人工智能(AI)正在重塑商业,不过速度不像很多人想象的那么快。的确,从农作物收成到银行贷款,现在各个领域的决策都由AI指导,而且,过去似乎遥不可及的东西,比如无需人工的纯AI客服,已经逐渐成为现实。开发平台、强大的处理能力以及庞大的数据存储空间等AI背后的技术,正在迅速发展,应用成本越来越低。眼下似乎是企业开始采用AI获利的好时机。据我们推测,今后十年,AI将为全球经济增加13万亿美元。

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。

我们开展调查,了解了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,调查数据表明,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。

第三,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。

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。


上一篇:

下一篇:

转型成为一家AI型组织需要多久?

本网站由阿里云提供云计算及安全服务