「
我一向關注業務戰略和數位技術的融合趨勢，如今看到商業思維發揮互補作用，深感欣喜。這一感觸來自 1 月 6 日面世的《人工智慧時代的競爭》一書。該書的作者十分欣賞去年 9 月份出版的《Designed for Digital》（《數字化設計》）或許兩書的作者應該徹夜長談，深入交流。
在《人工智慧時代的競爭》中，作者 Marco Iansiti 和 Karim Lakhani 深入探討了數據和人工智慧 (AI) 在推動數字未來方面的作用，並進一步補充和論證了《Designed for Digital》中的觀點。
人工智慧時代的競爭
Marco 和 Karim 認為 AI 已經成為執行業務的通用引擎。因此，對於那些希望持續創造輝煌的企業來說，AI 現在就是運營模式的核心。AI 不僅對公司任務執行方式的影響越來越大，而且正改變公司的競爭方式。
與 Jeanne Ross、Cynthia Beath 和 Martin Mocker 的數字平台概念（參見《Designed for Digital》）一樣，Marco 和 Karim 提出了數字化運營模式。如今，雖然運營系統由人們來設計，但真正實時工作的卻是計算機。因此，AI 被視為重塑公司運營基礎的重要支柱。在作者看來，是它成就了數字化的規模、範圍和學習方式。那些成功建立數字運營模式的企業，可以消除制約增長的根深蒂固的因素，改變數百年來的落後競爭模式。與此同時，哈佛商學院教授 Michael Porter 在經典商業著作《競爭戰略》中提出的「准入門檻」也變得越來越無關緊要。
網絡和算法已滲透到數字公司的每一個角落，所到之處都會掀起一場變革產業和經濟運作方式的浪潮，包括改變競爭。Geoffrey Moore 在《Zone to Win》」中指出：「商業模式的顛覆是許多企業開始翻車的原因，柯達就是一個很好的例子。老牌企業都不願意改變自己的商業模式。」Marco 和 Karim 認為，複雜性將成為壓垮傳統組織的最後一根稻草。簡言之，複雜性會增加運營成本，降低服務水平，導致傳統組織難以與數字變革者相抗衡。
鑒於此，作者認為傳統組織現在是時候轉向數字運營模式了，應該充分利用數字規模、數字範圍和數字學習。值得注意的是，《Designed for Digital》的作者認為，數字化轉型應該與社交、移動、分析、雲和物聯網技術的發展齊頭並進。但是兩本書的作者一致認為，成功者都敢於摸索、勇於試錯，不斷探索新的數字價值簡言之，企業的當務之急就是搞清楚如何使用 AI 和其他數位技術重塑現有產品和服務。
重新思考企業性質
Marco 和 Karim 重點指出，AI 將會導致人們重新思考企業性質和規模化的概念。他們以螞蟻金服為例，指出雖然它只有數千名員工，但用戶從 1000 萬飆升到 7 億，原因就在於他們使用了集成平台，該平台使用 AI 來進行應用處理、欺詐檢測、信用評分和貸款資格評定。一切都是自動化的。相比之下，規模更大的摩根大通在全球擁有 25 萬名員工，在線客戶卻只有 8200 萬。Ant 和 SoCal 等美國原生數字金融科技公司正在利用數字運營模式來推動金融服務行業的轉型。Marco 和 Karim 認為，從長遠來看，變革者將會與業內老牌企業發生衝突。
重要的是，數字化正在創造一種新型商業模式 — 一種企業創造和獲取價值的新途徑。確切地說，價值創造應圍繞客戶需求和問題展開。Marco 和 Karim 認為，運營模式將會隨著商業模式的變化而變化，從而徹底改變企業為客戶提供價值的方式。Jeanne Ross 曾在 《Enterprise Architecture as Strategy》中提出了一種旨在滿足各業務部門期望和標準化要求的運營模式。根據這一運營模式，企業架構為業務流程和 IT 基礎設施提供組織邏輯，實則反映了公司運營模式的要求。從業務孤島到標準化技術架構到優化的核心再到業務模塊化，運營模式的成熟度不斷提升。
