吴恩达发布AI转型指南:手把手教CEO们改造公司

人工智能技术正准备改变每个行业,就像100年前电力所做的那样。

来源:网易智能

人工智能技术正准备改变每个行业,就像100年前电力所做的那样。

从现在起到2030年之间,AI将创造大约13万亿美元的GDP增长。尽管AI已经为谷歌、百度、微软以及Facebook等科技公司创造了巨大价值,但其创造更多价值的浪潮将溢出软件行业。

这个AI转型手册(Transformation Playbook)借鉴了从谷歌Google Brain和百度AI Group团队收集到的见解,这两个团队在将谷歌和百度转变为AI公司的过程中都发挥了关键领导作用。任何遵循这种转型策略的企业,都有可能成为一家强大的AI公司,尽管这些建议主要针对市值在5亿至5000亿美元之间的大型企业。

以下是吴恩达提出的AI改造公司的步骤:

——执行试点项目以获得动力

——建立内部AI团队

——提供广泛的AI培训

——制定AI策略

——开发内部和外部沟通机制

执行试点项目以获得动力

对于最初的几个AI项目来说,获得成功比成为最有价值的AI项目更重要。它们应该足够有意义,以便最初的成功能帮助你的公司熟悉AI,并说服公司其他人投资更多的AI项目。不过,这项项目的规模也不应该太小,以至于让人觉得微不足道。重要的是让飞轮旋转起来,这样你的AI团队才能获得动力。

最初几个AI项目的建议特征:

——理想情况下,应该组建全新的或外部AI团队,并与内部团队合作,深入了解自家业务,然后构建能在6到12个月内开始显示出吸引力的AI解决方案;

——这个项目在技术上应该是可行的,许多公司仍在启动利用今天的AI技术无法实现的项目。信任AI工程师在项目启动前对该项目进行的尽职调查,这将增强你对项目可行性的信心;

——有个定义清晰和可度量的目标,以创造业务价值。

当我领导Google Brain团队时,谷歌内部都对深度学习技术存在深深的怀疑。为了帮助团队获得动力,我选择了谷歌语音团队( Google Speech)作为我的第一个内部客户,我们与他们紧密合作,使谷歌语音识别变得更加准确。

语音识别在谷歌中是个非常有意义的项目,但却不是最重要的项目。例如,与将AI应用于网络搜索和广告等领域相比,语音识别对公司没那么重要。但是通过使用深度学习使语音团队更加成功,其他团队也开始对我们产生信心,这使得Google Brain团队获得了动力。

一旦其他团队开始看到谷歌语音与Google Brain合作取得的成功,我们就能够获得更多的内部客户。我的团队的第二个主要内部客户是谷歌地图团队,我们主要利用深度学习来提高地图数据的质量。有了这两次成功,我开始与广告团队对话。逐渐形成的势头使得AI项目越来越成功。这个过程是个可重复的模式,你可以在自己的公司中尝试。

建立一个内部AI团队

虽然拥有深厚AI技术专长的外包合作伙伴可以帮助你更快地获得最初的动力,但从长期来看,与内部AI团队一起执行某些项目将更有效。此外,你还需要在公司内部保留一些项目,以建立更独特的竞争优势。

重要的是,要建立这个内部团队,必须从高管层获得支持。在互联网崛起期间,对于许多公司来说,聘请首席信息官(CIO)是个转折点,可以帮助它们制定出一套具有凝聚力的互联网使用策略。相比之下,那些进行了许多独立实验的公司——从数字营销到数据科学实验,再到新网站的推出,如果这些小型试点项目未能成功地扩大规模,改变公司的其余部分,那么它们就无法利用互联网的能力。

在AI时代,对于许多公司来说,一个关键时刻将再次出现,那就是组建一个能够帮助整个公司的核心AI团队。这个AI团队可以由CTO、CIO或CDO(首席数据官)领导,但前提是他们必须拥有合适的技能集。此外,这个团队也可以由专门的CAIO(首席人工智能官)领导。这个AI团队的主要职责是:

