ChatGPT 的概念已不再新鲜，但绝大多数公司还没有真正开始应用人工智能。
人们通常认为，人工智能是“硅谷的游戏”，只属于那些科技巨头们。然而，已经有一批传统行业的企业已经开始全力押注人工智能，并将该技术融入它们正在做的一切，并取得了超过预期的回报。事实上，全力押注人工智能并不简单，它不仅需要长期的大额投入，也需要让员工理解公司正在发生的变革，以更好地与这项技术共处。
前者需要的是一个持之以恒的战略，后者则需要强大的领导力。优秀的管理者，要如何下好AI 这盘棋？这是《AI行动方案》的答案。
01
AI 并不只关于技术
许多人认为，AI 是数据科学家和技术专家主导的领域，AI 模型需要他们来训练和部署。但在利用 AI 进行转型的公司中，我们还需要一群不同的人参与进来，进行一系列不同的互动。
有很多因素会影响一家公司的 AI 能力和成功，这些因素不涉及技术，甚至不涉及数据。领导力、文化、态度和技能都是人类的特征，它们对 AI 的影响不亚于甚至会超过对公司其他方面的影响。如果我们使用机器学习模型来预测一家公司是否会成为 AI 驱动的公司，那么这些特征将对模型产生巨大的影响。
当一家公司的高管决定通过 AI 完成公司转型，这绝不是一项随随便便的决策。他们所做的决策将对公司未来的几十年产生重大影响，最终涉及数亿或几十亿美元，这是全力押注 AI 的代价。
起初，这样的资源承诺可能会让公司感到害怕，但在看到从早期项目中获得的各种好处之后，这些 AI 驱动的公司发现，在面向 AI的数据、技术和人才上投入资金要容易得多。以 AI 为中心意味着公司承诺使用数据和分析来做出大多数的决策，以不同的方式与客户打交道，将 AI 嵌入产品和服务，并以更加自动化和智能化的方式执行很多任务，甚至执行整个业务流程。很多公司正处于数字化转型的阵痛之中，但基于 AI 的转型要更进一步。
简言之，这是一笔很大的赌注，大多数公司还没有足够的勇气押注。当然，如果领导者是这个想法的坚定拥护者，那么这会有所帮助。CEO 的承诺会推动公司做出很多其他类型的承诺，但这最终还是不够的。如果公司的高层、中层甚至一线管理人员只是口头上支持用 AI 推动业务发展，那么事情就会进展缓慢，公司也很可能会回归老路。我们已经看到，一些高度敬业的 CEO 通过多项举措建立了以分析和 AI 为中心的公司。但在他们离开公司之后，下一任 CEO 并不相信 AI，因此公司对数据、分析和 AI 的关注也就沦为平常。
02
一位 AI 领导者的画像
星展银行集团的 CEO 高博德在保守的银行业工作了近 40年。他于 2009 年进入星展银行担任 CEO，当时该银行的客户服务在新加坡各大银行中排名垫底。如今，该银行已跻身
服务行业最佳公司之列，并通过收购和有机增长大幅拓展了在整个亚洲地区的业务范围。
众所周知，数据是 AI 的助推剂，很多公司不得不对其数据环境进行重大变革，以使其适合雄心勃勃的 AI 计划。大型企业的 CEO 亲自领导数据转型的情况并不常见。高博德参与创建了星展银行首个数据中心，并学习了数据结构。
星展银行的数据转型效果相当可观。与很多公司一样，它将大部分数据从传统数据仓库迁移到了数据湖——后者的成本要低得多，而且更适合结构化程度较低的数据。此外，星展银行为其元数据创建了新的结构，清理了 8000 万条不完整的数据记录，针对数据访问权限以及数据获取对象签订了新的协议，并引入了可视化工具以使数据趋势更加明显。
星展银行基于 AI 进行转型的另一个受关注的领域是，银行的人才既包括专业的数据科学人才，也包括银行内部很多潜在的“公民数据科学家”。让高博德感到自豪的是，星展银行目前聘用了大约 1 000 名数据和分析员工，包括数据科学家、数据分析师和数据工程师，其中一些人在一个核心团队工作，但更多的人在该银行的不同职能部门。
星展银行为高级管理人员举办了参与式的“黑客马拉松”活动，让他们思考和实践数字化创新。最近，高博德一直在探索如何激发员工活力、消除对 AI 的恐惧。一名员工提出了鼓励员工参与亚马逊网络服务（AWS）的“自动赛车联盟”的想法，这是一款教授机器学习和强化学习的自动赛车游戏。星展银行采纳了这一想法，希望使用这种方法培训多达 3 000 名员工。高博德本人也参加了比赛。
