如何利用人工智能和自动化大规模识别敏感数据
人工智能敏感信息检测服务商TextIQ公司首席执行官ApoorvAgarwal日前在接受行业媒体采访时，对非结构化数据面临的潜在风险以及利用人工智能和自动化技术大规模识别敏感数据进行了分析和阐述。
[[426575]]
当企业试图解决漏洞和勒索软件攻击时，他们往往忽略了隐藏在其数据中的敏感信息。出现这种情况的主要原因是什么?Agarwal：在理想情况下，企业应该掌握敏感信息在其拥有的数据中的位置。一般来说，企业将会长时间保留他们收集的信息，即使这些信息对他们没有真正的用处。我认为这归结为更广泛的数据治理问题。
如果没有实现一定程度的自动化，就不可能有强大的数据治理。例如，企业生成的数据量呈指数级增长，依赖于工作人员对隐藏在其数据库中的所有未被发现的敏感信息进行评估，而且在通常情况下，非结构化格式的数据需要进行处理，因此无法大规模地开展工作。
数据泄露和勒索软件攻击的数量将持续增长，但企业可以利用人工智能技术应对，这使他们能够主动大规模识别敏感数据和个人数据。一旦识别了这些数据，他们就可以选择编辑、删除、加密或采取任何必要的措施进行保护，以确保不会落入居心不良的人的手中。
非结构化数据如何构成风险以及可以采取哪些措施?Agarwal：80%以上的企业数据是非结构化的——其庞大的攻击面使其非常容易成为网络攻击者的目标。其次，这种非结构化数据充满了各种类型的敏感信息：商业秘密、个人信息、健康信息、知识产权等;例如，没有人能够构建包含商业秘密的结构化数据库，更有可能散布在电子邮件、聊天记录、Excel表格和其他形式的非结构化数据中。
非结构化数据带来的挑战是数据量巨大，找到其中的敏感信息就像大海捞针一样，因此需要采用可扩展的机器学习技术。
自动化是唯一的出路还是人为因素仍然有价值?Agarwal：我认为数据的增长速度显然比人口增长的速度更快。如果没有足够的人力，就没有足够的能力来处理任务的数量和复杂性。
我认为同样重要的是要注意，采用人工智能技术或机器人并不是只需按一下按钮就可以自动完成这些任务，确实需要人类的帮助。而这项工作不能单独由机器或人类完成。
能否解释一下人工智能是如何识别和保护敏感信息的吗?Agarwal：人工智能不会保护敏感信息，但是会识别。一旦识别出敏感信息，企业就可以通过删除、编辑、加密或更改对它的访问控制来采取措施进行保护。
其挑战在于识别本身。在识别方面，如今采用的是一些过时的方法和技术，例如RegEx和搜索词。除了速度慢且可扩展性不高之外，这些劳动密集型方法产生的结果可能并不准确。
但并非每个9位数字都是社会安全号码(SSN)。另一方面，人工智能系统可以查看信息所在的场景，以更准确地确定信息是否敏感。例如电子邮件。在分析电子邮件的敏感信息时，人工智能能够考虑场景，例如谁写的、谁获得、谁被复制到电子邮件链中的人之间的关系网络，以确定一些电子邮件是否敏感。
在理论上，人类可以对所有这些场景进行评估和衡量，但没有足够的人手来实现这一点;此外，虽然人类不擅长计算任务，但更擅长抽象思维。
企业保护数据的方式可能对其整体业务和声誉产生重大影响。您认为他们对此有多了解?您认为应该改进哪些方面?Agarwal：很多企业对于数据泄露对整体业务和声誉带来的损失和影响非常了解。没有哪一家企业认为它完全不受数据泄露的影响。企业董事会成员了解这些非常重要。
这是可以改进的地方。长期以来，很多企业一直依赖数据丢失防护、搜索词和人工审核。他们真的需要转向并利用人工智能等新技术。
人工智能如何推动企业商业模式创新
"人工智能能力—商业模式创新"：协同进化
文献来源：DavidSjodina,VinitParida,MaximilianPalmie,JoakimWincent.HowAIcapabilitiesenablebusinessmodelinnovation:ScalingAIthroughco-evolutionaryprocessesandfeedbackloops[J].JournalofBusinessResearch.2021:574-587.
