AI 会继续存在吗？分析实施过程中的挑战

也可在 电子版

总结

人工智能 （AI） 一直是商界关注的话题。这是因为它帮助了多个项目的开发以及不同行业公司的日常生活，证明了该工具的重要性和好处，尤其是在商业环境中。所谓的大型科技公司正在竞相改进和使用人工智能，重点是生成式人工智能，因为它实现了人工智能中最高程度的自动化，因此最常用于执行任务而不是人类。本案例研究旨在从业务经理 Pedro 的角度分析使用和实施 AI 以协助管理咨询公司 Eleva 的客户关系管理的优势、劣势、威胁和机会。该案例侧重于文化、流程、战略和数据库领域，解决了实施 AI 的危害和好处，并引发了一场关于其对 Eleva 可能产生的后果和可能性的辩论。

人工智能作为数字解决方案？

Pedro 是 Eleva 的经理，这是一家专门从事管理咨询的公司，负责客户部门。该公司成立于 2000 年代初期，随着互联网的发展和所谓的第三次工业革命。这一时期的一些特点是技术、流程自动化、计算机、电子系统和软件在整个行业和公司的使用。

然而，即使拥有技术方面的基础知识，Eleva 在其整个历史上也遇到了一些困难，要跟上市场的现代性趋势。它的创始人更加保守，更相信与客户的直接接触，并认为这是咨询业务的基本要素。技术访问、访谈、会议和演示总是亲自进行，员工的知识对于成功的咨询极为重要。

随着 COVID-19 大流行，该公司被迫适应，为变革开辟了空间。但是，即使在今天，作为第二代董事并在拥有大量客户群的市场中得到巩固，由于公司的组织文化，一些最保守的做法仍然存在。

目前，客户组合庞大且多样化，由在各个领域寻求解决方案的大公司组成：财务、流程分析、营销、人员管理等。通过向多家公司提供服务，Eleva 开始难以与现有客户保持密切关系和寻找新客户。因此，他让佩德罗想点什么来帮助他们。

Pedro 拥有工商管理学位，以其技术技能、战略和创新眼光而闻名，他始终寻求在流程、效率和利润方面的最佳结果。作为 AI 爱好者并利用其当前的普及，他看到了在他工作的公司实施它的绝佳机会。它的目的是利用其行业，利用人工智能可以带来的各种好处。此外，Pedro 还致力于在他的职业生涯中发展，如果新系统的实施成功，他有望获得一些晋升或加薪。需要强调的是，研究表明，人工智能的高级收集、处理和学习能力有助于公司的决策（Jabbar et al， 2020），以前基于人类能力，容易受到限制。

然而，Pedro 知道这不是一件容易的事，因为他需要说服 Eleva 的董事会，这对整个公司都是积极的。毕竟，您的声誉不会因错误而玷污，这就是为什么您需要在工作中保持自信，因为人工智能的使用代表了您所在行业创新的巨大飞跃。

对这个主题进行了更多的研究，他意识到他的想法要奏效并结出好果子，需要考虑几个方面。因此，他决定以 Microsoft 文档为基础，该文档定义了在组织中实施 AI 的主要重点。它们是：文化、战略、流程和数据库。此外，Pedro 决定使用 SWOT 分析工具（Humphrey，1960 年），列出如果实施 AI 的优势和劣势、威胁和机会。下个月，他将向公司董事会提交他的提案。

Microsoft 的文档名为 MAIVA（Microsoft AI 价值加速器手册，葡萄牙语），可作为帮助企业 IT 部门结构化 AI 开发的指南。它的开发考虑了 AI 的使用速度和结果，并系统地寻求帮助公司扩展 AI 计划。

好的，但它是什么，人工智能是什么时候出现的？

机器是否有可能像人类一样思考这一未过时的问题促使艾伦·图灵在 1950 年提出了人工智能的原始概念。因此，图灵——数学家、计算机科学家和著名的英国密码学家，在第二次世界大战中发挥了重要作用——被许多人认为是该领域的先驱。图灵测试至今仍被用作评估人工智能的参考（Haenlein & Kaplan，2019）。

人工智能一词由约翰·麦卡锡 （John McCarthy） 于 1955 年在美国达特茅斯学院的一次会议上出现，其定义是：“创造智能机器的科学与工程”（Manning，2020,1），智能是指能够适应、学习、解决问题和取得特定结果。

如今，可以说，起源于图灵的现代人工智能，根据所使用的数据库模拟人类智能。通过重复动作，它能够执行各种任务，例如识别声音、物体、解决数学和逻辑问题以及理解语言（大型语言模型 - LLM）。这一概念已经适应了该领域的创新，如今具有互补的概念（但仍是 AI 的子领域），例如机器学习 （ML）、深度学习 （DL） 和生成式 AI （生成式 AI）。

AI 使用复杂的算法和数据库来调节模型，以自主执行简单或复杂的任务，实现流程的现代化和优化。在其所有功能中，生成式 AI 在商业环境中脱颖而出，源自 ML 和 DL，都是人工智能的子领域。

