在各类媒体的报道下，机器学习、机器人技术、自动车辆、自然语言处理、机器视觉、语音识别等先进技术也逐渐成为大家讨论的话题，似乎也离我们很近，那么，这些先进技术在企业中的使用又是怎么样的呢？
带着这一疑问，研究者们展开了调查，结果令人大吃一惊！研究者发现，这些先进商业技术的采用率相对较低，并且认为我们对企业如何以及为什么采用新技术的理解仍然相当不精确！
商业数据庞杂而繁琐，研究人员难以进行大规模统计，因此，研究者将介绍年度商业调查（AnnualBusinessSurvey，ABS）的技术板块，并展示该模块的初步结果，为我们描绘先进商业技术在商业中扩散使用的“初步印象”。
ABS数据集介绍
年ABS是一个具有全国代表性的大型样本，共有超过85万家企业，涵盖所有私营和非农经济部门。
除了技术问题，它还向企业询问了公司信息（如所有权类型）、所有者特征、创新、研发（RD）、知识产权以及财务和其他业务特征。
调研背景
近十年来大量文献表明，企业采用和使用技术对劳动力市场和整体经济有着重大影响。技术变革日新月异，但是企业技术使用方面的数据较为缺乏，我们对此知之甚少，这为先进技术的使用蒙上了一层神秘的面纱。
此外，对于特征不同的企业来说，技术采用也有很大不同。因此，研究者们认为，观察企业在采用和使用技术方面的差异对于理解工作中的潜在机制至关重要。
主要问题
文章具体探讨了三个方面的问题：数字格式（数字化）信息的可用性、云计算服务的支出以及几种先进商业技术的使用。
第一个问题探讨了企业对数字信息的依赖。广义地说，数字信息被定义为“以比特表示信息”。很多应用技术依赖于数字信息的使用，电子商务，供应链管理，客户关系和市场营销，人力资源等等多种职能都可以通过数字信息来管理，可以说，数字化信息是管理若干业务功能的关键因素。
基于美国人口普查局管理与组织实践调查（MOPS）的最新研究表明，依赖数字信息的决策（“数据驱动决策”）在美国迅速扩散，并对公司绩效产生重要影响。
第二个问题探讨了企业对云计算的依赖程度，Brynjolfsson和McAfee（）认为，为了让企业采用人工智能技术，必要的要素是大量的数字信息（“大数据”）和足够的计算能力。云计算的出现极大的提高了企业的计算能力，可以处理大量的数字信息。Jin和McElheran（）发现，由于云计算的兴起，外包IT与年轻企业生存和生产力的提高显著相关。
最后，第三个问题直接询问高级“业务技术”的使用，包括那些通常被归类为“AI”的技术。这些技术包括自动引导运输车、机器学习、机器视觉、自然语言处理和语音识别软件。
基于这三个问题，制定了三个问题纳入年ABS。如图所示，第一个问题询问六个关键业务活动（人员、财务、客户反馈、营销、供应链和生产）的数字化程度，“其他”可以填写。
第二个问题是关于8个业务功能的云服务购买强度，“其他”允许填写。这些两个问题有四个百分比范围（无、最多50%、超过50%和全部）的复选框，以及“不知道”选项和一个表示特定类型的问题业务部门没有收集信息，或者没有使用特定的IT功能。
第三个问题涉及九种先进商业技术（包括增强现实、机器学习和机器人技术）在商品或服务生产中的测试和使用强度。对于这九种技术中的每一种，都有“测试”复选框、四个强度百分比范围（不使用、小于5%、5%-25%和大于25%）和“不知道”选项。
数据处理方面，研究者们主要依赖LBD导出的表格权重来描述应答率以及广泛和密集的技术采用率。
项目无应答率和“不知道”回答是分析调查结果的一个挑战，为了解决这个问题，作者采取了两种方法。第一种方法是仅使用确定性回答的原始数据（即排除所有“缺失”和“不知道”回答）报告调查结果。第二种方法是根据可识别的公司特征，对“不知道”回答和使用类别中“缺失”项的值进行插补后，报告调查结果。
部分发现
1、不同业务活动的信息数字共享
1）数据概况
年ABS技术模块的第一个问题是询问企业数字存储的信息类型。图1按业务活动或功能列出了信息数字化的响应频率。
对于对每种类型的信息都做出肯定回答的公司，最常见的回答是“超过50%”或“全部”，其次是“高达50%”。有大量公司表示，在人事和金融业务活动中完全使用数字信息。
