吴恩达发布《AI转型指南》：喊话CEO们，AI转型分五步

人工智能毫无疑问重塑了工程师和研究者们，可是，掌管公司发展前景的CEO们更关心什么呢？

今年8月份，吴恩达在本身的推特上发布了一个问题，称本身由于Landing.ai的项目到访不少国家，和很是多的CEO交流过他们的AI策略，想基于此发布一个报告，所以也向你们征集最想了解的问题。

话题一经发出就迅速得到了不少回应，最热的问题包括：如何评估投入产出比？如何从零开始开启人工智能项目等。

而吴恩达也高效率的兑现了本身的诺言。就在刚刚，他在本身的Medium专栏上po出了一份公开信，正式宣告了这份名为《人工智能转型指南（AI Transformation Playbook）》（下称《指南》）的发布。

吴恩达称，这一指南是他经过在谷歌大脑，百度实验室以及Landing AI的多年经验，整合完成的，他在其中很是明确的回应了CEO们在企业发展中最关心的问题——如何高效开启人工智能项目，而且直接了当的给出了“五步骤路线图”，能够说很是有实操性的良心指南了！

总结来讲，这五个步骤分别是：

1.执行试点项目从而得到动力

2.创建公司内部的AI团队

3.对员工进行AI技能培训

4.制定人工智能战略

5.在公司内部和外部创建良好的沟通渠道

执行试点项目从而得到动力

若是公司有好几项AI项目的话，记住，最重要的不是可以带来大量收益的项目，而是有意义的！由于这能够在一开始帮公司负责人熟悉AI思惟，也更有利于说服投资人进一步的跟进。 即便有人会认为这不重要，但这能够保证AI齿轮飞速旋转，从而让相关的AI团队得到动力。

项目建议：

理想状况下，新的或者外包AI团队可能对业务没有深层次的领域知识，你能够引导其与有相关经验的内部团队合做，并构建AI解决方案。另外，在12个月内要见成效。

项目在技术上应该是可行的。如今太多的公司仍在使用AII技术开展一些不切实际的项目；因此，在项目开始前让经验老道的AI工对项目进行全方位评估，是加强项目可行性必不可少的部分。

有创造商业价值的明确目标。

当我领导谷歌大脑团队时，谷歌当时的深度学习技术是很是受到怀疑的。 当为了得到动力，选择Google Speech团队做为第一个内部客户，通过密切的合做，Google语音识别的准确率大大提升。其实，就当时而言，语音识别在Google并非很是重要的项目，可是很是有意义，项目成功以后，团队得到了很是大的动力。

第二次的合做对象，我仍然没有选择很是重要的网络或者广告业务。而是与谷歌地图合做，具体内容是使用深度学习提升地图数据的质量。两次合做以后，谷歌人工智能初步有了势头，而后才与负责广告的团队合做。

创建公司内部的AI团队

尽管拥有渊博AI知识的外包团队可以帮你快速上路，长期来看，创建一支公司本身的AI团队会更加有效率。此外，有些项目若是只在公司内部进行的话会帮助公司创建本身独特的竞争优点。

从管理层开始创建内部AI团队相当重要。在互联网兴起的时期，聘请一位CIO（Chief Information Officer，首席信息官）对于许多公司来讲是一个关键的转折点；由于，他们能够制定连贯的互联网战略。对比之下，那些同时运行许多相互独立试验性项目（从数字营销、数据科学到创建新网站）的公司，常常没法颇有效地运用互联网技术。由于这些小项目没法适用于整个公司层面的转型。

在人工智能时代，对于许多公司来讲一个关键点将是组建一支可以帮助整个公司的中心化AI团队。根据不一样的技能组合，这支团队能够为CTO、CIO或CDO工做；他们甚至能够直接为专门的CAIO（Chief AI Offier，首席AI官）工做。这支团队的核心责任有：

为整个公司的人工智能力量提供支持

帮助不一样部门的早期跨领域AI项目。在完成这些早期项目后，创建可重复的流程来持续进行那些有价值的项目

创建通用一致的招聘与留用标准

创建公司层面的通用平台，保证它不会只被一个单独的部门使用。好比，能够考虑与CTO/CIO/CDO合做来创建统一集中数据存储标准。

许多公司会将多个业务直接汇报给CEO。可是有了新AI团队，你将能够把AI技术融进不一样部门来推进跨职能项目的实现。

新型工做描述与团队组织结构将会出现。我如今安排团队内诸如机器学习工程师、数据工程师、数据科学家及AI产品经理等角色的工做已经与AI时代以前大不相同了。优秀AI领导者应当可以指导你创建正确的流程。当前，对AI人才的争夺很是激烈——不幸的是，绝大多数公司都不太可能招到斯坦福人工智能博士生（说不定连斯坦福AI本科生都招不到）。既然短时间内对于AI人才的争夺是一场零和博弈，与专门负责招聘AI团队的猎头合做能够为你带来不可忽视的优点。不过，为你如今的团队提供AI培训其实也是一个很好的建立企业内部AI团队的机会。

