AI红利期，企业该如何成功转型？

人工智能技术正准备改变每个行业，就像100年前电力所做的那样。从现在起到2030年之间，AI将创造大约13万亿美元的GDP增长。尽管AI已经为谷歌、百度、微软以及Facebook等科技公司创造了巨大价值，但其创造更多价值的浪潮将溢出软件行业。

然而，AI发展前景虽好，许多公司却并未做好充分准备。据统计，一家公司的AI转型多半要花18到36个月，还有一些转型长达5年之久。如何快速实现AI转型，抢占AI市场红利，成为各大转型企业关注的重点。

转变思维方式与工作方式

据调查，在数千名高管所在公司对AI及高级分析技术的应用和相应组织情况中，只有8%的公司开展了支持AI大规模应用的核心工作。多数公司只做了临时的试点项目，或只在某一项业务流程中采用AI。公司进展这么慢，原因何在?上升到最高层面，这反映了组织未能做好AI所需的转型。在调查以及与数百名客户的合作中，我们发现，AI项目面临着难以跨越的巨大文化及组织障碍。但我们也看到，在项目开端采取措施克服障碍的领导者，能够很好地抓住AI带来的机遇。

领导者最大的一个错误是，将AI视为能够迅速带来回报的即插即用式技术。他们决定启动几个项目，就开始投资几百万给数据基础设施、AI软件工具、数据专业技能和模型开发。少数组织的一部分试点项目勉强实现了一点点盈利，但之后再过几个月乃至几年，都未能取得高管期望的巨大成功。公司很难将这类试点项目扩展到整个公司，也很难将AI工作重点从分散的问题(如增强客户细分)上升到大的商业难题(如优化整个客户旅程)。

还有，领导者往往对运用AI的必备条件考虑得不够充分。前沿技术和人才自然必不可少，但公司文化、结构和工作方式也要支持广泛应用AI，这方面的调整与技术和人才同等重要。但在多数并非天生数字化的公司，传统思维方式和工作方式与AI的需求相悖。

要扩大AI应用范围，公司必须做出三项转变：

第一，从孤岛作业转为跨领域合作。由具备多种能力和视角的跨职能团队开发的AI最能发挥影响力。让业务人员和技术人员合作，加上分析专业人士，能够确保项目照应到整个组织的重点议题，不只关注单一部门的问题。多样性团队还可以充分考虑到应用新技术要求的运营变革——这样的团队更能发现和反映问题，比如说，要引入一项算法用来预测维护需求，应当同时对维护工作流程进行相应的调整。此外，如果开发团队在设计项目时让终端用户参与，项目得到应用的可能性会大幅度提升。

第二，从由领导者推进的基于经验的决策，转为由数据推进的一线决策。AI得到广泛应用时，算法推荐会让组织上下各层级员工的判断和感知得到增强，得出人类或机器单独无法获得的更好的答案。不过，要想充分发挥这种作用，各层级员工必须信任算法给出的建议，并感到自己有权利做决定——这意味着要摒弃传统的自上而下的决策方法。如果员工在采取行动之前必须先请示上级，AI应用就会受到阻碍。

某公司将一个复杂的手动排程方法换成了全新的AI系统，决策过程明显改变。过去，这家公司的活动策划者用彩色的标签、大头针和贴纸来标记时间冲突、参与者需求及其他要注意的地方，常常根据直觉和上级管理者的建议做决策，而管理者也是凭直觉行事。新系统能够迅速分析大量日程安排组合，先用一个算法在几亿种排法中提取出几百万种，再用另一个算法将这几百万种缩减为几百种，最后为每位参与者排出几种最佳日程供选择。随后，有经验的活动策划人运用自己的专业知识，在数据支持下做出最终决定，无须向管理者征求意见。策划人迅速适应了这个新系统，十分信任系统给出的结果，因为他们参与了系统参数和限制条件的设置，而且知道最终做决定的还是自己。

从僵硬固化、趋避风险转为敏捷、试验、可适应。组织必须摆脱“只有完全成熟的创意才能实行”或“只有设计完善的商业工具才能使用”的思维。AI应用需要迭代，绝少在投入应用之初就具备组织需求的功能。组织要具备“从测试中学习”的态度，将错误转为新知的来源，减少对出错的担忧。收集初期用户的反馈，用于升级AI工具，会使公司在小问题发展成为代价高昂的大问题之前及时将其纠正。发展会逐渐加速，让小规模AI团队能在几周(而非几个月)内开发出最小可行产品。

执行试点项目以获得动力

对于最初的几个AI项目来说，获得成功比成为最有价值的AI项目更重要。它们应该足够有意义，以便最初的成功能帮助你的公司熟悉AI，并说服公司其他人投资更多的AI项目。不过，这个项目的规模也不应该太小，以至于让人觉得微不足道。重要的是让飞轮旋转起来，这样你的AI团队才能获得动力。

