我们正在与您分享该文章的另一种有用的翻译。 此外，每个希望在3个月内学习将在数字化领域推广产品和服务所必需的现代分析机制的最佳实践的最佳实践的人，我们邀请您熟悉“大数据管理者”专业课程的计划。 那么，您如何在AI时代管理一家公司？
如今，就像100年前的电力一样，人工智能（AI）技术已准备好改变所有行业。 据估计，到2030年，人工智能技术将使GDP增长13万亿美元。 尽管人工智能已经为领先的技术公司（例如Google，百度，微软和Facebook）带来了巨大的价值，但商业价值创造的巨大增长将不在软件开发行业之内。
这项AI转型计划基于Google Brain和百度AI集团的领导地位，它们在将Google和百度转变为领先的AI公司方面发挥了领导作用。 任何企业都可以遵循这一策略并成为一家强大的AI公司，尽管这些建议主要针对市值/估值在5亿至5,000亿美元之间的大型企业。
以下是建议使用AI转换企业的步骤：
- 执行试点项目以获得快速结果。
- 创建自己的AI团队。
- 提供广泛的AI培训。
- 制定AI策略。
- 发展内部和外部沟通。
1.执行试点项目以获得快速结果。
对于您的第一个AI项目，成功完成它们比价值尤为重要。 项目应该足够重要，以便最初的成功可以帮助您的公司熟悉AI，还可以说服您公司中的其他人投资进一步的AI项目。 它们不应太小，以至于其他人觉得它微不足道。 飞轮旋转并让AI团队获得动力非常重要。
对于第一个AI项目，您可以提供以下特征：
- 理想情况下，对于新的或外部的AI团队（可能对您的业务不了解），应该可以与内部团队（具有业务知识）进行协作，并创建可以在6到12个月内显示结果的AI解决方案。
- 该项目必须在技术上可行。 太多的公司开始了无法使用现代人工智能技术实施的项目。 信任AI工程师，在启动前检查项目，这将增加您对其可行性的信心。
- 您必须具有为企业创造价值的明确且可衡量的目标。
当我领导Google Brain团队时，人们对Google（甚至在世界范围内）的深度学习技术表示了极大的怀疑。 为了帮助团队发展，我选择了Google Speech团队作为我的第一个内部客户，并且我们与他们紧密合作以改善Google Speech中的语音识别。 语音识别是Google的重要项目，但不是最重要的项目。 例如，它不如使用AI搜索互联网或做广告重要。 但是在让Speech通过深度学习获得更大成功之后，其他团队开始信任我们，这使Google Brain团队获得了发展动力。
一旦其他团队开始看到Google Speech在Google Brain上的成功，我们便能够吸引更多的内部客户。 第二个主要内部客户是Google Maps，它使用深度学习来提高地图数据的质量。 通过两个成功的项目，我开始与广告团队进行谈判。 步伐的加快逐渐导致越来越成功的AI项目的出现。 您可以在公司中使用相同的过程。
2.建立自己的AI团队
虽然拥有丰富AI技术专长的外包合作伙伴可以帮助您更快地获得最初的发展动力，但从长远来看，与您自己的AI团队一起完成某些项目会更有效率。 另外，您可能需要保留一些公司内的项目，以创造独特的竞争优势。
在互联网影响力日益增强的时期，聘请IT主管（CIO）是许多公司制定统一的互联网使用策略的重要时刻。 相反，进行了许多独立实验的公司-从数字营销和数据科学实验到启动新网站-当这些小型试点项目无法扩展以改变公司的其余部分时，就无法使用Internet。
在AI时代，对于许多公司而言，关键时刻是组建能够为整个公司提供帮助的集中AI团队。 如果具备正确的技能，则此AI团队可以从属于CTO，CIO或CDO（数据总监或数字技术总监）。 他也可以由特别的CAIO（AI总监）领导。
AI部门的主要职责：
- 创建AI功能以支持整个公司。
- 启动初始的跨职能AI项目以支持各个部门。 完成初始项目后，设置重复性过程以持续交付有价值的AI项目。
