Peter B. Nichol

你是否樂觀地認(rèn)為人工智能（AI）將會影響轉(zhuǎn)型？你是否認(rèn)為企業(yè)正在從以數(shù)據(jù)驅(qū)動決策為基礎(chǔ)的輔助型智能向下一代的增強(qiáng)型智能過渡？對于后者，企業(yè)需要設(shè)計能夠強(qiáng)化人類智能與交互的機(jī)器。一切皆有可能，但是前提是人，沒有人就一切皆無可能。文化是由人來推動的。

我們需要設(shè)定愿景、啟用跨功能的協(xié)作、設(shè)計企業(yè)文化，因?yàn)樵妇?、合作和文化是?chuàng)建世界一流人工智能“卓越中心”的三大支柱。無論你是對標(biāo)準(zhǔn)化與集成，利用數(shù)據(jù)資產(chǎn)還是對評估業(yè)務(wù)價值感興趣，卓越中心（COE）都可以提供企業(yè)成功所需的治理或資源平衡。

愿景：學(xué)習(xí)集中化的價值

為了真正掌握卓越中心背后的愿景，讓我們回溯一下它們的根源。卓越中心是建立在權(quán)力集中化理念之上的，其具有系統(tǒng)性和一致性。這種集中化的優(yōu)勢包括直接的責(zé)任和職責(zé)、清晰的決策，以及當(dāng)權(quán)者相信權(quán)力集中化可更好地為他們帶來利益。緊隨這些優(yōu)點(diǎn)之后的是缺點(diǎn)，如決策并非由了解問題的人所做出的，由于信息傳播速度慢而導(dǎo)致執(zhí)行延遲，以及將可能有助于做出更好決策的某些資源排除在外。

在工業(yè)革命期間，我們開始看到了新的制造理念，特別是從家庭生產(chǎn)制（散工制）到工廠生產(chǎn)制的轉(zhuǎn)變。家庭生產(chǎn)制將材料運(yùn)送到農(nóng)村生產(chǎn)者手中。以這種分散的方法提供的產(chǎn)品不僅價格相對較高且質(zhì)量也良莠不齊。工廠生產(chǎn)制則使用機(jī)器大規(guī)模集中生產(chǎn)商品。這種新方法降低了成本并提高了工人效率。工廠生產(chǎn)制的采用提出了一個新的問題：我們應(yīng)該在哪里生產(chǎn)商品？

協(xié)作：人工智能卓越中心架構(gòu)與區(qū)位理論之間的相似之處

人工智能卓越中心的組織架構(gòu)設(shè)計直接影響到了人工智能卓越中心與企業(yè)其他部門之間的協(xié)作程度。區(qū)位理論專注于預(yù)測經(jīng)濟(jì)活動的理想地理位置。簡而言之就是企業(yè)應(yīng)位于何處？我們是否關(guān)注差異成本？生產(chǎn)與配送之間的距離矛盾是否是一個問題？這些概念似乎已深深植根于傳統(tǒng)制造業(yè)，當(dāng)今的企業(yè)高管很少談?wù)摶蚩紤]這些。

有趣的是，我們可以在具有試驗(yàn)性質(zhì)的卓越中心架構(gòu)設(shè)計和區(qū)位理論之間找到相似之處。以下三個主要的區(qū)位理論有助于我們理解設(shè)置人工智能卓越中心時需要注意的一些組織架構(gòu)設(shè)計注意事項(xiàng)。

·德國經(jīng)濟(jì)學(xué)家阿爾弗雷德·韋伯（Alfred Weber）建議，制造工廠應(yīng)設(shè)在成本最低的地方（最低成本理論）。韋伯理論考慮了運(yùn)輸、勞動力和集聚等成本。

·美國數(shù)學(xué)統(tǒng)計學(xué)家、經(jīng)濟(jì)理論家哈羅德·霍特林（Harold Hotelling）提出了霍特林理論。該理論提出了以下原則：不參考其他同類行業(yè)就無法理解行業(yè)的位置，他建議位置選在客戶（集群）附近。位置相互依存的觀點(diǎn)將企業(yè)的地理位置與其經(jīng)營和創(chuàng)造利潤的能力聯(lián)系在了起來。

·專注于區(qū)域和城市經(jīng)濟(jì)學(xué)的德國經(jīng)濟(jì)學(xué)家奧古斯特·廖什（August L?sch）研究了區(qū)位經(jīng)濟(jì)學(xué)。廖什的理論認(rèn)為，制造廠應(yīng)位于能夠?qū)崿F(xiàn)最大利潤（利潤區(qū)）的地方。

韋伯理論、霍特林理論和廖什理論都認(rèn)為，企業(yè)應(yīng)該將利潤轉(zhuǎn)移到凈利潤最大的地方。從表面上看，這似乎是常識，但是在將這一概念應(yīng)用于卓越中心時，我們較少關(guān)注利潤，而更關(guān)注持續(xù)的價值交付（這可能會，也可能不會立即涉及利潤）?，F(xiàn)在我們要思考企業(yè)中的哪個地方產(chǎn)生了最大價值？

