Emerj AI Research

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：Lowe’s Companies operates as a Fortune 100 home improvement retailer, with fiscal year 2025 sales that exceeded $86 billion. The company employs approximately 300,000 associates and operates more than 1,750 stores, 540 branches, and 120 distribution centers across the United States. Lowe’s reported 16 million customers weekly across an omnichannel network that spans in-store, online, […]

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：Caterpillar ranks as the world’s largest construction equipment manufacturer and also produces off-highway diesel and natural gas engines, industrial gas turbines, and diesel-electric locomotives, headquartered in Irving, Texas. The company employed 118,000 people worldwide at the end of 2025 and posted $67.6 billion in sales and revenues for the year, the highest full-year total in […]

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：This interview analysis is sponsored by Appdome and was written, edited, and published in alignment with our Emerj sponsored content guidelines. Learn more about our thought leadership and content creation services on our Emerj Media Services page. Mobile applications have become the primary interface between enterprises and their customers, and increasingly one of the most […]

本文探討了AI採用與數據治理之間的差距，指出88%的組織已使用AI，但僅有35%的組織能完全瞭解非結構化數據的存儲位置。文章通過專家見解提出了四個關鍵洞察：實時敏感數據流映射、統一治理、開發前問責框架以及數據級安全控制。

梅奧診所是一家非營利學術醫療中心，擁有近85,000名員工，2025年運營收入4.73億美元。該機構正在推進200多個人工智能項目，涵蓋從早期可行性研究到臨牀部署的各個階段。本文重點介紹兩個AI用例：AI心電圖篩查用於早期疾病檢測，以及AI驅動的病歷審查工具Record Time，後者幫助醫生平均每次就診節省5-30分鐘準備時間。

鐵山公司（Iron Mountain）通過與Emerj合作，將其從物理存儲品牌重新定位為AI創新者。通過播客、文章和PDF報告，該公司在銀行和保險領域獲得了超過30,000次下載和數百個合格線索，成功提升了其AI搜索發現平台的知名度。

受監管行業（如金融、法律、税務和審計）對AI的採納面臨零容錯率的要求。斯坦福研究發現通用語言模型在法律問題上的幻覺率高達58%-88%。AI必須滿足受託責任級別的準確性、數據保護和人為籤核要求，才能安全部署。文章提煉了四個關鍵洞察：準確性標準、工作流自動化、數據保障和明確的責任劃分。

儘管計算機視覺在製造領域技術表現優異，但77%的項目仍停留在原型或試點階段。本文通過三位專家的見解，分析了阻礙規模化的核心因素：生態就緒度、業務主導的所有權以及通過小勝利積累的操作信任。

服務組織面臨近乎零停機需求與維護能力之間的結構性錯配。通過異常檢測、規範性指導和運營轉型，AI幫助技術人員在故障發生前採取行動，提升首次修復率，減少停機成本。

隨着AI和優化工具的普及，傳統供應鏈規劃模型已無法提供競爭優勢。麻省理工斯隆管理評論與世界經濟論壇的研究顯示，多數企業仍缺乏對一級供應商的可見性。本文基於Emerj播客系列，探討了基於場景的網絡建模、AI加速的情景分析以及統一設計環境如何幫助企業在波動中做出更好的決策。

丘博保險（Chubb）是一家全球財產及意外險保險公司，計劃在三到四年內通過AI自動化85%的核保和理賠流程。關鍵應用包括智能核保錄入（將北美週期從24小時縮短至2小時）和AI驅動的理賠文檔處理（首次聯繫時間從24小時降至3小時）。公司擁有3500多名工程師，並在全球建立工程中心。經驗教訓包括將AI投資與週期時間指標掛鈎，以及建立理賠與核保之間的閉環反饋。

UC Berkeley研究分析了七個生產級多代理系統的1642條執行軌跡，發現代理協作時故障率為41%至86.7%。故障原因分為結構性問題：41.8%源於規範缺失和共享治理（死鎖），36.9%源於代理間語義偏差。研究還顯示，缺乏協調時錯誤放大可達17倍，即使有集中檢查點仍放大4.4倍。Cisco Outshift的Guillaume De Saint Marc提出，企業需要構建共享語義層、代理特定控制和安全擴展的開放互操作性，以實現可靠的協作智能。

本文探討了企業AI項目失敗率高達80%的原因，指出碎片化數據和缺乏統一上下文是主要障礙。通過Arango和IBM專家的見解，文章提出了構建可解釋、可信賴的代理AI系統的四個關鍵洞察。

企業AI支出與成果之間的差距正在擴大，美國聯邦機構的AI使用量翻倍，但定價難題凸顯。文章提供了四項高管策略：可逆的轉型決策、基於證據的談判槓桿、短週期商業承諾、以及獨立問責制，以保護成本、靈活性和槓桿。

Moderna是一家基於mRNA技術的生物技術公司，通過AI實現企業級生產力提升和mRNA序列設計加速。公司利用ChatGPT Enterprise和自定義GPT實現法律、研發、製造等部門的全面採用，同時通過mRNA設計工作室縮短疫苗和治療方案的設計週期。

代理型AI正成為現代客户服務企業的關鍵能力，幫助企業應對長期以來規模龐大、成本高昂且效率低下的客服運營問題。本文基於Dialpad與Comcast高管的對話，探討了三個核心洞察：歷史交互數據揭示高價值自動化領域、AI主導的智能分流提升人類工作效率、統一平台架構解決客服碎片化問題。文章強調，在受監管行業中，準確性、信任和集成是成功部署代理型AI的關鍵。

