吴恩达：诸位CEO，我有一本「AI转型秘籍」传授给你

机器之心报道，参与：泽南、张倩、李亚洲。

CEO 们应该如何借助 AI 对本身的企业进行转型？吴恩达在今年 8 月份时曾发布 Twitter 表示在与众多 CEO 交流事后，将会发布一个面向公司管理层的报告介绍 AI 产业转型。做为斯坦福大学的教授，在线课程 Coursera 的发起者，吴恩达此次准备以教育者的身份将「All in AI」的经验传授给众多公司管理者们。

刚刚，吴恩达的这份《AI 转型指南》出炉了。准备投身 AI 时代的你，是否是要了解一下？

PDF 下载地址：d6hi0znd7umn4.cloudfront.net/content/upl…

「AI 转型指南综合了我此前在谷歌和百度创建 AI 研究团队时学到的不少经验教训，同时也包含我与不少其余公司 CEO 在交流以后的心得，这其中包含不少科技行业之外的人。」吴恩达在《指南》发布前的采访中告诉 VentureBeat。

吴恩达认为，试图将公司转型为人工智能驱动企业的管理者正面临着一些挑战，同时也可能会犯一些常见错误。他警告说，仅仅关注数据和工程，或者错误估计人工智能的做用都有可能致使失败。

让咱们看看吴恩达的 AI 转型指南是怎么说的：

如同百年前电力的出现同样，人工智能将会变革每一个产业。从如今开始到 2030 年，它将会创造大约 13 万亿的 GDP 增加。同时，AI 已经为谷歌、百度、微软、Facebook 这样的科技巨头创造的巨大的价值，其创造出的大部分附加价值将超越软件行业。

《AI 转型指南》从谷歌大脑和百度 AI 团队的发展中收集洞见，它们对谷歌、百度的 AI 转型扮演着重要角色。参照此指南，任何企业都有可能成为强大的 AI 公司，尽管这些建议主要是为市值在 5 亿-5 千亿美圆之间的大型公司定制的。

如下是我为企业 AI 转型给出的建议，在《指南》中也有详尽解释：

1. 实行试点项目得到动力

2. 创建一支内部 AI 团队

3. 提供普遍的 AI 培训

4. 策划合适的 AI 战略

5. 创建内部和外部沟通

1. 实行试点项目得到动力

首批 AI 项目的成功要比作最有价值的 AI 项目更为重要。这些 AI 项目要足够有意义，由于初期的成功将会帮助你的公司熟悉 AI，让公司的其余人信服从而进一步投资 AI 项目。此外，这些项目不能过小，让别人以为不重要。重要的是让轮子转起来，让 AI 团队得到动力。

对首批 AI 项目的一些建议：

• 对全新的 AI 团队或者外部的 AI 团队（对你的业务不够了解）来讲，这些项目要可以与公司的内部团队（足够了解公司业务）合做并创建 AI 解决方案，在 6-12 月内开始显现牵引力。

• 这些项目要有技术可行性。不少公司开始作的项目用现在的 AI 技术不可能实现。在开始以前，让 AI 工程师作尽职调查能够确保这些 AI 项目的可行性。

• 对项目可以创造的商业价值，有明确的定义与测量标准。

在我带领谷歌大脑团队时，谷歌内对深度学习技术抱有极大的怀疑（更普遍的来讲，全世界也是这样）。为了帮助谷歌大脑得到动力，我选择了谷歌语音团队做为个人首个内部客户，经过密切合做提高了谷歌语音识别的准确率。语音识别对谷歌来讲是个有意义的项目，而不是最重要的。相比之下，把 AI 应用于网页搜索或者广告更为重要。但经过在语音识别上的成功，其余团队开始信任咱们，也让谷歌大脑得到了动力。

一旦其余团队开始看到谷歌大脑在语音识别上的成功，咱们就可以得到更多内部客户。谷歌大脑的第二个重要内部客户是谷歌地图，他们使用了深度学习技术改进地图数据的质量。有了这两个成果，我开始与广告团队沟通。有了动力，逐渐带来愈来愈多的成功。这个过程你能够在公司内复制。

