机器学习:力乘数

机器学习为持续的商业模式创建室内创建室。

最近的一个夏天,纽约市会计师事务所EisnerAmper的首席执行官查尔斯•温斯坦突然顿悟:机器学习要么毁掉他的业务,要么重塑它。

作为一名35年的行业老手,温斯坦意识到会计实务——在季度结束3个月后发布财务报表——虽然仍是必要的,但在实时、数据驱动的经济中正在失去相关性。因此,他组织了一次为期三天的合伙人会议,讨论机器学习能力如何在数字时代重塑传统会计师事务所,使其能够帮助客户展望未来,而不仅仅是报告过去。

Weinstein邀请了一个在一个大的四个会计师事务所(不是直接竞争者)的全球创新的合伙人,以谈论他公司正在制作的举动。随着访客的说法,我们对Weinstein变得简单,没有时间浪费时间。

“那次会面是一个分水岭;在会计领域利用技术时,这让公司形成了一种统一的心态,决定领导,而不是跟风。”“很明显,机器学习将为我们的客户和公司带来巨大的利益。”

这家拥有1500名员工的公司利用机器学习技术开发了智能审计工具:一种学习如何学习的软件,以使审计过程更有效、更高效。该公司在收入确认和过程控制领域推出了系统,并计划在几年内实现完全机器学习驱动。

机器学习将使EisnerAmper的从业人员有更多的时间为客户提供高水平的咨询服务和战略咨询,同时以低于竞争对手的价格提供传统的审计服务。这还只是开始。“在我们的许多业务领域,”温斯坦说,“这种变化将是高度转型的。”

女人与两个全息妇女一起使用

这是关于机器学习的事情:它改变了一切。虽然人们对互联网表示同样的事情,但互联网证明是改变的平台。机器学习是改变,有可能改变企业的本质。

“人们不明白的是,规模的机器学习并不只是使公司更聪明,”克里斯特·斯基特·斯蒂尔(Nvidia)副总裁举办举办倡议。“它实际上重新定义了公司是什么以及它如何运作以及它如何做到这一点。”

事实上,采用机器学习的公司并不是为了寻求对现状的渐进改善;他们认为这是一种差异化竞争。充分利用机器学习:来自快速学习者的5堂课美国经济学人智库(EIU)和SAP联合开展的一项研究发现,在使用机器学习并从中获益的公司中,近三分之一(31%)的公司表示,机器学习正在催生业务流程或商业模式创新。我们的目标吗?使用机器学习来改变现有的业务或创建一个新的业务。

机器学习的破坏力来自其学习的能力。机器学习使用复杂的算法来实现计算机的主要纪律,使计算机能够从大量数据中学习而不明确编程。算法可以访问的数据越多,他们得到的更智能。

通过持续学习,机器学习自主和不断地提高任务和过程的执行。这将其与传统软件(如企业资源规划或客户关系管理解决方案)区分开,在那里您可以从自动化过程中获得一次性效益,然后随着时间的推移进行增量改进。

因为它总是不断发展,机器学习创造了新的商业机会,因为它变得更聪明,更有效 - 没有创造额外的开销。“这可能是机器学习的最重要的商业含义:非线性增长的支持,”毕马威的创新和企业解决方案团队校长克利夫司法“说。“您能够提供更多的产品和更多服务,您的成本并不一定会加速您的增长。这很巨大。“

但机器学习不仅影响商业模式;这些变化在整个组织中连锁发生。“机器学习将改变我们的服务交付模式、员工配置模式、学习和发展项目——最终为客户带来更高的价值主张,”温斯坦说。

虽然机器学习代表了技术力量的大跨飞跃,但它不需要利用现有技术的肠道乱画。实际上,它是令人沮丧的商业领袖,他们现在已经坐在他们的组织中的未开发数据山顶上。

这导致了飞速的发展。四年前,甚至很少有人知道什么是机器学习。然而,它打破了过去的尖端技术,成为各行业企业的首要战略目标。根据埃森哲咨询公司在美国,四分之三的首席执行官认为,如果他们不在未来五年内扩大人工智能和机器学习技术的规模,他们将面临彻底破产的风险。

同时,eiu / sap调查发现,机器学习直到顶部和底线。近一半(48%)从机器学习中受益的公司报告了他们的努力利润更高。相同的百分比预计收入较高,截至2019年底,增长超过6%。

机器学习时刻

在同一时间,Eisneramper在纽约市拥有其合作伙伴会议,全球律师事务所的石头泥瓦匠在伦敦大西洋上拥有自己的到机器学习时刻。早期提升者机器人过程自动化(RPA),该公司的技术领导者正在引人注目的机器学习,完全重组公司的客户关系并创造新的收入线条。“较大的机会是成为客户的知识系统提供者,这意味着从服务模型转移到产品型号,”客户解决公司的客户端总监David Halliwell说。“它是关于许可你的知识而不是按小时提供服务。”