后台发送“20211213”，即可获取原文献PDF版。
摘要
人工智能将从根本上改变工业企业捕获、创造和传递价值的方式。然而，目前许多工业企业很难成功将人工智能融入到其商业模式运营中。因此，本文基于六家成功应用人工智能的工业企业案例，研究探讨了企业如何通过发展人工智能能力创新其商业模式，以拓展其数字化服务。研究结果揭示三组关键的人工智能能力:数据管道、算法开发和人工智能民主化。企业需要通过关注敏捷的客户共同创造、数据驱动的交付操作和可扩展的生态系统集成来创新商业模式，在此基础上形成“商业模式-人工智能”共同进化框架。
01引言
人工智能技术的扩散为拥抱数字化服务逻辑的工业生态系统中产品、服务、流程和商业模式的创新带来前景。工业企业利用人工智能等数字化技术提供增值服务，推进了商业模式的创新和数字化服务的发展。然而，许多企业并未很好的将人工智能整合到其价值创造和传递过程中，这为本文研究提供了思路。首先，有必要进一步研究工业企业如何开发人工智能能力，即企业成功实施人工智能的不同以往的惯例和知识积累活动；其次，有必要进一步研究能有效利用人工智能在更大范围内推动商业模式创新的原则，即如何将人工智能服务从最初的概念验证扩展到更广泛的客户群体。
总而言之，人工智能能力的发展具有巨大潜力，可以推动商业模式创新，为制造商提供数字服务化竞争力。然而，这一转变面临着许多不确定性挑战，鲜有研究对此进行讨论。本研究目的在于探索工业企业如何发展人工智能能力和商业模式创新，以拓展其数字化服务能力。研究基于六家已成功应用人工智能解决方案实现数字化服务的工业企业的深入案例。研究发现在人工智能能力开发和人工智能驱动的商业模式创新方面联合投资的必要性，本研究对与人工智能相关的管理创新研究具有重要意义。
02理论背景
2.1人工智能赋能商业模式创新和数字化服务
人工智能对工业企业数字化转型产生深远影响。数字化服务（Digitalservitization ）是工业企业及其相关生态系统中产品、流程、服务和商业模式的转变，以逐步创造、交付和捕获由数字技术带来的服务价值增值。因此，数字化服务过程是商业模式创新的工业组织转型过程，其中人工智能(能力)成为关键的使能者。人工智能技术能通过从大型复杂数据集收集有价值的见解，为组织决策提供支持，改变企业价值主张，以精准迎合用户需求。
2.2理解人工智能能力
现有研究逐步开始探索人工智能对企业管理决策的影响。然而，关于工业企业如何能有效利用好人工智能，并向人工智能驱动的商业模式转型，目前缺乏研究。企业缺乏人工智能能力是人工智能应用的最大挑战。在有关组织能力的研究中，组织能力被认为是企业可持续竞争优势的来源。但迄今为止，学者和实践者对企业获取人工智能潜力所需的能力没有明确的界定，多数学者采用相当广泛的视角，认为人工智能的整合除需要数据科学和技术能力外，还需要战略(业务)能力。
2.3人工智能驱动下的商业模式创新
工业制造企业如何通过将人工智能能力应用到其业务中来创新商业模式？商业模式描述了公司的“价值创造、交付和获取的机制设计”。因此，本研究探索工业企业如何应用人工智能来影响其商业价值创造、价值交付和价值获取过程。从人工智能等数字能力中获利“与其说是一项技术挑战，不如说是一项利用知识创造组织知识、不断优化数字技术价值的挑战”。
03研究设计
3.1研究方法
研究方法为探索性多案例研究。研究对象来自在全球活跃的瑞典B2B供应商及其从事数字化服务的合作伙伴。研究样本包括四个行业(制造业、航运、建筑业和采矿业)的6家企业案例。
3.2数据收集
数据来自于对活跃于数字化服务的企业和数字化合作伙伴的参与者进行个人深度访谈。通过滚雪球抽样来确定受访者，最终总共对42名重要参与者进行了访谈。受访者包括数字业务开发人员、研发经理、平台经理、项目经理、产品经理和服务交付人员，每次访谈时间约为60-120分钟。此外，还通过整理该企业文件资料对受访者观点进行三角补充验证分析。
3.3数据分析
研究基于主题编码分析方法。第一步对原始数据(即访谈记录)进行深入分析，通过对受访者提及的常用词汇、短语、术语进行归纳，确定一阶编码；第二步进一步检查一级编码，提炼它们之间的联系，以确定二级编码；第三步生成表示更高抽象级别的聚合维度编码，形成关于人工智能能力如何影响商业模式创新的故事线。
04研究发现
4.1人工智能能力开发
