首页 > 行业 > 人工智能如何助力汽车行业数字化转型

麦肯锡是一家全球管理咨询公司,致力于帮助各类组织实现可持续且包容性增长。其将果敢的战略与变革性技术相结合,帮助组织实现更具可持续性的创新、持久的业绩改善,并打造立足当下、制胜未来的卓越员工团队。

麦肯锡全球董事合伙人彭波以《人工智能如何助力汽车行业数字化转型》为主题展开演讲,以下是演讲内容整理:

麦肯锡全球董事合伙人彭波

AI的五大应用方向

在制造业和汽车行业,AI主要有包括复杂数据生成洞见、语言处理和文本分析、虚拟机器人及虚拟形象、自动化决策等五个应用方向。

具体来看,第一,AI可以应用于复杂数据生成洞见。整车企业收集了大量用户端的回传数据;营销所收集的不同经销商的数据;售后和车联网的大量数据。这些数据在大多数企业中并没有发挥出价值,利用AI就可以利用现有数据进行独立的学习和持续完善,通过算法和平台能够持续生成洞见,这对整个业务非常有价值。

第二,语言处理和文本分析。基于对行业的观察,我们发现这块的应用越来越多,语言处理和文本分析意味着借助算法从人类语言中提取语义,比如语音转文字、转图片,或者图片转文字的技术发展到现在已经相对比较成熟,应用较多,这也是要在机器学习中大量应用的。第三,图片识别和视频分析,已经应用在很多工业企业中的发票分析,自动驾驶的图像分析中。

第四,软件智能体。在汽车行业的应用多是虚拟形象,用以可以完成和乘员的互动对话,接受命令之后对车辆的行驶状态进行控制。第五,自动化的决策,比如说流程自动化。

以上五个方面是人工智能推动车企数字化普遍的应用,这些应用到底带来什么样的价值?麦肯锡做过预测, 机器和深度学习蕴含巨大价值,预计2025年,全球车企的潜在价值机会高达2150亿美元,相当于各家车企的息税前利润年平均增长9%。

图片来源:麦肯锡

麦肯锡认为具体到汽车行业内,AI有11项应用场景。比如基于AI采集产品设计建议,采购环节如何搭建比较巧妙的供应链,进行产品结构优化的分析和建议,在供应链这块对需求形成比较准确的预测,这些都对业务规划有一定的帮助,在营销环节进行销量预测,包括对用户购买产品意向的判断,售后环节如何预防性地防止客户流失。

麦肯锡AI推动数字化转型的案例实践

接下来挑几项用例做具体解释,首先,采购环节中经常用到,通过AI对一些不同实体支出的数据进行自动地合并统一,找到降低成本的空间,这也就意味着,企业可以通过数据的自我学习,自动、自适应地对采购数据进行分类,在分类之后进一步提取和清理,这种方法不仅可以用于生产性采购,也可以用于非生产性采购。

就麦肯锡的项目实践而言,麦肯锡曾经通过自然语言处理和文本分析的技术帮一个客户找到了复杂标准件采购成本中10%-20%的降本空间,节省近乎4000万欧元。

图片来源:麦肯锡

第二个案例就是销售预测,AI应用有助于提升销售环节预测的准确性,对后期排产,车辆配置,库存分配,营销等都有一定帮助。麦肯锡主要利用AI的神经网络系统从100个变量里面进行学习,通过这个技术提升预测准确度到80%。这项技术的原理主要是,从时间维度上,类比历史上的相关事件,从产品,品类,门店,价格、促销等不同维度入手进行模拟分析,对可以实现预测值的模拟进行模拟和优化。

最后一个案例是,结合用户的特点和所提供数据,通过建模提高向用户推荐产品的准确性,也就是利用大数据根据用户特点进行精准推送,这项技术的应用使预测准确度提高了17%,并且可以形成相对自动化的结果。

值得一提的是,AI的应用还有助于在售后环节预测和预防用户的流失。通过深度学习进行建模,按照新的细分标准对于用户进行分类,将高风险、易流失的用户进行划分。基于这些划分,对高风险用户进行挽留,使整体的流失率降低36%,在这个过程中,留住的客户还会有向上销售的几率,可以将整体营收提高4-5个百分点。

最后是软件智能体,包括聊天机器人,场景应用型机器人。麦肯锡根据自然语言处理(NLP)的技术开发了聊天机器人,有助于服务流程自动化,提升客户的体验,使服务的准确性有明显提高。同时,使用图像识别技术,能够分析客户手机发过来的照片,达到自动抄表的效果,使客户推荐率达到80%,服务成本降低20%-30%,明显降低了用户流失率。

总的来说,基于我们在AI推进数字化转型中的具体实践,AI的应用可以为数字化转型带来量化的价值,企业推进数字化转型可以带来实实在在的经济效应。

(以上内容来自麦肯锡全球董事合伙人彭波于2022年9月22日由盖世汽车主办的2022中国汽车数字化转型大会发表的《人工智能如何助力汽车行业数字化转型》主题演讲。)

猜你喜欢