该公司的早期步骤之一是使用机器学习来帮助其金融服务客户在金融资产投资组合上执行尽职调查,以便在拨款以获取其之前了解风险。机器学习简化了劳动密集型,大型合同审查工作的重要元素。

例如,对于数十亿美元的交易,人类审查员只能查看金融资产的一个代表性样本,以确定风险;否则,公司和客户的成本就会飙升,回报也会不确定。品诚梅森开始使用其机器学习平台,在一系列数十亿美元的交易中提取、审查和分析关键合同风险。

通过机器学习,系统可以摄取和查看所有可用数据,并提供不仅更快的答案,而且更好地提供 - 并以较低的成本。“它有助于我们在市场上创造的创新,这对吸引客户来说真的很强大,而且为吸引员工而言,这是真正的强大的,”Halliwell说。

不仅仅是服务

一个人在打电话,两个全息人在他身边

英特尔在机器学习方面的商业利益是显而易见的。2017年底,该公司推出了专为人工智能设计的新芯片系列;它还在企业内部采用了机器学习功能。几年来,该公司一直在使用由机器学习驱动的决策支持系统,分析其每个工厂每天产生的50亿个数据点中的一部分,以增加正常运行时间、加速产出、减少或防止故障。

该公司还将其在工业方面学到的知识应用到面向客户的流程中。英特尔(Intel)首席数据官兼企业数据和平台IT总经理阿齐兹•萨法(Aziz Safa)表示,公司所有的机器学习计划都有一条不可打破的规则:它们必须是可衡量和可报告的,这样才能确保公司领导人做出了正确的投资。

“程序员无法理解原始数据的价值,会计也完全无法弄清楚该如何利用这项技术。但在一个小型的、灵活的、跨职能的团队中一起工作,他们会产生新的想法。”

Charles Weinstein, EisnerAmper首席执行官

英特尔的目标是发现全新的收入和增长领域,而不是简单地通过削减成本、提高生产率来改善已经在做的事情。该公司第一个产生收入的机器学习应用程序是一个销售支持系统,可以识别销售可能性最高的经销商。

由于拥有超过10万的经销商客户,英特尔的销售团队传统上只能把精力集中在最大的客户身上。多亏了机器学习算法,该公司可以更深入地了解更广泛的经销商及其可能的需求。该系统最初提供了超过1亿美元的额外收入。

Safa表示,这些业绩“受到了热烈欢迎,使我们能够更快地在整个公司范围内实施更大规模的机器学习。”事实上,机器学习是英特尔数字化转型的“核心”,他补充道。“10年后,它将融入我们所做的一切。”

但是,公司必须对收获机器学习的差异福利进行一些根本性的变化。“机器学习是一个战略商业模式,由非常复杂的工具和方法充足,”Ey的频闪说。“你不实现它,你申请它。它需要持续的组织承诺,以便以何时开始喂养,培训,炼制和扩展它,甚至可能在您开始时甚至没有考虑过。“

例如,EisnerAmper的韦恩斯坦目前还不清楚机器学习在公司内部将如何发展,但他致力于在未来几年内弄清楚这一点。

“如果企业想要成为一台机器学习企业,它必须发展到持续学习的状态,以改善其业务流程的性能,其客户体验,它与供应商和监管机构互动的方式 - 无论战略目标如何 - 结束时间,“斯特尔说。

c级翻天覆地的变化

女人用手机,伸出全息手臂,一心多用

考虑到机器学习将给组织带来的巨大变化,不仅高管层必须参与进来,它还必须理解和指导实施战略。在品诚梅森,“第一步是在公司领导层内部建立一种认识,即这是一种可以变革的东西,”哈利维尔说。“我们一直在努力研究机器学习的可能性,以及机器学习不能做的事情。如果没有这种理解和支持,我们就会陷入困境。”

对于一直在角落办公室领导公司机器学习工作的韦恩斯坦来说,机器学习对他和公司都是一个机会。他说:“能参与到我们公司和整个行业的转型中,我真的很兴奋。”“这就是我这么投入的原因。”

更重要的是,要成为机器学习领域的领导者,需要大量的投资,所以温斯坦的参与很重要。他说:“既然需要这么多资金,我必须确保我们正朝着一个良好的方向前进。”

文化转换

在三个相同,全息男子工作的电话包围的人

鉴于机器学习在重塑商业模式方面的潜力,它可以通过流程、人员配置模式,甚至文化,在整个组织中发出变革的冲击波。机器学习企业必须努力应对这些变化,其中一些变化在早期就变得明显,而另一些则是在后来才显现出来。