——建立能够支持整个公司AI能力;

——执行跨职能项目的初始顺序,以支持不同部门或业务单位的AI项目。在完成最初的项目后,建立重复的过程来持续进行一系列有价值的AI项目;

——为招聘和挽留员工制定一致的标准;

开发对多个部门或业务单位有用但不太可能由单个部门开发的全公司平台。例如,考虑与CTO/CIO/CDO合作,开发统一的数据仓库标准。

许多公司都是由多个业务部门组成的,并向首席执行官汇报工作。有了新的AI团队,你将能够把AI人才组织到不同的部门,以推动跨职能项目。

image.png

新的职位描述和新的团队将会出现,我现在的团队组织工作的方式不同于前AI时代,现在的角色包括机器学习工程师、数据工程师、数据科学家和AI产品经理等。

合格的AI领导者将能够建议你建立正确的流程。目前正在爆发争夺AI人才的战争,不幸的是,大多数公司将很难聘用斯坦福大学的AI博士生(甚至可能是斯坦福大学的本科生)。由于人才大战在短期内基本上属于“零和游戏”,与一个可以帮助你建立AI团队的招聘伙伴合作,将给你带来不小的优势。然而,为现有团队提供培训也是在公司内部培养大量人才的好方法。

提供广泛的AI培训

如今,没有一家公司拥有足够多的内部AI人才,尽管媒体对AI人才的高薪报道被过度渲染(媒体引用的数字往往是异常值),但AI人才的确很难找到。幸运的是,随着包括Coursera、电子书和YouTube视频等大型开放式网络课程在内的数字内容的兴起,培训大量员工掌握AI新技能的成本效益比以往任何时候都要更高。聪明的CLO(首席学习官)知道,他们的工作是策划而不是创造内容,然后建立流程,确保员工完成学习体验。

10年前,员工培训意味着聘请顾问到你的办公室来讲课。但这种方法效率低下,投资回报率也不明确。相比之下,数字内容更实惠,也给员工提供了更个性化的体验。如果你确实有聘请顾问的预算,那么面对面的培训应该是对在线内容的补充。这就是所谓的“翻转课堂”教学法。我发现,如果正确地实施,这将导致更快的学习和更愉快的学习体验。例如,在斯坦福大学,我的校园深度学习课程就是采用这种教学法授课的。雇些AI专家来提供面对面的培训,也可以帮助鼓励你的员工更好地学习这些AI技术。

AI将改变许多不同的工作。你应该让每个人都知道他们,需要适应AI时代的新角色。咨询专家可以让你为自己的团队开发一个定制课程。然而,一个概念教育计划看起来可能是这样的:

——高管和资深商业领袖:培训超过4小时

目标:让高管了解AI能为企业做些什么,开始制定AI战略,做出适当的资源分配决策,并与支持有价值的AI项目的AI团队顺利协作。

课程:1)对AI的基本业务进行理解,包括基本技术、数据以及AI能做什么和不能做什么。2)理解AI对企业战略的影响。3)AI在邻近行业或特定行业的应用案例研究。

——部门领导人推动AI项目:培训超过12小时

目标:部门领导应该能够为AI项目设定方向、分配资源、监控和跟踪进度,并根据需要进行修正,以确保项目取得成功。

课程:1)对AI的基本业务进行理解,包括基本技术、数据以及AI能做什么和不能做什么。2)对AI有基本的技术进行理解,包括主要的算法类别及其要3)基本了解AI项目的工作流程、在AI团队中担任的角色和承担的职责,以及AI团队的管理。

——AI工程师学员:培训100小时以上

目标:新接受培训的AI工程师应该能够收集数据、训练AI模型,并交付特定的AI项目。

课程:

