機器之心報導，參與：澤南、張倩、李亞洲。
CEO 們應該如何藉助 AI 對自己的企業進行轉型？吳恩達在今年 8 月份時曾釋出 Twitter 表示在與眾多 CEO 交流過後，將會釋出一個面向公司管理層的報告介紹 AI 產業轉型。作為史丹佛大學的教授，線上課程 Coursera 的發起者，吳恩達這次準備以教育者的身份將「All in AI」的經驗傳授給眾多公司管理者們。
剛剛，吳恩達的這份《AI 轉型指南》出爐了。準備投身 AI 時代的你，是不是要了解一下？
PDF 下載地址：d6hi0znd7umn4.cloudfront.net/content/upl…
「AI 轉型指南綜合了我此前在谷歌和百度建立 AI 研究團隊時學到的很多經驗教訓，同時也包含我與很多其他公司 CEO 在交流之後的心得，這其中包含很多科技行業以外的人。」吳恩達在《指南》釋出前的採訪中告訴 VentureBeat。
吳恩達認為，試圖將公司轉型為人工智慧驅動企業的管理者正面臨著一些挑戰，同時也可能會犯一些常見錯誤。他警告說，僅僅關注資料和工程，或者錯誤估計人工智慧的作用都有可能導致失敗。
讓我們看看吳恩達的 AI 轉型指南是怎麼說的：
如同百年前電力的出現一樣，人工智慧將會變革每個產業。從現在開始到 2030 年，它將會創造大約 13 萬億的 GDP 增長。同時，AI 已經為谷歌、百度、微軟、Facebook 這樣的科技巨頭創造的巨大的價值，其創造出的大部分附加價值將超越軟體行業。
《AI 轉型指南》從谷歌大腦和百度 AI 團隊的發展中收集洞見，它們對谷歌、百度的 AI 轉型扮演著重要角色。參照此指南，任何企業都有可能成為強大的 AI 公司，儘管這些建議主要是為市值在 5 億-5 千億美元之間的大型公司定製的。
以下是我為企業 AI 轉型給出的建議，在《指南》中也有詳盡解釋：
1. 實行試點專案獲得動力
2. 建立一支內部 AI 團隊
3. 提供廣泛的 AI 培訓
4. 策劃合適的 AI 戰略
5. 建立內部和外部溝通
1. 實行試點專案獲得動力
首批 AI 專案的成功要比做最有價值的 AI 專案更為重要。這些 AI 專案要足夠有意義，因為初期的成功將會幫助你的公司熟悉 AI，讓公司的其他人信服從而進一步投資 AI 專案。此外，這些專案不能太小，讓別人覺得不重要。重要的是讓輪子轉起來，讓 AI 團隊獲得動力。
對首批 AI 專案的一些建議：
對全新的 AI 團隊或者外部的 AI 團隊（對你的業務不夠了解）來說，這些專案要能夠與公司的內部團隊（足夠了解公司業務）合作並建立 AI 解決方案，在 6-12 月內開始顯現牽引力。
這些專案要有技術可行性。很多公司開始做的專案用如今的 AI 技術不可能實現。在開始之前，讓 AI 工程師做盡職調查可以確保這些 AI 專案的可行性。
對專案能夠創造的商業價值，有明確的定義與測量標準。
在我帶領谷歌大腦團隊時，谷歌內對深度學習技術抱有極大的懷疑（更廣泛的來說，全世界也是這樣）。為了幫助谷歌大腦獲得動力，我選擇了谷歌語音團隊作為我的首個內部客戶，通過密切合作提升了谷歌語音識別的準確率。語音識別對谷歌來說是個有意義的專案，而不是最重要的。相比之下，把 AI 應用於網頁搜尋或者廣告更為重要。但通過在語音識別上的成功，其他團隊開始信任我們，也讓谷歌大腦獲得了動力。
一旦其他團隊開始看到谷歌大腦在語音識別上的成功，我們就能夠獲得更多內部客戶。谷歌大腦的第二個重要內部客戶是谷歌地圖，他們使用了深度學習技術改進地圖資料的質量。有了這兩個成果，我開始與廣告團隊溝通。有了動力，逐漸帶來越來越多的成功。這個過程你可以在公司內複製。
2. 建立內部 AI 團隊