儘管人工智能採用率上升，但大多數部署並未觸及運營核心，導致投資回報率有限。本文探討了四個關鍵條件，包括問題定義、組織準備度、認知設計和投資回報率清晰度，幫助企業在試點成功基礎上實現可擴展的價值。

本文探討了企業AI從孤立試點轉向可重複、可衡量業務成果的四個關鍵洞察：端到端工作流是AI價值的真正單位、AI必須構建在實時工作流中、從個人擴展到團隊協作、以及工作本身的改變而非僅僅工具。文章基於HTEC三位高管的播客系列。

多年來，企業AI戰略基於一個簡單假設：一旦模型足夠好，採用就會隨之而來。這一假設正在被檢驗——並且失敗。模型能力已基本到位，但基礎設施、安全態勢和工作流架構尚未準備好支持自主系統安全運行。NIST收到的關於AI代理安全的信息請求獲得了932條公眾評論，反映了從業者面臨的緊迫問題。醫療保健領域尤其凸顯了工作流問題：數據準備、互操作性、生命週期監控和可審計性是實現AI潛力的基礎。瓶頸不在於智能，而在於準備就緒。

寶潔數字化轉型總監Shaje Ganny在Emerj的AI in Business播客中討論了CPG企業如何通過以人為中心的運營原則負責任地擴展AI。他提出三大關鍵能力：以問題定義的AI運營模型、三利益相關方影響治理、以及高管層面的AI素養與問責設計。文章引用了MIT研究（95%的生成式AI試點未產生可衡量的財務影響）和McKinsey分析（全面部署AI可為100億美元的食品飲料企業創造8.1億至16億美元價值），同時強調消費者對AI的信任問題。

製藥公司因策略執行緩慢浪費數十億美元。AI可以通過實時信號協調團隊、歸因真正驅動處方的因素、並將建議嵌入工作流程來縮小差距。

AI正在降低客户服務成本，但也可能加速組織風險。斯坦福大學的研究顯示，通用AI聊天機器人在法律查詢中的幻覺率高達58%-82%。當AI無法解決問題時，品牌淨推薦值可能驟降70點。本文探討了企業如何在部署生成式AI時保持組織準備度，包括信任門檻、確定性AI基礎以及升級設計等關鍵洞察。

美國運通在2010年就開始將機器學習應用於欺詐檢測，如今已為幾乎所有員工提供AI工具，並在工程團隊中推廣AI輔助開發。其機器學習驅動的欺詐檢測系統每年監控超過1.2萬億美元的交易額，在毫秒內做出欺詐判定。公司正在探索70多個生成式AI用例，並通過Amex Ventures投資於信任與安全、企業效率和數據驅動體驗領域的初創公司。此外，運通還推出了代理商務（Agentic Commerce）開發工具包，為AI代理安全執行交易建立基礎設施。

本文探討了聯絡中心語音交互中的實時風險，包括AI驅動的欺詐、深度偽造和代理人流失。通過三部分系列訪談，Modulate和Thales集團的專家提出：必須在通話中檢測欺詐，使用專為音頻設計的AI架構，並建立工作流層面的治理機制。

護理文書已成為運營瓶頸，AI無法在不深入對齊工作流程和進行嚴格變革管理的情況下解決這一問題。護士現在花費高達41%的時間在電子健康記錄（EHR）上，系統綜述將EHR負擔直接與臨牀倦怠聯繫起來。本文探討了AI如何通過環境文檔、持續準確性調整和變革管理框架來減輕護理負擔。

從基於座位許可到混合及消費型AI定價的快速轉變，使得企業技術支出更加難以預測和控制。Adam Mansfield探討了新定價模式如何為買家帶來財務風險，以及為何在主要供應商談判中，清晰的預測、透明度和槓桿作用越來越難以實現。他強調了領導者現在必須採取的實際步驟——從審計當前使用情況、識別未充分利用的支出，到儘早與供應商接觸並利用更廣泛的市場環境。

企業AI項目常將設計視為最後一步，但HTEC首席產品與設計官Carsten Wierwille認為這是戰略性錯誤，導致許多AI工具技術可行卻無法改變實際工作方式。他探討了設計清晰度、認知設計等關鍵概念。

ServiceNow是一家美國企業軟件公司，總部位於加州聖克拉拉，全球員工超過29,000人。該公司大力投資AI和自動化，收購Passage AI、與NVIDIA合作、投入10億美元風投資金支持AI初創企業，並在加拿大投資1.1億加元推動公共部門AI應用。文章重點介紹兩個AI用例：利用生成式AI嵌入ITSM/CSM工作流，將解決記錄時間減少約80%；以及通過機器學習預測客户升級，使主動參與率從11%提升至68%，誤報率僅約3%。

服務組織在複雜設備行業因解析知識結構混亂而損失資金。本文探討了如何建立數據基礎以支持預測性維護，強調了構建解析基礎、AI就緒數據、因果映射和參考驗證解決方案的關鍵步驟。

製造業勞動力老齡化導致關鍵操作知識流失。本文探討如何利用生成式AI將專家經驗轉化為結構化數字工作指令，從而減少缺陷、提高產量，並確保知識傳承。