- 制定统一的招聘和保留标准。
- 开发公司范围的平台，该平台将对不同部门有用，并且不太可能由单独的部门开发。 例如，与CTO / CIO / CDO合作开发数据仓库的通用标准。
许多公司的部门向首席执行官汇报。 借助新的AI部门（AI），您将能够将AI人才应用于不同部门，以实施跨职能项目。
将会出现新的帖子和团队。 我组织团队工作的方式是担任机器学习工程师，数据工程师，数据科学家和AI产品经理等职位，与AI之前的时代不同。 一位优秀的AI领导者将能够为您建议正确的流程。
当前，人工智能专家正在展开一场战争，不幸的是，对于大多数公司而言，要在斯坦福大学（甚至是本科生）聘用一名研究生将非常困难。 因为从短期来看，人才之争基本上为零。 与招聘合作伙伴合作可以帮助您创建一个AI团队，为您带来不小的优势。 但是，对现有团队进行培训也可能是在公司内聘请许多新专业人员的好方法。
3.提供广泛的AI培训
如今，没有公司拥有足够的内部AI人才。 尽管媒体谈论了AI专家的高薪水，但这些薪水常常被高估了（媒体上给出的数字通常都是塞满的）。 人工智能专家很难找到。 幸运的是，随着数字内容的增长，包括诸如Coursera，电子书和YouTube视频之类的MOOC（大规模在线开放课程，大规模开放在线课程），对大量员工进行AI等新技能培训的成本效益越来越高。 。 聪明的CLO（首席学习官，首席培训专家）知道，他的工作不是创建内容，而是支持和创建为员工提供培训的流程。
十年前，对员工进行培训意味着吸引到您办公室来做讲座的顾问。 但这是无效的，投资回报率还不清楚。 相反，数字内容更易于访问，并为员工提供更多个性化的知识。 如果您有聘请顾问的预算，则顾问的工作应补充在线内容。 （在教学法中，这被称为“翻转课堂”。我发现，如果正确应用这将导致更快，更有趣的学习。例如，在斯坦福大学，我的深度学习课程就是采用这种形式的教学方式。）雇用一些人工智能专家来提供个性化内容可以帮助激发您的员工学习这些AI技术的知识。
人工智能将改变许多活动。 您必须教会所有人，以适应AI时代的新角色。 与专家协商将使您能够为团队开发个性化课程。
有条件的培训计划可能看起来像这样
高级主管（⩾4小时）
目的：使管理人员了解AI可以为您的企业做什么，开始制定AI战略，就资源分配做出决策，并与支持有价值的AI项目的AI团队进行有效协作。
课程：
-对业务中AI的基本了解，包括基本技术，数据以及AI可以做什么和不能做什么。
-了解AI对公司战略的影响。
-相关行业或您所在行业中AI应用的示例。
参与AI项目的部门主管（⩾12小时）
目的：部门主管应能够确定AI项目的方向，分配资源，监视和跟踪进度，并根据需要进行调整以确保项目的成功实施。
课程：
-对业务中AI的基本了解，包括基本技术，数据以及AI可以做什么和不能做什么。
-对AI有技术了解的基础知识，包括算法的主要类别及其要求。
-对AI项目中的工作流程和流程，AI团队中的角色和职责以及AI团队管理有基本的了解。
人工智能工程师（⩾100小时）
目的：受过训练的AI工程师应该能够收集数据，训练AI模型并实施特定的AI项目。
课程：
-对机器学习（机器学习）和深度学习（深度学习）有深刻的技术理解； 对其他AI工具的基本了解。
-了解用于构建AI和数据处理系统的可用工具（开源和其他工具）。
-能够在AI团队中实施工作流程。
-可选：继续教育以跟上不断发展的人工智能技术。
4.制定人工智能策略
人工智能战略将指导您的公司创造价值，并建立防御性结构。 一旦团队开始看到最初的AI项目的成功并加深对AI的了解，您就可以确定AI可以创造最大价值的地方，并将资源集中在这些领域。
一些领导人会认为，制定AI战略应该是第一步。 以我的经验，大多数公司只有具备一些基本的AI经验（可以在步骤1-3中获得），才能制定出深思熟虑的AI策略。 AI的防御方式也随之发展。