对员工进行人工智能技能培训

今天，没有哪家公司拥有充足的人工智能人才储备。尽管媒体一直在报道人工智能人才工资有多高，市场上依然有大量的相关职位空缺。还好，互联网内容的发展，尤为是像Coursera, ebooks和YouTube等MOOCs平台的出现，使得为职工提供规模化的人工智能技术培养成为可能。明知的首席学习官（ CLO －Chief Learning Officer，吴恩达曾经在几回

演讲中

提到过公司应该设置这个职位，为公司员工的长期学习提供可能）明白，他们的工做是成为好的内容库管理者，而不是直接为生产内容，而后经过一些制度保障员工完成学习便可。

10年前，职业培训须要邀请专家来到你的公司讲课，这种方式很是低效，回报率也很不明确。如今，数字内容的出现更加经济和个性化。这时，私人的咨询者能够做为线上内容的一个补充（咱们通常称其为“翻转课堂”）。这种方式我我的认为更有效率，在斯坦福，个人校内深度学习课程就是用这种方式进行的。雇佣一些人工智能专家来获取个性化经验也是激发团队学习人工智能技能热情的很好方式。

AI将改变许多不一样的工做。因此，应该针对公司的每一个员工，根据适用公司发展的相关AI知识，请。 咨询为团开发定制课程。 培训计划因人而异，因部门而异：

高管和公司负责（4小时培训）

目标：让管理人员了解AI能够为企业作些什么，作出合理的资源分配决策并与负责AI项目的AI团队协做。

课程设置：

人工智能的基本业务理解，包括基本技术，数据以及AI能作什么和不能作什么。

了解AI对公司战略的影响

学习已经落地的AI场景应用或者相关行业的案例。

开展AI项目的各部门领导（12小时培训）

目标：部门负责人可以为AI项目设定方向，分配资源，监控和跟踪进度，并根据须要进行更正，以确保成功交付项目。

课程设置：

掌握人工智能的基本项目方向，包括基本技术，数据以及AI能作什么和不能作什么。

了解基本AI算法 。

基本了解AI项目的工做流程，AI团队中的角色和职责，以及AI团队的管理。

AI工程师:(100小时培训）

目标：新培训的AI工程师应该可以收集数据，训练AI模型，并提供特定的AI项目。

课程设置：

对机器学习和深度学习进行深层次技术理解; 基本了解其余AI工具。

了解用于构建AI和数据系统的可用工具，包括开源以及其余第三方提供的工具

对员工进行持续培训，以适应日益发展的技术趋势

制定人工智能战略

人工智能战略将引导公司在建立价值的同时创建可防护的护城河。一旦团队开始看到初始AI项目的成功，并对AI造成了更深的理解。就可以肯定AI能够在哪些地方创造最大的价值，并将资源集中在这些领域。

一些高管会认为，制定人工智能战略应该是第一步。在我看来，缺少基本经验的状况下下，大多数公司并不能制定出深思熟虑的人工智能战略。

公司建造“防护性护城河“的方式也在随着人工智能的发展而发展。如下是一些值得思考的方法：

构建本身的优质AI资产，这些资产基本上与战略保持一致：AI使公司可以以新的方式创建独特的竞争优点。

迈克尔·波特(Michael Porter，曾提出著名的波特五力模型)关于商业战略的开创性著做代表，开创一家有防护能力的公司的一种方法是，构建几个与战略大致相符的优质资产。所以，竞争对手很难同时复制全部这些资产。

利用人工智能建立一种特定于你所在行业的优点：与其试图在人工智能领域与谷歌(Google)等领先的科技公司“通常”竞争，我建议你不如成为你所在行业的领先人工智能公司，在那里，开发独特的人工智能功能将使你得到竞争优点。AI如何影响你公司的战略将取决于行业和具体状况。

与“AI的良性循环”相一致的设计策略，即积极反馈循环：在许多行业中，咱们将看到数据积累致使可防护的企业：

例如，领先的网络搜索引擎，如谷歌，百度，必应和Yandex（俄罗斯版谷歌，比谷歌在俄罗斯的使用频率高）都拥有各自巨大的数据资产。这些数据帮助这些公司创建一个更精确的搜索引擎产品(A)，这又帮助他们得到更多的用户(B)，还致使他们拥有更多的用户数据(C)。竞争对手很难进入这种积极反馈的循环之中。数据是人工智能系统的关键资产。所以，许多伟大的人工智能公司也有复杂的统一数据策略。数据战略的关键要素可能包括：

战略数据获取：可以使用从100个数据点(“小数据”)到100,000,000个数据点(“大数据”)的任意位置构建统一有用的AI系统。人工智能团队正在使用很是复杂的策略来获取数据，而具体的数据获取策略则是针对特定行业和具体状况的。例如，谷歌和百度都有大量的免费产品，这些产品不是具备货币化价值的，而是容许它们获取能够其余具备货币化价值的数据。

