能平台Einstein可帮助销售代表确定哪些销售线索最有可能转化为销售机会，以及确定一天中最适合与潜在客户联系的时间。
此外，供应商不断开发先进工具，并逐渐将其整合到软件中。Salesforce近期开发了一款先进的自然语言处理模型。该模型适用于多个应用案例，而通常这需要不同的模型来处理。11随着软件供应商和云服务提供商争相针对业务功能开发人工智能产品，未来将有越来越多的企业通过“捷径”获取认知技术相关能力。谷歌近期宣布针对呼叫中心和人力资源部门推出一套整合完备人工智能服务。12SAP的人工智能服务（统称“Leonardo 机器学习”）也包括了具体的解决方案，如针对金融领域的现金管理、针对品牌管理领域的视频分析、针对客户服务领域的问题票据分析等。
随着市场上相似服务的推出，企业未来开发定制化认知产品的需求可能会下降。但现有的解决方案只能满足目前的需求。许多企业未来可能还需开发定制化解决方案，以满足其对认知技术的更高层次期望。而与此同时，各种工具也在加速现有解决方案的应用。不少大型云服务提供商通过“即服务”（as-a-service）模式推出人工智能服务：企业可直接采用所需技术，并支付相应费用，而无需构建自身基础设施和训练算法。德勤最近一项调查显示，39%的企业倾向于通过基于云技术的服务获取先进技术（如人工智能）；而相比之下，仅有15% 的企业倾向于采用内部解决方案。
13事实上，人工智能即服务（AI-as-a-service）模式的全球年均增长率达到了惊人的48.2%，足以反应该模式的巨大吸引力。14企业如今可通过基于云技术的深度学习服务获取巨大计算能力，进而从非结构化数据中获取洞见；而相比之下，此前获取该等能力则需承担高昂成本。此外，企业还可利用验证有效的模式，实现大数据集管理，并推进应用程序开发。虽然企业可通过众多途径获取现有的人工智能技术，或自主开发相关技术，但仍有大量企业寻求外部专业支持。53%的调查对象与合作伙伴联合开发认知技术，另有近40%的企业使用GitHub等众包社区。通过云服务和企业软件，企业可尝试应用甚至广泛布局认知技术，而只需承担较低的初始成本，并将风险降至最低。
2017-2018年间，基于云技术的解决方案增多，推进了相关试点和实施项目的激增。55%的受访高管表示其所在企业开展了六项或以上的试点项目（2017年的这一比例为35%），近乎同等比例（58%）的受访高管表示所在企业开展了六项或以上的全面实施项目（此前比例为32%）。
