吳恩達發佈《AI轉型指南》：喊話CEO們，AI轉型分五步

人工智能毫無疑問重塑了工程師和研究者們，可是，掌管公司發展前景的CEO們更關心什麼呢？

今年8月份，吳恩達在本身的推特上發佈了一個問題，稱本身由於Landing.ai的項目到訪不少國家，和很是多的CEO交流過他們的AI策略，想基於此發佈一個報告，所以也向你們徵集最想了解的問題。

話題一經發出就迅速得到了不少迴應，最熱的問題包括：如何評估投入產出比？如何從零開始開啓人工智能項目等。

而吳恩達也高效率的兌現了本身的諾言。就在剛剛，他在本身的Medium專欄上po出了一份公開信，正式宣告了這份名爲《人工智能轉型指南（AI Transformation Playbook）》（下稱《指南》）的發佈。

吳恩達稱，這一指南是他經過在谷歌大腦，百度實驗室以及Landing AI的多年經驗，整合完成的，他在其中很是明確的迴應了CEO們在企業發展中最關心的問題——如何高效開啓人工智能項目，而且直接了當的給出了「五步驟路線圖」，能夠說很是有實操性的良心指南了！

總結來講，這五個步驟分別是：

1.執行試點項目從而得到動力

2.創建公司內部的AI團隊

3.對員工進行AI技能培訓

4.制定人工智能戰略

5.在公司內部和外部創建良好的溝通渠道

執行試點項目從而得到動力

若是公司有好幾項AI項目的話，記住，最重要的不是可以帶來大量收益的項目，而是有意義的！由於這能夠在一開始幫公司負責人熟悉AI思惟，也更有利於說服投資人進一步的跟進。 即便有人會認爲這不重要，但這能夠保證AI齒輪飛速旋轉，從而讓相關的AI團隊得到動力。

項目建議：

理想狀況下，新的或者外包AI團隊可能對業務沒有深層次的領域知識，你能夠引導其與有相關經驗的內部團隊合做，並構建AI解決方案。另外，在12個月內要見成效。

項目在技術上應該是可行的。如今太多的公司仍在使用AII技術開展一些不切實際的項目；因此，在項目開始前讓經驗老道的AI工對項目進行全方位評估，是加強項目可行性必不可少的部分。

有創造商業價值的明確目標。

當我領導谷歌大腦團隊時，谷歌當時的深度學習技術是很是受到懷疑的。 當爲了得到動力，選擇Google Speech團隊做爲第一個內部客戶，通過密切的合做，Google語音識別的準確率大大提升。其實，就當時而言，語音識別在Google並非很是重要的項目，可是很是有意義，項目成功以後，團隊得到了很是大的動力。

第二次的合做對象，我仍然沒有選擇很是重要的網絡或者廣告業務。而是與谷歌地圖合做，具體內容是使用深度學習提升地圖數據的質量。兩次合做以後，谷歌人工智能初步有了勢頭，而後才與負責廣告的團隊合做。

創建公司內部的AI團隊

儘管擁有淵博AI知識的外包團隊可以幫你快速上路，長期來看，創建一支公司本身的AI團隊會更加有效率。此外，有些項目若是隻在公司內部進行的話會幫助公司創建本身獨特的競爭優點。

從管理層開始創建內部AI團隊相當重要。在互聯網興起的時期，聘請一位CIO（Chief Information Officer，首席信息官）對於許多公司來講是一個關鍵的轉折點；由於，他們能夠制定連貫的互聯網戰略。對比之下，那些同時運行許多相互獨立試驗性項目（從數字營銷、數據科學到創建新網站）的公司，常常沒法頗有效地運用互聯網技術。由於這些小項目沒法適用於整個公司層面的轉型。

在人工智能時代，對於許多公司來講一個關鍵點將是組建一支可以幫助整個公司的中心化AI團隊。根據不一樣的技能組合，這支團隊能夠爲CTO、CIO或CDO工做；他們甚至能夠直接爲專門的CAIO（Chief AI Offier，首席AI官）工做。這支團隊的核心責任有：

