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。）