2. 创建内部 AI 团队

虽然与外部资深 AI 专家的合做能帮助你快速得到最初的动力，但长期来看，创建内部 AI 团队执行一些项目会更高效。此外，你也会想在公司内部作一些项目，从而创建竞争优点。

创建内部团队，聘用高管级别的人很是重要。在互联网崛起的时候，对许多公司来讲，聘请 CIO 对公司结合互联网策略很是重要。相比之下，从数字市场、数据科学实验到发布新网站，这样作单独实验的公司难以利用互联网的能力，由于这些小的实验项目难以延展从而让公司转型。

对于 AI 领域的许多公司来讲，一个关键的时刻在于组建一个能够帮助整个公司的 AI 集中团队。若是拥有恰当的职能，这样一个团队能够由 CTO、CIO 或 CDO（首席数据官）带领，也能够由一位勤勉的 CAIO（首席 AI 官）带领。他们的关键职责包括：

• 为整个公司建立所需的 AI 力量。

• 执行一系列跨职能项目，以 AI 项目支持不一样的部门/业务。在完成最初的项目后，创建重复的流程来持续交付一系列有价值的 AI 项目。

• 制定一致的招聘和留用标准。

• 针对整个公司开发对多个部门/业务群体有用的平台，这些平台不可能由单个部门开发。例如，考虑与 CTO / CIO / CDO 合做，制定统一的数据仓储标准。

许多公司都有多个业务部门向 CEO 报告。有了一个新的 AI 团队，你将可以将 AI 人才聚集到不一样的部门，以推进跨职能项目。

新的职务说明和新的团队组织将会出现。我如今以机器学习工程师、数据工程师、数据科学家和 AI 产品经理的角色分配来组织团队工做，这种方式不一样于前 AI 时代。一个好的 AI 领袖将帮助你创建正确的流程。AI 人才争夺战已经打响，不幸的是，大多数公司将很难雇佣到斯坦福 AI 博士，甚至连斯坦福 AI 本科生都很难聘到。人才争夺战在短时间内基本上是零和游戏，所以与一个能帮助你组建 AI 团队的招聘伙伴合做将会是不小的优点。然而，为你现有的团队提供培训也是大量培养内部新人才的好方法。

3. 提供普遍的 AI 培训

目前没有一家公司拥有足够的 AI 内部人才。虽然媒体对 AI 高薪的报道有些夸大了（媒体引用的数字每每是离群值），但 AI 人才的确供不该求。幸运的是，随着数字内容（包括 Coursera 等在线课程、电子书和 YouTube 视频）的增加，培训大量员工掌握 AI 等新技能比以往任什么时候候都更具成本效益。聪明的 CLO（首席学习官）知道他们的工做是策划，而不是创造内容，而后创建流程来确保员工完成学习过程。

十年前，员工培训意味着聘请顾问到公司上课。但这么作效率并不高，ROI 也不清晰。相比之下，数字内容成本更低，也能带给员工更加个性化的体验。若是能够拿出聘请顾问的预算，那么他们教授的内容应该是在线内容的补充。（这叫作翻转课堂教学法。我发现，若是实施得当，这种作法能够加快学习进度，同时带来更加温馨的学习体验。例如，我在斯坦福大学的校内深度学习课程就是利用这种方式授课的。）雇佣几位 AI 专家亲自来教也能激励员工学习这些 AI 技能。AI 将变革不少职业。你应该告诉每一个人，他们须要在 AI 时代找到适合本身的定位。向专家咨询有助于你定制适合本身团队的课程。然而，一个名义上的教育计划可能会是这样：

