AI有可能将您的业务提高到新的效率水平；除了目前正在促进数字化转型的数字技术水平之外，本文旨在解释为什么这样这么做以及如何实现它。
当今最大的组织变革驱动力是一个名为“数字转换”的计划。简而言之，数字化转型的目标是简化企业和组织。
数字化转型的基本思想是基于数字技术驱动以改变工作和业务流程的变化。此外，您可以使公司更有效。
因此，很明显，在数字化转型过程中，人工智能显然被视为转换驱动力。
但是，人工智能具有不同的力量，因为人工智能的核心和数字技术会发生变化。根据知识而不是数据变化，促进了夫人智能。这可能看起来像是学术陈述，但它使一切都不同。本文将告诉您为什么这样。
数字化转型的基本先决条件是技术是变革的驱动力。因此，名称是“数字”和“转换”。此想法是，技术潜力有可能促进索引的变化，而不是组织对变革的固有抵抗力。
该概念可以在下图中解释。技术变化通常在s形中发展。智能手机是具有创造技术驱动变化的技术的明显示例。
苹果的iPhone已被列出了十多年，它是S -Divertent的生命周期中增长的技术的一个例子。
第一代iPhone是革命性的，但仍然存在许多缺点。它们只是没有充分利用平台的潜力，因此技术变化曲线开始有点平坦。
使用智能手机，但速度慢，很难查看电子邮件，几乎没有应用程序。
iPhone 4、5和6的推出带来了重大改进，您可以说它们位于变化曲线的陡峭部分。正在显示智能手机的整体硬件和软件潜力，应用程序生态系统正在开发，并且在大量主流观众中使用该技术已变得显而易见。
今天的新iPhone比以前的iPhone好，但是更改很小，改进相对较小。IPHONE现在是技术变更图表的顶部。
因此，三个相曲线如下：
校准：引入技术，但必须首先找到。
规模：技术潜力正在体现并广泛使用。
革命到进化：边际改善继续发生，但其重要性越来越低。
随着时间的流逝，组织变革的动机遵循了另一种与技术变化不同的动机。
这里的基本思想是，随着时间的流逝，组织的重大变化将变得越来越困难。
许多领域都有抵抗，例如::
这并不意味着根本不可能进行组织变更。这仅意味着任何更改都会以数字速度发生，而不是技术驱动的变更时可能发生的索引利率。
许多研究已经证实了上述发展。最著名的是MARTEC定律。数字化转型的潜力。
转换与可以创建的组织之间的速度与组织可以创建的组织之间的差异称为数字转换。差距在此图片中标有蓝色阴影。
该图具有与数字转换有关的两个关键点。换句话说，数字转换有两个级别：
最后一部分是可能带来数字化转型的转型。您可以看到潜力是技术可以推广的，以及组织愿意在正常情况下实施的改革速度。
破裂的旅游公司托马斯·库克（Thomas Cook）是一个例子，它表明了如何陷入致命的困境，并且没有意识到您的数字化转型潜力。
托马斯·库克（Thomas Cook）传统上通过位于英国高街商店的许多当地商店办公室在英国出售旅游产品。
托马斯·库克（Thomas Cook）的问题之一是，管理层完全意识到业务模型已过时。他们知道应该将更多的销售转换为在线渠道。
但是，在商店购买旅行的文化对公司的DNA非常重要，管理层敢于挑战它。这样，组织阻力导致无法促进重大数字转型。
这不仅是托马斯·库克（Thomas Cook）。从总体上讲，该指数体验的最大障碍不是获得最新技术。核心问题是公司适应最新技术现实的能力。DATA不是最好的技术变革驱动器力量
数字转换概念的另一个主要障碍是，更改是数据 - 基于数据。我们都将数据教为国王，数据越多，越好，依此类推。因此，数据本身就是一个问题，这听起来可能很奇怪。但这不是事实。为什么是这样。