1)对机器学习和深度学习有深刻的技术理解,基本了解其他AI工具。

2)理解用于构建AI和数据系统的可用(开源和其他第三方)工具。

3)能够执行AI团队工作流程的能力。

4)持续进行培训,以跟上AI技术取得的最新进展,并制定出相应的AI战略。

制定人工智能战略

AI战略将引导你的公司在创造价值的同时,也建立可防御的“护城河”。一旦团队开始看到最初AI项目能够取得成功,并且对AI有了更深入的了解,你将能够识别AI在哪些地方可以创造出最大的价值,并将资源集中在这些地方。

有些高管会认为,制定AI战略应该是第一步。但根据我的经验,大多数公司只有在对AI有了些基本经验之后,才能够制定出深思熟虑的AI策略。建造防御性“护城河”的方式也会随着AI的进步而有所改变。以下是可以考虑的几种方法:

——建立几个困难的AI资产,这些资产大体上应与一个连贯的战略相一致:AI使企业能够以新的方式建立独特的竞争优势。迈克尔·波特(Michael Porter)关于商业战略的开创性著作表明,创建拥有强大防御能力的企业的一种方法是,建立几项与连贯战略大体一致的困难资产。因此,竞争对手很难同时复制所有这些资产。

——利用AI来创建一个专门适合于你所在行业的优势:不是试图与在AI领域领先的科技公司(如谷歌)进行竞争,而是做自己所在行业成为领先的AI公司。在这种情况下,开发出独特的AI功能将让你获得竞争优势。AI如何影响你的公司战略将视行业和具体情况而定。

——设计符合“AI良性循环”积极反馈循环的策略:在许多行业,我们会看到数据的积累导致出现可防御的业务。

image.png

举例来说,领先的网络搜索引擎,如谷歌、百度、必应和Yandex,它们都拥有巨大的数据资产,可以显示用户在不同的搜索查询后点击的链接。这些数据帮助公司建立更准确的搜索引擎产品(A),这反过来又会帮助他们获得更多的用户(B),进而帮助他们拥有更多的用户数据(C)。这种积极的反馈循环是竞争对手很难打破的。

数据是AI系统的关键资产。因此,许多伟大的AI公司也有复杂的数据策略。你的数据策略的关键元素可能包括:

1)战略数据获取:有用的AI系统可以用100个数据点(“小数据”)到1亿个数据点(“大数据”)构建。但是拥有更多的数据几乎没有坏处。AI团队使用非常复杂的、多年的策略来获取数据,而具体的数据获取策略是针对特定行业和具体情况而定的。例如,谷歌和百度都有许多免费产品,它们没有盈利,但允许它们获取可以在其他地方盈利的数据。

2)统一数据库:如果你有50个不同的数据库,而且它们在50个不同的副总裁或部门控制之下,那么工程师或AI软件几乎不可能访问这些数据,并“连接这些数据点”。相反,可以考虑将数据集中到一个或最多几个数据库中。

3)识别哪些数据是有价值的,哪些是没有价值的。拥有很多数据并不意味着AI团队能够从这些数据中创造价值。期待AI团队利用神奇的公式从大型数据集中获取价值,失败的几率会很高。不幸的是,我看过许多CEO过度投入于收集低价值数据中,甚至只为获得数据而收购其他公司,最终却意识到目标公司的大量数据根本没用。通过在数据获取过程中尽早引入AI团队来避免这种错误,并让他们帮助你对需要获取和保存的数据类型进行优先排序。

——创造网络效应和平台优势:最后,AI还可以用来建造更传统的“护城河”。例如,具有网络效应的平台是高度可防御的业务。他们通常有一种天生的“赢家通吃”动力,迫使企业要么快速增长,要么灭亡。如果AI能让你比竞争对手更快地获得用户,它就能被用来建造一条通过平台动态防御的护城河。更广泛地说,您还可以将AI用作低成本策略、高价值策略或其他业务策略的关键组件。

开发内部和外部沟通机制

AI将显著影响你的公司业务。如果它影响到你的主要涉众,那么你应该运行一个通信程序来确保一致性。以下是你应该为每个听众考虑的问题:

——投资者关系:领先的AI公司,如谷歌和百度,现在也都是更有价值的公司,部分原因是它们拥有的AI能力,以及AI对其利润的影响。在你的公司解释清晰的AI价值创造理论,描述你不断增长的AI能力,最后制定深思熟虑的AI战略,将帮助投资者适当地评估你的公司。

——政府关系:在监管严格的行业(如无人驾驶汽车、医疗保健),企业要想保持合规,面临着独特的挑战。开发可信的、引人注目的AI故事,解释你的项目可以给行业或社会带来的价值和好处,是建立信任和善意的重要一步。在推出项目时,应与监管机构进行直接沟通和持续对话。

——客户/用户教育:AI可能会给你的客户带来显著的好处,所以要确保适当的营销和产品路线图信息的传播。

——人才/招聘:由于AI人才匮乏,强大的雇主品牌将对你吸引和留住这类人才的能力会产生重大影响。AI工程师希望从事令人兴奋且有意义的项目。适度的努力来展示你最初的成功可能大有裨益。

——内部沟通:由于AI目前仍不为人们深入理解,尤其是通用AI被过度炒作,因此存在着恐惧、不确定性和怀疑。许多员工也担心自己的工作被AI自动化,尽管这在文化上存在很大差异。例如,这种担忧在美国比在日本更高。清晰的内部沟通,无论是解释AI,还是解决员工的担忧,都将减少内部不愿采用AI的情况。

借鉴历史对你的成功很重要

了解互联网是如何改变各行各业的,对把握AI的崛起很有帮助。在互联网的崛起过程中,许多企业都犯了一个错误,及许多企业对互联网崛起存在负面观点,我希望你们在面对AI崛起时能够避免这个错误。我们在互联网时代学到:购物中心+网站≠互联网公司

即使购物商场推出了自己的网站,并在网站上卖东西,这本身并没有把购物商场变成真正的互联网公司。真正的互联网公司是,你是否组织公司去做了那些互联网让你做得很好的事情?

例如,互联网公司从事普遍的A/B测试。在测试中,我们定期发布两个版本的网站,并衡量哪个版本更好。一家互联网公司甚至可能同时运行数百个实验,这对于实体商场来说是很难做到的。互联网公司也可以每周发布一款新产品,因此比每季度只更新一次设计的购物商场吸取经验快得多。互联网公司对产品经理和软件工程师等职位有独特的职位描述,这些职位对于如何协同工作有独特的工作流程。

作为AI发展最快的领域之一,深度学习正显示出与互联网崛起的相似之处。今天,我们发现:任何典型的公司+深度学习技术≠AI公司

为了让你的公司成为伟大的AI公司,你必须组织你的公司去做那些AI让你做得很好的事情。要想在AI领域取得成功,拟定的公司必须具备:

——资源系统地执行多个有价值的AI项目:AI公司拥有外包或内部技术和人才,可系统地执行多个AI项目,为业务提供直接价值。

——对AI有足够的了解:应该对AI有全面的了解,并有适当的流程来系统地识别和选择有价值的AI项目。

——战略方向:在AI驱动的未来,公司的战略大体上应保持一致。

把你的大公司变成伟大的AI公司非常具有挑战性,但在伟大合作伙伴的支持下是可行的。我在深度学习在线教育平台Landing AI的团队,正致力于帮助合作伙伴进行AI转型,我将继续分享更多的最佳实践。AI转型项目可能需要2到3年时间,但你应该期望在6到12个月内看到初步的结果。通过对AI转型的投资,你将保持领先于你的竞争对手,并利用AI能力来显著提升你的公司。 

格隆汇声明:文中观点均来自原作者,不代表格隆汇观点及立场。特别提醒,投资决策需建立在独立思考之上,本文内容仅供参考,不作为实际操作建议,交易风险自担。

相关阅读

评论