• 主管及高级商务经理：（培训时间⩾4 小时）

目标：让主管了解 AI 能够帮助公司作什么，开始制定 AI 策略，制定合适的分配决策，与支持有价值的 AI 项目的 AI 团队顺利合做。课程：

• 理解基本的 AI 概念，包括基本技术、数据以及 AI 能/不能作什么。

• 理解 AI 对公司战略的影响。

• AI 应用于类似行业或你所在行业的案例研究。

• 执行 AI 项目的部门领导：（培训时间⩾12 小时）

目标：部门领导应该可以为 AI 项目设定方向、分配资源、监控和跟踪进度，并根据须要进行调整，以确保项目的成功交付。课程：

• 理解基本的 AI 概念，包括基本技术、数据以及 AI 能/不能作什么。

• 理解基本的 AI 技术，包括算法的主要类别及其要求。

• 理解 AI 项目的基本工做流程、AI 团队中的角色和职责以及团队的管理。

• AI 工程师学员：（训练时间⩾100 小时）

目标：新培训的 AI 工程师应该可以收集数据、训练 AI 模型并交付特定的 AI 项目。课程：

• 深入理解机器学习和深度学习技术；基本理解其余的 AI 工具。

• 了解用于构建 AI 和数据系统的可用（开源和第三方）工具。

• 可以贯彻 AI 团队的工做流程。

• 此外：还要持续学习，以跟上 AI 技术发展的脚步

4. 创建 AI 战略

AI 战略能引导你的公司创造更多价值，也能创建防护机制。一旦公司团队看到最初 AI 项目的成功，加深对 AI 的理解，你就可以找到 AI 可以创造价值的地方，并专一于此。

一些公司高层会认为创建 AI 策略应该是第一步。但以个人经验，在有一些基础经验以前，大部分公司难以创建深思熟虑的 AI 策略。这些基础经验能够从前面 3 个步骤得到。

随着 AI 的演进，你创建防护壁垒（defensible moats）的方法也要变化。如下是须要考虑的一些方法：

• 根据一个统一的策略，创建多个不一样的 AI 资产：AI 能让公司以一种新的方式创建独特的竞争优点。Michael Porter 写的商业策略表示创建壁垒业务的一种方法是根据一个统一的策略搭建多个不一样的资产。从而让竞争者难以同事复制这些业务。

• 利用 AI 为公司产业打造特定优点：相比于与谷歌这样的科技公司在「广义」AI 上展开竞争，我建议你成为所在产业分支的领头 AI 企业，开发独一无二的 AI 能力可让你得到竞争优点。AI 对你公司策略的影响是由产业与情境决定的。

• 根据「AI 良性循环」设计反馈积极的策略：在许多产业，咱们能够看到数据积累会带来壁垒业务：

例如，谷歌、百度、Bing、Yandex 这样的网页搜索引擎有大量与用户点击、搜索词条相关的数据资产。这些数据帮助这些公司创建更准确的搜索引擎产品（A），进而帮助它们得到更多用户（B），而后得到更多的用户数据（C）。这种积极的反馈循环让竞争者难以攻破。

数据对 AI 系统来讲是关键资产。所以许多 AI 公司也拥有复杂的数据策略。你的数据策略包括的关键元素应该有：

• 战略数据获取：从 100 数据点（小数据）到十亿数据点（大数据）均可以创建有用的 AI 系统。但数据越多只会更加有益。AI 团队都在使用复杂、横跨多年的策略来获取数据，且不一样产业、情境得到数据的策略也不一样。例如，谷歌、百度都有大量免费产品让它们得到有商业价值的数据。

• 统一数据库：若是你的数据库被 50 个不一样高管或者部门掌控，工程师或者 AI 软件想要访问这些数据、链接节点几乎是不可能的。相反，要集中这些数据或者聚拢为少许数据库。

• 要学会区分数据的价值高低：拥有多少 TB 的数据并不意味着 AI 团队就能从中创造价值。期望 AI 团队能够奇迹般地从一个大数据集中创造价值颇有可能会遭遇失败。我曾痛心地看到 CEO 们花冤枉钱收集低价值数据，甚至为了数据收购一家公司，到头来却发现目标公司的数兆字节数据毫无用武之地。为了不这种错误，应该在数据收集之初就开始组建 AI 团队，让他们帮你决定要收集和存储的数据的优先级别。

创造网络效应和平台优点：最后，AI 还能够用来构建更加传统的「护城河」。例如，具备网络效应的平台是高度可防护的业务。它们与生俱来的「成王败寇」特性迫使公司实现快速增加，不然就会死掉。若是 AI 可让你以比对手快的速度获取用户，那么你能够用 AI 来构建一条「护城河」，借助平台的上述特性进行防护。更普遍地说，你也能够将 AI 用做低成本战略、高价值战略或其余商业战略的关键组成部分。