爲整個公司的人工智能力量提供支持

幫助不一樣部門的早期跨領域AI項目。在完成這些早期項目後，創建可重複的流程來持續進行那些有價值的項目

創建通用一致的招聘與留用標準

創建公司層面的通用平臺，保證它不會只被一個單獨的部門使用。好比，能夠考慮與CTO/CIO/CDO合做來創建統一集中數據存儲標準。

許多公司會將多個業務直接彙報給CEO。可是有了新AI團隊，你將能夠把AI技術融進不一樣部門來推進跨職能項目的實現。

新型工做描述與團隊組織結構將會出現。我如今安排團隊內諸如機器學習工程師、數據工程師、數據科學家及AI產品經理等角色的工做已經與AI時代以前大不相同了。優秀AI領導者應當可以指導你創建正確的流程。當前，對AI人才的爭奪很是激烈——不幸的是，絕大多數公司都不太可能招到斯坦福人工智能博士生（說不定連斯坦福AI本科生都招不到）。既然短時間內對於AI人才的爭奪是一場零和博弈，與專門負責招聘AI團隊的獵頭合做能夠爲你帶來不可忽視的優點。不過，爲你如今的團隊提供AI培訓其實也是一個很好的建立企業內部AI團隊的機會。

對員工進行人工智能技能培訓

今天，沒有哪家公司擁有充足的人工智能人才儲備。儘管媒體一直在報道人工智能人才工資有多高，市場上依然有大量的相關職位空缺。還好，互聯網內容的發展，尤爲是像Coursera, ebooks和YouTube等MOOCs平臺的出現，使得爲職工提供規模化的人工智能技術培養成爲可能。明知的首席學習官（ CLO －Chief Learning Officer，吳恩達曾經在幾回

演講中

提到過公司應該設置這個職位，爲公司員工的長期學習提供可能）明白，他們的工做是成爲好的內容庫管理者，而不是直接爲生產內容，而後經過一些制度保障員工完成學習便可。

10年前，職業培訓須要邀請專家來到你的公司講課，這種方式很是低效，回報率也很不明確。如今，數字內容的出現更加經濟和個性化。這時，私人的諮詢者能夠做爲線上內容的一個補充（咱們通常稱其爲「翻轉課堂」）。這種方式我我的認爲更有效率，在斯坦福，個人校內深度學習課程就是用這種方式進行的。僱傭一些人工智能專家來獲取個性化經驗也是激發團隊學習人工智能技能熱情的很好方式。

AI將改變許多不一樣的工做。因此，應該針對公司的每一個員工，根據適用公司發展的相關AI知識，請。 諮詢爲團開發定製課程。 培訓計劃因人而異，因部門而異：

高管和公司負責（4小時培訓）

目標：讓管理人員瞭解AI能夠爲企業作些什麼，作出合理的資源分配決策並與負責AI項目的AI團隊協做。

課程設置：

人工智能的基本業務理解，包括基本技術，數據以及AI能作什麼和不能作什麼。

瞭解AI對公司戰略的影響

學習已經落地的AI場景應用或者相關行業的案例。

開展AI項目的各部門領導（12小時培訓）

目標：部門負責人可以爲AI項目設定方向，分配資源，監控和跟蹤進度，並根據須要進行更正，以確保成功交付項目。

課程設置：

掌握人工智能的基本項目方向，包括基本技術，數據以及AI能作什麼和不能作什麼。

瞭解基本AI算法 。

基本瞭解AI項目的工做流程，AI團隊中的角色和職責，以及AI團隊的管理。

AI工程師:(100小時培訓）

目標：新培訓的AI工程師應該可以收集數據，訓練AI模型，並提供特定的AI項目。

課程設置：

對機器學習和深度學習進行深層次技術理解; 基本瞭解其餘AI工具。

瞭解用於構建AI和數據系統的可用工具，包括開源以及其餘第三方提供的工具

對員工進行持續培訓，以適應日益發展的技術趨勢

制定人工智能戰略

人工智能戰略將引導公司在建立價值的同時創建可防護的護城河。一旦團隊開始看到初始AI項目的成功，並對AI造成了更深的理解。就可以肯定AI能夠在哪些地方創造最大的價值，並將資源集中在這些領域。