2）采用率和使用率
表6按业务职能列出了数字信息的采用率和密集使用份额。
从表中，我们可以看出，采用率最高的是财务、人事和营销活动。这些类别的采用率相对较高并不令人惊讶，因为大多数公司依赖基本的财务和人事职能，而不考虑行业。另一方面，生产和供应链活动的采用率最低，部分原因是这些活动更集中于制造业，而制造业仅占全国企业总数的4%。
同样如表6所示，密集使用的发生率（超过50%或全部）与按功能划分的基本采用率相当。最密集使用的是金融功能，其中70.8%的公司高强度使用数字信息。相比之下，供应链功能的密集使用率最低，约为32.6%。
3）行业细分
图2是按部门划分的数字信息采用率和使用率蝶形图。图表右侧的面板按行业表示所有调查信息类型的数字信息采用率。“有采用风险”公司的采用率在信息部门最高（96.5%），其次是专业服务和教育。
图2的左面板显示了按部门划分的数字化（定义为“50%或更多”或“全部”）的大量使用。信息再次领先，超过91%的“风险”公司表示密集使用。
4）与公司规模和年龄的关系
表8显示了按公司规模和年龄划分的数字化率。规模-年龄单元的估计系数表明，对于给定的公司规模水平，数字信息的存在随着公司年龄的增长而略微增加，最小规模类别除外，最小规模使用指标实际上随着年龄的增长而下降。
2、IT职能部门与云服务购买
1）数据概况
如图3所示，多个功能的云服务购买有所不同，很少集中在特定功能中。大量公司表示，他们不知道自己是否购买了云计算。对于许多IT职能部门来说，在那些报告使用了云服务的部门中，“高达50%”类别的响应频率通常最高，其次是“超过50%”和“全部”。只有个别功能例外。
2）采用率和使用率
表9按业务职能列出了购买云服务的支出方面的广泛采用范围和密集使用份额。如果一个公司的回复表明在一个业务功能中至少有一些云服务支出，那么它就被认为是采用者。在计费和安全方面，采用率和密集使用率最高，而在客户关系和数据分析方面，采用率最低。总的来说，大约四分之一的公司表示在所有IT功能中都采用了购买的云服务。
表10显示了在采用购买的云服务方面具有最高共存（相关性）的前五大业务功能组。如表7所示，相关性表明一组的两个功能倾向于依赖或不依赖云服务购买的程度。最高相关性（0.73）出现在服务器和安全组合中。
3）行业细分
图4提供了购买云服务时跨部门采用率和密集使用率的蝴蝶图。与数字化一样，采用率和密集使用率最高的是信息，紧随其后的是专业服务和教育。除其他类别外，农业、矿业、公用事业、零售业、运输和仓储业最低。
4）与公司规模和年龄的关系
表12显示了云服务购买的采用与公司规模和年龄之间的关系。对于规模最小的公司（1-9名员工），采用率随着年龄的增长而下降，从最年轻的（0-5岁）到最老的（21岁以上）公司，采用率从0.74到0.58。对于中等规模的类别（10-49或50-名员工），不同年龄类别的差异要小得多。对于规模最大的类别（+名员工），采用率呈现出先随年龄增长后下降的非单调模式。
3、先进商业技术采用
1）数据概况
很少有公司使用模块中包含的业务技术，很多公司回答“不知道”。鉴于至少某些技术的先进性和专业性，只有相对较少的公司表示有某一类型的使用。而使用频率最高的是自动存储、触摸屏和机器学习。
2）采用率和使用率
表13提供了每种业务技术的使用率和测试率。触摸屏/信息亭技术的使用率和测试率最高。该技术的采用率为6.1%，检测率很低（0.9%）。机器学习在使用率和测试率方面排名第二，但这两项比率分别为2.9%和0.7%，相当低。
查看表14中成对采用的这些技术，我们发现机器学习和机器视觉的使用最为一致。
接下来，研究者们讨论了不同技术的测试率和使用率，以评估哪些技术处于传播的早期阶段，即测试相对于使用率较高的阶段。在图6中，纵轴表示测试的公司比例与使用的公司比例。这些技术用圆圈来表示。每个圆圈的大小与该技术的使用率相对应，较大的圆圈表示使用率较高。图中的技术按使用率从低到高排列。
