人工智能的八大应用示例

直到最近，许多企业一直生活在人工智能 (AI) 开发中，进行无尽的试点和概念验证，但很少将支持 AI 的项目带到企业生产中。

这种变化瞬息万变。根据 2024 年 7 月开展的最新麦肯锡全球人工智能调查，78% 的受访者表示，其企业至少在一个业务功能中使用人工智能，从 2024 年初的 72% 到一年之前的 55%。生成式人工智能 (GenAI) 的使用也有所增加，71% 的受访者告诉麦肯锡，他们的企业至少在一个业务功能中经常使用 GenAI，比 2024 年初增长了 65%。AI 投资也在不断增长。超过四分之三 (78%) 的企业领导者表示，根据德勤人工智能研究院在企业报告中的 2024 年 生成式 AI 状态 ，他们的企业计划在下一个财年 增加整体 AI 支出 。

但是，AI 目前交付的业务价值有多大，这可能是个争论的问题。例如，根据德勤报告，21% 的首席级高管调查受访者表示，GenAI 正在推动企业转型，而在非首席级高管受访者中，这一比例仅为 8%。这只是 AI 的一种类型，即类似认知功能的热门词汇，包括计算机视觉和自然语言处理、深度学习和代理式 AI 等所有内容。

在现阶段，可能有多种 AI 误解的方法。但是，探索企业人工智能的实际应用可以说明其潜力，涉及各种任务，包括：

• 加快药物开发
• 重塑电信业务流程
• 设计玩具车
• 抛光作物
• 提高大规模制造效率

了解不同企业如何利用 AI 技术，以及他们如何实施人工智能，在构想自己的 AI 应用时，能够为他人提供灵感。

示例 1：高盛点击人工智能编写代码

GenAI 工具不仅可以生成书面语言和图像，还会流失计算机代码。高盛正在为 GenAI 支持的辅助编码工具进行“概念验证”。

即使是同行 J.P.据报道，摩根公司、花旗集团、德意志银行和美国银行正在阻止员工使用 GenAI, Goldman Sachs 正在让技术掌握在程序员手中，以确定其早期价值。首席信息官 Marco Argenti 解释说，尽管立即信任人工智能的所有重要流程并不是明智之举，但企业必须努力设想其潜力。该公司在软件开发和文档分类等领域进行了若干概念验证，这些领域表现出一些有希望的初始结果。

更进一步，Goldman 于 2025 年开始测试 AI 初创公司 Cognition 的自主软件工程师，预计不久将与该公司的 12,000 名人类开发人员合作。

要点

高盛将 AI 设想为软件开发人员的伴侣，而不是替换它们。它还正在测试大型语言模型，以升级当前由传统 AI 执行的文档分类管理流程。公司将所用工具的名称保存在包装下，以及正在测试技术的特定部门，但已共享一些早期结果。

• 开发人员已经能够使用 GenAI 自动编写多达 40% 的代码，Argenti 表示可以通过低两位数的某个地方提高人类开发人员的工作效率。
• 银行不仅使用软件生成代码，还对其进行测试。
• 大型语言模型至少像人类 一样善于管理公司数百万份文档。
• Goldman Sachs 的 CIO 将 GenAI 视为他一生中最大的颠覆之一，这与互联网、应用或云相当。
• 他说，最大的挑战是调整内部控制，以降低公司或其客户面临的任何风险，并寻找具有大语言模型专业知识的人才。
• 该公司对 GenAI 的使用范围不断扩大，在成功测试约 10,000 名员工后，其 GS AI 助手现在可供所有高盛员工使用。
• 阿根蒂说，他将自主软件工程师 Devin 视为可以代表开发人员开始执行任务的“新员工”。

了解更多

• 首席信息官 Marco Argenti 在本 次华尔街 ^Journal1 问答中分享了一些早期的 GenAI 结果。
• Argenti 告诉 CNBC 如何设想拥有数以百计的自主软件^工程师 2，具体视用例而定。
• 在最近播客^{认识论 3} 中，高盛的两位分析师讨论了自动化更多日常企业流程（如软件开发）的强大力量。
• 路透社于 2025 年涵盖了高盛公司公司推出的 AI 助手 ⁴。
• 据 PYMNTS 报道，华尔街巨头“积极扩展 ^AI5 以提高生产力和效率”。

