AI（人工智能）技术正在改变每个行业，如同100年前电力的使用一样。从现在到2030年，它将创造约13万亿美元的GDP增长。虽然它已经在谷歌，百度，微软和Facebook等领先的科技公司中创造了巨大的价值，但其他许多附加价值创造浪潮将超越软件领域。

　　AI将如何走入公司？Landing AI 董事长兼首席执行官吴恩达（Andrew Ng）于去年年底发布了这本AI转型手册。

　　其中借鉴了谷歌大脑团队（Google Brain）和百度人工智能团队（BaiDu AI Group）的见解，这些见解为谷歌和百度转型为大型人工智能公司发挥了主导作用。尽管这些建议主要针对市值从5亿美元到5万亿美元的大型企业，但任何企业遵循这一策略，都有可能成为强大的人工智能公司。

　　1、以成功为目标实施试点项目

　　2、建立内部AI团队

　　3、提供广泛的AI培训

　　4、制定企业的AI战略

　　5、开展内外部沟通

　　以成功为目标实施试点项目

　　对于初始的少数人工智能项目来说，成功比有价值更重要。最初的成功将有助于公司员工逐渐熟悉人工智能，并说服公司的其他人进一步关注人工智能项目，这是试点项目的重大意义。试点项目不应该太小，规模太小会使得其他人认为它微不足道。重要的是要让项目高速运转，这样你的人工智能团队才能获得动力。

　　对试点项目的几点建议：

　　1、理想情况下，由新的或外部的人工智能团队（可能对您的业务没有深入的认识）与公司内部团队（对公司业务具有深入的知识）合作，并在6-12个月内构建有效的人工智能解决方案。

　　2、确保项目应在技术上可行。太多的公司仍在启动当今人工智能技术不可能实现的项目；在项目启动前，让值得信赖的人工智能工程师对项目进行尽职调查，增强项目的可行性。

　　3、有一个明确定义和可衡量的目标以创造业务价值。

　　当我领导谷歌大脑团队（Google Brain）时，谷歌内部（更广泛地说，在世界各地）对深度学习技术存在着重大的怀疑。为了帮助团队获得动力，我们第一次选择的是与谷歌语音（Google Speech）团队合作，我们与他们密切合作，使谷歌语音识别更加准确。语音识别是谷歌的一个有意义的项目，但不是最重要的项目，例如从盈利能力看，它没有人工智能应用于网络搜索或广告重要。但是，通过让团队成功地运用深度学习工作，其他团队开始信任我们，这使得我们的团队获得了发展动力。

　　一旦其他团队看到谷歌语音（Google Speech）与谷歌大脑（Google Brain）成功的合作，我们便获得更多的内部合作机会。我们的第二个内部团队是谷歌地图（Google Maps），它使用深度学习来提高地图数据的质量。有了两次成功的合作后，我开始与广告团队交谈。逐渐形成的势头，使得人工智能项目越来越成功。这个过程是可重复的，您也可以在自己的公司中使用。

　　建立内部AI团队

　　虽然拥有深厚技术的外包合作伙伴可以帮助您更快地获得最初的成功，但从长远来看，与内部人工智能团队一起执行某些项目将更有效率。此外，您还需要保留公司内部项目供内部员工执行，以建立更独特的竞争优势。

　　构建内部团队需要获得高层管理者的认可，这点很重要。在互联网兴起的过程中，雇佣一名首席信息官是大多数公司制定互联网战略的转折点。然而，如果这些试点项目未能成功扩展到公司其他部门的话，那么在数字营销、数据科学实验，还有新的网站发布等板块进行独立实验的公司就无法充分利用互联网的能力。

　　人工智能时代，对于许多公司来说关键的是再次形成中心化的人工智能团队，以协助整个公司运作。这个人工智能团队可以在首席数据官或首席数字官（CTO、CIO或CDO）下属工作，前提是他们具备所需技能。它还可以由专门的首席人工智能官（CAIO）领导。

