企业级服务的“认知盈余”

抛弃旧有的限制并不会引领我们进入一个没有限制的世界。无论过去、现在还是将来的世界都有其限制,抛弃旧的限制仅仅是为了给制定新限制清理出空间。

———《认知盈余》克莱•舍基

有一位老领导曾经语重心长的对我说,在他30多年的信息化建设经历中,亲眼目睹被废掉的软件系统有48个,我听罢虽心有戚戚却一点都不觉得惊讶。

软件:

“双面性”的知识交付服务

软件其实就是一种知识交付服务,大型企业对这种知识交付需求有弹性的一面,也有非常刚性的一面。

说它具有弹性的一面是因为在最近这些年,大型机构企业的软件需求越来越多元化、开放化,伴随着数据量的累积以及计算能力的超发(不仅仅是人民币),业务需求可以通过多种方式满足,固态的流程化建设、基础架构建设被前沿性的探索性需求所取代,很多需求根本没有案例可以借鉴。

说它具有刚性的一面是因为大型企业需求对风险防范的要求很高,稳健和高效之间的平衡拿捏的更有分寸,企业级需求是组织需求,组织需求更偏好长期的成熟稳定。与达成目标手段的技术先进性相比,严谨、严肃和连续性更为大型企业所看中。大多数软件服务企业秉承着一种技术拉动需求的方式,但对于企业级用户而言,技术拉动需求是有时间差和滞后性的。

在一个长周期范围内,随着科技的日益增长,用户方疲于应对所谓新技术新工业,造成拉动出来的需求很多都是伪需求。技术演变的曲线斜率是远远陡峭于需求曲线斜率的,正如摩尔定律所提到的那样,每18个月处理器的性能会翻一番,相应带来的无论是软件技术,还是应用技术,在绝对的供给侧的发展速度远超需求侧。

企业级服务领域的主要矛盾:

需求侧的认知盈余VS技术侧供给过剩

如果说农业革命解构了人类与维持生命体存活的能量之间的关系,工业革命结构了人类与驱动生命体运动的动力的关系,AI革命就是解构了人类与认知的关系。人类社会进化就是一种不断解构又不断重构的过程,人工智能必将重构人类的认知系统以及构造方式。

即便如此,在长周期的历史中,组织所承载的需求的变化仍然十分稳定。组织本质性的需求不会经常发生天翻地覆的变化,而大型企业级客户人员稳定,知识沉淀结构化,交流充分,导致企业级用户在对自我的认知和环境的认知进行了多轮迭代,随着人工智能技术的不断推进,这种认知的稳健迭代势必产生大量的针对行业自身的认知盈余,这种需求侧的认知盈余和技术侧供给过剩造成了当前企业级服务领域的主要矛盾。

企业级服务遇到的挑战:

冰冷VS有温度

前些天有位客户问我,你们的项目经理大概多久换一批?我当时没太理解对方的意思,就半开玩笑的说:“我们的项目经理不死,他们只会慢慢升职”。后来我才知道,在过去的三年当中,他无意中为某企业培训了五任项目经理。因为他长期钻研业务,人的基本素养又好,几乎所有来给他提供服务的项目经理对业务的认知水平都远低于他,因而每当有一位项目经理理解了他的需求,要么认为需求太苛刻难以成功交付,要么就觉得需求场景具有前瞻性可以快速复制,出于商业考虑而时不时离场去支援其他地区。

同时由于这位领导虽然对自己的业务规划十分有心得,但是也非常希望合作伙伴能够给予更多的建设性意见,许多优秀的合作伙伴的在服从性、在配合性方面做得非常好,但是根本无法给他有价值的输入,因为几乎没有哪个企业有比他有更深刻的理解。这也导致用户对这类企业逐渐丧失信任,也逐渐失去耐心。

企业级用户在认知迭代上的稳步提升,要求服务提供方必须能够提供双向增值,且不受边界约束,同时能够象有机体那样伴随客户共同成长,把冰冷的交付变成一个有温度的过程,这是当前企业级服务遇到的挑战。

企业级交付:并肩、共赢、成长的合作过程

”对世界已有的信念和看法会阻碍人们看清现实“。

--丹尼尔·卡尼曼

从大数据云计算到人工智能,新技术已经从学术逐步变成一种工程,企业级服务的形态也在伴随着发生演变。这些必要的演变不是抽象机制或渐进式过程改进方面的细小变化。相反,它们是系统设计和开发工作流程方面的颠覆性、根本性的变化。成功地建立和部署AI需要一套复杂的、精心协调的工作流程,这个工作流程涉及多个独立离散的系统。