示例 2：澳大利亚电信公司 Telstra 从 AI 助手发展为代理式重塑

2023 年中，Telstra 开发了一对 GenAI 工具——询问 Telstra 和 One Sentence Summary，以提升服务激活后的客户支持，这是与 Microsoft Azure OpenAI Service 签订的战略五年期协议的一部分。这些工具可帮助代理快速访问客户、产品详细信息以及过去交互的摘要，从而更快地进行故障排除和更加个性化的护理。据 Telstra 公司称，GenAI 系统将后续联系减少了 20%，90% 的客户服务员工报告节约了时间，并提高了售后支持质量。

“随着生成式 AI 等技术快速激增，我们正在释放价值和增长，”Telstra 公司集团高管、产品 &amp 公司 Kim Krogh Andersen 在 Microsoft 网站上发表的一篇文章中补充道，该公司正在“到 2025 年利用 AI 改进所有关键业务流程”。事实上，该公司与埃森哲宣布成立合资企业，利用人工智能重塑业务流程，开发代理式工作流，取得了更大的飞跃。

要点

正如 Forrester 副总裁兼高级研究总监 Frederic Giron 所解释的那样，Telstra 最新采用的 AI 方法表明，从采用更加零散的方式实现现有任务和业务流程的自动化，到自动执行现有业务流程中的孤立任务，再到重新构想工作方式，都发生了根本性的转变。它解决了 Forrester 所说的“流程鸿沟”，即注重生产力优化与真正的业务重塑之间的差距。

• 借助 AI 赢得竞争优势不仅需要部署 GenAI 助手，还需要首先全面重新思考任务的完成方式。
• Telstra 正在将其深厚的电信专业知识等顶级产品与埃森哲的人工智能资产和人才相结合，打造面向从流程优化到客户体验的所有领域的 AI 解决方案。
• 其方法是开发供内部使用的 AI 解决方案，完善系统，然后将其产品化以进行销售。
• 虽然其他公司正在牵涉到多个合作伙伴关系，但 Telstra 已经将其 AI 协作者减少到两个，重点是联合创新。

了解更多

• Forrester 的 Giron 介绍了 Telstra 的“先建再^{销售 6}”方法如何跨越更广泛的收入基础摊销大量的前期 AI 开发成本，并开辟新的收入流。
• Telstra 高管介绍了公司为客户服务代理开发专业^{联合试点7}。
• 《卫报》报道，Telstra 的 CEO Vicki Brady 告诉投资者，未来五年，人工智能将在 Telstra 重塑自身方面发挥重大^作用，到 2030 年，其员工队伍将可能有所萎缩。
• 埃森哲网站上发布的新闻稿解释了埃森哲 30 亿美元的 AI ^投资将如何使用七年合资企业 Telstra 9 通过代理式 ^AI10 等新功能端到端地重塑业务流程。

示例 3: Moderna 的数据和 AI 应用加速 mRNA 开发

Biotech 公司 Moderna 的 AI 投资在速度对市场成功至关重要的时候获得了药物开发的回报。在新型冠状病毒肺炎危机爆发前十多年来，该公司一直致力于构建集成式数据科学和人工智能软件，支持可重复开发数千种基于 mRNA 的药物和疫苗。基于 Web 的应用程序包括用于工作流自动化、数据捕获和模型构建的可重用代码。这有助于科学家通过高吞吐量、临床前生产线设计新颖的 mRNA 构造、提高其效能并订购样品。