　　人工智能团队的主要职责是：

　　1、建立人工智能体系为公司提供支持。

　　2、建立并执行交叉项目的初始序列，以支持多部门/业务单位的人工智能项目。完成某个项目之后按顺序继续开发，持续交付一系列有价值的人工智能项目。

　　3、制定统一的招聘和留用标准。

　　4、开发多部门/业务单位共享但不由单个部门开发的公司整体平台。例如，考虑与CTO/CIO/CDO合作开发统一的数据仓库标准。

　　大多数公司的业务部门需要单独向CEO汇报。但有了新的人工智能单元配合不同的部门，以推动跨职能项目。

　　新的职位职责和团队组织将出现。我现在组织团队工作的方式，如机器学习工程师、数据工程师、数据科学家和人工智能产品经理，就与人工智能时代之前不同。一个好的人工智能领导者将能够协助你建立有效的流程。

　　AI人才争夺战正在激烈上演，不幸的是大多数公司几乎雇佣不到斯坦福大学人工智能博士生（甚至本科生）。因为人才争夺战在短期内是零和游戏，与外部招聘团队合作会在建立团队上具有极大的优势。然而，也可由现有的团队提供培训，在公司内部创建新的人才团队。

　　提供广泛的AI培训

　　在人工智能领域，至今仍没有一家公司有足够的内部人才。尽管媒体对人工智能高薪的报道过于夸大（媒体引用的数字往往夸大其词），但人工智能人才是真的很难找。幸运的是，随着数字内容的兴起，包括诸如Coursera、ebooks和YouTube视频等慕课（Mooc：大规模开放在线课程），在人工智能领域，培训员工比以往更具效率。机智的首席学习官（CLO Chief Learning Officer）知道如何规划培训，然后建立流程以确保员工完成学习体验，而不是创建内容。

　　十多年前，培训方式是雇佣顾问来你的办公室讲课。但这是低效的，投资回报也不明确。相比之下，数字课程更实惠，也为员工提供了更个性化的体验。如果你有聘请顾问的预算，那么面对面的课程应该是在线课程的补充。（这就是所谓的“翻转课堂”教学法。

　　我发现，如果实施得当，这将产生更高的学习效率和更愉快的体验。例如，在斯坦福大学，我开设在校园的深度学习课是用这种形式的教学法教授的。）聘请人工智能专家提供个人经验也可以帮助你的员工学习人工智能技术。

　　人工智能将改变许多岗位。你需要给每个人提供相关知识，以适应他们在人工智能时代的新角色新岗位。咨询专家可以为你的团队开发定制的课程。

　　一个概念性的教育计划大体如下：

　　1. 高管和高级业务主管：（培训时间不少于4小时）

　　目标：高级管理人员应了解人工智能可以为您的企业做哪些事情，制定人工智能战略，做出适当的资源分配决策，并与人工智能团队合作，支持有价值的人工智能项目开发。

　　课程目标：

　　·理解人工智能的基本业务，包括基本技术、数据以及人工智能能做和不能做的事情。
　　·了解人工智能对企业战略的影响。
　　·研究相关行业或特定行业的人工智能应用程序的案例。

　　2.执行人工智能项目的部门领导（培训时间≥12小时）

　　目标：部门领导应能为人工智能项目设定方向、分配资源、监控和跟踪进度，及时纠正过程中的纰漏，以确保项目成功交付。

　　课程目标：

　　·对人工智能业务的基本理解，包括基本技术、数据以及人工智能能做和不能做的事情。
　　·对人工智能的基本技术理解，包括主流算法及其要求。
　　·对人工智能项目的工作流程和程序、人工智能团队中的角色和职责以及人工智能团队的管理有基本了解。

