很多企业无法推进AI试点的原因是短期内看不到回报，不得不大幅削减AI项目的预算。问题不在于技术或人才——罪魁祸首通常是人工智能时代之前的企业文化和组织结构。为了推广人工智能技术，企业管理者必须营造业务团队和技术团队能够紧密合作的文化氛围。下面将介绍一套10连环的解决方案，帮助企业管理者打造适合AI大规模应用的土壤。但是，没有必要按照这个列表依次推进。大多数企业只需要熟悉这个计划中的一个或几个环节。事实上，本执行指南列出了成功应用人工智能的文化所必需的条件。企业管理者可以以此框架为基础，了解自己企业在这些不同环节的熟练程度。然后，企业管理者就可以开始营造文化氛围了。AI改革方案致力于企业管理者的AI改革方案|来源：Unsplash几乎所有的CEO都说自己在“搞AI技术”，这和你朋友说自己“去健身房”是一样的道理。他们普遍达不到预期目标——很多公司达不到AI试点项目，朋友们很快就会说太忙没空锻炼。根据GartnerConsulting的2019GartnerCIOAgendaSurvey报告，参与调查的3000家公司中有37%已经应用了AI技术。可以肯定的是，剩下的63%的企业中，有很大一部分在实施AI的过程中都遇到或多或少的障碍。仅有技术和人才是不够的。企业必须打破文化壁垒，重新审视组织架构，让人工智能跨部门跨区域推广。企业部署人工智能没有单一的路径。具体怎么做，取决于不同企业的规模、人才储备和AI技术成熟度。以下十个环节可以为管理者在AI转型之路上提供指导：以AI的规模化应用为目标在全公司树立AI意识高层达成共同“理念”AI转型愿景》玩一套AI组合拳建立内部AI团队，与AI供应商合作将AI人才分配到公司不同部门，分配具体职责让整个公司接受数据导向的决策打破数据孤岛在业务团队和技术人员之间架起桥梁团队制定整合和管理转型的预算以人工智能的大规模应用为目标借助人工智能，企业可以对数据进行分类、搜索模式、预测结果、生产产品进行重复性决策。规模很重要。相对容易银行使用机器学习工具对客户进行细分，以推动交叉销售和追加销售。部署人工智能解决方案继续优化从客户入职到维护现有客户关系的整个客户流程是一项更具挑战性和回报的工作。企业如何构建和部署可扩展的人工智能解决方案组合？这一切都归结为组织结构和企业文化。企业必须促进业务团队和技术团队的合作，使人工智能解决方案能够满足不断变化的业务发展需求。组织结构也必须相当流畅，以便AI人才可以去到最需要的地方。来源：unsplash要在全公司建立AI意识，就需要提升整个企业的AI意识。从管理者到员工个体，都需要建立相关意识，了解AI如何解决业务问题，了解如何使用AI工具。人工智能训练可以在内部进行，也可以借助外部力量进行。人工智能技术成熟的企业可以在内部建立人工智能学校，提供在职培训课程。其余的可以聘请外部培训师和顾问进行课堂教学和研讨会。高层管理人员企业的决策者和其他高层管理人员已经知道企业的业务需求、目标和面临的困难。因此，他们必须对AI有很好的了解，这样他们才能：充分理解AI技术的工作原理（例如，机器学习、机器视觉、自然语言处理）识别行业和公司中的高价值AI用例识别独特的满足贵公司需求的AI工具学习确定AI计划的优先级了解必须克服哪些障碍，它如何影响员工角色转变，以及企业文化需要哪些改变技术人员企业必须是数据科学家、AI工程师为研究人员和研究人员提供技术培训开发人工智能工具。根据他们的角色，培训应包括：·数据最佳实践（例如，数据收集、数据清理、数据治理、偏差修复）·对机器学习和深度学习的技术理解·开源代码和第三方工具的知识（例如作为Python、PyTorch、TensorFlow），可用于开发和训练AI以及构建数据模型·识别行业标准和新兴AI技术业务翻译来源：Unsplash这一新兴角色也被称为分析翻译，负责与业务团队沟通和技术团队，确保AI产品能够满足业务需求。