客戶都去哪兒了？麥肯錫發布2022年14大科技趨勢 為B2B企業CEO指明新市場

對B2B企業而言，知道客戶在哪兒，是洞察甚至超越當前市場需求的唯一途徑，也是發展企業和吸引投資的關鍵能力。如果意識不到客戶有了哪些變化，也就無從知曉他們要去往何處。

8月底，麥肯錫發布《麥肯錫2022年技術趨勢展望》，報告揭示人工智能技術、高級連接、機器學習、云和邊緣計算、量子技術、Web3等當今14大科技趨勢。這也為B2B企業指明：新的市場增量，將誕生在技術融合并創造新機會的行業里。它明確地告訴CEO們，如果還沒有將這些技術趨勢與潛在客戶及其行業發生關聯，你可能已經失去了未來。甚至在當下，你也無法向更多的客戶來銷售你的產品或服務。

正如麥肯錫的分析師所指，“即便難以預測技術趨勢最終將如何發展，但高管們可以通過跟蹤新技術的發展，預測其如何落地應用，識別當中影響創新的關鍵要素，以更好地提出企業發展戰略。”

報告顯示，人工智能應用技術位居14大最具影響力的技術趨勢之首，幾乎覆蓋從航空航天到電信的所有行業。

其實，在《2021麥肯錫全球人工智能現狀調查》報告中，已有56%的受訪者表示其企業采用人工智能技術，高于2020年調查的 50%。該項調查還發現，人工智能技術可為企業創造增量利潤，至少有27%的受訪者，將其公司5%或更多的利潤，歸功于對人工智能技術的使用。

今天，隨著相關技術的逐步規范，出現了更多且更為成熟的工具，人工智能解決方案與其他數字應用程序的集成也更加便捷，讓AI的使用門檻大大降低，即便沒有自己的AI工程師或數據科學家，企業也能很好地使用人工智能來解決各種問題。

以銷售場景為例，企業可借助機器學習 (ML)、計算機視覺和自然語言處理等能力，在B2B企業的營銷端和獲客端，更為高效地使用數據獲得銷售線索，并準確識別、補全，解決“主動式觸達”和“被動式識別”兩大難題。人工智能技術輔助銷售人員，使其專注于銷售流程中最重要的“線索轉化”環節，而不是將寶貴的時間和精力，浪費在漫無目的地“線索獲取”和“線索識別”上，這件事可放心交由人工智能來完成。

基于數據、API和算法的商機預測云啟商多為企業構建增長新勢能

“有時人工智能可以取代任務，但不能取代工作。有時任務是工作中更乏味的部分，”麥肯錫專家合伙人羅杰羅伯茨說。“這可以減輕人們在特定工作中的負擔，讓他們專注于最重要的工作部分。”

不僅在銷售場景，幾乎每個行業，每家公司，都存在一些環節，可通過人工智能的一些應用來重塑，達成風險控制、降本增效的目的。

近十年來，企業對人工智能的信心逐步恢復，主要歸功于深度神經網絡的發展日趨成熟，尤其是在計算機視覺和自然語言處理等核心技術上有了長足進步。這也使得企業在收集、存儲和訪問不同領域數據的能力不斷增強。

目前，人工智能應用主要是機器學習和深度學習模型在業務場景中的落地。“機器學習（Industrializing machine learning）”正是麥肯錫此次報告的另一項重要技術趨勢。它指的是在 MLOps平臺或其他工具上，企業可以更容易地在不同的應用程序和環境中訓練、部署、集成和更新機器學習模型。

在行業相關性方面，報告中提到的部分機器學習應用包括推薦引擎（如內容推薦）、檢測與預防（如銷售線索識別、信用卡欺詐檢測、理想客戶畫像建模、疾病早期診斷）、預測和分析（如，價格波動、銷售需求預測）。該報告還提到了機器學習的一些更先進的領域，例如生成深度學習模型等等。

這進一步說明，采用人工智能應用的主要障礙不是糟糕的機器學習算法，而是缺乏工具和基礎設施，來有效使用經過測試的算法。這些障礙，將限制人工智能應用的發展，尤其是在沒有大量數據資源和機器學習人才不足的公司里。

所以，那些動輒標榜自己“人工智能優先”，或者宣稱使用了最新最好的深度學習技術的公司，是不夠誠實的。必須得承認，將機器學習從實驗室帶到業務場景，仍有許多挑戰需要克服。

重新造一個車輪，其成本高昂。企業創建和維護使用機器學習的產品或服務，與使用傳統軟件不同，需要用到不同的基礎架構、工具和技能。組織結構也更為龐雜，比如需要數據湖來收集和存儲數據，需要數據科學家來設置、維護和配置數據基礎設施，以便訓練和更新機器學習模型。需要產品專家來開發適用其業務場景的應用或模型。甚至還需要分布式計算專家，使得模型可隨時隨地低成本的大規模運行。

的確，大型科技公司通常擁有頂尖的機器學習或深度學習科學家，多年來也一直在研究新算法，并將其應用到他們的產品中。但對中小型組織而言，數據、硬件、人才的成本過于高昂，企業自足的策略難以為繼。

在這種背景下，麥肯錫公司報告的調查結果更值得研究。更多的企業可以在業務場景中采用機器學習模型，為客戶和用戶帶來好處。但是，未必需要重復造輪子。將業務需求外包給專業公司，才是主流途徑。

麥肯錫報告強調，人才和資金等資源的稀缺，仍是企業級人工智能進一步發展的兩大障礙。此外，受國際環境影響，資本市場也處于低迷狀態，包括人工智能在內的所有行業，都面臨著為初創公司提供資金的難題。

然而，盡管資本蛋糕越來越小，但資金也沒有完全停止動作。根據CB Insights最近的一份報告，那些已經實現產品與市場契合，并準備好大規模增長的公司，仍在設法獲得巨額融資（超過1億美元）。這表明，推出機器學習戰略的新公司，如果自身不產生利潤，將很難獲得外部資金支持。但是，已經占據一定市場份額的機器學習平臺，將持續吸引投資者的興趣。

報告提到的另一個重要挑戰，是數據風險和安全漏洞。對機器學習平臺來說，這正在成為一個越來越重要的問題。與開發生命周期一樣，機器學習的安全威脅也不同于傳統軟件。幸運的是，安全與機器學習社群正共同開發用于創建安全機器學習平臺的工具和實踐。隨著人工智能應用的持續增長，我們可以期待其他行業加快采用機器學習，這反過來將進一步加快該領域的創新步伐。

總之，作為一家B2B企業的CEO，無論你的公司處在什么位置，當你看到這樣一份報告，看到與20大行業相關的14種技術趨勢，你是否會詢問你的高管團隊，“我們對這些技術趨勢的戰略是什么？”或者問問自己，“我們要如何成為這些技術趨勢的受益者？”

這也是另一種思考你的產品或服務能否贏得更廣泛市場的方式。