最初几个AI项目的建议特征：

——理想情况下，应该组建全新的或外部AI团队，并与内部团队合作，深入了解自家业务，然后构建能在6到12个月内开始显示出吸引力的AI解决方案；

——这个项目在技术上应该是可行的，许多公司仍在启动利用今天的AI技术无法实现的项目。信任AI工程师在项目启动前对该项目进行的尽职调查，这将增强你对项目可行性的信心；

——有个定义清晰和可度量的目标，以创造业务价值。

建立一个内部AI团队

虽然拥有深厚AI技术专长的外包合作伙伴可以帮助你更快地获得最初的动力，但从长期来看，与内部AI团队一起执行某些项目将更有效。此外，你还需要在公司内部保留一些项目，以建立更独特的竞争优势。

重要的是，要建立这个内部团队，必须从高管层获得支持。在互联网崛起期间，对于许多公司来说，聘请首席信息官（CIO）是个转折点，可以帮助它们制定出一套具有凝聚力的互联网使用策略。相比之下，那些进行了许多独立实验的公司——从数字营销到数据科学实验，再到新网站的推出，如果这些小型试点项目未能成功地扩大规模，改变公司的其余部分，那么它们就无法利用互联网的能力。

在AI时代，对于许多公司来说，一个关键时刻将再次出现，那就是组建一个能够帮助整个公司的核心AI团队。这个AI团队可以由CTO、CIO或CDO(首席数据官)领导，但前提是他们必须拥有合适的技能集。此外，这个团队也可以由专门的CAIO(首席人工智能官)领导。这个AI团队的主要职责是：

——建立能够支持整个公司AI能力；

——执行跨职能项目的初始顺序，以支持不同部门或业务单位的AI项目。在完成最初的项目后，建立重复的过程来持续进行一系列有价值的AI项目；

——为招聘和挽留员工制定一致的标准；

开发对多个部门或业务单位有用但不太可能由单个部门开发的全公司平台。例如，考虑与CTO/CIO/CDO合作，开发统一的数据仓库标准。

许多公司都是由多个业务部门组成的，并向首席执行官汇报工作。有了新的AI团队，你将能够把AI人才组织到不同的部门，以推动跨职能项目。

新的职位描述和新的团队将会出现，我现在的团队组织工作的方式不同于前AI时代，现在的角色包括机器学习工程师、数据工程师、数据科学家和AI产品经理等。

合格的AI领导者将能够建议你建立正确的流程。目前正在爆发争夺AI人才的战争，不幸的是，大多数公司将很难聘用斯坦福大学的AI博士生(甚至可能是斯坦福大学的本科生)。由于人才大战在短期内基本上属于“零和游戏”，与一个可以帮助你建立AI团队的招聘伙伴合作，将给你带来不小的优势。然而，为现有团队提供培训也是在公司内部培养大量人才的好方法。

提供广泛的AI培训

要实现这种根本性的转变绝非易事，需要领导者帮助员工做好准备，提供动力和相应的培训。但首先领导者自己必须先做好准备。我们看到过很多次由于高管对AI缺乏基础认知而导致的失败。

为确保AI工具得以推广，公司必须自上而下对全体人员进行培训。为此，一些企业建立内部AI培训班，一般包括课堂教学(在线课程或面授)、研讨会、在职培训，乃至前往有经验的同行业公司参观学习。多数AI培训班一开始是邀请外部机构编写课程和提供培训，但也经常自行培养内部教学能力。

各公司设置的培训班不尽相同，但多半都提供四大类课程:

领导者。多数培训班努力培训高管和业务部门领导者，让他们对AI工作原理有一个高层次的认识，学会识别AI机遇并判断其重要程度。培训班还会讨论AI对员工职能的影响、推广AI的障碍以及人才培养，并为逐渐推进AI组织所需的文化转型提供指导。

分析人员。这部分课程关注的是数据科学家、工程师、架构师以及其他负责数据分析、治理和AI解决方案的员工，持续培养他们的硬技能和软技能。

解读员。分析解读员一般是业务人员，需要基础的技术培训，例如运用分析方法解决商业问题、构建AI实践案例等。这部分课程可以包含在线课程、实际操作、模仿有经验的解读员，在“期末考试”中要求参与培训的员工实际执行一个AI项目并获得成功。

终端用户。对于一线员工，可能只需要大致介绍一下新的AI工具，之后提供在职培训，教他们使用AI工具即可。负责营销和财务等方面的战略决策者可能需要更高层次的培训课程，学习在真实商业场景中运用AI工具辅助产品发布等决策。

运用AI辅助决策的方法还在增加。新的应用方式将会在工作流程、职能和文化方面推动根本性的改变，有时改变还会十分艰难。领导者必须谨慎地带领组织渡过这一阶段。人与机器合作可以获得高于双方单独作业的成绩，未来这种合作将会越来越多，在整个组织内成功推广AI应用的公司会拥有巨大的优势。

制定AI战略

AI战略将引导你的公司在创造价值的同时，也建立可防御的“护城河”。一旦团队开始看到最初AI项目能够取得成功，并且对AI有了更深入的了解，你将能够识别AI在哪些地方可以创造出最大的价值，并将资源集中在这些地方。

