吴恩达：按照这 5 步，传统公司也可转型人工智能

12 月 13 日，吴恩达在自己的创业公司网站 Landing.ai 上发布了一本《人工智能转型手册》，旨在为传统公司转型 AI 提供指导和帮助，我们翻译了部分内容，并在文末附上了手册的下载链接，供读者阅读。

以下内容为 InfoQ 整理翻译：

人工智能技术现在正准备改变每个行业，就像 100 年前的电力一样。从现在到 2030 年，它将创造约 13 万亿美元的 GDP 增长。虽然它已经在 Google，百度，微软和 Facebook 等领先的科技公司中创造了巨大的价值，但它能够创造的价值将超越软件领域。

这本《人工智能转换手册》借鉴了领导 Google 大脑团队和百度 AI 小组的见解，他们分别在 Google 和百度转型成优秀的人工智能公司的道路上发挥了主导作用。任何企业都可以关注这本手册，并成为一家强大的 AI 公司，尽管这些建议主要针对市值/估值从 5 亿美元到 500 亿美元的企业。

这些是我建议企业转型的一般步骤，我将在其中解释：

1. 执行试点项目以获得动力

2. 建立一个内部 AI 团队

3. 提供广泛的 AI 培训

4. 制定人工智能战略

5. 开发内部和外部沟通

执行试点项目以获得动力

对于你最初的几个 AI 项目而言，更重要的是成功而不是成为最有价值的项目。它们应该足够有意义，最初的成功将有助于你的公司熟悉 AI，并说服公司其他人投资进一步的 AI 项目。重要的是让飞轮先转起来，让你的 AI 团队获得动力。

最初几个 AI 项目建议具备以下特征：

• 理想情况下，新的或外部 AI 团队（可能对你的业务没有深入的领域知识）可以与你的内部团队（具有深厚的领域知识）合作，并构建 AI 解决方案，在 6-12 个月内开始合作。

• 该项目在技术上应该是可行的。太多的公司仍在使用当今的 AI 技术开展不可能的项目；拥有值得信赖的 AI 工程师在启动前对项目进行尽职调查将增加你对其可行性的信心。

• 有明确定义和可衡量的目标，创造商业价值。

当我领导 Google 大脑团队时，Google（更广泛地说是世界各地）的深度学习技术受到了极大的质疑。为了帮助团队获得动力，我选择 Google Speech 团队作为我的第一个内部客户，我们与他们密切合作，使 Google 语音识别更加准确。语音识别在 Google 是一个有意义的项目，但不是最重要的项目。例如，对公司而言，将其应用于网络搜索或广告并不重要，但是通过使用深度学习使 Speech 团队更加成功，其他团队开始对我们充满信心，这使得 Google 大脑团队获得了动力。

一旦其他团队开始看到 Google Speech 与 Google 大脑合作的成功，我们就能够获得更多的内部客户。Google 大脑团队的第二个主要内部客户是 Google 地图，他们希望使用深度学习来提高地图数据的质量。通过这两次成功，我开始与广告团队进行进一步对话。逐步建立的成功让人工智能项目越来越成功。此过程是你可以在公司中使用的可重复实现的。

建立一个内部 AI 团队

虽然拥有深厚技术 AI 专业知识的外包合作伙伴可以帮助你更快地获得初始动力，但从长远来看，与内部 AI 团队一起执行某些项目会更有效率。此外，你最好在公司内部保留一些项目，以建立更独特的竞争优势。

重要的是要从高级管理层获得支持来建立这个内部团队。在互联网兴起期间，聘请 CIO 是许多公司采用互联网策略的转折点。相比之下，那些经营许多独立实验的公司，比如从数字营销到数据科学实验再到新网站发布，如果这些小型试点项目无法扩大规模以改造公司的其他部门，则无法利用互联网功能。

在人工智能时代，许多公司的关键时刻将再次形成一个可以帮助整个公司的集中式人工智能团队。如果他们拥有合适的技能，那么这个 AI 团队可以担任 CTO，CIO 或 CDO（首席数据官或首席数字官）职务。它也可以由专门的 CAIO（首席 AI 官员）领导。AI 部门的主要职责是：

• 建立 AI 功能以支持整个公司。

• 执行一系列跨职能项目，以支持与 AI 项目不同的部门/业务部门。完成初始项目后，设置重复流程以持续提供一系列有价值的 AI 项目。

• 制定一致的招聘和保留标准。

• 开发对多个部门/业务部门有用的公司范围的平台，不太可能由个别部门开发。例如，考虑与 CTO / CIO / CDO 合作开发统一的数据仓库标准。

• 许多公司都组织有多个业务部门向 CEO 报告。通过新的 AI 单元，你将能够将 AI 人才汇集到不同的部门，以推动跨职能项目。

公司将出现新的职位描述和新的团队组织。我现在以机器学习工程师，数据工程师，数据科学家和 AI 产品经理等角色组织我的团队工作的方式与 AI 之前的时代不同。一个优秀的 AI 领导者将能够建议你建立正确的流程。

