举证责任：评估人工智能时代的能源与工业解决方案

人工智能正在影响着各个行业，改变着处于不同发展阶段的企业对于增长、竞争力以及如何区别于竞争对手的思考方式。对于能源和工业领域而言，电力需求的不断增长使得各企业更加迫切地需要提升运营的速度、效率与准确性。在这一方面，人工智能及其他数字工具能够发挥重要作用，但这些行业的特性要求企业在采用这类技术时采取更为谨慎、逐步推进的方式。在 Energize 看来，要在这些市场实现成功的创新，就需要巧妙地结合新兴的人工智能工具与可靠的软件合作伙伴，将行业经验与专业知识与最先进的解决方案相融合，从而带来以实际成果和价值为导向的成效。

在能源和工业这类结构复杂、监管严格的行业里经营的企业，采用新型技术的前提条件极为严格。这些企业负责管理至关重要的基础设施，容错率或允许的停机时间都非常低。正因如此，这类行业的企业不太可能立刻采用全新的人工智能工具，而是更愿意借助拥有行业专业知识的现有合作伙伴来协助制定相应的应用策略。在当今这个对能源消耗极高的行业环境中，迫切需要能够提升效率、准确度与安全性的人工智能解决方案，而那些值得信赖的软件供应商则拥有参与打造此类解决方案的巨大机会。

在这样一个变化迅速的环境中，如何评估新兴的 AI 技术与传统的软件技术，对运营者和投资者而言都是一项挑战。过去那些能够带来竞争优势的因素——比如数据访问与管理能力——如今正被 AI 解决方案所颠覆。而在另一些情况下，通过在现有优势基础上再叠加各种智能工具，这些优势反而会得到进一步强化。为帮助人们在如此复杂的局势中看清形势，Energize 开发了一套简单的评估框架，用于评估各类解决方案——无论是传统的 SaaS 产品还是基于 AI 的技术——从而确定哪些方案具备更强的持久性和商业竞争力。

可辩护的软件与颠覆性人工智能解决方案的举证责任

在对数千家从事能源与工业领域的公司进行了深入调研与评估之后，我们制定了一套评价标准，用以衡量各企业面临人工智能替代风险的程度。大多数公司在这些标准所构成的谱系中的某个位置上——它们的某些技术优势能够为其提供强大的竞争优势，而其他方面则可能存在更高的风险。我们认为，这些参数有助于根据当前技术发展状况来评估各类企业。

• 控制与影响：该公司的产品是作为嵌入式系统来控制关键工作流程，还是仅提供建议或分析功能？
• 数据优势：该公司的数据是专有的、难以获取的，还是公开可用的、因而可以被人工智能工具轻松获取？
• 失败的成本：当错误的代价很高时，它还值得被信赖吗？
• 对结果的影响：企业能否根据所创造的价值来定价，还是说按座位收费的模式已经固定不变了？

无论是传统的 SaaS 平台还是专为人工智能设计的平台，都在争分夺秒地向客户证明自身的价值。人工智能提升了人们对数字产品的期望标准：用户们明白自己至少有自行开发软件的能力，同时也知道软件提供商拥有各种人工智能工具，因此他们期望得到比以往更加量身定制、更具针对性的解决方案。

对于那些专为人工智能设计的解决方案而言，关键在于尽快赢得客户的信任并不断巩固这一信任。它们首先通过自动化和简化关键工作流程来展现优势，进而逐步扩展其功能范围。软件平台必须始终维护客户的信任，证明自己能够利用现有数据挖掘出独特的见解，并推出有别于市面上其他产品的人工智能应用。

当前人工智能领域的主要优势与风险

在根据这些标准对各类公司进行评估时，我们发现了一些关于其核心优势与风险所在方面的规律。

核心护城河：

• 实物资产记录系统：这是一种用于存储客户资产数据的平台，它位于生成这些数据的设备上，因此最适合作为构建人工智能系统的基础。该系统从单纯的记录功能转变为具备行动能力的系统——首先存储数据，然后建议对该数据采取何种处理方式，最后再执行相应的操作。例如，这样的平台可以通过分析各客户的数据来预测不同地区在审批流程中可能出现的延迟情况，这是单个运营商或普通模型无法做到的。
• 领域专业知识与可信度：在能源和工业领域，决策往往涉及重大后果且需要高度确定性，因此概率型人工智能并不足以满足需求。这类解决方案必须与经验丰富的专家相结合，这些专家能够将 80%到 95%的准确率提升至 99.999%，从而实现关键业务流程的自动化处理。
• 专有运营数据：模型无法获取那些隐藏在计量设备、传感器背后，或是经过多年运行后产生的数据。能够访问这些专有数据集，并对其进行分析整合，是软件和人工智能解决方案具备优势的关键。这类数据集通常是通过多年积累获得的，或是通过与客户建立的信任关系而得以获取的。
• 基于成果的定价方式：人工智能能够帮助更少的人在更短的时间内完成相同的工作。当一个人就能完成原本需要一个团队才能完成的任务时，那么该技术平台所需的资源也就相应减少了。在人工智能时代，那些能够将定价及收入与工作成果的价值挂钩的解决方案，才更有潜力实现可持续发展。

主要风险：

• 可复制的流程：基于规则的、可复制的流程非常适合被人工智能所整合并实现自动化处理。过去，维护这类自动化流程还需要耗费不少精力，但现在有了智能代理之后，这一工作就变得极为简单了。
• 公共数据：过去，那些能够筛选公共数据并从中提取有用信息的解决方案颇具优势，但如今却面临着来自人工智能解决方案的激烈竞争——因为人工智能可以轻松完成同样的工作。无论这些公共数据多么零散、数量多么庞大，它们都已成为人工智能颠覆性技术的理想目标。
• 基于座位数的定价方式：人工智能正在大幅减少使用某种工具的座位数量。那些无法将自己的产品价值与客户实际收益直接联系起来的解决方案（比如节省的金钱、时间或避免的事故等），将会失去盈利机会，而在人工智能解决方案日益占据主导地位的背景下，也难以实现发展。
• 团队惯性：在人工智能时代，企业所面临的最大风险并非来自产品或数据集本身，而在于它们是否愿意采用新的技术。要想在这种环境中生存并发展，团队必须愿意承受种种不便，积极开发新产品、应用人工智能解决方案，而非依赖现有的优势地位。我们发现，这种思维方式需要自上而下地推行，由高层管理者带头推动变革，引领整个组织的创新进程。

专业化是提升防御能力的基础。

人工智能技术正在不断快速发展，这些评估标准无疑也会随之变化。在我们对各类关键风险及竞争优势的评估中，有一个要素我们认为具有持久的价值，那就是专业化能力。在“护城河”与“风险”这一维度上，那些具备领域专业知识和行业认知的解决方案，在这场巨大的技术变革中，似乎最能赢得能源和工业领域的客户青睐。而那些缺乏此类专业知识的原生人工智能解决方案，则不得不直接与那些基于基础模型开发的解决方案以及大型科技企业竞争，几乎没有任何优势可言。至于那些没有这种专业能力的传统软件平台，则有可能失去曾经让它们占据优势的数据访问权限以及客户信任。无论在哪种情况下，专业化能力都是决定一家企业能否长久生存、避免被取代的关键因素。在当前的环境下，与核心客户之间已建立的信任关系、深入的工作流程整合、对数据的优先访问权，以及团队尝试并应用各种智能解决方案的意愿，这些都是判断一家企业是否具备持久发展能力的最重要指标。