Moderna 从一开始就基于数字和分析技术，旨在克服传统的高风险、高回报制药开发的几率。药品企业通常花十亿美元开发药品，希望获得数十亿的回报，但看到成功率不到 15% 。人工智能可以将这些机会提高到 50/50，并缩短上市时间。据美国称，AI 赌注为马萨诸塞州剑桥公司，该公司能够在创纪录的时间内研制出顶级新型冠状病毒疫苗，其预防病毒疾病功效约为 95% 。疾病控制和预防中心。据美国统计，新冠疫苗在创纪录的时间里呈现出 95% 左右的预防病毒疾病疗效。疾病控制和预防中心。

要点

虽然该公司的新型冠状病毒肺炎疫苗备受关注，但它只是 Moderna 使用人工智能和数据科学工具为 mRNA 开发而构建的产品之一。该公司将其视为软件功能。“十年来，Moderna 构建了一个庞大的数据库，这是我们作为数字优先生物技术公司的最大资产，”该公司的数据转型副总裁 Brice Challame 在 2023 年的博客文章中写道：“这个库让我们能够创建自己的集成数据生态系统，为我们的算法提供燃料和迭代。”

• 许多公司都参与了 AI 项目的初始基础架构投资。但是，Moderna 认识到应用程序可以在长期跨多个产品交付的价值。
• 早期对云基础架构、物联网、分析和自动化流程的投资为人工智能工作奠定了基础。Moderna 前首席数字化和卓越运营官 Marcello Damiani 在哈佛的数字、数据和设计研究所的一篇文章中解释道：“我们早就依赖于数字化，不是为了数字化而是为了生成数据。”Damiani 说：“这让我们能够构建更好的算法，这有助于构建下一代药物治疗。”
• mRNA 疫苗本身是一种基于信息的产品，是一种合成分子，它向身体的细胞发送指令以训练其免疫系统。因此，Moderna 构建了一个基于 Web 的药物设计应用程序，以简化更改合成分子中编码信息的过程。在后台，许多 AI 算法有助于为决策提供信息，尤其是在临床前产品中，这些算法针对特定蛋白质编码的最佳序列提供以数据为中心的预测，比人类更快地进行编码。该软件可捕获整个流程中的数据，以随着时间的推移生成新的更好的算法。
• 此外，该公司还利用 AI 技术，完善临床试验计划、质量控制，甚至呼叫中心运营。
• 从 2023 年开始，Moderna 与 OpenAI 合作构建自己的 ChatGPT 实例。如今，GPT 被嵌入到 Moderna 的业务职能部门，包括法律、研究、制造、商业等，都是专门设计的助手。

了解更多

• 哈佛的数字、数据和设计研究所为 Moderna 尽早实施 AI 提供了^{背景 11}。
• Moderna 的 Brice Challame 分享了“成为实时 AI 组织”之旅的一些经验教训。¹²
• MIT Sloan Management Review’s Me、Myself 和 AI 播客^{访谈 13} Moderna 的前首席数据和 AI 官 Dave Johnson 介绍 AI 在疫苗开发中的作用。
• ZDNet ^{表示 14} Moderna 的药物开发技术是“人工智能工厂”。

示例 4: Mattel 早期采用 AI 图像生成器 DALL-E 进行产品开发

GenAI 通过广泛推广能够生成类似人类文本的 AI 语言模型，尖锐融入了一般意识。几个月前，toymaker Mattel 开始使用生成式图像创造工具 OpenAI 的 DALL-E 系统，根据自然语言输入创建现实的图像和艺术。

Mattel 没有计划尽快将产品设计人员更换为人工配对。相反，玩具制造商正在部署 AI 来帮助设计人员提出新款热车轮汽车的创意。最近，Mattel 与 OpenAI 达成了 2025 年的交易，旨在基于 Mattel 的品牌开发基于 AI 的产品和体验。