如a组所示，测试使用率最高的技术是增强现实技术，在增强现实技术中，使用该技术的公司中有将近一半的公司报告对其进行测试。其次是RFID和自然语言处理，最低的是相对更普及的技术，如触摸屏、机器学习和机器视觉。
图6的其余面板按公司规模、年龄和制造状态绘制了技术的测试使用率。b组按公司规模显示比率，其中小公司定义为拥有1-9名员工的公司，大公司定义为拥有至少名员工的公司。蓝色圆圈表示大公司之间的使用情况，橙色圆圈表示小公司之间的使用情况。对于每种技术，小公司的圆圈都较小，这与先前的发现一致，即一般来说，大公司倾向于以更高的速度使用业务技术。
总的来说，图6中c组的模式表明，在年轻公司的人群中，与使用相比，测试的比率很高，然而，较老的和较大的公司倾向于减少对这些技术的试验，或者在调查时，这些技术在较老的和较大的公司之间的扩散相对较大。
最后，图6中的面板d显示了制造业和非制造业的测试使用比率。对于与自动化最密切相关的技术，如机器学习、机器人技术和机器视觉，制造企业的使用率明显高于非制造企业。测试与使用比率的最大差异在于语音识别和自然语言处理。
3）行业细分
图7中的蝴蝶图提供了所有业务的部门扩散率。制造业领先，约15%的公司表示至少使用一种商业技术，其次是医疗保健（14%）、信息（12%）、教育（11%）和专业服务（10%）。技术扩散率最低的是建筑、农业、采矿和公用事业、管理和行政以及金融、保险和房地产部门。
4）与公司规模和年龄的关系
商业技术的使用如何因公司规模和年龄而异？如表17所示，首先，最小的公司使用率最低，而且使用率往往随着规模的增大而增加，即使控制了公司的年龄。第二，对于小公司（少于50名员工）来说，使用率往往随着年龄的增长而下降（虽然不是单调的），一般来说，年龄最大的小公司采用率最低。对于规模较大的公司（50+名员工），使用率表现出相反的模式：随着公司年龄的增加，使用率也会增加（特别是对于50-名员工的公司）。
结果讨论
1、人工智能采用
规模似乎是人工智能使用的主要相关性，可能是由于充分实现目前最流行的人工智能类型所需的大量数据和计算能力。
2、技术等级
绝大多数利用云服务提供IT服务的公司也将其信息数字化。同样，我们看到，对于绝大多数采用至少一种先进业务技术的公司来说，他们几乎总是购买云服务。这种证据指出了企业可能面临的一些技术采用的障碍。
在将技术使用与企业规模和年龄联系起来的研究中，我们发现最大和最老的企业最有可能采用至少一种商业技术，这意味着规模效应可能是技术采用的一个重要决定因素。
3、技术互补性
技术互补背后的理念是，采用一种技术可能会导致采用另一种技术，或者某些技术类型需要采用多种技术和互补投资才能充分受益（Brynjolffson等人（））。
对于人工智能的许多核心元素，即机器学习、机器视觉和自然语言处理，与生产信息数字化和在云端执行数据分析等技术的使用相关。这些相关性表明，某些技术可能需要同时采用，才能充分获得技术的好处。
4、技术与创新
采用技术往往与提高生产力和效率有关。随着技术成熟度的提高，产品和工艺创新系数的大小都增加，表明技术采用和创新之间存在正相关关系。
5、技术使用的宏观/分配结果
企业加权采用率和就业加权采用率之间差异最大的业务技术是机器人技术和RFID，它们的就业加权采用率都是前者的8倍。
6、技术的均衡器效果
一些经济学家认为，采用技术很重要的一个原因是，技术可能被视为一个“伟大的均衡器”。在这种观点下，年轻和小型企业，可能更灵活，可能能够迅速扩大规模，但本调查显示，最新技术的采用大多是由较大的和较老的公司进行的，这实际上可能是由技术本身驱动的，因为大多数最新技术都依赖于规模效应。
结语
通过这一研究，研究者大致描绘了数字信息使用、云计算购买以及一些新兴商业技术的传播的整体情况。一般来说，先进业务技术在较大和较老的公司中更为普遍。
企业的技术采用对美国经济有着很大影响，研究者们希望本文能为进一步的研究提供动力，利用这些新的数据集来帮助回答重要的问题
转载请注明：http://www.0431gb208.com/sjszlfa/4002.html