要想將 AI 應用到商業模式思維和運營模式中，就需要考慮數據對各種功能的驅動力，包括個性化、收入優化、建議以及複雜的分析等，從而了解潛在新產品和服務所創造的價值。此外，企業還需要通過反覆地試錯了解新功能和數字產品帶來的機遇和風險，從而最終改變創造、捕獲和交付價值的方式。
提供AI數字運營模式
所謂建立數字運營模式，就是要在用戶參與、數據收集、算法設計、預測和改進之間建立一個良性循環。但是，一切都始於數據。業務主管、首席信息官、首席開發官和企業架構師需要考慮預測結果的準確性和影響，並創建一個促進學習和預測的系統，從而打造出 Marco 和 Karim 在書中所稱的 AI 工廠。AI 工廠有四個要素。我們來詳細看一下：
（1）數據管道（以系統、可持續和可擴展的方式收集、輸入、清理、集成、處理和保護數據）
（2）算法開發（生成關於未來狀態或活動的預測）
（3）實驗平台（通過該機制對有關新預測或決策算法的假設進行測試，以確保更改建議產生預期的效果）
（4）軟體基礎設施（嵌入到一致且組件化的軟體計算基礎設施的管道中）
Marco 和 Karim 均認為，數據平台始於數據管道的建立，一流的數據平台通過基於 API 發布和訂閱模式的數據為 AI 工廠賦能。這一平台的目的是確保數據乾淨、一致並可供應用使用，因此應該建立一個「數據超市」。在數據平台中，數據可以通過一致的接口進行匯總、清理、提煉、處理和提供。他們認為，從用戶、供應商、合作夥伴和員工那裡捕獲的大量數據具有重大價值，因此不應臨時存儲到某個位置。數據治理和保護不應缺位。同時，他們建議組織建立一個安全的中心系統，仔細進行數據保護和治理、適當平衡訪問與安全性、盤點資產並為所有用戶提供必要的保護。
AI方法
擁有海量數據的 AI 工廠可以專注於算法開發。那麼，有哪些不同的方法？
01
監督式學習
監督式學習的目的是儘可能接近人類專家或公認的真理來源。此處的數據輸入使用既定結果進行標記。監督式學習中的機器學習系統依賴於專家標記的結果和潛在特徵或特性數據集。因此，它的第一步就是創建或獲取帶有標記的數據集，然後對數據進行訓練，並使用驗證數據集測試模型的準確性，確定是否存在可接受的錯誤率。重要的是，不要為了成功而過度觸發算法。
那麼實踐中有哪些監督式學習的例子？我們來看兩個典型例子，Facebook 能夠為可能出現在新上傳的圖片中的朋友推薦姓名。Nest 可以隨著時間變化自動調節客廳的溫度。
02
無監督學習
無監督學習只需預先提供很少的概念或假設即可從數據中獲取洞察。無監督學習分為 3 種類型：1）數據聚類分析；2）關聯規則挖掘（根據購物者購物車中當前的商品，推薦其可能希望購買的其他產品）；3）異常檢測。無監督學習旨在尋找數據中的自然聯繫。
我們來看一下無監督學習的實踐應用。Netflix 在分析觀看數據時使用無監督學習來挖掘相關客戶群。各行各業的公司都可以採用這種方式來尋找客戶流失的原因。此外，Amazon 也是我最喜歡引用的一個例子，該公司發現很多人在買尿布的同時也可能會買酒。有趣的是，當我的孩子還很小的時候，我和妻子都會在傍晚時分一邊喝酒一邊發牢騷。
03
強化學習
強化學習只需要一個起點和表現函數即可，期間需要對探索 (exploration) 和利用 (exploitation) 進行權衡。Netflix 使用這種 AI 方法來確定要呈現的精選影片和配套圖片，從而最大限度地提高推薦影片的命中率。
重建公司架構