要点

Mattel 的 GenAI 探索说明了人机协作在创意领域的潜在优势。

• Mattel 于 2022 年 10 月开始使用图像生成器。
• 设计人员可以输入“热杆可转换比例模型”的自然语言请求，系统可能会提供自定义图像的变体，该图像基于 1938 年的黄色福特与白墙轮胎。
• 用户可以与图像生成器一起探索不同的选择 — — 一种颜色变色,硬顶,体型变形 — — 来提供新玩具汽车的最终渲染。
• GenAI 允许设计人员更广泛地思考，提供他们可能不会单独使用的模型或选项。Mattel Future Lab 产品设计总监 Carrie Buse 表示：“归根结底，质量是最重要的。“但有时数量可以帮助您找到质量。”
• 玩具制造商在 10 年前遇到了一些麻烦，它记录并上传了儿童的对话到云端，在新闻稿中表示，由于最新的 OpenAI 协作，它将强调“产品安全、隐私和上市体验的安全性”。

了解更多

• 美联社^亮相15 Mattel的早期进入GenAI。
• Microsoft Source ^details16 人类设计师如何与 DALL-E 合作生成和完善新的热轮设计。
• 在 《哈佛商业 ^评论》17 中，Thomas H.Babson College 的 IT 和管理教授 Davenport 和德勤咨询公司的校长 Nitin Mittal 探讨了 GenAI 如何改变创意工作。
• ^PYMENTS18 深入挖掘了 2025 年 Mattel-OpenAI 在基于 AI 的玩具方面的协作。

示例 5：Costa Group 部署计算机视觉驱动的抛光器，而不是泡沫

如果澳大利亚科斯塔集团在新南威尔士州古伊拉的番茄温室里有什么闹剧，它不是来自黄蜂。使用天然抛光器（如蜜蜂）进行室内耕作是非法的——本地蜜蜂在掩护环境中挣扎。而出于生物安保原因，澳大利亚早已禁止进口非本土的欧洲黄蜂，它们常用于北半球的温室污染。相反，生产种植者在 100 万番茄厂中使用基于计算机视觉的机器人抛光器。

2021 年夏季，Costa Group 开始使用来自以色列公司 Arugga AI Farming 的 Polly 机器人。早期结果显示，机器与人工授粉相比产量高出 15%，与黄蜂相比，产量高达 7%。

要点

对于科斯塔集团来说，机器人授粉机有超越效率的优势。虽然它们不允许使用蜜蜂（这是进行温室授粉最多的方式），但农业机器人选项不仅比手动授粉更有效，而且还会减少病毒的传播，因为它不需要人与番茄植物接触。

• 番茄植物需要摇动以自授粉，这项任务通常由工业黄蜂完成，或者由工人锈制撕裂或者使用振动棒完成。
• Polly 机器人通过计算机视觉和深度学习，确定哪些花已经准备好进行授粉。在后端，Arugga 系统使用流式分析工具包来处理来自温室的原始视频。然后对图像进行注释，模型根据生成的数据集进行训练，这些数据集每月更新。该模型随着时间的推移而改进，并导出到机器人，这些机器人可以单独运行算法，本质上是边缘计算设备。
• 然后，机器人发出压缩空气脉冲，震动到期的鲜花，类似于黄蜂进行热闹的授粉方式。
• Arugga 的 AI 变得越来越智能。在 2024 年，它表示可以用 3.5 个机器人授粉一公顷（约 2.5 英亩），并期望通过改进的算法将其减少到 2.5 个机器人。

了解更多

• Costa Group 的基于 AI 的轮询器只是欧洲成像和机器视觉文章中农业计算机视觉^应用19 的一个例子。
• 生产 ^Plus20 解释了机器人如何确定哪些花准备授粉。
• Arugga 的联合创始人兼业务开发副总裁介绍了公司的 AI 授粉（替代制造商蜜蜂）如何帮助种植者提高^{产量 21}。

示例 6：宝洁公司 (Procter & amp)；Gamble 部署人工智能、机器学习和边缘计算技术，简化生产流程

P&G 希望实现来自 100 多个制造站点的数字化和分析。它正在开发机器学习和计算机愿景等人工智能功能，以最大限度地提高设备健康状况和可用性，在生产线上实时评估产品质量，并提高能耗和用水量。消费包装品制造商将早期尝试集中在纸制品和婴儿护理细分市场，并在美国、印度、日本和埃及进行试点。早期项目使用 AI 预测成品纸巾片长度，从而向客户提供正确数量的产品，只是公司希望实现的众多效率之一。