目前一场人工智能战争正在展开，不幸的是大多数公司都很难雇佣到斯坦福大学博士生（甚至是斯坦福大学本科生）。由于人才战在短期内基本上是零和，因此与可以帮助你建立 AI 团队的招募合作伙伴合作将使你获得绝佳优势。但是，为现有团队提供培训也是在内部培养大量新人才的好方法。

提供广泛的 AI 培训

今天没有一家公司拥有足够的内部 AI 人才。虽然媒体关于高 AI 工资的报道被过度炒作（报刊中引用的数字往往是异常值），但 AI 人才仍旧很难找到。幸运的是，随着数字内容的兴起，包括课程、电子书和 YouTube 视频等 MOOC（大规模开放式在线课程），培养大量员工使用 AI 等新技能比以往任何时候都更具成本效益。聪明的 CLO（首席学习官）知道他们的工作是策划，而不是创建内容，然后建立流程以确保员工完成学习体验。

十年前，员工培训意味着聘请顾问来到你的办公室进行讲座。但效率低下，投资回报率尚不清楚。相比之下，数字内容更实惠，并可以为员工提供更个性化的体验。如果你确实有预算聘请顾问，那么现场内容应该作为在线内容的补充。（这被称为“翻转教室”教学法。我发现，如果正确实施，这将带来更快的学习和更愉快的学习体验。在斯坦福大学，我的校园深度学习课程使用的就是这个教育学的形式。）聘请一些 AI 专家来提供一些现场内容也可以帮助激励员工学习这些 AI 技术。

AI 将改变许多不同的工作。你应该给每个人提供他们在 AI 时代适应新角色所需的知识。咨询专家将允许你为你的团队开发定制课程。教育计划可以如下所示：

高级管理人员和高级业务负责人：（4 小时培训）

• 目标：让管理人员了解人工智能可以为你的企业做些什么，开始制定人工智能战略，做出适当的资源分配决策，并与支持有价值的人工智能项目的人工智能团队顺利协作。

• 课程：对 AI 的基本业务理解，包括基本技术、数据以及 AI 可以做什么和不能做什么。

• 了解 AI 对公司战略的影响。

• 关于人工智能应用到相邻行业或你的特定行业的案例研究。

执行人工智能项目的部门领导：（12 小时培训）

• 目标：部门负责人应能够为人工智能项目设定方向、分配资源、监控和跟踪进度，并根据需要进行更正，以确保项目成功交付。

• 课程：对 AI 的基本业务理解包括基本技术，数据以及 AI 可以做什么和不能做什么。

• 对 AI 的基本技术理解，包括主要的算法类及其要求。

• 基本了解 AI 项目的工作流程和流程，AI 团队中的角色和职责，以及 AI 团队的管理。

AI 工程师培训生：(⩾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 项目支持。

• 课程：深入了解机器学习和深度学习；基本了解其他 AI 工具。

• 了解用于构建 AI 和数据系统的可用（开源和其他第三方）工具。

• 能够实施 AI 团队的工作流程和流程。

• 此外：不断学习，以跟上不断发展的人工智能技术

制定人工智能战略

人工智能策略将指导你的公司创造价值，同时建立可防御的护城河。一旦团队开始看到初始 AI 项目的成功并形成对 AI 的更深入理解，你将能够确定 AI 可以创造最大价值的地方并将资源集中在这些区域上。

一些高管认为制定人工智能战略应该是第一步。根据我的经验，大多数公司在获得人工智能的基本经验之前，将无法策划出周到的人工智能策略，前文中的三个步骤应该可以为你提供帮助。

你建立防御护城河的方式也需要随着人工智能发展不断演进。以下是一些需要考虑的方法：

构建几个与一致策略大致相符的 AI 资产：AI 使公司能够以新的方式建立独特的竞争优势。Michael Porter 关于商业战略的开创性着作表明，开展防御性业务的一种方法是建立几个与一致的战略基本一致的资产。因此，竞争对手难以同时复制所有这些资产。

利用人工智能创造特定于你的行业领域的优势：我不建议与 Google 等领先的科技公司在通用技术领域竞争，而是建议你成为自己行业领域的领先 AI 公司，开发独特的 AI 功能将让你获得竞争优势。AI 如何影响你公司的战略将视行业和具体情况而定。

设计策略与“人性化的良性循环”正反馈循环相一致：在许多行业中，我们将看到数据积累导致可防御的业务：

例如，Google、百度、Bing 和 Yandex 等领先的网络搜索引擎拥有巨大的数据资产，可以显示用户在不同搜索查询后点击的链接。这些数据有助于公司构建更准确的搜索引擎产品（A），从而帮助他们获得更多用户（B），从而使他们拥有更多的用户数据（C）。这种积极的反馈循环很难让竞争对手闯入。

数据是 AI 系统的关键资产。因此，许多伟大的 AI 公司也有一个复杂的数据战略。你的数据战略的关键要素可能包括：

战略数据采集：可以使用从 100 个数据点（“小数据”）到 100,000,000 个数据点（“大数据”）的任何地方构建有用的 AI 系统。但拥有更多数据几乎从不会有害。AI 团队正在使用非常复杂的多年战略来获取数据，具体的数据采集策略是针对特定行业和特定情况的。例如，Google 和百度都有许多免费产品，这些产品没有货币化，但他们会获取可以在其他地方货币化的数据。

