企业数字化的AI转型，如何能少走弯路？
发布时间：2021-09-08 19:04:26 所属栏目：大数据 来源：互联网
导读：人类科学的发展可以分成四个关键阶段：实验科学 --理论科学--计算科学--数据科学，这也被称为四个范式，由1998年图灵奖获得者、美国资讯工程学家Jim Gray（詹姆斯尼古拉格雷）在《科学发展的四个范式》一文中提出。 第一范式，实验科学 。我们日常当中运用最
|
数据和AI可以渗透到各个角落去驱动业务的创新，如果暂时找不到变革之道，但还是要先尝试的话，至少要着重关注整个业务创新的效率如何，而不是盯在一个点上。
3.战略性决策：全面转型重塑，实现经营质变
战略性决策，通常来讲是企业的CEO等高级管理者要去做的。对企业经营者来讲，时刻要思考的问题是什么呢？就是在战略层面，企业下一步怎么去做，才能更好地生存和发展。
企业战略规划中，AI可以为核心要素。在AI助力下，重塑经营和管理模式，突破人力所限的增长瓶颈，产生经营质变。
转型在于做出选择。
在消费互联网行业，互联网对客户的流量竞争是不分领域的，它们都在争夺手机上的注意力时间；从产业互联网的角度上来讲，对优质从业者的流量争夺也是不分行业的。在这种竞争的情况下，战略转型的关键选择在于，是正确地运用AI决策的力量去重塑企业经营与管理，还是继续从前的金字塔形式。
把AI当成一种高维武器。
所以当我们讲到AI，不能把它简单当成一个降本增效的工具或手段，或者把它停留在一个高科技的概念里边，而是一定要用它作为一种高维武器去寻求质变，去赢得竞争，甚至是这个过程当中去发现更多的细分赛道，创造更多的价值。
转型路径
如何通过智能化转型，成为“下一代”企业？
1，转型中的两个误区
1）“演进式”陷阱：数字化进程四个步骤，要一步一步来？
我们通常会把整个数字化进程分成四个步骤：自动化信息化数字化智能化。很多人认为，这四个步骤要按先后，一步一步来。但这会陷入“演进式”陷阱，导致策略总是会大改大修，甚至重新架构。
正确的做法是，坚持“以终为始”的规则：以终为始，就是以智能化为目标，重新审视数字化的进程，这是很多企业在面临智能化转型要做的第一件事情。
要去占领下一代的高地，就要先知道我们要做的那件事的本质是什么，去想象未来的智能化企业到底是什么样子，沿着那个本质来判断我们转型的过程是不是沿着那个方向去走的，在大目标下进行实时的调整和修正。
2）智能化转型是一个项目吗？
我们要拥抱企业的智能化转型，成为下一代企业，但这并不代表从A到B这件事情就叫转型，而是首先从认知上跃迁到这个领域里，从零开始像一个小朋友一样一点一点长上去，最后长成巨人。
但至此并没有结束，而是依然需要继续优化。把智能化转型当成一个项目是常见的误区；它应该是基于企业未来的战略选择，需要持续经营的实践，非常依赖 “对的方法”和“对的人”。
2、智能化转型的“三驾马车”
成功实现智能化转型的企业，需要借助“三驾马车”：新方法、新组织和新工具。
新和旧是相比较而言的，旧指的是不能有效地利用数据及机器的闭环学习的技术手段（没有用到AI决策），反之则是新的体系。
1）新方法：顶层设计打破增长瓶颈，量变到质变
新的方法，首先就是顶层设计出发，打破增长的瓶颈，实现量变到质变。每个企业的瓶颈都不同，但是核心就在于找到这个瓶颈，让AI决策辅助企业去打破这个瓶颈，让机器的智能可以极致发挥作用。当你有了这个手段之后，要思考的是怎么和自己的业务相结合，而不是仅对着一个技术的指标去提升。
第二，转型一定是顶层设计出发，企业CEO要成为智能化转型的引领者。老板想不清楚，下面的人是更不可能想得清楚的。当行业过去的龙头要进入新的产业的时候，谁能够率先地利用更符合未来的管理体系和管理思路，谁就在未来的竞争当中更能够占据优势。
2）新组织
现在大家都面临着管理上的问题。新的组织，简单来说，需要三方力量的协调：企业CEO、业务团队、科技团队。
其中，CEO起到了引领者角色。因为变革始终需要领袖，而这个变革的领袖只能由CEO来担任。
新角色CAIO
企业AI智能化转型的第二个关键角色，就是CAIO（首席人工智能官）。CAIO体系下产生了新的业务技术组织：
首先由CEO来决定什么叫质变，然后CAIO、业务负责人和CTO形成三元组，这就是一个企业的智能化转型的作战指挥部。
对细分业务来讲，每个企业其实都有不同的北极星指标，所有的指标都有一个特点，它可能不是100%准确的，但一定要是100%可量化的，这是一个非常关键的点。因此我们对于新的组织，应该关注它的迭代过程。
AI的特性之一，就是它可以永续迭代。未来的创新应该是Top-down（自上而下的）的根据质变的目标，定下北极星指标，拆解成若干个要素，这些确定之后再去执行，继而不断优化。
新的组织与传统组织的区别
所以传统的技术组织和新的技术组织，一个本质的区别，对于传统的技术组织来讲，技术的最高负责人很难做到对业务目标的拆解，他不百分百了解某个业务是怎么做成的。于是，就先规划再实施，借助一些外部的力量或者内部力量，但难点就在于在今天不断变化的情况下，规划很难做到尽善尽美。
另一个问题，传统技术组织研究最大的重点就是这个设计对不对，总是要经历一轮、二轮、三轮等重重论证，但企业内外同时也在一直发展变化。
新的技术组织是什么样的呢？首先，它把整个企业的治理也变成一个机器学习模型。制定具体业务，其实就类似于设置一些参数，而后续迭代的过程，其实也是模型本身迭代优化的过程。所以整个企业的治理也变成了一个自我迭代的模型。
第二，它的核心就是在实施当中不断地进行优化，其中最核心的点就是不断优化目标，所以CEO在顶层设计里面对质变的定义特别重要。
第三，研究的重点是组织迭代的效率够不够高，而非设计的绝对正确。关键是要看进化的速度是不是够快，只要进化的速度比别人快，到最后就能够取得胜利。
3）新工具：数据、算力、人才形成合力，AutoML降低门槛
企业智能化转型实施中存在三个瓶颈数据、算力、人才，在新系统下，让三者形成合力，再通过AutoML技术（Automated Machine Learning 自动机器学习）来降低门槛。
数据。数据治理过程中，通常关键的问题就是：某环节数据缺失，或者整个过程没有形成一个闭环，一个闭环的过程应该包括行为数据、反馈数据、模型训练和模型应用。
行为数据和反馈数据，属于业务的事情，比如在个性化资讯推荐中，不但需要知道哪些新闻推送了哪些用户，还要知道用户的反馈，比如是否点击；模型训练和模型应用，则是技术团队的事情。
数据治理是要有灵魂的，是要跟业务密切相关的。新的架构需要以业务为核心，形成完整的数据闭环，实现持续治理。
 （编辑：宿州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