主席、总裁兼首席执行官 Jon Moeller 在与 Goldman Sachs Asset Management 的讨论中解释说：“我们希望利用技术实时完成所有工作，以便立即了解是否有问题。”“借助 AI 技术，我们可以立即了解情况，而不是只知道发生这种情况的时间。”

此外，该公司还在供应链管理中使用 AI 技术。以前，它需要将用于制造、供应链、市场营销、质量保证和实验室信息系统的不同软件中的数据整合在一起，这是一项繁琐的手动任务，每次需要数百个工时。现在，该公司与分析提供商 phData 合作，利用 KNIME 的开源分析技术，开发基于 AI 的系统，自动集成数据。然后，它可以实时分析供应、需求和库存数据，以预测未来的库存需求并突出显示潜在的供应链中断。

要点

P&G 的目标是大规模智能制造，前首席信息官 Vittorio Critella 表示，他们专注于预测性维护、预测质量和可持续发展优化。AI 可以帮助整个生产线实现完全无接触的运营。

• 数字化支持办公室重点关注可在整个企业范围内实施的产品制造、包装用例和包装流程。
• 公司可以将数据从生产线传感器传输到云，以构建和训练机器学习算法，然后将其部署回工厂车间的边缘。
• P&G已试行使用AI,以最大限度地减少纸巾卷的包装(通过更准确地预测完成的纸张长度), 并使用计算机视觉对尿布和女性垫进行实时质量控制(其中精密的高速装配多层材料是必不可少的) 。
• 来自纸质机器的大量完整数据集可用于训练机器学习算法，以预测哪些机器需要维护，并查明降低能源使用的机会。
• P&amp 的 CIO 表示，机器学习和人工智能必须融入运营和文化中，才能交付价值。

了解更多

• Consumer Goods Technology 提供 22 个 P&G 数字系统的^概览，该系统使用物联网传感器和人工智能。
• 宝洁 (P&G) 的前首席信息官与德勤的 CIO Journal 探讨了在制造行业^大规模部署 AI 的机遇和挑战。
• CIO.com 介绍了宝洁如何超越人工智能^{体验 24}，逐步扩展日益复杂的用例。
• Microsoft Source 发布了关于其与 P&^G25 在数字化制造方面的工作的新闻。
• CEO Moeller 告诉 Goldman ^Sachs26，他看到 AI 在“将创新从实验室台移动到非常先进的计算机”方面具有潜力，以加速分子发现，探索更多创新领域，并提出更成功的产品创意。

示例 7：英国高速铁路团队利用 AI 模拟器构建更好的施工计划

从伦敦到曼彻斯特的高速 2 (HS2) 铁路是英国最大的交通基础设施项目。合资公司 Align 组建了一个工作组，涉及三个国际基础设施公司，负责设计和建设项目最具挑战性的腿部之一：所谓的 C1 部分。21.6 公里（13.42 英里）延伸至伦敦西北，包括 3.4 公里（2.11 英里）标志性的科恩谷维亚杜特（Colne Valley Viaduct）和约 16 公里（9.94 英里）的“双泊隧道”。在五年半项目的高度下，有 1 500 多人将在现场工作。调整对 ALICE（智能建筑测序产品）的投资，对突发事件进行建模，并为 HS2 设计优化和实际的施工时间表。

预建阶段——项目的第一阶段，在此阶段，公司计划和安排工作的整个范围、估算成本并分析需求，是一个关键阶段。但过去几十年来，建筑、工程和建筑公司用于规划项目的关键路径方法发生了很大变化。考虑到制定时间表所需的努力，提出一项或两项计划通常是一项艰巨的挑战。借助人工智能技术，企业可以在几小时内淘汰成百上千种方案，同时全面分析其对成本和计划的影响。