统一数据仓库：如果你有 50 个不同的 VP 或部门控制下的 50 个不同的数据库，工程师或 AI 软件几乎不可能访问这些数据并“连接点”。相反，请考虑集中化你的数据分为一个或至多不超过多少个数据仓库。

识别哪些数据是有价值的，哪些不是有价值的：自动拥有好几 TB 的数据并不意味着 AI 团队能够从该数据中创造价值。期望 AI 团队从大型数据集中神奇地创造价值是一个很有可能失败的公式，我不幸地看到 CEO 过度投资收集低价值数据，甚至收购公司的数据只是为了意识到目标公司的那好几 TB 数据无用。通过在数据采集过程中尽早引入 AI 团队来避免这种错误，并让他们帮助你确定要获取和保存的数据类型的优先级。

创建网络效果和平台优势：最后，AI 也可用于构建更传统的护城河。例如，具有网络效应的平台是高度防御性的业务。他们通常拥有一种自然的“赢家通吃”动力，迫使公司快速增长或死亡。如果人工智能允许你以比竞争对手更快的速度获得用户，那么它可以用于构建通过平台动态可防御的护城河。更进一步说，你还可以将 AI 用作低成本战略，高价值或其他业务战略的关键组成部分。

开发内部和外部沟通

AI 会显着影响你的业务。如果它影响你的关键利益相关者，你应该运行通信程序以确保一致。以下是你应该为每位受众考虑的内容：

投资者关系：Google 和百度等领先的人工智能公司现在是更有价值的公司，部分原因在于他们的人工智能能力以及人工智能对其底线的影响。为贵公司的人工智能解释一份明确的价值创造论文，描述你不断增长的人工智能能力，最后有一个深思熟虑的人工智能战略，将有助于投资者适当地重视你的公司。

政府关系：受到高度监管的行业（自动驾驶汽车，医疗保健）的公司面临着保持合规的独特挑战。开发一个可信的、引人注目的人工智能故事，解释你的项目可以为行业或社会带来的价值和利益，是建立信任和善意的重要一步。在你推出项目时，这应该与直接沟通和与监管机构的持续对话相结合。

客户/用户教育：AI 可能会为你的客户带来重大利益，因此请确保传播适当的营销和产品路线图消息。

人才/招聘：由于人才的缺乏，强大的雇主品牌将对你吸引和留住这些人才的能力产生重大影响。AI 工程师希望开展令人兴奋且有意义的项目。展示你最初成功的适度努力可以大有帮助。

内部沟通：因为今天人们对于人工智能仍然知之甚少，人工智能由于过度炒作，所以存在恐惧、不确定和怀疑。许多员工也担心他们的工作由人工智能替代，尽管这种差异因文化而异（例如，这种恐惧在美国比在日本看起来更多）。清晰的内部沟通既可以解释人工智能，也可以解决员工的担忧，这将降低内部员工不愿意采用人工智能的比例。

以史为鉴，对你的成功至关重要

了解互联网如何改变行业对于驾驭人工智能的兴起是有用的。有许多企业在互联网崛起的过程中出现了一个错误，我希望你在人工智能的兴起中避免这种错误。

我们在互联网时代了解到：

购物中心+网站≠互联网公司

即使一个购物中心建立了一个网站并在网站上出售东西，这本身并没有将购物中心变成真正的互联网公司。真正的互联网公司的定义是：你是否通过互联网让你现有的工作或项目变得更强大？

例如，互联网公司参与普遍的 A / B 测试，我们定期推出两个版本的网站，并测量哪个更好。互联网公司甚至可能同时运行数百个实验，这对于实体购物中心来说很难。互联网公司也可以每周发布一种新产品，因此比购物中心学得更快，购物中心每季度只能更新一次设计。互联网公司对产品经理和软件工程师等角色有独特的职位描述，这些职位具有独特的工作流程和流程，可以协同工作。

深度学习是人工智能发展最快的领域之一，它与互联网的兴起呈现出相似之处。今天，我们发现：

任何传统公司+深度学习技术≠AI 公司

为了让你的公司在人工智能方面做得很好，你必须通过 AI 让你公司已有的工作或项目做得更好。

为了让你的公司在人工智能方面表现出色，你必须：

• 系统地执行多个有价值的 AI 项目的资源：AI 公司拥有外包或内部技术和人才，可以系统地执行多个 AI 项目，为业务带来直接价值。

• 对人工智能的充分理解：应该对人工智能有一般的了解，并采用适当的流程来系统地识别和选择有价值的人工智能项目。

• 战略方向：公司的战略大体上与人工智能未来的成功保持一致。

AI 转型计划可能需要 2~3 年，但你应该期望在 6~12 个月内看到初步的结果。通过投资人工智能转型，你将领先于竞争对手，并可以利用人工智能来推动你的公司发展。

吴恩达，Landing AI 董事长兼首席执行官

手册下载地址：

https://d6hi0znd7umn4.cloudfront.net/content/uploads/2018/12/AI-Transformation-Playbook.pdf