雖然與外部資深 AI 專家的合作能幫助你快速獲得最初的動力，但長期來看，建立內部 AI 團隊執行一些專案會更高效。此外，你也會想在公司內部做一些專案，從而建立競爭優勢。
建立內部團隊，聘用高管級別的人非常重要。在網際網路崛起的時候，對許多公司來說，聘請 CIO 對公司結合網際網路策略非常重要。相比之下，從數字市場、資料科學實驗到釋出新網站，這樣做單獨實驗的公司難以利用網際網路的能力，因為這些小的實驗專案難以延展從而讓公司轉型。
對於 AI 領域的許多公司來說，一個關鍵的時刻在於組建一個可以幫助整個公司的 AI 集中團隊。如果擁有恰當的職能，這樣一個團隊可以由 CTO、CIO 或 CDO（首席資料官）帶領，也可以由一位勤勉的 CAIO（首席 AI 官）帶領。他們的關鍵職責包括：
為整個公司建立所需的 AI 力量。
執行一系列跨職能專案，以 AI 專案支援不同的部門/業務。在完成最初的專案後，建立重複的流程來持續交付一系列有價值的 AI 專案。
制定一致的招聘和留用標準。
針對整個公司開發對多個部門/業務群體有用的平臺，這些平臺不可能由單個部門開發。例如，考慮與 CTO / CIO / CDO 合作，制定統一的資料倉儲標準。
許多公司都有多個業務部門向 CEO 報告。有了一個新的 AI 團隊，你將能夠將 AI 人才彙集到不同的部門，以推動跨職能專案。
新的職務說明和新的團隊組織將會出現。我現在以機器學習工程師、資料工程師、資料科學家和 AI 產品經理的角色分配來組織團隊工作，這種方式不同於前 AI 時代。一個好的 AI 領袖將幫助你建立正確的流程。AI 人才爭奪戰已經打響，不幸的是，大多數公司將很難僱傭到史丹佛 AI 博士，甚至連史丹佛 AI 本科生都很難聘到。人才爭奪戰在短期內基本上是零和遊戲，因此與一個能幫助你組建 AI 團隊的招聘夥伴合作將會是不小的優勢。然而，為你現有的團隊提供培訓也是大量培養內部新人才的好方法。
3. 提供廣泛的 AI 培訓
目前沒有一家公司擁有足夠的 AI 內部人才。雖然媒體對 AI 高薪的報導有些誇大了（媒體引用的數字往往是離群值），但 AI 人才的確供不應求。幸運的是，隨著數字內容（包括 Coursera 等線上課程、電子書和 YouTube 視訊）的增長，培訓大量員工掌握 AI 等新技能比以往任何時候都更具成本效益。聰明的 CLO（首席學習官）知道他們的工作是策劃，而不是創造內容，然後建立流程來確保員工完成學習過程。
十年前，員工培訓意味著聘請顧問到公司上課。但這麼做效率並不高，ROI 也不清晰。相比之下，數字內容成本更低，也能帶給員工更加個性化的體驗。如果可以拿出聘請顧問的預算，那麼他們教授的內容應該是線上內容的補充。（這叫做翻轉課堂教學法。我發現，如果實施得當，這種做法可以加快學習進度，同時帶來更加舒適的學習體驗。例如，我在史丹佛大學的校內深度學習課程就是利用這種方式授課的。）僱傭幾位 AI 專家親自來教也能激勵員工學習這些 AI 技能。AI 將變革很多職業。你應該告訴每個人，他們需要在 AI 時代找到適合自己的定位。向專家諮詢有助於你定製適合自己團隊的課程。然而，一個名義上的教育計劃可能會是這樣：
主管及高階商務經理：（培訓時間⩾4 小時）
目標：讓主管了解 AI 可以幫助公司做什麼，開始制定 AI 策略，制定合適的分配決策，與支援有價值的 AI 專案的 AI 團隊順利合作。課程：
理解基本的 AI 概念，包括基本技術、資料以及 AI 能/不能做什麼。
理解 AI 對公司戰略的影響。
AI 應用於相似行業或你所在行業的案例研究。
執行 AI 專案的部門領導：（培訓時間⩾12 小時）
目標：部門領導應該能夠為 AI 專案設定方向、分配資源、監控和跟蹤進度，並根據需要進行調整，以確保專案的成功交付。課程：