统一数据仓库：若是你有50个不一样的数据库，这些数据库在50位不一样的副总裁（VP）或部门的控制下，工程师或AI软件几乎不可能访问这些数据并“链接这些点”。相反，考虑将减小用于储存的数据库。

识别哪些数据是有价值的，哪些不具备价值：拥有许多TB级别的数据，并不意味着AI团队将可以从这些数据中创造价值。我不幸地看到，一些首席执行官在收集低价值数据方面过分投资，甚至为了得到一家公司的数据而收购该公司，结果却发现目标公司的许多TB数据并不具备价值。避免这个错误，在数据获取过程当中尽早引入AI团队，并让他们帮助你肯定要获取和保存的数据类型的优先顺序。

创造网络效果和平台优点：最后，人工智能还能够用来建造更传统的护城河。例如，具备网络影响的平台是高防护的公司。他们每每有一个天然的“赢家通吃”的动力，迫使公司要么快速增加，要么死亡。若是AI容许你以比竞争对手更快的速度得到用户，那么就能够利用它来构建一条经过平台动态来防护的护城河。更普遍地说，可使用AI做为低成本策略、高价值策略或其余业务策略的关键组件。

在公司内部和外部创建良好的沟通渠道

人工智能将对你的业务产生重大影响。若是它影响到你的主要利益相关者，你应该运行一个交流程序来确保一致性。如下是你应该考虑的内容：

投资者关系：谷歌和百度等领先的人工智能公司如今变得更有价值，部分缘由是它们的人工智能能力以及人工智能对其利润的影响。解释清楚的人工智能在你的公司创造价值的缘由，描述你不断增加的人工智能能力，并最终会有一个深思熟虑的人工智能战略，这将帮助投资者适当地评估你的公司。

政府关系：高度监管行业(自动驾驶汽车、医疗保健)中的私营企业在保持合规方面面临着独特的挑战。描述一个可信的、引人入胜的人工智能故事，解释你的项目能够给一个行业或社会带来的价值和好处，是创建信任和蔼意重要的一步。同时，在你推出项目时，还应与监管机构进行直接沟通和持续对话。

客户/用户培养：AI可能会给客户带来很是大的好处，所以请确保适当的营销。

人才/招聘：因为人工智能人才的稀缺，一些实力强劲的公司将对你吸引和留住此类人才的能力产生重大影响。人工智能工程师想要在使人兴奋和有意义的项目上工做。一次适度的努力来展现你最初的成功，可能会有很大的帮助。

内部交流：因为今天的社会仍然对人工智能缺少了解，特别是通常化人工智能被过分炒做，因此存在恐惧、不肯定性和怀疑。许多员工也担忧本身的工做被人工智能替代，尽管这一点因文化而异(例如，这种担忧在美国彷佛比在日本严重得多)。明确内部沟通，既解释人工智能，又解决这类员工的疑问，将减小任何内部不肯采用人工智能的状况。

历史记录，对你的成功很重要：了解互联网是如何改变行业的，对于指导人工智能的崛起是很是有用的。

有一个错误在许多企业在互联网的崛起时会遇到，我但愿你会避免：

购物中心+网站≠互联网公司。即便一家购物中心创建了一个网站，并在网站上出售商品，这自己并不能将购物中心变成一个真正的互联网公司。一个真正的互联网公司的定义是：你有没有带领你的公司去作，互联网让你作得很好的事情？

例如，互联网公司进行无处不在的A/B测试，在这种测试中，咱们一般会推出两个版本的网站，并衡量哪一个版本的效果更好。一家互联网公司甚至可能同时进行数百项实验；这对于实体购物中心来讲是很难作到的。互联网公司还能够每周发货一次新产品，所以比起每季度只更新一次设计的购物中心，学习速度要快得多。互联网公司对产品经理和软件工程师等角色有着独特的职位描述，而这些职位的工做流程也具备独特的协同工做方式。

深度学习是人工智能中增加最快的领域之一，它与互联网的崛起有着类似之处。今天，咱们发现：任何标准型公司+深度学习技术 ≠ AI公司。为了让你的公司在人工智能上变得伟大，你必须带领你的公司去作，AI让你作得更好的事情。要使你的公司在人工智能方面表现出色，你必须具有：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人才来系统地执行多个AI项目，从而为业务带来直接价值。

对AI应该有通常的理解，并有适当的程序来系统地识别和选择有价值的AI项目进行工做。

战略方向：公司的战略基本一致，以便在人工智能驱动的将来取得成功。

把一家优秀的公司变成一个伟大的人工智能公司是具备挑战性的，但在伟大的合做伙伴的支持下其实可行。我在Landing.AI的团队致力于帮助合做伙伴进行AI转型，我将继续分享更多的最佳实践。

AI转型项目可能须要2-3年的时间，但你应该指望在12个月内就能看到初步成效。经过投资AI转型，你将持续领先于你的竞争对手。