有些高管会认为，制定AI战略应该是第一步。但根据经验，大多数公司只有在对AI有了些基本经验之后，才能够制定出深思熟虑的AI策略。建造防御性“护城河”的方式也会随着AI的进步而有所改变。以下是可以考虑的几种方法：

——建立几个困难的AI资产，这些资产大体上应与一个连贯的战略相一致：AI使企业能够以新的方式建立独特的竞争优势。迈克尔·波特(Michael Porter)关于商业战略的开创性著作表明，创建拥有强大防御能力的企业的一种方法是，建立几项与连贯战略大体一致的困难资产。因此，竞争对手很难同时复制所有这些资产。

——利用AI来创建一个专门适合于你所在行业的优势：不是试图与在AI领域领先的科技公司（如谷歌）进行竞争，而是做自己所在行业成为领先的AI公司。在这种情况下，开发出独特的AI功能将让你获得竞争优势。AI如何影响你的公司战略将视行业和具体情况而定。

——设计符合“AI良性循环”积极反馈循环的策略：在许多行业，我们会看到数据的积累导致出现可防御的业务。

举例来说，领先的网络搜索引擎，如谷歌、百度、必应和Yandex，它们都拥有巨大的数据资产，可以显示用户在不同的搜索查询后点击的链接。这些数据帮助公司建立更准确的搜索引擎产品(A)，这反过来又会帮助他们获得更多的用户(B)，进而帮助他们拥有更多的用户数据(C)。这种积极的反馈循环是竞争对手很难打破的。

数据是AI系统的关键资产。因此，许多大型的AI公司也有复杂的数据策略。其中数据策略的关键元素可能包括：

1）战略数据获取：有用的AI系统可以用100个数据点(“小数据”)到1亿个数据点(“大数据”)构建。但是拥有更多的数据几乎没有坏处。AI团队使用非常复杂的、多年的策略来获取数据，而具体的数据获取策略是针对特定行业和具体情况而定的。例如，谷歌和百度都有许多免费产品，它们没有盈利，但允许它们获取可以在其他地方盈利的数据。

2）统一数据库：如果你有50个不同的数据库，而且它们在50个不同的副总裁或部门控制之下，那么工程师或AI软件几乎不可能访问这些数据，并“连接这些数据点”。相反，可以考虑将数据集中到一个或最多几个数据库中。

3）识别哪些数据是有价值的，哪些是没有价值的。拥有很多数据并不意味着AI团队能够从这些数据中创造价值。期待AI团队利用神奇的公式从大型数据集中获取价值，失败的几率会很高。不幸的是，许多CEO过度投入于收集低价值数据中，甚至只为获得数据而收购其他公司，最终却意识到目标公司的大量数据根本没用。通过在数据获取过程中尽早引入AI团队来避免这种错误，并让他们帮助你对需要获取和保存的数据类型进行优先排序。

开发内部和外部沟通机制

AI将显著影响你的公司业务。如果它影响到你的主要涉众，那么你应该运行一个通信程序来确保一致性。以下是应该考虑的几个问题：

——投资者关系：领先的AI公司，如谷歌和百度，现在也都是更有价值的公司，部分原因是它们拥有的AI能力，以及AI对其利润的影响。在你的公司解释清晰的AI价值创造理论，描述你不断增长的AI能力，最后制定深思熟虑的AI战略，将帮助投资者适当地评估你的公司。

——政府关系：在监管严格的行业(如无人驾驶汽车、医疗保健)，企业要想保持合规，面临着独特的挑战。开发可信的、引人注目的AI故事，解释你的项目可以给行业或社会带来的价值和好处，是建立信任和善意的重要一步。在推出项目时，应与监管机构进行直接沟通和持续对话。

——客户/用户教育：AI可能会给你的客户带来显著的好处，所以要确保适当的营销和产品路线图信息的传播。

——人才/招聘：由于AI人才匮乏，强大的雇主品牌将对你吸引和留住这类人才的能力会产生重大影响。AI工程师希望从事令人兴奋且有意义的项目。适度的努力来展示你最初的成功可能大有裨益。

——内部沟通：由于AI目前仍不为人们深入理解，尤其是通用AI被过度炒作，因此存在着恐惧、不确定性和怀疑。许多员工也担心自己的工作被AI自动化，尽管这在文化上存在很大差异。例如，这种担忧在美国比在日本更高。清晰的内部沟通，无论是解释AI，还是解决员工的担忧，都将减少内部不愿采用AI的情况。

把公司转变成AI型组织非常具有挑战性，但并不是不可实现。武汉维识教育科技联合战略合作伙伴北京一维弦科技，正致力于帮助合作伙伴进行AI转型。AI转型项目可能需要2到3年时间，但你应该期望在更短的时间内看到初步结果。通过对AI转型的投资，你将保持领先于你竞争对手的趋势，并利用AI能力来显著提升你公司的整体发展水平。