理解基本的 AI 概念，包括基本技術、資料以及 AI 能/不能做什麼。
理解基本的 AI 技術，包括演算法的主要類別及其要求。
理解 AI 專案的基本工作流程、AI 團隊中的角色和職責以及團隊的管理。
AI 工程師學員：（訓練時間⩾100 小時）
目標：新培訓的 AI 工程師應該能夠收集資料、訓練 AI 模型並交付特定的 AI 專案。課程：
深刻理解機器學習和深度學習技術；基本理解其他的 AI 工具。
瞭解用於構建 AI 和資料系統的可用（開源和第三方）工具。
能夠貫徹 AI 團隊的工作流程。
此外：還要持續學習，以跟上 AI 技術發展的腳步
4. 建立 AI 戰略
AI 戰略能引導你的公司創造更多價值，也能建立防禦機制。一旦公司團隊看到最初 AI 專案的成功，加深對 AI 的理解，你就能夠找到 AI 能夠創造價值的地方，並專注於此。
一些公司高層會認為建立 AI 策略應該是第一步。但以我的經驗，在有一些基礎經驗之前，大部分公司難以建立深思熟慮的 AI 策略。這些基礎經驗可以從前面 3 個步驟獲得。
隨著 AI 的演進，你建立防禦壁壘（defensible moats）的方法也要變化。以下是需要考慮的一些方法：
根據一個統一的策略，建立多個不同的 AI 資產：AI 能讓公司以一種新的方式建立獨特的競爭優勢。Michael Porter 寫的商業策略表示建立壁壘業務的一種方法是根據一個統一的策略搭建多個不同的資產。從而讓競爭者難以同事複製這些業務。
利用 AI 為公司產業打造特定優勢：相比於與谷歌這樣的科技公司在「廣義」AI 上展開競爭，我建議你成為所在產業分支的領頭 AI 企業，開發獨一無二的 AI 能力可以讓你獲得競爭優勢。AI 對你公司策略的影響是由產業與情境決定的。
根據「AI 良性迴圈」設計反饋積極的策略：在許多產業，我們可以看到資料積累會帶來壁壘業務：
例如，谷歌、百度、Bing、Yandex 這樣的網頁搜尋引擎有大量與使用者點選、搜尋詞條相關的資料資產。這些資料幫助這些公司建立更準確的搜尋引擎產品（A），進而幫助它們獲得更多使用者（B），然後獲得更多的使用者資料（C）。這種積極的反饋迴圈讓競爭者難以攻破。
資料對 AI 系統來說是關鍵資產。因此許多 AI 公司也擁有複雜的資料策略。你的資料策略包括的關鍵元素應該有：
戰略資料獲取：從 100 資料點（小資料）到十億資料點（大資料）都可以建立有用的 AI 系統。但資料越多隻會更加有益。AI 團隊都在使用複雜、橫跨多年的策略來獲取資料，且不同產業、情境獲得資料的策略也不同。例如，谷歌、百度都有大量免費產品讓它們獲得有商業價值的資料。
統一資料庫：如果你的資料庫被 50 個不同高管或者部門掌控，工程師或者 AI 軟體想要訪問這些資料、連線節點幾乎是不可能的。相反，要集中這些資料或者聚攏為少量資料庫。
要學會區分資料的價值高低：擁有多少 TB 的資料並不意味著 AI 團隊就能從中創造價值。指望 AI 團隊可以奇蹟般地從一個大資料集中創造價值很有可能會遭遇失敗。我曾痛心地看到 CEO 們花冤枉錢收集低價值資料，甚至為了資料收購一家公司，到頭來卻發現目標公司的數兆位元組資料毫無用武之地。為了避免這種錯誤，應該在資料收集之初就開始組建 AI 團隊，讓他們幫你決定要收集和儲存的資料的優先順序別。
創造網路效應和平臺優勢：最後，AI 還可以用來構建更加傳統的「護城河」。例如，具有網路效應的平臺是高度可防禦的業務。它們與生俱來的「成王敗寇」特性迫使公司實現快速增長，否則就會死掉。如果 AI 可以讓你以比對手快的速度獲取使用者，那麼你可以用 AI 來構建一條「護城河」，藉助平臺的上述特性進行防禦。更廣泛地說，你也可以將 AI 用作低成本戰略、高價值戰略或其他商業戰略的關鍵組成部分。