改变始于人员配置。机器学习企业不能仅由传统开发人员或工程师建造;它需要与机器和技术人员一起使用的业务流程专家。

首席执行官和董事会的参与之所以至关重要,部分原因是机器学习“对利用这项技术所需的新技能的资源模式产生了影响,”哈利维尔说。“其他人犯的一个错误是,把投资完全放在技术预算上,而不是人员预算上。”

Eisneramper将数据科学家,业务分析师和应用开发人员聘用到其企业技术组。这些雇用与会计,审计和税务领导者的合作伙伴开发新能力。

温斯坦说:“程序员无法理解原始数据的价值,会计也完全无法弄清楚该如何利用这项技术。”“但在一个小型、灵活、跨职能的团队中一起工作,他们会产生新的想法。”

随着时间的推移,机器学习企业的外观和功能开始发生变化。科尔尼公司合伙人、数字转型实践负责人Arjun Sethi表示:“机器学习所需要的改变是巨大的,不仅是在资本投资方面,而且在组织内部的重大文化变革和学习方面,这将突破传统的工作方式。”尽管机器学习企业仍由人类运营,但“机器学习的速度和规模将改变这个组织的性质,”斯特里尔说。

在Eisneramper,机器学习正在加速公司从传统会计服务提供商转移到整体商业顾问的转变。随着时间的推移,基本的会计服务将大量自动化,并将有重大的机会为客户提供新的财务和商业洞察力。

“我们将为这些客户获取大量数据,”温斯坦说。“这就是我们需要技巧的地方。我们一直在处理会计数据,但我们从未有能力分析如此庞大的数据。这将使我们能够为我们的客户推出不同的产品,并帮助他们重组运营。”

温斯坦说:“要实现这个目标,需要做出的改变只有一件事是明确的,那就是“它们将是巨大的——就是巨大的。”品森梅森公司的哈利维尔表示,将机器学习视为一种纯粹的操作效率引擎,使人类活动自动化,的确是目光短浅。哈利维尔解释说:“它为我们创造了新产品——我们以前做不到的工作和成果类别。”“这部分是规模的产物;那些单靠人力无法完成的任务现在可以通过机器学习实现了。但因为我们正在律师报告在文字报告的数字——从的事实陈述语句的数据——我们的模型现在看着玩结果返回的方式给我们的客户访问数据和分析的能力,而不是一个重要的法律报告。”

这将改变公司的收费方式,从计费工时和可报销成本,到软件许可模式或基于价值的定价。这也将对人员配备和员工数量产生长期影响,但具体情况仍有待观察。

然而,早期的公司专注于获得更多律师来采用机器学习能力。“并非所有的律师都能实现技术可以使用的方式以及他们需要改变他们所做的方式的方式,”Halliwell说。“我们的关键是确定那些在不同的服务线和行业中使用的人,让他们加快速度,然后与他们一起努力在他们的部门扩展。”

机器学习企业

两个工人握手

随着公司可用的数据量继续增长,数据的数量和复杂性超出了人类分析师的处理能力。在没有能够分析数据的情况下,不仅可以分析数据,也越来越难以流入组织的数据变得越来越困难。领导人正在计划这种新现实,以回应:最近Adobe调查报告指出,近80%的美国首席信息官计划在未来12个月内增加人工智能和机器学习的使用,这表明机器学习正迅速从一种竞争优势演变为一种竞争必需品。

凭借“比竞争对手的速度,寻求最大价值的公司必须愿意并能够更快地调整组织,并将您的员工工作方式和与客户互动的方式转换,”KPMG的正义说。

那些认识到这一点近年来的人在他们的机器学习演变中有一个头部。“I think we’re quite a long way from really knowing what the future will look like,” says Halliwell, “but the attitude we take is that it’s better to be at the front of the wave, trying to explore these possibilities, having some choices to make and the luxury of time to make those choices, rather than being forced into a decision because we were late to the party.”

英特尔有一个机器学习的企业战略,涵盖从供应链到销售和市场营销的方方面面。萨法说:“我们从较小的、有针对性的概念验证投资开始。”“现在这些都已经建立起来了,有了这些作为如何在公司内部应用机器学习的参考点,从一个领域转移到另一个领域就更容易了。”

随着时间的推移,EisnerAmper同样也在扩大自己的努力。但温斯坦预计机器学习将产生指数级的影响。他说:“我们正在循序渐进地、有条不紊地实施我们的机器学习程序,一个服务一个服务。”“但我们正在从长远的角度考虑这场比赛的结局。那些现在不采取措施的公司将会被甩在后面。”