7、把大众带进云技术中：在过去的十年里，企业已经利用了大众的力量去开拓创新模式。与此同时，云技术提供了一个机会，可以快速降低计算成本，并且不受内部IT结构的限制，创新的下一步将是把云端的众包数据与AI的能力结合，创造新的、具有颠覆性的商业机会，为此，谷歌云平台和亚马逊网络服务等云平台已经开始使用。
8、用算法来衡量你的回报：衡量生产要素的传统因素包括资本回报率（ROC），以及员工的业绩指标，作为一个新的生产要素，人工智能将会采取新的或适应性的措施，与传统资产的贬值不同，人工智能资产因为它们的自我学习技术，随着时间的推移而可以不断获得价值，这种复合资产增值效应为早期人工智能投资的公司创造了更高的回报。
此外，尽管它的一些应用程序有明确的结果，但人工智能的学习本质意味着，许多收益还尚未终止确定，因此，在人工智能时代，追踪资本投资的传统措施将会过时，首席财务官们将需要一个新的工具箱来衡量“人工智能的回报”。也许它将与每一种算法产生的价值有关，或者是对初始支出和持续的成本进行计算，其中大部分的收益和成本都将在未来的时期出现，投资者将在对它有信心的基础上，对未来的价值进行评估，这种复杂性可能会吓退人力的投资者，强调了对资本支出和估值模型的新思路和新术语的迫切需求，或许，人工智能本身就会被用来计算更准确的，关于人工智能的预测。
“为了抓住人工智能的发展机遇，企业现在就开始采取行动，制定围绕人工智能的战略，将人们置于中心，并承诺开发负责任的人工智能系统，这些系统与道德和伦理价值观相一致，从而推动积极的结果，并解放人类，去做他们最能做的事情想象、创造和创新。”PaulDaugherty，埃森哲的首席技术和创新官如是说。
建立人工智能GVA影响水平模型
这份报告调查了人工智能对16个行业的影响，在出版的“为什么人工智能是增长的未来”的出版物中，埃森哲分析了人工智能对12个发达经济体的经济影响。
这些出版物的结果是建立我们搭建的在与前沿经济联系的同一经济模型基础上的，我们将人工智能作为一种新的生产要素，它将改变国家和行业层面的增长方式，为了度量这一增长，我们的模型按照图示的三个步骤进行。
1.我们从一项研究中得出的结果，该研究调查了在整个劳动力市场中，受人工智能影响的任务的比例，我们估计在未来，个体职业变为自动化的可能性将会有多大，然后，我们再通过来自目标分析国家的劳工统计数据来看这些职业在行业和国家层面的分布，这种将受人工智能影响程度与每个国家和行业的职业分布相匹配的做法，使我们能够确定每个国家和行业的人工智能吸收率。
2.我们将随时间演变的人工智能的质量改进包括在内，我们通过参考1990年至今天的软件、硬件、机器人和云计算价格的数据来衡量这一变化。
3.我们决定了在全要素生产率(TFP)的度量中对人工智能扩散所期望的额外的创新效果。我们参考了关于信息和通信技术(ICT)对TFP增长的影响的历史数据，并通过对各个行业的人工智能的投资数据以及国民经济吸收新技术的能力来提高这一数字。
在采取这些措施后，我们可以看到每个国家和行业的人工智能的经济潜力，对于国家的结果，我们汇总了每个国家16个行业中每一个行业的结果，对于行业的结果，我们汇总了每个行业12个国家的数据。我们的盈利预测是基于GVA的结果。为了获得利润的代理，我们从GVA减去劳动报酬。这就给了我们每个行业的总营业盈余(GOS)，这是利润的近似值，它描述了在劳动力因素输入被减去之后经营活动所产生的剩余盈余，为了更准确地衡量盈利能力，我们将一个平减指数包含在资本折旧的数据中。
行业层面在GVA上模拟人工智能收益的因子
英文作者：
马克波蒂（MARK PURDY），埃森哲董事总经理