5. 建立內部和外部溝通
人工智慧將顯著地影響業務。如果已影響到主要利益攸關方，那麼你應該通過執行相關通訊程式以確保多方進度一致。以下是你應該為每位受眾考慮的內容：
投資者關係：現如今，領先的人工智慧公司（例如谷歌和百度等）同時也是更有價值的公司，部分原因在於其人工智慧能力以及人工智慧對其業績的影響。通過為公司業務的人工智慧創作一份解釋明確的價值創造論文，描述公司不斷增長的人工智慧能力，最後呈現成熟完備的人工智慧戰略，將有助於投資者妥當地評估你的公司業務。
政府關係：如果公司處在受到嚴格監管的行業（自動駕駛汽車，醫療保健），就會面臨如何保持業務合規的獨特挑戰。對於這樣的公司，構建可信的且引人注目的人工智慧願景，並解釋你的專案可以為行業或社會帶來價值和利益，是與政府建立信任和善意合作的重要一步。在你推出公司專案時，以上建議需要與政府直接溝通，以及同監管機構的持續對話相結合。
客戶/使用者培訓：人工智慧可能會為你的客戶帶來巨大利益，因此請務必確保傳播適當的營銷和產品路線圖訊息。
人才/招聘：由於人工智慧相關人才稀缺，強大的僱主品牌將對你吸引和留住此類人才的能力產生重大影響。人工智慧工程師通常希望能接手令人興奮且有意義的專案。因此作為僱主，適當展示公司業務的成功將有助於你招賢納士。
內部溝通：目前大眾對於人工智慧仍然知之甚少，加上針對強人工智慧的過度炒作，所以大眾心中存在恐懼、不確定和懷疑。許多僱員也會擔心職位被人工智慧取代。儘管這種認知因文化而異（例如，這種恐慌感受在美國比在日本更嚴重）。所以，清晰的內部溝通不僅能透徹地闡釋人工智慧，也可以打消員工的顧慮，從而減少公司內部對採用人工智慧的抗拒。
遵從歷史規律，對你的成功至關重要
瞭解網際網路興起時代的轉型對於引導公司轉向 AI 非常有意義。有許多企業在網際網路崛起的過程中犯了一個錯誤，希望你在人工智慧興起的過程中能夠避免這種錯誤。
我們從網際網路時代學到的是：
購物中心+網站≠網際網路公司
即使一個購物中心建立了一個網站，並在其上售賣商品，這本身並沒有讓購物中心變成真正的網際網路公司。網際網路公司的真正定義是：你能否讓網際網路在你的公司發揮其應有的優勢？
例如網際網路公司普遍採用的 A/B 測試，定期上線兩個版本的網站，並比較哪個效果更好。科技公司甚至可以同時執行上百個實驗，但這在實體的購物中心裡肯定很難實現。網際網路公司也可以每週推出一個新產品，同時學習競品的速度非常快，而購物中心或許每個季度才能更新一次設計。網際網路公司中存在產品經理、軟體工程師這樣的獨特職位，這些員工擁有獨特的合作形式和工作流程。
深度學習是目前 AI 領域發展最快的方向之一，它與網際網路興起時有些相似之處。今天我們會發現：任何普通公司+深度學習技術≠AI 公司
為了讓你的公司在人工智慧方面做得足夠好，你需要引導你的公司發揮 AI 真正的優勢。
為了讓你的公司充分轉入人工智慧，你必須：
系統地執行多個有價值的 AI 專案：人工智慧公司必須擁有外包或自有技術和人才，可以系統地執行多個 AI 專案，直接作用於業務。
對 AI 充分理解：公司員工需要對人工智慧有一般性理解，並採用適當流程來系統地識別和選擇有價值的 AI 專案。
把握戰略方向：公司的戰略需要大體上和人工智慧賦能的未來保持一致。
將大型公司轉型為強大的 AI 公司非常具有挑戰性，但在正確合作伙伴的支援下，這是可以完成的任務。Landing.AI 致力於幫助合作伙伴實現人工智慧業務轉型，這家公司未來還將分享更多的實踐。
吳恩達估計，傳統公司的人工智慧業務轉型通常需要花 2 到 3 年時間，但人們可以在實施轉型的 6-12 月後看到最初的結果。投資人工智慧的企業將領先於競爭對手，並快速發展。