简而言之，ML 代表“从一组数据中自动学习的算法”（Lopes，2024,35）。第一个子集，DL 是“使用神经网络自动从大型数据集中学习的机器学习”（Lopes，2024,35）。最后，生成式 AI（反过来是 DL 的一个子集）由“在大量数据上训练并能够生成高质量结果的神经网络（包括文本和数字图像）”定义（Lopes，2024,35）。

人工智能有什么吸引人之处？

Pedro 继续研究和思考各种可能性，特别是考虑到 Eleva 已经拥有强大的客户数据库。

生成式 AI 代表了人工智能在商业中使用的一项突破，并引起了世界各地经理人的关注。生成式 AI 大全（Databricks，2024 年）强调了生成式 AI 在公司中的一些主要用途：员工可以创建专门的提示和工作流程来优化他们的任务，管理人员可以做出更好的决策，利润往往会增加，并且许多活动可以更快、更高效地进行。

一个明显的例子是亚马逊，这是一家在线零售巨头，每天销售数百万种产品。由于他们收到的大量产品评论和团队的规模，分析公司的所有数据所需的时间将是巨大的。使用 AI，可以在几秒钟内完成这项任务，获取以下信息：投诉的主要原因、消费者称赞的产品特点、对价格和产品本身的满意程度，以及评论提供的其他次要信息。

这个简单的例子表明 AI 可以协助 Eleva 的客户关系管理 （CRM）。CRM 由组织战略、流程和信息技术 （IT） 组成，使组织能够增加收入并满足客户需求（Khan 等人，2022 年）。每个人都知道 CRM 的重要性，以及在正确的时间为正确的客户提供不同的服务。

以 Eleva 为例，AI 可以彻底改变公司为其客户制定个性化策略的方式。例如，想象一下，使用聊天机器人（自动消息）来跟踪截止日期并实时收集反馈，从而确保提供更敏捷和有效的服务。此外，人工智能可以准确映射流程，在故障成为问题之前识别故障，甚至为产品和服务提供个性化建议。这些只是 AI 在客户关系管理 （CRM） 中的一些实际应用，为所有相关人员创造更高效、更令人满意的体验。

会议

在研究和反思了人工智能的使用和上述概念之后，Pedro 构建了一个 SWOT 矩阵，以便清楚地了解公司所处的位置以及它希望通过这项创新走向何方，确定可以推动或阻碍这一旅程的内部和外部杠杆。

SWOT 矩阵（图 1）是一种战略规划工具，它对公司内部和外部环境中的积极（优势和机会）和消极（劣势和威胁）因素进行了诊断。

图 1：SWOT 矩阵

在介绍所进行的分析后，公司董事兼 Pedro 的老板 Magno 质疑 Eleva 高管在人工智能实施中的作用。也就是说，他和其他董事需要如何应对 AI。他还对公司的声誉表示关心，因为考虑到员工的高知识水平，他们一直以密切和个性化的方式为客户提供服务，这是 Eleva 的强项。AI 的实施会消除这种差异吗？

至于高管的角色，Pedro 解释说，正是这种领导力的反映为人工智能提供了空间，因为公司的文化需要与 AI 保持一致。这将是 Eleva 文化面临的主要挑战。很容易理解，确实需要一个创新、创造力、学习的环境，并专注于流程的敏捷性，以便有实施它的空间。

最高管理层的作用应该是创造这种有利的环境;同样重要的是，保持整个公司的承诺，毫不犹豫或矛盾，以防止组织氛围发生变化。另一方面，如果这种变化不是自然的、有序的和受控的，它也可能成为一种威胁。这种适应不能深刻到改变和曲解公司的文化，因为它负责公司在市场上取得进展，并将自己确立为咨询领域的专家。

考虑到 Magno 对 Eleva 声誉的担忧，会议上提出的下一个问题来自公司的战略委员会，与 AI 完成的工作质量有关。该委员会还对实施新系统所需的大量财政资源表示担忧。Pedro 很快指出，战略和 AI 以互补的方式相关。换句话说，就像人工智能可以帮助公司的战略，甚至成为公司战略的一部分一样，需要战略来应用它。

在公司实施 AI 之类的东西需要投资，例如购买付费 AI 软件或培训员工，以使他们能够使用该工具。因此，最好的策略是将投资优先投资于回报率最高的领域。考虑到人工智能的使用，制定新的战略计划，制定新的目标和预期结果也是有用的。

此外，Pedro 表示，AI 是公司使用的工具，但它并不能取代人类分析的道德规范，不应过度使用，以免降低所完成工作的质量。员工在使用 AI 执行任务时缺乏原创性和缺乏作者身份确实可能对公司的形象不利，尤其是考虑到 Eleva 员工的技能和知识。

接下来，运营经理询问此实施将如何影响 Eleva 的各个层面的流程，以便她知道如何行动。因为实际上是运营使在公司中实施任何事情成为可能，所以流程是在 Eleva 实施 AI 的最重要部分之一。 Pedro 澄清说，实施不应该一次性完成。重点是在任何公司流程所涉及的领域之间进行良好的沟通。无论 AI 如何，这已经很重要;然而，由于这是一项创新，因此各方都必须了解自己的角色，并将人员、技术和结果纳入要执行的每个过程中。