一些高管會認爲，制定人工智能戰略應該是第一步。在我看來，缺少基本經驗的狀況下下，大多數公司並不能制定出深思熟慮的人工智能戰略。

公司建造「防護性護城河「的方式也在隨着人工智能的發展而發展。如下是一些值得思考的方法：

構建本身的優質AI資產，這些資產基本上與戰略保持一致：AI使公司可以以新的方式創建獨特的競爭優點。

邁克爾·波特(Michael Porter，曾提出著名的波特五力模型)關於商業戰略的開創性著做代表，開創一家有防護能力的公司的一種方法是，構建幾個與戰略大致相符的優質資產。所以，競爭對手很難同時複製全部這些資產。

利用人工智能建立一種特定於你所在行業的優點：與其試圖在人工智能領域與谷歌(Google)等領先的科技公司「通常」競爭，我建議你不如成爲你所在行業的領先人工智能公司，在那裏，開發獨特的人工智能功能將使你得到競爭優點。AI如何影響你公司的戰略將取決於行業和具體狀況。

與「AI的良性循環」相一致的設計策略，即積極反饋循環：在許多行業中，咱們將看到數據積累致使可防護的企業：

例如，領先的網絡搜索引擎，如谷歌，百度，必應和Yandex（俄羅斯版谷歌，比谷歌在俄羅斯的使用頻率高）都擁有各自巨大的數據資產。這些數據幫助這些公司創建一個更精確的搜索引擎產品(A)，這又幫助他們得到更多的用戶(B)，還致使他們擁有更多的用戶數據(C)。競爭對手很難進入這種積極反饋的循環之中。數據是人工智能系統的關鍵資產。所以，許多偉大的人工智能公司也有複雜的統一數據策略。數據戰略的關鍵要素可能包括：

戰略數據獲取：可以使用從100個數據點(「小數據」)到100,000,000個數據點(「大數據」)的任意位置構建統一有用的AI系統。人工智能團隊正在使用很是複雜的策略來獲取數據，而具體的數據獲取策略則是針對特定行業和具體狀況的。例如，谷歌和百度都有大量的免費產品，這些產品不是具備貨幣化價值的，而是容許它們獲取能夠其餘具備貨幣化價值的數據。

統一數據倉庫：若是你有50個不一樣的數據庫，這些數據庫在50位不一樣的副總裁（VP）或部門的控制下，工程師或AI軟件幾乎不可能訪問這些數據並「鏈接這些點」。相反，考慮將減小用於儲存的數據庫。

識別哪些數據是有價值的，哪些不具備價值：擁有許多TB級別的數據，並不意味着AI團隊將可以從這些數據中創造價值。我不幸地看到，一些首席執行官在收集低價值數據方面過分投資，甚至爲了得到一家公司的數據而收購該公司，結果卻發現目標公司的許多TB數據並不具備價值。避免這個錯誤，在數據獲取過程當中儘早引入AI團隊，並讓他們幫助你肯定要獲取和保存的數據類型的優先順序。

創造網絡效果和平臺優點：最後，人工智能還能夠用來建造更傳統的護城河。例如，具備網絡影響的平臺是高防護的公司。他們每每有一個天然的「贏家通吃」的動力，迫使公司要麼快速增加，要麼死亡。若是AI容許你以比競爭對手更快的速度得到用戶，那麼就能夠利用它來構建一條經過平臺動態來防護的護城河。更普遍地說，可使用AI做爲低成本策略、高價值策略或其餘業務策略的關鍵組件。