Marco 和 Karim 討論了 Bezos 的備忘錄，該備忘錄要求所有團隊通過標準化服務接口提供其數據和功能。顯然，數字公司需要一個高度模塊化的集成式數字基礎平台。他們的運營模式架構允許使用軟體、數據和 AI 的集成核心來構建新型組織。在這種情況下，組織和系統是相互映射的。作者在此引用了 Melvin Conway 的言論，即組織受制於可反映組織現行通信模式的設計系統。
對於許多企業而言，如果打破他們過去通過與現有客戶的聯繫而建立的架構慣性，他們便無法有效地響應顛覆性變革。由於組織通常在執行任務時遵守一定的規律，他們會開發能夠相互加強的例行程序和系統，從而確保任務流程的一致性。企業確定好人員和流程後，實施數字化轉型還需要解決業務可擴展性和範圍方面的局限性，包括一些麵條式代碼或同一代碼的多個版本。作者認為，這可以幫助公司重塑自我，從由人力驅動變成由代碼驅動。
在重構公司的過程中，必須消除職能孤島，並建立數字化運營模式。數字化運營模式應充分釋放數位技術的潛力，其中包括釋放數據、AL/ML、API 及敏捷團隊的巨大潛力。Marco 和 Karim 認為，小型、敏捷的團隊配備數據科學、工程設計和產品管理，以及敏捷的流程和數字化運營架構，將成為創造未來的主力軍。Forrester 顛覆性創新副總裁 James Staten 同意這一觀點，並指出：「Forrester 的指導原則是，領導者不應該只是組建專門的創新團隊，還需要增強整個公司（和整個生態系統）的創新思維能力，只有這樣才能孕育出各種創意想法。必須打造一個創新組合，不僅限於戰術上的數字化轉型措施，也不只是對進入他們市場的其他數字顛覆者做出回應，而是要利用產品創新，使自己成為市場顛覆者。是的，創新團隊應該與戰略團隊分開。他們應該與戰略團隊的目標保持一致，確保創新計劃的重點是幫助實現公司戰略目標，同時制定符合未來客戶需求和提升公司市場吸引力的舉措（這些舉措會往往超出戰略範疇）。這一點很重要，因為公司的戰略常常只專注現有服務和產品。」
Marco 和 Karim 還認為，應該將數據集中起來，讓擁有某種假設的幾乎所有人都能夠進行實時實驗，並根據實驗結果實施有效變革。同時他們表示，數字化運營模式應推動軟體和算法的模塊化和重複利用。在數字化運營模式下，員工不交付產品或服務，而是設計和監督軟體自動化、算法驅動型數字化組織，實現產品交付。實現完全數字化後，流程可輕鬆融入合作夥伴和提供商的外部網絡，甚至是外部個人社區，從而提供更多互補性價值。重要的是，隨著規模的不斷擴大，組織積累的數據越來越多，算法的能力也日益增強，因此可以創造更高的價值，擴大用例範圍，進而生成更多數據。在 AI 賦能的運營模式下，管理人員可以變成設計人員，不斷設計、完善和控制數字系統，進而及時感知客戶需求並交付價值。
運營模式轉型階段
作者提出了一個組織走向成熟的過程。顯然，這一設想始於麻省理工學院信息系統研究中心的發現結果，即 51% 的傳統企業面臨數據孤島問題。接下來，組織通過開展試點，展示基於分析所作決策的價值，很容易證明前進之路是正確的。根據這些結果，作者認為，組織可以創建數據中心，向前邁出一大步。在這過程中，需要他們重構組織，將大量孤島式數據源的數據整合起來，並從中識別整個公司的發展機遇。採用明確、單一的事實來源對於指導市場機會、定價、規劃和組織優化等方面的決策制定至關重要。
最後一步是建立 AI 工廠。開發 AI 標準運營模式投資巨大，其中包括集中化的數據、強大的算法和可重複利用的軟體組件。麻省理工學院信息系統研究中心研究發現，全球 74% 的公司正在按照作者的這一構想構建數字平台，以將數據孤島轉變為數據中心，進而轉變為 AI 工廠。
作者認為，戰略是成功的關鍵。能否獲得競爭優勢，更多地取決於能否塑造和控制 AI 網絡，以及能否通過這些網絡達成各種交易。注重業務聯繫、將數據聚合到各項業務之間，以及通過強大的算法提取價值的企業將會獲得極大的競爭優勢。公司將會通過數字化運營模式獲得成功。
