Emerj AI Research

宝洁数字化转型总监Shaje Ganny在Emerj的AI in Business播客中讨论了CPG企业如何通过以人为中心的运营原则负责任地扩展AI。他提出三大关键能力：以问题定义的AI运营模型、三利益相关方影响治理、以及高管层面的AI素养与问责设计。文章引用了MIT研究（95%的生成式AI试点未产生可衡量的财务影响）和McKinsey分析（全面部署AI可为100亿美元的食品饮料企业创造8.1亿至16亿美元价值），同时强调消费者对AI的信任问题。

制药公司因策略执行缓慢浪费数十亿美元。AI可以通过实时信号协调团队、归因真正驱动处方的因素、并将建议嵌入工作流程来缩小差距。

AI正在降低客户服务成本，但也可能加速组织风险。斯坦福大学的研究显示，通用AI聊天机器人在法律查询中的幻觉率高达58%-82%。当AI无法解决问题时，品牌净推荐值可能骤降70点。本文探讨了企业如何在部署生成式AI时保持组织准备度，包括信任门槛、确定性AI基础以及升级设计等关键洞察。

美国运通在2010年就开始将机器学习应用于欺诈检测，如今已为几乎所有员工提供AI工具，并在工程团队中推广AI辅助开发。其机器学习驱动的欺诈检测系统每年监控超过1.2万亿美元的交易额，在毫秒内做出欺诈判定。公司正在探索70多个生成式AI用例，并通过Amex Ventures投资于信任与安全、企业效率和数据驱动体验领域的初创公司。此外，运通还推出了代理商务（Agentic Commerce）开发工具包，为AI代理安全执行交易建立基础设施。

本文探讨了联络中心语音交互中的实时风险，包括AI驱动的欺诈、深度伪造和代理人流失。通过三部分系列访谈，Modulate和Thales集团的专家提出：必须在通话中检测欺诈，使用专为音频设计的AI架构，并建立工作流层面的治理机制。

护理文书已成为运营瓶颈，AI无法在不深入对齐工作流程和进行严格变革管理的情况下解决这一问题。护士现在花费高达41%的时间在电子健康记录（EHR）上，系统综述将EHR负担直接与临床倦怠联系起来。本文探讨了AI如何通过环境文档、持续准确性调整和变革管理框架来减轻护理负担。

从基于座位许可到混合及消费型AI定价的快速转变，使得企业技术支出更加难以预测和控制。Adam Mansfield探讨了新定价模式如何为买家带来财务风险，以及为何在主要供应商谈判中，清晰的预测、透明度和杠杆作用越来越难以实现。他强调了领导者现在必须采取的实际步骤——从审计当前使用情况、识别未充分利用的支出，到尽早与供应商接触并利用更广泛的市场环境。

企业AI项目常将设计视为最后一步，但HTEC首席产品与设计官Carsten Wierwille认为这是战略性错误，导致许多AI工具技术可行却无法改变实际工作方式。他探讨了设计清晰度、认知设计等关键概念。

ServiceNow是一家美国企业软件公司，总部位于加州圣克拉拉，全球员工超过29,000人。该公司大力投资AI和自动化，收购Passage AI、与NVIDIA合作、投入10亿美元风投资金支持AI初创企业，并在加拿大投资1.1亿加元推动公共部门AI应用。文章重点介绍两个AI用例：利用生成式AI嵌入ITSM/CSM工作流，将解决记录时间减少约80%；以及通过机器学习预测客户升级，使主动参与率从11%提升至68%，误报率仅约3%。

服务组织在复杂设备行业因解析知识结构混乱而损失资金。本文探讨了如何建立数据基础以支持预测性维护，强调了构建解析基础、AI就绪数据、因果映射和参考验证解决方案的关键步骤。

制造业劳动力老龄化导致关键操作知识流失。本文探讨如何利用生成式AI将专家经验转化为结构化数字工作指令，从而减少缺陷、提高产量，并确保知识传承。

沃尔玛企业服务高级副总裁David Glick讨论了用实时迭代取代季度规划、从整体式AI转向联邦式纳米代理，以及构建可扩展代理开发平台的方法。

旅行者保险公司是美国最大的财产与意外险公司之一，在2023年实现总收入413.64亿美元。该公司将人工智能广泛应用于核保、理赔和巨灾分析。其AI驱动的理赔分类系统使用机器学习快速判定案件严重程度并自动分流，大幅缩短处理周期；AI增强的风险模型整合地理空间、气象和历史损失数据，提升核保精度。公司还与Anthropic合作，为近万名员工部署Claude AI助手。自2016年以来，旅行者在技术上投资130亿美元，费用率下降300个基点。

组织在采用AI时面临挑战：如何在推动增长和效率的同时不损害合规性或暴露敏感数据。本文讨论了根据业务领域匹配AI风险偏好以及实施逐步数据分类的方法，基于TD银行Naveen Kumar的见解。

劳埃德银行集团作为英国最大金融服务集团之一，已将人工智能作为核心战略工具，从实验性试点转向规模化部署。集团于2024年任命前AWS数据与AI负责人Rohit Dhawan为集团AI与高级分析总监，成立集中式AI卓越中心。2025年，超过50个生成式AI解决方案投入生产，贡献约5000万英镑价值，预计2026年AI相关价值将超过1亿英镑。技术基础为Google Cloud Vertex AI平台，支持300多名数据科学家和至少18个GenAI系统。本文重点介绍两个内部AI用例：大型生成式AI用于前线知识检索，以及实时机器学习用于借记卡欺诈检测。

美国税务系统面临结构性失衡：K-1表格数量激增、监管披露要求扩大，而处理这些工作的专业人才却不断减少。文章探讨了如何通过自动化工作流、数字化K-1数据和流程成熟度升级，从手动处理转向直通式处理，以应对日益增长的税务合规负担。

AI正在通过跨临床试验阶段的基于证据的决策来革新药物开发。诺华公司的Shefali Kakar解释了集成建模如何减少昂贵的后期失败，并提供对患者特定药物反应的更深入了解。

企业AI规模化面临的核心挑战是缺乏组织上下文。本文探讨了通过专用上下文层为AI代理提供组织知识、系统意识和安全护栏，从而显著提升任务准确率、降低令牌消耗并确保合规性。

生命科学企业面临研发与制造加速而基础设施滞后的困境。数据量激增，数字化项目失败率高（约70%）。本文探讨通过工作负载驱动的基础设施部署、对象存储作为AI数据层以及适应性架构来加速价值实现。引用阿斯利康全球云与基础设施负责人Robert Wenier的观点。

西门子作为工业巨头，在其工厂中大规模部署人工智能，特别是在预测性维护和基于AI的视觉检测方面。通过机器学习模型预测设备故障，利用计算机视觉检测电子制造中的微小缺陷，显著降低了停机时间、提高了产品质量并节省了成本。