在公司內部和外部創建良好的溝通渠道

人工智能將對你的業務產生重大影響。若是它影響到你的主要利益相關者，你應該運行一個交流程序來確保一致性。如下是你應該考慮的內容：

投資者關係：谷歌和百度等領先的人工智能公司如今變得更有價值，部分緣由是它們的人工智能能力以及人工智能對其利潤的影響。解釋清楚的人工智能在你的公司創造價值的緣由，描述你不斷增加的人工智能能力，並最終會有一個深思熟慮的人工智能戰略，這將幫助投資者適當地評估你的公司。

政府關係：高度監管行業(自動駕駛汽車、醫療保健)中的私營企業在保持合規方面面臨着獨特的挑戰。描述一個可信的、引人入勝的人工智能故事，解釋你的項目能夠給一個行業或社會帶來的價值和好處，是創建信任和藹意重要的一步。同時，在你推出項目時，還應與監管機構進行直接溝通和持續對話。

客戶/用戶培養：AI可能會給客戶帶來很是大的好處，所以請確保適當的營銷。

人才/招聘：因爲人工智能人才的稀缺，一些實力強勁的公司將對你吸引和留住此類人才的能力產生重大影響。人工智能工程師想要在使人興奮和有意義的項目上工做。一次適度的努力來展現你最初的成功，可能會有很大的幫助。

內部交流：因爲今天的社會仍然對人工智能缺少了解，特別是通常化人工智能被過分炒做，因此存在恐懼、不肯定性和懷疑。許多員工也擔憂本身的工做被人工智能替代，儘管這一點因文化而異(例如，這種擔憂在美國彷佛比在日本嚴重得多)。明確內部溝通，既解釋人工智能，又解決這類員工的疑問，將減小任何內部不肯採用人工智能的狀況。

歷史記錄，對你的成功很重要：瞭解互聯網是如何改變行業的，對於指導人工智能的崛起是很是有用的。

有一個錯誤在許多企業在互聯網的崛起時會遇到，我但願你會避免：

購物中心+網站≠互聯網公司。即便一家購物中心創建了一個網站，並在網站上出售商品，這自己並不能將購物中心變成一個真正的互聯網公司。一個真正的互聯網公司的定義是：你有沒有帶領你的公司去作，互聯網讓你作得很好的事情？

例如，互聯網公司進行無處不在的A/B測試，在這種測試中，咱們一般會推出兩個版本的網站，並衡量哪一個版本的效果更好。一家互聯網公司甚至可能同時進行數百項實驗；這對於實體購物中心來講是很難作到的。互聯網公司還能夠每週發貨一次新產品，所以比起每季度只更新一次設計的購物中心，學習速度要快得多。互聯網公司對產品經理和軟件工程師等角色有着獨特的職位描述，而這些職位的工做流程也具備獨特的協同工做方式。

深度學習是人工智能中增加最快的領域之一，它與互聯網的崛起有着類似之處。今天，咱們發現：任何標準型公司+深度學習技術 ≠ AI公司。爲了讓你的公司在人工智能上變得偉大，你必須帶領你的公司去作，AI讓你作得更好的事情。要使你的公司在人工智能方面表現出色，你必須具有：系統地執行多個有價值的AI項目、AI公司擁有外包或內部技術人才來系統地執行多個AI項目，從而爲業務帶來直接價值。

對AI應該有通常的理解，並有適當的程序來系統地識別和選擇有價值的AI項目進行工做。

戰略方向：公司的戰略基本一致，以便在人工智能驅動的將來取得成功。

把一家優秀的公司變成一個偉大的人工智能公司是具備挑戰性的，但在偉大的合做夥伴的支持下其實可行。我在Landing.AI的團隊致力於幫助合做夥伴進行AI轉型，我將繼續分享更多的最佳實踐。

AI轉型項目可能須要2-3年的時間，但你應該指望在12個月內就能看到初步成效。經過投資AI轉型，你將持續領先於你的競爭對手。