以下是几种方法：
创建一些通常与一致策略一致的复杂AI资产。 人工智能使公司能够重新创造独特的竞争优势。 迈克尔·波特（Michael Porter）关于业务策略的基础工作表明，开展安全业务的一种方法是创建通常与一致策略一致的多种复杂资产。 因此，竞争对手很难同时复制这些资产。
使用AI来创造特定于行业的优势：我建议不要与您的领先技术公司（例如Google）竞争AI的“整体” 优势 ，而应该成为您所在行业的领先AI公司，开发独特的AI功能可以您将获得竞争优势。 人工智能如何影响您公司的战略取决于您的行业和情况。
根据积极反馈周期“ AI的有效循环”制定策略：在许多行业中，我们将看到积累的数据可带来安全的业务：
例如，领先的网络搜索引擎（例如Google，Baidu，Bing和Yandex）拥有庞大的数据资源，该资源显示了用户在进行各种搜索查询后所点击的链接。 这些数据可帮助公司创建更准确的搜索引擎（A），进而帮助他们吸引更多用户（B），进而带来更多用户数据©。 竞争对手很难进入这种积极的反馈周期。
数据是人工智能系统的关键资产。 因此，最大的AI公司也具有复杂的数据策略 。 数据策略的关键要素可能包括：
数据收集。 可以使用100个数据单元（“小数据”）到100,000,000个数据单元（“大数据”）构建有用的人工智能系统。 但是拥有更多数据几乎永远不会受到伤害。 AI团队使用非常复杂的多年战略来收集数据，并且特定的数据收集策略因行业和情况而异。 例如，谷歌和百度有许多免费的产品，没有被货币化，但是允许他们在其他地方接收数据以获利。
统一数据仓库：如果在50个不同的经理或部门的控制下有50个不同的数据库，那么工程师或AI软件几乎不可能访问此数据并在它们之间找到连接。 相反，请考虑将数据集中在一个或少量的数据存储中。
确定哪些数据有价值，哪些不有价值：认为自动拥有大量TB数据意味着AI团队将能够从这些数据中受益是错误的。 期望AI团队从大型数据集神奇地创造价值的公式很容易失败。 我看到了悲剧性的案例，即CEO过度投资于收集低价值数据，甚至为了获取数据而收购了一家公司，只是为了了解目标公司的许多TB数据是无用的。 通过让AI团队参与数据收集过程的开始来避免这种错误，并让他们帮助您确定要收集和存储的数据类型的优先级。
创造网络效应和平台优势。 最后，人工智能还可以用于创建更多传统防御。 例如，网络效果平台是高度安全的业务。 他们通常具有天生的“赢家能胜任一切”的动力，这迫使公司要么迅速成长，要么死亡。 如果AI可以比竞争对手更快地吸引用户，那么您可以使用它来创建可以利用平台动态来发挥作用的保护。 从广义上讲，您可以将AI用作低成本，高价值或其他业务策略的关键组成部分。
5.发展内部和外部沟通
人工智能将极大地影响您的业务。 您必须向所有关键利益相关者告知AI技术，以免影响他们的利益。 以下是您应该为每个受众考虑的一些事项：
投资者关系：诸如谷歌和百度等领先的人工智能公司目前价格昂贵得多，部分原因在于它们的人工智能功能以及人工智能对其收益的影响。 解释AI如何为您的公司创造价值，并描述您不断增长的AI能力以及深思熟虑的AI策略将有助于投资者正确评估您的公司。
: ( , ) , . , , - , . .
: , , , , .
/ : - - . - . , , .
: , (Artificial General Intelligence) , , . , , (, , ). , , .
,
, , . , , , , , . , :
« + ≠ -»
- -, -. -: , , ?
, - A/B-, - , . - , . - , , , , . - , , , .
(deep learning), , . , :
« + Deep Learning ≠ -»
, , , .
, :
- , . 2-3 , 6-12 . -, .