5. 创建内部和外部沟通

人工智能将显著地影响业务。若是已影响到主要利益攸关方，那么你应该经过运行相关通讯程序以确保多方进度一致。如下是你应该为每位受众考虑的内容：

投资者关系：现现在，领先的人工智能公司（例如谷歌和百度等）同时也是更有价值的公司，部分缘由在于其人工智能能力以及人工智能对其业绩的影响。经过为公司业务的人工智能创做一份解释明确的价值创造论文，描述公司不断增加的人工智能能力，最后呈现成熟完备的人工智能战略，将有助于投资者稳当地评估你的公司业务。

政府关系：若是公司处在受到严格监管的行业（自动驾驶汽车，医疗保健），就会面临如何保持业务合规的独特挑战。对于这样的公司，构建可信的且引人注目的人工智能愿景，并解释你的项目能够为行业或社会带来价值和利益，是与政府创建信任和蔼意合做的重要一步。在你推出公司项目时，以上建议须要与政府直接沟通，以及同监管机构的持续对话相结合。

客户/用户培训：人工智能可能会为你的客户带来巨大利益，所以请务必确保传播适当的营销和产品路线图讯息。

人才/招聘：因为人工智能相关人才稀缺，强大的雇主品牌将对你吸引和留住此类人才的能力产生重大影响。人工智能工程师一般但愿能接手使人兴奋且有意义的项目。所以做为雇主，适当展现公司业务的成功将有助于你招贤纳士。

内部沟通：目前大众对于人工智能仍然知之甚少，加上针对强人工智能的过分炒做，因此大众心中存在恐惧、不肯定和怀疑。许多雇员也会担忧职位被人工智能取代。尽管这种认知因文化而异（例如，这种恐慌感觉在美国比在日本更严重）。因此，清晰的内部沟通不只能透彻地阐释人工智能，也能够打消员工的顾虑，从而减小公司内部对采用人工智能的抗拒。

听从历史规律，对你的成功相当重要

了解互联网兴起时代的转型对于引导公司转向 AI 很是有意义。有许多企业在互联网崛起的过程当中犯了一个错误，但愿你在人工智能兴起的过程当中可以避免这种错误。

咱们从互联网时代学到的是：

购物中心+网站≠互联网公司

即便一个购物中心创建了一个网站，并在其上售卖商品，这自己并无让购物中心变成真正的互联网公司。互联网公司的真正定义是：你可否让互联网在你的公司发挥其应有的优点？

例如互联网公司广泛采用的 A/B 测试，按期上线两个版本的网站，并比较哪一个效果更好。科技公司甚至能够同时运行上百个实验，但这在实体的购物中内心确定很难实现。互联网公司也能够每周推出一个新产品，同时学习竞品的速度很是快，而购物中心或许每一个季度才能更新一次设计。互联网公司中存在产品经理、软件工程师这样的独特职位，这些员工拥有独特的合做形式和工做流程。

深度学习是目前 AI 领域发展最快的方向之一，它与互联网兴起时有些类似之处。今天咱们会发现：任何普通公司+深度学习技术≠AI 公司

为了让你的公司在人工智能方面作得足够好，你须要引导你的公司发挥 AI 真正的优点。

为了让你的公司充分转入人工智能，你必须：

• 系统地执行多个有价值的 AI 项目：人工智能公司必须拥有外包或自有技术和人才，能够系统地执行多个 AI 项目，直接做用于业务。

• 对 AI 充分理解：公司员工须要对人工智能有通常性理解，并采用适当流程来系统地识别和选择有价值的 AI 项目。

• 把握战略方向：公司的战略须要大致上和人工智能赋能的将来保持一致。

将大型公司转型为强大的 AI 公司很是具备挑战性，但在正确合做伙伴的支持下，这是能够完成的任务。Landing.AI 致力于帮助合做伙伴实现人工智能业务转型，这家公司将来还将分享更多的实践。

吴恩达估计，传统公司的人工智能业务转型一般须要花 2 到 3 年时间，但人们能够在实施转型的 6-12 月后看到最初的结果。投资人工智能的企业将领先于竞争对手，并快速发展。