3.受训的人工智能工程师：（培训时间≥100小时）

　　目标：接受培训的人工智能工程师应该能够收集数据，开发人工智能模型，并交付特定的人工智能项目。

　　课程目标：

　　·在技术层面，对机器学习和深度学习有深入理解；对其他人工智能工具有基本的了解。
　　·了解用于构建人工智能和数据系统的可用工具（开源工具和其他第三方工具）。
　　·能够推进人工智能团队的工作流程和程序。
　　·此外：持续教育，跟上不断发展的人工智能技术。

　　制定企业的AI战略

　　人工智能战略可以指导公司创造价值，同时也建立起了商业壁垒。一旦人工智能团队取得了初始项目的成功，并对人工智能有了更深入的了解，那么公司就能够确定人工智能能可以创造最大价值的领域，并可以将资源集中在这些领域持续开发。

　　有些高管会认为，制定人工智能战略应该是第一步。但根据我的经验，大多数公司并不具备制定周全的人工智能战略的能力，除非他们具备下面提到的三个步骤涉及的基本经验。

　　构建商业壁垒也要随着人工智能的发展而发展，以下是一些思路:

　　·建立与公司战略协同一致的若干人工智能项目

　　人工智能可以使企业拥有新的且独特的竞争优势。迈克尔·波特（Michael Porter）在关于商业战略的开创性著作中表明，有一种建立商业壁垒的方法是，建立若干个与公司战略协同一致的人工智能项目。竞争对手很难复制所有这些项目。

　　·利用人工智能创造行业细分优势

　　我建议，不要试图和谷歌那样的以人工智能为导向的科技公司开展“常规”竞争，而是要成为你所在行业的领先的人工智能公司。开发独特的人工智能功项目将使你获得竞争优势，人工智能如何影响你公司的战略将取决于具体行业和具体情况。

　　·设计与“人工智能良性循环”正反馈相协调的策略

　　在许多行业中，我们可以根据获得积累的数据形成商业壁垒。

　　例如，谷歌、百度、必应和Yandex等领先的网络搜索引擎拥有巨大的数据资产，可以显示用户在搜索后又点击了哪些链接。这些数据有助于公司构建更准确的搜索引擎产品（A），从而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）。竞争对手很难突破这种积极的反馈循环。

　　数据是人工智能系统的关键资产。因此，众多大型人工智能公司都会建立复杂的数据策略。数据策略的关键要素可能包括：

　　战略数据采集：人工智能系统可以用100个数据点（“小数据”）到100000000个数据点（“大数据”）的任意位置构建，但是拥有更多的数据越有益。人工智能团队正在使用非常复杂的长期策略来获取数据，具体的数据获取策略依据行业和具体情况而定。例如，谷歌和百度都有大量的可以获取有商业价值的数据的免费产品。

　　统一数据库：如果数据库被50个不同的高管或部门控制，那么工程师或人工智能软件几乎不可能访问这些数据并建立“连接点”。相反，应考虑将数据集中到统一的数据库中，或者集中到少量分区的数据库中。

　　识别哪些数据是有价值的，哪些数据没有价值：自动抓取的数据并不意味意味着人工智能团队将能够从这些数据中创造价值。期望一个人工智能团队能够随机从一个大数据集奇迹般地创造价值，这是一个很大概率可能失败的模式。

　　我很痛心地看到许多首席执行官们过度投资于收集低价值数据，甚至买下一个公司仅仅为了他们庞大的毫无价值的数据，这是没用的。通过在数据采集过程中尽早引入一个人工智能团队来避免这个错误，并让他们帮助您确定要获取和保存的数据类型的优先级。

　　创造网络效应和平台优势

　　最后，人工智能还可以用来建造更传统的商业壁垒。例如，具有网络效应的平台是高壁垒的业务。他们通常有一种自然的“赢家全力以赴”的趋势迫使公司要么快速成长，要么死亡。如果人工智能让你快过竞争对手获得用户，那么它可以被用来构建通过平台动态防御的商业保护屏障。更广泛地说，您还可以将人工智能用作低成本战略、高价值战略或其他业务战略的关键组成部分。

