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，但是，掌管公司发展前景的 CEO 们更关心什么呢？

今年 8 月份，吴恩达在自己的推特上发布了一个问题，称自己因为 Landing.ai 的项目到访很多国家，和非常多的 CEO 交流过他们的 AI 策略，想基于此发布一个报告，因此也向大家征集最想了解的问题。

话题一经发出就迅速获得了很多回应，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自己的诺言。就在刚刚，他在自己的 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，这一指南是他通过在谷歌大脑，百度实验室以及 Landing AI 的多年经验，整合完成的，他在其中非常明确的回应了 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，并且直接了当的给出了“五步骤路线图”，可以说非常有实操性的良心指南了！

总结来说，这五个步骤分别是：

1. 执行试点项目从而获得动力

2. 建立公司内部的 AI 团队

3. 对员工进行 AI 技能培训

4. 制定人工智能战略

5. 在公司内部和外部建立良好的沟通渠道

吴恩达在文章中提供了《指南》的完整版的免费下载链接，先在此奉上英文版：

https://landing.ai/ai-transformation-playbook/

大数据文摘也在不改变原意的前提下，对这份《指南》进行了精华编译。以下是五个步骤的具体内容，enjoy！

执行试点项目从而获得动力

如果公司有好几项 AI 项目的话，记住，最重要的不是能够带来大量收益的项目，而是有意义的！因为这可以在一开始帮公司负责人熟悉 AI 思维，也更有利于说服投资人进一步的跟进。 即使有人会认为这不重要，但这可以保证 AI 齿轮飞速旋转，从而让相关的 AI 团队获得动力。

项目建议：

• 理想情况下，新的或者外包 AI 团队可能对业务没有深层次的领域知识，你可以引导其与有相关经验的内部团队合作，并构建 AI 解决方案。另外，在 12 个月内要见成效。
• 项目项目在技术上应该是可行的。现在太多的公司仍在使用 AII 技术开展一些不切实际的项目；所以，在项目开始前让经验老道的 AI 工对项目进行全方位评估，是增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非常受到怀疑的。 当为了获得动力，选择 Google Speech 团队作为第一个内部客户，经过密切的合作，Google 语音识别的准确率大大提高。其实，就当时而言，语音识别在 Google 并不是非常重要的项目，但是非常有意义，项目成功之后，团队获得了非常大的动力。

第二次的合作对象，我仍然没有选择非常重要的网络或者广告业务。而是与谷歌地图合作，具体内容是使用深度学习提高地图数据的质量。两次合作之后，谷歌人工智能初步有了势头，然后才与负责广告的团队合作。

建立公司内部的 AI 团队

尽管拥有渊博 AI 知识的外包团队能够帮你快速上路，长期来看，建立一支公司自己的 AI 团队会更加有效率。此外，有些项目如果只在公司内部进行的话会帮助公司建立自己独特的竞争优势。

从管理层开始建立内部 AI 团队至关重要。在互联网兴起的时期，聘请一位 CIO（Chief Information Officer，首席信息官）对于许多公司来说是一个关键的转折点；因为，他们可以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、数据科学到建立新网站）的公司，经常无法很有效地运用互联网技术。因为这些小项目无法适用于整个公司层面的转型。

在人工智能时代，对于许多公司来说一个关键点将是组建一支能够帮助整个公司的中心化 AI 团队。根据不同的技能组合，这支团队可以为 CTO、CIO 或 CDO 工作；他们甚至可以直接为专门的 CAIO（Chief AI Offier，首席 AI 官）工作。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
• 帮助不同部门的早期跨领域 AI 项目。在完成这些早期项目后，建立可重复的流程来持续进行那些有价值的项目
• 建立通用一致的招聘与留用标准
• 建立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。比如，可以考虑与 CTO/CIO/CDO 合作来建立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。但是有了新 AI 团队，你将可以把 AI 技术融进不同部门来推动跨职能项目的实现。

新型工作描述与团队组织结构将会出现。我现在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作已经与 AI 时代之前大不相同了。优秀 AI 领导者应当能够指导你建立正确的流程。当前，对 AI 人才的争夺非常激烈——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）。既然短期内对于 AI 人才的争夺是一场零和博弈，与专门负责招聘 AI 团队的猎头合作可以为你带来不可忽视的优势。不过，为你现在的团队提供 AI 培训其实也是一个很好的创建企业内部 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，尤其是像 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，吴恩达曾经在几次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，他们的工作是成为好的内容库管理者，而不是直接为生产内容，然后通过一些制度保障员工完成学习即可。