4.1.1数据管道能力（Datapipelinecapabilities）。实现这一目标的第一步是开发来自工业设备资产和传感器的高质量数据资源。第二步是确保数据的安全共享，以实时远程监控机器性能的各个方面。第三步是整合来自多种内部和外部来源数据，建立结构化数据库平台。
4.1.2算法开发能力（Algorithmdevelopmentcapabilities）。通过开发预测企业未来状态或行为的算法，创造AI的基本认知功能，一个关键步骤是强调人工智能开发的情境化，另一个重要步骤涉及人工智能操作和重新配置的常规，让对应用领域有清晰行业理解的员工参与建立和培训人工智能模型至关重要。
4.1.3人工智能民主化能力（AIdemocratizationcapabilities）。人工智能民主化能力的重点是让全体员工参与到有价值的人工智能应用中，以创建数据驱动的见解，并在员工间建立对人工智能的共同信任。
4.2人工智能赋能商业模式创新
4.2.1敏捷客户共同创造（Agilecustomerco-creation）。关注价值创造过程，通过开发能够迅速扩大公司使用人工智能支持客户的范围的流程，同时通过模块化方法降低复杂性，以确保AI的可扩展性和利润潜力。
4.2.2数据驱动的交付操作（Data-drivendeliveryoperations）。关注价值交付过程，在运营和战略决策中使用来自人工智能的数据，实现持续改进、学习和创新。许多公司通过建立远程数据监控中心，以实现对客户和内部服务运营的实时支持。
4.2.3可拓展的生态系统集成（Scalableecosystemintegration）。关注价值获取过程，通过扩展伙伴关系，刺激业务单元、客户和生态系统参与者以更快速方式共同生产新产品服务，确定开放解决方案配置的优先级。
4.3”商业模式创新-人工智能能力”的协同进化
4.3.1发展相互依存的人工智能能力。强调不同人工智能能力（即数据管道、算法开发和人工智能民主化能力）之间的相互依赖的协同效应以及反馈循环。
4.3.2通过人工智能驱动的商业模式创新原则确保可扩展性。企业需要积极转变和创新其商业模式，可扩展的人工智能商业模式转型由三个基本原则驱动:敏捷的客户共同创造，数据驱动的交付运营，可扩展的生态系统集成。
4.3.3进行人工智能驱动的商业模式创新。人工智能能力和商业模式创新共同进化，人工智能能力、产品服务、运营流程、伙伴关系和商业模式随时间推移迭代演进。
05结论
第一，理论贡献。探索工业企业如何发展人工智能能力和商业模式创新，以深化数字化服务。为提供数字化服务的企业走向人工智能驱动的商业模式创新的研究提供见解，补充人工智能、数字服务化和商业模式创新相关研究。
第二，管理贡献。人工智能是推动数字化的引擎，很多企业都在致力于人工智能驱动的转型。但事实上，在人工智能领域，“大多数公司的野心和执行力之间的差距很大”，因此提高管理者对人工智能能力的理解十分重要。
第三，研究展望。思考研究结果的普适性，特别是不同规模企业进行B2B和B2C的商业模式创新原则的不同。思考不同行业应用人工智能能力进行数字化服务转型的差异。思考生态系统的协同、治理以及人工智能能力在推动企业共享、可持续发展等方面的作用。
人工智能如何改进质量保证的六点建议
质量保证(QA)是很多企业关注的重要领域。如果用户认为某个公司或服务商对保持高质量水平并不关注，那么他们很可能会转向采用其他公司的服务。用于质量保证的人工智能可以为此提供帮助。
此外，如果产品质量较差发生故障导致工作人员受伤或其他事故，那么将变得很危险。幸运的是，无论用户采用哪种类型的服务，人工智能都可以满足其质量保证需求。
以下是为企业采用人工智能和质量保证(QA)提出的六个建议。
[[278291]]
1.用于质量保证的人工智能：帮助开发人员发布无错误软件
人工智能在质量保证方面证明其价值的领域之一是软件开发部门。
人工智能似乎特别适合回归测试。这种方法需要进行检查，以确保先前测试过的软件版本在代码修改之后继续按预期工作。此外，人工智能可以帮助创建新的测试用例。一些人工智能模型可以识别或提出场景，而无需事先了解。
如果企业正在考虑使用人工智能帮助测试，那么确认哪些过程通常需要工作人员花费更长的时间，或者经常发生错误。然后，评估采用人工智能是否可以避免其中一些问题，并加快测试人员在使用新软件验证一切正常是通常要经历的步骤。