一些商务翻译人员还管理开发人工智能工具的技术人员，并领导人工智能项目的实施和应用。业务口译员通常来自业务团队（如项目经理、业务分析师、行业专家、业务经理），因此他们对公司的业务有很好的了解，也可能精通项目管理、人事管理或战略规划。商务口译员应参加基础技术培训，具备AI意识，从而能够：用专业术语向开发AI工具的数据科学家和工程师解释公司的业务需求和要求使用分析方法和AI工具解决业务问题形成AI的详细用例·了解部署AI工具后工作流程将如何变化业务用户营销、融资、销售和其他功能是AI工具的最终用户。这些员工还需要接受相关培训，学习在日常工作中应用人工智能工具。此外，他们还需要克服对人工智能的恐惧。许多人担心人工智能和自动化会抢走他们的工作。如果业务决策者将机器置于工人的技能和经验之上，经理们也会感到被冒犯。公司领导要让员工相信人工智能会帮助他们完成更多，让员工了解人工智能的重要性，相信人工智能会给公司和个人带来好处。企业领导者必须让员工相信，人永远是公司最重要的东西。人工智能可以提供面向数据的洞察力，可以自动化流程，但只有人类才有常识和智慧来使用这些洞察力，人工智能应该被视为人类智能的延伸，而不是人类智能的翻版。事实上，AI确实会取代一些工作。那些例行的、重复性的任务最有可能被取代。但像“三分之一的工作将被自动化机器取代”这样的标题只不过是耸人听闻。人工智能可以自动化任务，但不是所有工作职责。真实情况是员工使用AI提升工作能力，而不是员工大规模被AI取代。工作人员应该欢迎AI的加入。那些枯燥、单一的工作由机器自动完成，员工有更多的时间去做有影响力、令人满意的工作。雇主对此也很满意。德勤对1,900家采用人工智能技术的公司进行了调查。调查报告显示，人工智能最大的好处在于解放了员工，激发了员工的创造力。了解人工智能对其个人成长（甚至生存）重要性的员工，将更容易接受人工智能的到来。零售业务管理者只要让员工看到亚马逊和电商给业务带来的生存危机，让他们了解AI将如何让零售企业更有效率，他们就会得到强烈的反响。向员工强调他们对企业的重要性，为他们描绘成功的未来，员工将全力支持人工智能改革。企业高管达成共同的“AI转型愿景”来源：unsplash一家公司的AI改革成功与否，与管理者对AI改革的愿景是否足够清晰有很大关系。转型愿景不是关于某些用例，而是关于在市场上赢得大奖。具体而言，高层管理人员应该能够详细回答以下四个问题：人工智能可以帮助企业解决哪些业务困境？·三到五年后，人工智能将如何拉开与其他竞争对手的距离？·企业如何利用人工智能扩大和控制市场份额？·目前在数据可用性、人才和创新文化方面必须做些什么？假设有一家空调暖通公司，其主要业务是为写字楼安装供暖、通风和空调设备。他们抓住了市场机会，将传感器与机器学习相结合，通过感知人类活动来调节整个建筑物的温度，从而最大限度地减少公司客户的能源消耗。在这种情况下，该公司之所以能够在行业中脱颖而出，获得更多的市场份额，是因为采用了人工智能技术所实现的节能效果。这只是HVAC公司人工智能创新领域的第一章。接下来，他们需要扪心自问，如何充分利用数据、人才和企业文化，让公司立于不败之地。人工智能改革愿景必须能够清楚地解释公司的人工智能战略和项目组合，并且必须让公司能够优先考虑人工智能项目。着眼长远，通过短期试点项目获取知识。人工智能改革的长期愿景可以帮助管理者确定人工智能改革的分阶段路径。管理者需要时间才能实现真正的收益。如果没有长远的眼光，如果管理者不能迅速看到结果，他们就会迅速终止变革。即使是成功的AI项目也需要时间才能获得回报。试点项目可能没有任何经济回报，但只要试点项目能够教会企业如何重塑数据基础设施以大规模推广AI应用，这就是一个有意义的短期胜利。试点项目需要少量投资，但可以为公司提供许多关于构建可扩展人工智能解决方案的宝贵见解。这些项目使公司能够了解哪些类型的数据需要大量收集，哪些类型需要详细收集，并确定当前的数据差距。