10 年前，职业培训需要邀请专家来到你的公司讲课，这种方式非常低效，回报率也很不明确。现在，数字内容的出现更加经济和个性化。这时，私人的咨询者可以作为线上内容的一个补充（我们一般称其为“翻转课堂”）。这种方式我个人认为更有效率，在斯坦福，我的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 将改变许多不同的工作。所以，应该针对公司的每个员工，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 可以为企业做些什么，做出合理的资源分配决策并与负责 AI 项目的 AI 团队协作。
• 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 能做什么和不能做什么。
• 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：部门负责人能够为 AI 项目设定方向，分配资源，监控和跟踪进度，并根据需要进行更正，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 能做什么和不能做什么。
• 了解基本 AI 算法 。
• 基本了解 AI 项目的工作流程，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 工程师应该能够收集数据，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; 基本了解其他 AI 工具。
• 了解用于构建 AI 和数据系统的可用工具，包括开源以及其他第三方提供的工具
• 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创建价值的同时建立可防御的护城河。一旦团队开始看到初始 AI 项目的成功，并对 AI 形成了更深的理解。就能够确定 AI 可以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，缺乏基本经验的情况下下，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“防御性护城河“的方式也在随着人工智能的发展而发展。以下是一些值得思考的方法：

构建自己的优质 AI 资产，这些资产基本上与战略保持一致：AI 使公司能够以新的方式建立独特的竞争优势。

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作表明，开创一家有防御能力的公司的一种方法是，构建几个与战略大体相符的优质资产。因此，竞争对手很难同时复制所有这些资产。

利用人工智能创建一种特定于你所在行业的优势：与其试图在人工智能领域与谷歌(Google)等领先的科技公司“一般”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获得竞争优势。AI 如何影响你公司的战略将取决于行业和具体情况。

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，我们将看到数据积累导致可防御的企业：

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建立一个更精确的搜索引擎产品(A)，这又帮助他们获得更多的用户(B)，还导致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。因此，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非常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情况的。例如，谷歌和百度都有大量的免费产品，这些产品不是具有货币化价值的，而是允许它们获取可以其他具有货币化价值的数据。
• 统一数据仓库：如果你有 50 个不同的数据库，这些数据库在 50 位不同的副总裁（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“连接这些点”。相反，考虑将减少用于储存的数据库。
• 识别哪些数据是有价值的，哪些不具有价值：拥有许多 TB 级别的数据，并不意味着 AI 团队将能够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度投资，甚至为了获得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 数据并不具有价值。避免这个错误，在数据获取过程中尽早引入 AI 团队，并让他们帮助你确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势：最后，人工智能还可以用来建造更传统的护城河。例如，具有网络影响的平台是高防御的公司。他们往往有一个自然的“赢家通吃”的动力，迫使公司要么快速增长，要么死亡。如果 AI 允许你以比竞争对手更快的速度获得用户，那么就可以利用它来构建一条通过平台动态来防御的护城河。更广泛地说，可以使用 AI 作为低成本策略、高价值策略或其他业务策略的关键组件。

在公司内部和外部建立良好的沟通渠道

人工智能将对你的业务产生重大影响。如果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。以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现在变得更有价值，部分原因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原因，描述你不断增长的人工智能能力，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，解释你的项目可以给一个行业或社会带来的价值和好处，是建立信任和善意重要的一步。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 可能会给客户带来非常大的好处，因此请确保适当的营销。

人才/招聘：由于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令人兴奋和有意义的项目上工作。一次适度的努力来展示你最初的成功，可能会有很大的帮助。

内部交流：由于今天的社会仍然对人工智能缺乏了解，特别是一般化人工智能被过度炒作，所以存在恐惧、不确定性和怀疑。许多员工也担心自己的工作被人工智能替代，尽管这一点因文化而异(例如，这种担心在美国似乎比在日本严重得多)。明确内部沟通，既解释人工智能，又解决这类员工的疑问，将减少任何内部不愿采用人工智能的情况。

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非常有用的。

有一个错误在许多企业在互联网的崛起时会遇到，我希望你会避免：

购物中心+网站≠互联网公司。即使一家购物中心建立了一个网站，并在网站上出售商品，这本身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做，互联网让你做得很好的事情？

例如，互联网公司进行无处不在的A/B测试，在这种测试中，我们通常会推出两个版本的网站，并衡量哪个版本的效果更好。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说是很难做到的。互联网公司还可以每周发货一次新产品，因此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，而这些职位的工作流程也具有独特的协同工作方式。

深度学习是人工智能中增长最快的领域之一，它与互联网的崛起有着相似之处。今天，我们发现：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做，AI 让你做得更好的事情。要使你的公司在人工智能方面表现出色，你必须具备：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 应该有一般的理解，并有适当的程序来系统地识别和选择有价值的 AI 项目进行工作。

战略方向：公司的战略基本一致，以便在人工智能驱动的未来取得成功。

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

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