作者認為必須遵循五個原則，才能真正實現數字化轉型：
· 制定戰略
· 架構清晰
· 以產品為中心的敏捷組織
· 能力基礎
· 清晰的多學科治理
立即行動
Marco 和 Karim 稱，AI 已經跨越了拐點，現在是時候做出響應了。在數字時代，運營規則已經發生了變化，不是局部變化，而是系統變化。隨著數字變革引擎的擴散，這種變化將波及所有行業。能力將日漸趨平和普及。同時，隨著數字公司從受限運營轉向無摩擦運營，傳統行業的界限正在消失。遺憾的是，作者認為，數字化進程將導致行業萎縮，並帶來更多的不平等。
在那些成功的公司，轉型自上而下地進行，先是公司高層，然後是積極進取的創新團隊。最棘手的工作是組織變革和架構轉換，其中包括培養相應的技能、能力和文化，以推動形成數字化運營模式。正如《數字化設計》的作者所言，傳統企業的難題在於如何將文化、洞察和能力融合起來，將一家成功的前數字化公司轉變為敏捷、創新的數字化公司。確定轉型意願後，約 3/4 的傳統企業就必須處理數據孤島，或者面對公司業務連接鬆散的事實。實際上，大多數傳統企業都無法跨越數字鴻溝。最後，儘管 AI 能夠為實現新的業務價值創造機會，但公司只有重新設計運營系統、流程和角色，並重新定義價值主張，才能真正實現業務價值。
結語
很少有兩本書能像《人工智慧時代的競爭》和《數字化設計》這樣相輔相成。實際上，數字化變革不僅將造成行業洗牌，還將決定誰會獲得競爭優勢。成功的新法寶就藏在數字化規模、數字化範圍和數字化學習之中。公司只有融合這些技術，才能跨越鴻溝，快速發展。但與此同時，正如克勞斯•施瓦布幾年前所指出的那樣，「未來十年或二十年，美國 47% 的就業人口可能面臨失業風險」（《第四次工業革命》，2016 年世界經濟論壇，第 38 頁），政府必須採取行動，也許還需要提出生活工資的概念。
相關閱讀
【工業機器人】全球工業機器人詳細產業鏈梳理！
【智能工廠】智能工廠如何快速落地
【工業技術】航空製造推動新概念機器人發展（上）
【工業技術】航空製造推動新概念機器人發展（下）
【AI】一文讀懂人臉識別技術
【AI】解析 | 人工智慧發展及技術架構
【AI】（收藏）從 A-Z 全面盤點人工智慧專業術語梳理！
【AI】計算機視覺入門大全：基礎概念、運行原理、應用案例詳解
【AI】一文讀懂機器學習、數據科學、人工智慧、深度學習和統計學之間的區別
【智能倉儲】一文帶你徹底搞懂智能倉儲！
【深度學習】12張高清思維導圖，總結深度學習
【神經網絡】給初學者們講解人工神經網絡（ANN）
人工智慧的基礎--知識分類
【AI】一文讀懂人工智慧產業鏈
【AI】中國人臉識別產業鏈全景圖！
【AI】史上最全的人工智慧（AI）產業鏈地圖！
【晶片】國產晶片大全：70個細分領域代表企業
人工智慧產業鏈深度透析—基礎層
人工智慧產業鏈深度透析-技術層
人工智慧全產業鏈深度透析--（綜合）
人工智慧產業鏈深度透析—產業應用醫療篇
朱松純 | 人工智慧的現狀、任務、構架與統一（上）
朱松純 | 人工智慧的現狀、任務、構架與統一（中）
朱松純 | 人工智慧的現狀、任務、構架與統一（下）
【AI】美國國家人工智慧研發戰略規劃2019
【智慧農業】2018中國農牧家禽行業智慧養殖白皮書
【智慧農業】2019年智慧農業市場調研及前景研究報告（附PDF下載）
【智能家居】我國智能鎖產業現狀及未來發展趨勢分析
【知識圖譜】詳解知識圖譜關鍵技術與應用、AI圖譜技術在知乎的應用實踐、如何構建多快好省的「知識圖譜即服務」
薦：
【中國風動漫】除了《哪吒》，這些良心國產動畫也應該被更多人知道！
聲明
免責聲明：部分文章和信息來源於網際網路，不代表本訂閱號贊同其觀點和對其真實性負責。
編輯：Zero