这些信息有助于公司发展其核心能力，例如数据收集和管理。当企业高管就长期转型愿景达成一致时，他们更有可能推动和鼓励创新文化，在这种文化中，投资回报率不再是衡量成功的唯一标准。这种思路开辟了巨大的长期投资回报的可能性。一个成功的人工智能改革依赖于一个完整的项目体系，它必须涵盖不同周期的各种项目。比较大和雄心勃勃的人工智能项目在短期内需要大量投资，但可能需要很多年才能获得可观的收益。如果只投资这么大的项目，公司的预算压力会比较大，而且这种项目需要管理层有足够的耐心。图片来源：Unsplash公司需要打出一套AI组合拳，规划不同项目的实施周期。这使公司能够从短期项目中获得稳定的收入，因此管理层将继续提供支持。一个结构良好的AI项目组合应该包括：·为扩展AI提供宝贵经验的小型试点项目·可以在6-12个月内实现可观回报的短期项目·可以解决日益增长的用例的中期项目价值量，并能在12-24个月内看到投资回报·能够满足整个企业扩大AI应用需求的长期项目，赢得更大的市场份额”。其项目组合，则应包括简化客户注册流程和帮助银行提供便捷和个性化的服务，这反过来又会吸引更多的新客户。试点项目围绕学习和概念验证展开。这些项目的意义在于让企业了解他们在哪里并了解数据、人才和基础设施的需求，从而帮助企业成功部署人工智能。短期项目有一个明确的目标，就是“让快钱”通过简单的用例。银行可能会从一个项目开始，在客户入职时自动化“了解你的客户”流程。推出短期项目，使AI自动化工具随时可用并标准化KYC流程，从而帮助银行削减成本并增加收入。中期项目侧重于具有更高价值并相应需要更长时间才能获得回报的用例。在KYC流程自动化后，银行可以进行无监督机器学习项目来创建客户细分工具。这套工具根据行为模式和性格特征对客户进行划分，大大提高了银行交叉销售的效率，从而增加收入。长期项目是真正为公司和客户创造价值的项目。这些项目可以是独立的项目，也可以是结合了多个较小项目的连贯解决方案。想要简化整个客户服务流程的银行可能会创建一个应用程序或一个网络平台来整合整个服务，包括客户入职、个性化产品推荐和客户服务交付。结构良好的项目组合将在不同阶段产生收益。除了较早获得的信息和见解外，分阶段获得回报的项目还可以资助后期项目并验证项目组合的可行性。建立内部人工智能团队，与人工智能供应商合作从长远来看，企业应该以建立自己的人工智能系统为目标。在短期内（以及针对特定用例），从AI供应商处购买工具可以立即产生回报。购买AI的计划。与AI供应商合作可能会加速一次性AI项目，尤其是在公司AI计划的早期阶段。人工智能供应商可能拥有最适合特定用例的工具，这可以为企业节省大量时间。供应商在这方面是专业的，这也可以为新建的内部AI团队节省大量学习时间。构建您自己的AI系统的解决方案。企业构建的AI工具更可能满足企业的需求，契合企业原有的数据和工作流程。长期依赖供应商提供产品来满足多样化的AI项目需求是不现实的。供应商不熟悉企业的业务需求、流程和数据。现成的工具可能无法与企业的数据和业务流程相结合，企业也不可能向供应商提供一些敏感数据。最重要的是，自建AI工具可以提升企业的AI能力，扩大企业规模。混合模式。当急需定制化解决方案时，与AI供应商合作定制AI工具是一个不错的选择。内部员工可以让供应商准确了解该工具应该做什么，这使得该工具更有可能适合公司的流程和数据。例如，汇丰银行与人工智能提供商Ayasdi合作开发了人工智能反洗钱工具。虽然汇丰内部肯定有AI团队，但还是选择充分利用供应商的专业性，从而更快得到想要的结果。来源：unsplash除了与供应商合作，一个好的AI转型愿景还需要一个集中的AI团队来帮助整个公司。这个团队包括数据科学家、数据工程师、机器学习工程师和AI产品经理。根据企业的组织结构，这个团队可以直接向首席技术官、首席信息官、首席数据官甚至首席人工智能官汇报。