首先,数据需要加以摄取、清理和标记。

其次,要确定适当的属性,而预测离不开这些属性。

最后,开发人员必须训练模型,并验证、维护和不断优化模型。

从头到尾,这个过程可能需要好几个月,即便对最精通技术的企业组织来说也是如此。用户方在确定一款预先封装好的人工智能产品,必须搞清楚管理该工具需要什么条件。需要什么样的人力服务来改变代码,长期维护模型?它托管在云服务上,由供应商管理,还是说公司需要见多识广的员工来维持运行。部署这种工具是一回事,但是以后调整和训练模型,定制化再开发就是另外一回事,模型和应用组件需要反复的调优,大批增量数据的不断采集治理,这些如果都由甲方独立完成对甲方也是很大的压力。

某种程度上企业级服务是从交付进场一刻开始的。企业级服务不同于个人用户的服务,个人用户的服务看上去有很多个性化的东西,但也都是在一个大体量的趋同性基础上的个性化。而企业级的服务不在乎是否是通用,而更多的是在乎的是解决具体业务问题,其实就决定了你从交付的那一天起,或者说你从项目运作的那一刻起,就是跟用户共同生产,共同打造一个产品或者是某种服务。

打磨的系统、打磨的服务里面包含的是甲乙双方,甚至还有第三方的智慧结晶,而且这种智慧结晶需要不断增量知识输入,所以,很难说严格意义上打造的东西的产权归属,只不过由于甲乙双方的一种合同关系,好像是说这个产权是归属于提供服务一方。在实际操作过程中,国内的很多大型企业、政府对业务本身有着超强的理解和沉淀,对先进技术的驾驭能力越来越好,又拥有大量资源以及运营能力,很多方面都超过了纯粹的IT公司,这种合作定位必然是共同研发、合作共赢,把原来单一的买卖关系提升到互利共荣、共同成长的恒温有机体模式。

恒温交付:

AI环境下企业级服务的一个新模式

明略目前在尝试AI环境下企业级服务的一个新模式--”恒温交付“我们把交付过程分为预研、交互、回溯、运行、维护等几个阶段。

在技术实施方面,首先保证障驻场人员技术栈的全面性,以业务架构、基础研发、应用交付三位一体的方式配合用户预研。其次保证每个阶段文档齐备,平均每项目交付20+文档以便用户有效查阅,第三交付过程中的孵化、培训、开发相结合,争取把双方经验和知识有效沉淀,构造弹性边界、强化内涵式生长、过程管控采用明略独创的纳米级管理方法,以保证施工质量。为实现每个项目的微孵化、微循环我们尽量利用已有的江苏、河北、陕西、成都、内蒙、大连等交付中心,争取实现本地团队负责本地,从本地吸纳人才,向当地用户交付项目。

在人才梯度队伍的建设方面,明略数据注重培养和孵化当地的人才,完成本地化的增值服务。同时明略数据也会与地方政府产业基金合作,共建当地的区域中心,在承担社会责任的同时,也会对当地政府提出要求,推动政府职能的转变。

而在对交付团队的组织建设方面,明略数据尝试了类阿米巴组织模式的改造,把交付团队切分到最小作战单元,实行从项目经理到区域经理的负责制,用类似责任田、承包制的方式,激励项目团队像经营自己的企业一样去服务用户,并和用户一起把成熟经验向业内推广。

当然,明略数据本身有驻场数据科学家,解决“黑盒交付”的问题。很多套装软件都是“黑盒交付”,安装结束后就再也不与用户联系的情况很多,而大数据人工智能项目不能是交钥匙工程,必须由驻场数据科学家与用户一起,根据用户的业务场景切实把大数据落地到具体的业务中,保持交付迭代的灵活性是恒温交付的重要特点也是大数据项目独特的地方。

同时目前的大数据人工智能应用,往往具有突发性,比如某些重大的事件所导致的预案专项,这类项目,以前从未遇到,甚至都没有这类的机构专门去做,更别提通过复杂的立项招标环节,因为用户的需求是非常紧迫且非常开放,所以这种现实是黑盒交付是永远不可能胜任的,必须由系统性灵活机动的组织采用恒温交付的方式才能够灵活应对。这就是大数据驱动业务驱动组织变革的典型表现,同时,交付方式也必然随需应变。

企业级人工智能服务的基础条件:

支撑能力,知识沉淀、过程管控、灵活交付

《认知盈余》书中有个提问,什么是一个新的技术融入社会的理想方式?