此外请记住，当企业拥有大量数据集时，使用人工智能进行软件测试最为有效。这就是为什么必须全面培训人工智能模型而不是仓促采用的原因。
2.用于质量保证的人工智能：减少食源性疾病
根据美国疾病控制与预防中心的数据，食源性疾病每年使美国4800万人患病，12.8万名患者需要到医院治疗。生产食品的企业必须在其生产设施中遵循严格的规范，以防止可能导致食物中毒和产品召回的隐患。
谷歌公司的一个研究小组与哈佛大学的研究人员合作构建了一个人工智能模型，据报道，该模型可以实时地识别可能的食品安全问题，它启用了位置数据的用户的谷歌搜索查询。
例如，如果某人搜索与食物中毒相符的事物，例如“腹泻原因”，则人工智能会提取其位置数据，以查看此人最近访问了哪些餐厅。然后，相关卫生部门收到了哪些餐厅可能有问题的清单，并要求核查人员前去调查。
尽管谷歌公司仅在几个城市使用过该软件，但人工智能比以前的检测系统更善于发现问题。更具体地说，人工智能模型发现食品质量不安全的餐馆为52.1%，而以投诉为基础的方法则为39.4%。
很多公司可能没有哈佛大学和谷歌公司的资源。然而可能仍然需要人工智能的帮助，例如采用一些工具可以跟踪社交媒体上的情感分析。如果企业意识到不良反馈突然在一夜之间或在几小时内不断出现，那么需要进行调查。
3.让工作人员专注于其他任务
在许多组织中，质量保证只是工作人员承担的一项职责。例如，媒体记者有许多任务共同支持质量保证。他们必须检查新闻来源，遵循组织的风格指南，并在制作内容时筛选出拼写错误和语法错误。
有些人相信人工智能可以成为让记者和编辑在他们工作流程投入更多时间的辅助工具，比如挖掘故事并寻找更多愿意接受采访的人。他们表示人工智能并不是为了取代人们的工作岗位，而是改变工作方式，让他们更多地专注于责任，而这些可能是科技也做不到的事情。
如果一些人认为人工智能可以通过工作人员在组织中执行一些时间密集型任务来支持其质量保证目标，则需要寻找有目的且易于使用的解决方案。此外，使用能够让人工智能可以节省工作人员时间而又不牺牲质量的指标很有帮助。
4.在产品投放市场之前检测缺陷
更严格的市场和更激烈的全球性竞争是导致制造商比以往更重视质量保证的一些事情。而专注质量保证的企业通常会兑现让顾客满意的承诺，因此他们通常将质量保证纳入到业务的各个方面。而对于制造行业来说，如果没有解决质量保证的问题，那么付出的代价将变得十分高昂。
许多汽车生产厂商使用有关人工智能和质量保证的工业物联网传感器。传感器收集数据，然后采用人工智能算法对其进行分析以查明可能的问题。
也许采用这种方法最有益的方面是可以让汽车生产厂商可以更早地意识到问题，可以显著降低厂商将缺陷零件销售给客户的可能性。
当企业需要减少产品缺陷的数量时，请考虑是否可以使用其他技术(例如传感器或大数据接口)来了解问题的出处和原因。这样，应该更容易发现质量保证流程中的差距在哪里以及应该如何处理。
5.加强和个性化医疗
医疗机构对各种数据进行统计，以追踪患者的病情并找出可能导致医疗不规范的问题。例如，他们可以查看医院的再入院率、平均住院时间，患者在待诊之前需要等待多长时间等。
这些衡量标准都是了解组织在质量方面如何与竞争对手进行竞争的一部分。佛罗里达州的弗拉格勒医院使用人工智能技术为高死亡率患者提供护理服务。该技术减少了成本，并缩短了住院时间。例如，该工具可以为肺炎患者节省1300多美元的直接成本，并减少了两天的住院时间。
企业可以使用类似的方法来确定人工智能是否可以改进任何基于时间或费用的统计数据。与往常一样，质量水平应该保持在较高水平，即使其他测量值下降。
6.提供更好的培训成果
员工接受的培训也与质量保证有关。新加坡国立大学的研究人员开发了一种工具，使用人工智能为个人用户定制培训内容。
他们表示，这种方法比其他培训方法更能提高认知能力。而人们对培训强度的反应不同，采用人工智能技术定制的方法可能会促进人们的认知和理解。
使用人工智能和质量保证进行培训的一种方式是跟踪人们以前所覆盖的模块以及它们如何响应不同的内容交付方式，例如视频或音频。
质量保证为企业业务提供支持
企业需要将质量保证作为重中之重，这意味着可以避免出现代价高昂的问题，并维护企业的声誉。
使用人工智能技术之后，从中获得的启发可以帮助企业节省时间和其他资源，同时最大限度地提高输出质量。