企业内部AI团队的职责应包括：·AI战略和问题识别·AI标准和流程·AI项目组合的规划和执行·数据和管理标准将AI人才分配到公司不同部门并指定具体创建可扩展的AI环境的职责组织结构哪种组织模型最适合大规模部署AI？人工智能人才应该放在企业的什么位置？《哈佛商业评论》一篇关于AI驱动型企业的文章讨论了以下三种推动AI的组织模式：集中式：将所有AI人才集中在总部或区域办事处等中央核心部门分散式：将AI人才放置在不同的业务部门混合式：AI人才被分配到“核心”和业务部门与AI战略、项目和采用相关的任务可以由以下三个组织级别中的任何一个承担：核心、各个业务部门或跨核心层和业务部门的“灰色区域”.核心层核心层负责AI和数据战略、人才获取、管理，以及与AI和数据厂商的合作。核心层建立人工智能标准和流程，并推广有助于在组织中推广人工智能的最佳实践。这样可以确保业务部门之间的工作不重叠，人工智能部署没有差距，并且符合公司标准。核心层负责数据清洗、标注、整合等数据项。这些项目应该随着AI项目的推进逐步实施。在确认业务需求和AI用例之前，无需花费大量资金收集和清理公司范围内的数据。毕竟一旦管理层发现这些数据项不适合做AI项目，就会放弃。业务部门既然业务部门是AI系统的最终用户，那么他们应该对AI系统的采用负责。这些努力包括业务分析、鼓励采用、培训用户、重新设计工作流程和衡量收益。业务部门必须对AI产品的成功承担最终责任。由于人工智能工具旨在满足业务需求，因此像国家经理这样的业务线领导者应该对人工智能工具的成功负责。灰色地带灰色地带的工作可以由核心层来承担，也可以由某个业务单元来承担。这些工作包括项目管理、算法开发、产品设计和测试、IT基础架构和变更管理。至于这些工作是由核心层还是业务部门来负责，取决于以下三点：·AI技术成熟度：公司以往的AI部署经验·AI需求紧迫性：AI项目的进度和复杂度·商业模式：AI应用涉及的部门、职能、地域数量如果公司AI技术成熟度低，需求量大，商业模式简单，将AI人才和业务集中在公司是一个很好的方式核心层。反之，最好将AI人才分散到业务部门。资料来源：unsplashAI技术成熟度。在AI部署之初，企业往往将数据和分析经理、数据工程师、AI工程师、支持人员集中在核心层。这有助于快速开发标准化工具、数据流程、存储库和基础设施。当然，这些人员也可以根据需要分配到不同的业务部门。人工智能需要紧迫感。在AI项目快速部署的情况下，企业往往会选择将AI人才集中在核心层。这样可以更好地把握行业技术趋势，更方便地统筹人工智能产品的建设。商业模式。AI工具有时需要支持大量的业务单元，协调多个区域，或者提供多种功能。在这种情况下，出于对公司业务复杂性的考虑，业务管理者可能会将AI人才整合到核心层，然后根据需要分配到不同的部门。归根结底，人工智能人才部署与其说是一门科学，不如说是一门艺术。例如，急需部署人工智能解决方案的企业，其业务模型复杂（更适合集中式），也可能人工智能成熟度较高（更适合分散式）。在这种情况下，企业管理者应综合考虑这三者的重要性，并据此确定将AI人才集中在核心层还是分散到业务部门更有利于企业发展。假设一家银行的AI项目组合包括一个为某个国家开发KYC自动化工具的项目。如果国家的客户关系团队之前在客户入职中部署了人工智能工具，那么这个团队就有能力负责一些通常由核心层执行的活动，例如业务案例分析和项目实施。在整个公司采用数据驱动的决策制定AI应该通过赋予人们数据洞察力来改善日常工作。由于具体的操作毕竟要靠人来完成，所以企业必须自上而下地形成一种以数据为导向的决策文化。如果正确地接受人工智能，员工可以使用算法建议来提高他们的技能和判断力，从而获得仅靠人类或机器无法实现的更好结果。这只有在员工信任人工智能工具并能够做出决策的情况下才有可能。建立信任的基础是AI意识（如前所述），授权决策需要公司摆脱传统的自上而下的管理模式。考虑一家全国连锁超市，其中有关优化占地面积和产品布置的决策通常由区域经理根据历史数据做出。