数据是促进图表技术变化的潜在因素。数字转换的核心概念是通过数据驱动器重定向工作，过程和工作流程。如果您看到它促进了技术变化的内容，则是信息和数据。
下图显示了不同级别的丰富知识。它称为知识金字塔。
这是一个金字塔，因为上层基于下层。随着您的上升，每个步骤都会增加更多的知识。金字塔从底部的数据开始。
简而言之，您可以说数据和信息描述了世界的真实颜色。知识和智慧的概念是向前看，并将自己定位为我们现在和将来可以做的事情。
这个事实是将人工智能作为转换驱动因素而不是数字转换项目的主要原因。因为AI的变化基于知识，而不是数据，而不是数据。EAI可以创建基于知识的变化。
数字转换项目的基本先决条件是它们的向后数据和信息。
人工智能驱动的改进是基于知识，而不是数据或信息。它在两个关键领域的差异很大：
数字化转型和创造变革的最大问题是想要改变的组织的惯性。
如前所述，组织中没有变化的抵抗来源。它来自习惯，文化，员工能力差距，工会，现有过程和工作流程，永久职位描述，普遍的人类变革抵抗，内部政治权力斗争等等因此，数字转换过程的核心原因达到了极限，而不是组织部分，而不是技术部分。
托马斯·库克（Thomas Cook）应该关闭更多商店，并将更多地关注在线销售。这只是改变组织（关闭销售商店）的技术（电子商务）的一个例子，但这还没有发生（足够快）。因此，托马斯·库克（Thomas Cook）是否受组织变革的抵抗和无法适应新技术机会的影响的影响。因此，是什么使基于知识的变化不同？
人工智能通过挑战如何解决组织中的任务的基本前提来创造组织的变化。超级简短的解释是，人工智能使您能够自动化知识和自动化决策。
这意味着人工智能将解决当前工作，过程和IT系统的任务。
人工智能将接管我们公司中这些任务的总和，以及人工智能可以执行的越来越复杂的任务，这将使人工智能能够在永远无法实现数字技术的水平上创造组织变化。
这方面的一个例子可能是基于声音的聊天机器人。它可以拿起电话并通过另一端与某人进行对话。预订）并更改我们当前的IT系统。
人工智能将接管我们公司中这些任务的总和。它还能够执行越来越复杂的任务，以促进变革。
这些因素的动态将使人工智能能够在数字技术无法实现的水平上创建组织变化。在上图中，它被称为知识驱动变化的潜力。
AI改变组织操作的方式意味着适合数字转换和变化的组织阻力因素将不再有效。
这样做的主要原因是，AI功能将执行特定的任务来补充我们在组织中完成的工作。就像电话和预订的示例一样。
因此，我们不会看到人工智能实现新系统和工作流的动力。在此示例中，将使用比当前的方式更好，更有效。这使得新设计工作过程和过程更具挑战性。新技术变革水平。
在不同级别上，人工智能驱动和数字驱动器的变化还有另一个原因。通过技术驱动的知识可以达到的技术水平的质量从根本上高于数据驱动技术可以达到的水平。
差异如下图所示。数据驱动的变更图遵循我们在回顾数字转换的可能性时看到的过程。因此，存在损害的S形状。
知识驱动技术的一个示例可能是自动驾驶汽车背后的技术。其背后的软件基于先进的人工智能算法。它们将比数据驱动的技术具有更高的变更潜力。
技术进步和人工智能提供的新组织机会的总和将共同促进人工智能创造组织改革的机会。
关键是，人工智能驱动的变化不会受到数字转型和转型遇到的相同障碍的影响。在同一时间，人工智能带来的技术机会将比传统IT解决方案所能高得多抵达。
通常，这意味着人们可以期望与下图相似的进度水平。
因此，此级别必须高于数字转换过程的水平。这是因为当动态发生时AI驱动的动力学没有数字转换组织限制。而且由于具有更大的技术潜力。
因此，最大的问题是在实践中如何发生这种情况以及人工智能的变化如何从战略角度开始。