高博德致力于继续打造星展银行在 AI 方面的能力。他表示，这项技术最终将成为银行业的“赌注”。虽然很多其他银行已经采用了外部厂商提供的 AI 能力，但他致力于在银行内部构建 AI 用例。“我们必须拥有与数字化原住民相同的能力，”他说，“然后我们可以继续创新，在必要的时候与他们展开竞争。”
高博德致力于让星展银行的员工拥抱 AI，而不是担心它可能会抢走他们的工作。到目前为止，星展银行还没有员工因为 AI 失去工作，尽管有些人已经提高了技能水平以改变职务。随着这家银行不断发展壮大，它已经能够通过 AI 在某些领域显著提升效率（比如客户中心使用功能强大的聊天机器人），从而推动其持续增长。不过，高博德承认，尽管他仍然致力于帮助员工提高技能，为 AI 增加价值，但没有人知道未来的 AI到底有多么强大。
AI 领导力有多种形式，其中共同的特征之一是，这些领导者知道 AI 一般可以做什么，特别是可以为他们的公司做些什么，以及它对战略、商业模式、流程和人员的影响可能是什么。只有了解了这些，他们才能规划有效的领导角色。对于AI 领导力的其他方面，他们可以依赖自己作为领导者的技能、直觉和情境评估能力。
03
形成 AI 文化
对传统公司而言，利用 AI 进行转型的最大挑战之一是形成一种文化——强调数据驱动的决策和行为，并且热衷于通过 AI 推动业务转型。否则，即使有少数 AI 拥护者散布在公司各个部门，他们也无法获得利用该技术打造优质应用所需的资源，AI 职能的领导者也无法招募到优秀人才。公司即使打造了 AI 应用，也不会有效地利用它们。简言之，如果没有正确的文化，那么伟大的 AI 技术可能创造不了任何价值。
其中一部分文化建设工作可以与 AI 试验和项目同时进行，有时还需要提供一定程度的正规教育课程。很多公司都启动了数据素养或数据流畅性计划，几乎所有员工都将接受以下几方面的培训：数据类型，如何在分析和AI 计划中使用这些数据，什么类型的决策最好基于数据，以及数据和理解数据的方法如何有助于公司取得成功。这些努力让公司的所有人都有责任提出、开发、使用数据分析和 AI 工具，从而播下使用 AI 取得成功的种子。
通常，领先的计划有多个组成部分。人们往往需要对数据、分析和 AI 的关键方面进行概念性学习。很多人从体验式学习中学到最好的东西，其中可能涉及模拟或案例研究讨论。初始培训完成后，大多数公司将受益于持续学习，继续强化关键经验教训并解决新问题。
在特定项目层面，变革管理通常涉及的活动包括：确定利益相关方，明确 AI 系统的目标和性能预期，频繁沟通项目进展并演示原型以获得反馈，以及对那些将成为新系统用户的员工进行再培训或技能提升。由于与构建模型和编程相比，数据科学家和 AI 专家往往对此类活动不太感兴趣，因此很多公司都在设置 AI 项目或产品经理岗位，以确保变革管理活动得到应有的重视。
调查数据证明了这类干预措施的重要性。与其他公司相比，大力投资于变革管理的公司报告 AI 举措超出预期的可能性是其他公司的 1.6 倍，实现预期目标的可能性是其他公司的 1.5
倍以上。
很明显，AI 驱动的公司已经意识到，AI 不仅仅与技术有关，而且由强大的领导者推动，公司正在建立数据驱动的文化，并且教育员工积极参与自身的 AI 历程。大多数公司可能会证明，AI 技术是最容易的部分，把员工和组织动员起来去探索、打造和使用 AI 才是一项挑战。不过，这些积极采用 AI 的公司已经在很大程度上实现了这一目标。其他公司如果希望将AI 作为一种竞争武器和业务转型工具，可以将它们作为榜样。
图书推荐：
在AI发展得如火如荼的当下，大多数新兴科技公司都在深度布局AI，它们是原生数字化企业。然而，也有一些颇具远见的老牌企业锐意转型，尝试踏上AI的快车，全力押注这项技术，并为此从根本上改变其业务、流程、战略、客户关系和企业文化。
虽然这些企业只占全部大公司的不到1%，但它们都是各自行业的佼佼者，横跨消费行业、金融服务业、医疗健康行业等各个领域。它们争分夺秒，全力押注AI，并从根本上推动变革，从而做出更好的决策，与客户建立更好的关系，提供更好的产品和服务，获得更高的价值，打造适应当下环境的新的商业模式。