对于拥有数百家商店的连锁超市，这种自上而下的决策方法可能无法为个别商店带来最佳结果。在数据驱动的决策文化中，本地经理可以使用人工智能工具实时跟踪顾客在店内的行为，从而做出最佳的产品放置决策。打破数据孤岛人工智能需要跨部门的大量数据。许多业务部门的数据存储在孤岛中，这些孤岛是彼此不连接的系统，只能由特定团队访问。这是AI融合的一个障碍，但可以克服。资料来源：unsplash大型保险公司臭名昭著的特征之一是它们的数据孤岛。保险公司倾向于维护数十个独立的遗留（遗留）系统，这些系统彼此不连接，也没有连接到新的数据平台或云平台。这不利于行业正在进行的人工智能和数字化转型。与大多数数据密集型行业一样，如今的保险公司要么对遗留系统进行现代化改造，要么将数据迁移到数字系统、数据湖和数据仓库。数据湖和数据仓库都可以存储大数据。数据湖是一个大型数据池，存储没有模式和标签的原始数据；数据仓库存储用于特定目的的结构化标记数据。打破数据孤岛不是一蹴而就的。一般来说，在应用AI技术之前花大钱进行大规模的数据改造是不好的。最好将两者结合起来，这样可以根据AI项目的需要推进数据转换。AI飞行员也可以在这方面提供帮助——识别当前的数据差距。在理解的基础上，企业可以在不浪费一针的情况下打破数据孤岛。搭建业务团队和技术团队之间的桥梁上面提到的业务解释器是让AI和数据科学解决方案能够充分考虑业务需求的保障。业务团队和技术团队之间的沟通有时是鸡和鸭。区域销售经理可能非常清楚AI客户细分工具需要满足什么需求——这个工具必须能够根据客户感兴趣的产品来划分客户。但是，销售经理很可能不知道如何使用向实际开发工具的数据科学家或机器学习工程师描述这些要求的技术术语。这种问题在商界并不新鲜。部署内部IT系统或部署面向客户的移动应用程序的企业让IT项目经理和业务分析师负责这些项目。例如，IT项目经理可以了解新IT系统的业务目标。他们对技术有基本的了解，能够管理构建系统的技术人员。在人工智能项目中，这些业务解释员可以是项目经理、业务分析师甚至是内部顾问。他们需要对AI方法和功能有广泛的了解，以便他们能够理解并就技术团队的工作提供指导。业务口译员可以利用AI意识和商业意识来识别采用AI的障碍。在项目的早期，这些人可以对最终用户、研究工作流程进行研究，并与关键业务和技术利益相关者进行对话。通过这种方式，可以诊断诸如缺乏员工支持或最终用户有不合理期望等问题并找到解决方案。找到有能力解释业务的员工非常重要。对此类角色的需求将很快变得非常高——同时具备AI意识和业务知识的人并不多。德勤2019年发布的《企业中的AI调查报告》显示，即使企业实施了20多个人工智能系统，商业人才的价值也几乎与人工智能人才的价值持平。图片来源：unsplash准备整合和管理转型的预算。AI在整个企业的认知度和员工对AI项目的普遍认同，为AI的融合打下了坚实的基础。但是，要确保AI与业务开发一样做好准备。集成AI工具涉及重新设计工作流程、培训和管理转型。在部署AI解决方案之前做好这些支持任务。这避免了一些不愉快的意外，并让员工准备好使用人工智能工具来完成工作。同时，它还确保员工了解、参与和支持AI革命。尽早开始改革，以便业务口译员和最终用户可以在实施之前识别可能的操作问题。人工智能工具可能需要重新设计一些工作流程，而破坏可能会超过收益。在部署AI技术之前认识到这一点可以让技术团队微调AI工具。人工智能并不简单。投资回报需要时间，一家公司的AI演进路径将取决于其自身独特的需求和环境——这意味着跨越完全陌生的领域。资料来源：Unsplash高管需要营造适合AI转型的企业文化，并为这条进化路径奠定基础。上述十步AI转型计划，可以帮助企业管理者了解企业需要如何转型，才能满足大规模部署AI的需求。推广AI之路漫漫，知其然只是第一步。浓厚的文化氛围、强烈的人工智能意识以及各级员工的接受度至关重要。