要点

协调计划已经到位，帮助它赢得 C1 项目，但使用 ALICE 仔细检查其假设，并寻找改进其虚拟子结构工作计划的机会。计划大规模的基础设施项目及其复杂的相互依赖性和限制条件很难顺利进行。构造模拟器将这些相互依赖性纳入算法方程中，该等式可以分析数千个场景，并根据公司的目标对其进行审核。

• 施工模拟器帮助公司在实际施工开始前，用各种不同的投入来虚拟地制定施工计划。
• Align 使用构造模拟器在短短 10 分钟内创建数十个调度选项。
• 然后对软件运行“what if”分析，以决定如何更高效地构建 viaduct。
• AI 可以快速操作大量可能影响建筑的参数，例如劳动力、设备、物料可用性、施工方法和分区问题，而人类的计划人员本身就不可能这样做。
• 只需六周即可协调三年的计划工作。
• 最近，HS2 与 Futuria 达成了一笔 2024 年的交易，与 Futuria 达成了一笔交易，他们是 Atos 领导的新组建的联盟中的 AI 交付合作伙伴，旨在实施 AI 驱动的解决方案，完善铁路运营，简化施工工作流，并加强资产管理。

了解更多

• 管理咨询 Roland Berger 介绍了人工智能如何提高整个建筑价值链的效率 ²⁷。
• 建筑业涵盖一系列建筑前人工智能^{应用 28}.
• 2022 年，Align-ALICE 合作赢得了英国建筑业奖的行业^创新奖 29。
• 铁路技术介绍了阿托斯领导的联盟如何利用 Arup 提供的铁路特定知识和 Futuria 的 AI，构建 HS2 基础设施的数字^{双胞胎 30}。

示例 8：Thomson Reuters 简化了记者、律师和合规专家的 AI 工具开发

在 1851 年成立时，汤森路透社一直以某种形式处理数据。如今，它在法律、税务、会计和新闻等领域提供基于数据的业务服务。现在，其法律部门在 30 年前引入了自然语言搜索，其研发团队自那时起一直在测试和交付支持 AI 的创新。

2022 年，Thomson Reuters 创建了 AI 应用程序，通过实施通用数据和模型治理以及标准化其模型发布流程来加速机器学习创新。

要点

Thomson Reuters 的 AI 应用程序不仅为 AI 监督提供了一个通用工作区，还提供了一个管理 AI 特定风险的系统，目的是平衡速度和治理。有效 AI 模型性能面临诸多挑战，例如算法偏见和数据分布变化的潜力。随着企业部署基于 AI 的系统，这些挑战只会变得更加复杂，最终超出了数据科学家随着时间的推移手动跟踪的能力。

• Thomson Reuters 与 Amazon Web Services 合作开发了一个工具，该工具提供了一个标准的“可点击”用户界面，可供整个公司的数据科学家和模型所有者使用，而无需编写代码。
• 应用程序为数据或模型偏差和偏差等问题提供 AI 工作区、数据服务、模型注册表、AI 注释和监控。
• 该应用程序简化了由人类数据科学家完成的传统性能建模，他们监控模型恶化，并与相应的团队合作进行必要的调整。
• 用户采用是最重要的成功因素和最大的挑战。使用每周演示进行敏捷开发，供用户收集反馈是关键。
• 该公司的支持 AI 的产品组合可帮助人类记者发现趋势，为税务合规性提供预测映射功能，并为法律、税务和会计专家提供自然语言查询和 AI 支持的搜索算法。
• Thomson Reuters 强调人性化 AI 以减少错误并提高模型性能。

了解更多

• AI、机器学习和商务智能副总裁 Maria Apazoglou 与德勤的 CIO Journal 分享了有关 AI ^{平台 31} 的详细信息。
• AWS 机器学习博客在 AI 技术的开发方面提供了 32 位硝酸的^观望。
• 在 2025 年的一篇文章中，Thomson Reuters 解释了 2,500 名主题专家对 33 人在线^测试的三个级别如何帮助创建其 GenAI 助理合作法律顾问，该助理可以开展深入研究，分析广泛且复杂的数据，并快速生成不同类型的内容。

延伸阅读