为了避免流程中的失败，必须逐步实施，从测试开始，逐渐将技术插入公司的日常工作中。Eleva 庞大的客户群为这种类型的对照实验提供了绝佳的机会。此外，通过来自员工和利益相关者的绩效数据和反馈进行持续监控，以更敏捷、更可靠和更准确地改进运营，这一点非常重要。这个循序渐进的过程还使客户能够适应变化，同时最大限度地减少与 AI 交互的影响。

最后，IT 经理提出了另一个重要观点：由于公司的规模，如何确保所有数据都正确集成以提供给 AI 的数据？作为一名技术爱好者，Pedro 知道这个问题是相关的，考虑到计算前提：垃圾输入、垃圾葡萄牙语输出或 GIGO。换句话说，如果数据库输入了低质量、不完整、不连贯和不重要的信息，那么 AI 生成的结果也将同样不令人满意。此时的主要问题之一是创建有偏见的数据库，因此偏向于某种类型的信息或想法。实际上，这可能会给 Eleva 带来不准确、不良和有害的结果。

更复杂的是，公司的每个部门都使用不同的数据存储来源和模型。每个行业的各种平台、来源和应用程序随着时间的推移以越来越复杂的方式发展和变化，这表明将信息分组在正确位置的重要性，始终更新和高效组织。将这些信息正确集成到为 AI 服务的平台中是成功实施的先决条件。最后，由于这项技术仍在开发中，没有明确的监管，因此必须谨慎使用，始终遵守与收集的数据及其使用相关的严格安全参数。

关键时刻已经到来

根据开发的 SWOT 分析、Pedro 对公司特点和设定目标的解释，Magno 和 Eleva 的董事会需要做出一个关键决定：是否在公司系统中实施人工智能以改善客户关系管理 （CRM）。

问题

1. 除了 SWOT 分析中提出的方面外，还有哪些其他方面是相关的？解释。
2. 考虑到所分析的公司（咨询公司）类型，AI 的实施真的有用吗？解释。
3. 如果你是 Magno，知道 Eleva 需要改善与现有客户的关系并为公司的发展寻找新客户，你会如何看待 Pedro 的想法？解释。

画廊

MAIVA - Microsoft.在公司中实施人工智能的重点领域的示范表。

引用

贾巴尔，A.，阿赫塔尔，P.和丹尼，S.（2020）。用于即时营销决策的实时大数据处理：一种问题化方法。 工业营销管理， 90 , 558–569.

汗，R.U.，萨拉姆扎德，Y.，伊克巴尔，Q.和杨，S.（2022）。客户关系管理和公司声誉对客户忠诚度的影响：客户满意度的中介作用。 关系营销杂志， 21 (1),1–26.

行业门户。人工智能 - AI：什么是人工智能？ https://www.portaldaindustria.com.br/industria-de-a-z/inteligencia-artificial/

克里斯托弗·曼宁（约 2020-2020 年）。人工智能定义。斯坦福大学，斯坦福 {California}，美国。

国家地理巴西。谁发明了人工智能？看看科学的其中一种感觉是如何诞生的。 https://www.nationalgeographicbrasil.com/ciencia/2023/03/quem-inventou-a-inteligencia-artificial-veja-como-nasceu-uma-das-sensacoes-da-ciencia  

关于作者

达尼洛·罗查·德·索萨 是巴西利亚大学 （UnB） 行政系 （ADM/FACE） 的学生。他是 UnB 扩展计划 （PIBEX） 的奖学金获得者。电子邮件： danilors1999@gmail.com

维克多·拉斐尔·雷森德·塞莱斯蒂诺 是巴西利亚大学 （UnB） 行政系和行政研究生课程 （PPGA） 的教授。航空技术学院 （ITA） 航空工程学位、定量方法硕士 （ITA）、巴西利亚天主教大学 （UCB） 心理学博士学位。运筹学和定量方法和决策模型的教学，应用机器学习、数据科学、并行计算、多元统计、人工智能和多学科优化。电子邮件： vrcelestino@unb.br

Eluiza Alberto de Morais Watanabe 是巴西利亚大学 （UnB） 行政系和行政研究生课程 （PPGA） 的教授。他拥有管理学博士学位 （UnB） 和硕士学位 （UFMS）。与营销和消费者行为相关的研究经验。可持续消费 Conscient- Studies in Sustainable Consumption 研究小组的负责人。他是 SCORAI Brazil - 巴西可持续消费研究、行动和倡议 （http://scorai.org/brazil） 的成员。对可持续消费、可持续营销策略和实验设计相关主题感兴趣。电子邮件： eluizawatanabe@unb.br

本案是根据二手信息编写的，并基于引用的其他参考资料。作者无意评估或判断相关公司。本文仅供学术研究和讨论之用，禁止以任何其他形式使用或复制。侵犯版权者将受到第 9,610/1998 号法律的处罚。