我们有几种假设:

第一种假设是“我们尽可能承受的混乱无序”。我们让想要成为革命者的人通过新技术去尝试任何他们想干的事,并且不用去考虑现存的文化和社会准则以及对现有社会制度的潜在破坏。

第二种假设是“传统主义者的认可”。任何一种新技术的命运都是掌握在对当前行事方式负责的人手上的。这就像让修道士们决定怎样去使用印刷机,或是可以让邮局去决定用电子邮件做什么。

第三种假设被我们称为“协议转让”。设想一场改革派同传统主义者的平等谈话:改革派们提议使用新的技术,然后与传统主义者协商如何在利用新事物的同时保留旧事物中最好的东西。

那么,什么是人工智能建设融入企业级服务的最优方式?寻找这个答案会是漫长的过程。我认为,“支撑能力,知识沉淀、过程管控、灵活交付”是实现企业级人工智能服务的基础条件。

未来的公司就像客户的亲密伴侣,彼此之间需要密切的情感联结,并将这种情感物质化,知识、思想、行动、应用、反馈在彼此之间充分交汇产生新的价值交付。

让个体有能量,让组织自生长,让交付有温度,明略人希望用我们的方式拥抱这个认知盈余的时代。

作者:唐日新明略数据COO

本文来自企鹅号 - 明略数据媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

大数据,银行风险管理的金钥匙

25914
来自专栏灯塔大数据

大数据征信分析报告:对中国互联网金融和信用评估的启示

近期,美国互联网金融公司ZestFinance受到国内互联网金融专业人士的热捧,其基于大数据的信用评估模型也越来越受到关注和效仿。本文结合美国的金融环境,对Z...

3337
来自专栏点滴科技资讯

这家硅谷创业企业利用个人手机数据颠覆小微金融业务

? Shivani Siroya,33岁,Tala Mobile公司创始人,这家公司四年前在加州的圣塔莫尼卡,其业务主要是在肯尼亚,坦桑尼亚和菲律宾提供小微...

4066
来自专栏罗超频道

今天能引爆主流人群的,不是电视媒体而是电梯媒体

近日,全球市场营销佼佼者、快消品巨头宝洁在其财务会议上宣布2016年广告费将以个位数增加。由于投放效果不明显,宝洁表示要缩减预算将调整其在Facebook等社交...

2919
来自专栏数据科学与人工智能

【数据分析】大数据征信分析报告

【前言】本文对于大数据征信做了透彻的分析,启示了国内存在非常好的投资机会,本文有很好的借鉴意义。希望本文作者联系我们。 本文编辑/《清华金融评论》贾红宇 近期,...

3325
来自专栏数据猿

海云数据创始人兼CEO冯一村:AI产业化的春天将首先爆发于能够理解用户诉求的细分领域

数据猿导读 随着各行业数据不断积累,人们已经意识到在海量数据中有超过80%的数据静待处理,超过90%的数据价值并未被挖掘。海云数据创始人兼CEO冯一村告诉数据猿...

2754
来自专栏量子位

别瞎操心了!机器人根本不会抢你的饭碗

李杉 编译整理 量子位 出品 | 公众号 QbitAI ? 这是一篇《连线》的深度报道,“有理有据、令人信服”地说明了一件事:科技推动社会进步的速度在放缓,我们...

3355
来自专栏程序你好

首席信息官们的数字化转型,到底是什么阻碍了?

902
来自专栏数据猿

专访ZRobotCEO乔杨:多数大数据公司既没有数据生产能力,也不具备及时获取数据的能力

图丨ZRobotCEO 乔杨 “多数大数据公司既没有数据生产能力,也不具备及时获取数据的能力,仅仅依靠央行的个人征信数据和延时的电商数据来构建风控模型是行不通的...

3135
来自专栏PPV课数据科学社区

【征信】美国P2P平台upstart不用FICO评分是怎么运作的?

国际范围来看,年轻的消费者都是信贷需求比较强烈的人群,但是因为传统银行要求借款者数年的信用和从业记录,这一群体的信贷服务并不是很通畅。如果一个人很年轻并且没有很...

2855

扫码关注云+社区