　　开展内外部沟通

　　人工智能将显著影响您的业务。考虑到业务对关键利益相关者的影响程度，您应该保持沟通确保一致性。下面是您应该为受众方考虑的问题：

　　·投资者关系

　　谷歌（Google）和百度（Baidu）等领先的人工智能公司现在具有更高的价值，部分原因是它们的人工智能以及人工智能能力对其净利润的影响。解释一个具有潜力价值的人工智能理论，描述您不断增长的人工智能能力，并有一个深思熟虑的人工智能战略将帮助投资者适当地评价您的公司。

　　·政府关系

　　在高度管制行业（自动驾驶汽车、医疗保健）的公司面临着保持合规性的独特挑战。设计可信的、有说服力的人工智能故事，说明你的项目能给你所在行业或社会带来的价值和利益，是建立信任和善意的重要步骤。应该在你首次推出项目时和政府部门直接沟通，并于监管机构持续对话。

　　·客户/用户数

　　人工智能可能会给您的客户带来显著的好处，因此请确保传播出适当的营销和产品信息。

　　·人才/招聘

　　由于人工智能人才的稀缺性，强大的雇主品牌将对吸引和留住人才产生重大影响。令人兴奋和有意义的项目可以吸引人工智能工程师参加。适当展示你最初成功的项目对招贤纳士有大帮助。

　　·内部沟通

　　因为人工智能至今仍然不被大众所理解，特别是人工智能部分板块已经被过度炒作，大众对人工智能的恐惧、不确定性和怀疑泛滥。许多员工也担心自己将被人工智能自动化替代，尽管这在文化上差异很大（例如，这种恐惧在美国比在日本更为明显）。清晰的内部沟通既能解释人工智能，又能解决此类员工的顾虑，这将减少不愿意采用人工智能的阻力。

　　·对成功很重要的历史经验

　　了解产业如何进行互联网转型对于引导人工智能发展是有用的。这里总结了一些在互联网崛起过程中很多企业常犯的错误。

　　互联网时代我们要知道：购物中心+网站≠互联网公司

　　即使购物中心建立了网站，在网站上售卖产品，但这并没有把购物中心变成真正的互联网公司。真正的互联网公司的定义是：使用互联网技术能不能让你的公司变得更好，你有没有组织你的公司配合互联网技术

　　例如，互联网公司都会进行的A/B测试，在测试中，我们通常会发布两个版本的网站，并测试哪个版本更好。一家互联网公司甚至可能同时运行数百个实验，但这对于实体购物中心来说是非常困难的。互联网公司也可以每周发布一个新产品，比每三个月只更新一次陈设的的购物中心快得多。互联网公司对产品经理和软件工程师等角色有独特的工作描述，并且这些工作具有独特的工作流程和程序，还有特殊的协作方式。

　　深度学习是人工智能发展最快的领域之一，它与互联网的兴起有着相似之处。如今我们发现：

　　任何典型公司+深度学习技术≠人工智能公司

　　为了让你的公司在人工智能方面变得出色，你必须组织你的公司去发挥人工智能真正的优势，引导公司做得很好。

　　为了让你的公司在人工智能领域表现出色，你必须具备：

　　·调集资源系统执行多价值的人工智能项目:人工智能公司拥有外包和/或内部技术和人才，可以系统地执行多个为业务带来价值的人工智能项目。
　　·充分理解人工智能:应全面了解人工智能，并制定恰当的流程，系统地识别和选择有价值的人工智能项目。
　　·战略方向:公司的战略大致围绕人工智能赋能的未来，以期取得成功。
　　·公司人工智能转型可能需要2-3年，但您应该在6-12个月内看到初步的效果。通过投资人工智能转型，您将保持领先于您的竞争对手，并利用人工智能能力显著提升您的公司实力。
 

（钛媒体）