文化：為人工智能卓越中心找到家

歷史并不能成為預(yù)測未來成功的依據(jù)，但是了解它們并借鑒過去的錯誤沒有什么壞處，至少企業(yè)不會再犯一模一樣的錯誤。

我們得出以下觀察結(jié)論：

·集中化技術(shù)可以有效地分發(fā)通信，能夠最大限度降低信息出現(xiàn)偏差的可能性。

·由于具有定制性和分布性，去中心化的方式有助于招聘工人。

·區(qū)位理論引入了一個概念，即企業(yè)應(yīng)該位于能夠?qū)崿F(xiàn)價值最大化的地方。

我們需要將這些概念應(yīng)用到人工智能卓越中心當(dāng)中。縱觀卓越中心的發(fā)展歷史，我們找到了一些有用的經(jīng)驗(yàn)：

·在傳遞企業(yè)愿景的過程中，卓越中心的集中管理可最為有效地防止發(fā)生偏差。

·去中心化的員工參與模式有助于提高參與度和加速卓越中心在企業(yè)中的采用。

·卓越中心應(yīng)該讓功能報告實(shí)現(xiàn)集中化（強(qiáng)制性），在操作上必須內(nèi)置在能夠產(chǎn)生最大價值的地方（在公司內(nèi)部）。

當(dāng)我們針對持久性、彈性和加速部署而設(shè)計建造人工智能卓越中心時，這些概念提供了一些富有遠(yuǎn)見的原則。具體而言，優(yōu)秀的設(shè)計對于支持企業(yè)價值觀、信念和行為的發(fā)展至關(guān)重要，這樣有助于以數(shù)據(jù)為中心的文化獲得認(rèn)可，進(jìn)而讓“人工智能優(yōu)先”的思維模式獲得支持。

建立“人工智能優(yōu)先”思維模式只與文化和人有關(guān)，而與技術(shù)和數(shù)據(jù)無關(guān)。有了“人工智能優(yōu)先”、人和人工智能文化，那么能否衡量人工智能卓越中心的價值呢？

衡量人工智能卓越中心的價值

通過設(shè)定愿景可以明確人工智能卓越中心的目標(biāo)。與此同時，人工智能卓越中心用于決策的原則也需要被明確。那么人工智能卓越中心的期望是什么？人工智能卓越中心的基本價值主張是什么？如何共同創(chuàng)造價值以深化共享所有權(quán)？

愿景確定后，如何實(shí)現(xiàn)協(xié)作將成為重點(diǎn)。人工智能卓越中心團(tuán)隊將如何與現(xiàn)有的內(nèi)部組織架構(gòu)（團(tuán)隊，部門和部門）進(jìn)行協(xié)作？何時選出和確定人工智能精英？如何激勵人工智能社區(qū)積極參與？

現(xiàn)在開始針對文化轉(zhuǎn)型進(jìn)行設(shè)計。如何定義“數(shù)據(jù)即資產(chǎn)”文化的臨界點(diǎn)？哪些基準(zhǔn)可以展示行為上的文化轉(zhuǎn)變？個人績效計劃如何與人工智能優(yōu)先思維方式聯(lián)系在一起？哪些傳媒形式將用于教育和宣傳？

規(guī)劃人工智能車間、確定人工智能試驗(yàn)項(xiàng)目、開辦人工智能系列講座都可以促進(jìn)部署，讓企業(yè)獲得真正的人工智能。但是難點(diǎn)在于我們不知道何時能夠取得進(jìn)展。以下問題可以幫助大家評估自己的人工智能計劃是否正在對價值實(shí)現(xiàn)產(chǎn)生積極影響：

·企業(yè)領(lǐng)導(dǎo)者是否能夠?qū)⑷斯ぶ悄茼?xiàng)目與業(yè)務(wù)成就聯(lián)系起來？

·現(xiàn)有的業(yè)務(wù)精英是否是人工智能社區(qū)的一部分？

·人工智能試點(diǎn)項(xiàng)目是否對價值實(shí)現(xiàn)進(jìn)行了量化？

·企業(yè)資源能否闡明它是如何為人工智能社區(qū)的知識做出貢獻(xiàn)的？

·資源是否可以進(jìn)入企業(yè)并根據(jù)人工智能優(yōu)先思想解釋其角色是如何發(fā)生變化的？

·隨機(jī)抽取的企業(yè)資源是否能夠闡明企業(yè)人工智能卓越中心的價值主張？

·人工智能卓越中心是否已集成到現(xiàn)有業(yè)務(wù)流程中，還是作為企業(yè)價值創(chuàng)造的局外人袖手旁觀？

技術(shù)合作伙伴會建議你通過收集數(shù)據(jù)資產(chǎn)清單、檢查技術(shù)堆棧和探索跨孤立區(qū)域的技術(shù)共享等方式開始人工智能卓越中心之旅。雖然這些措施在某些時候是必需的，但是人工智能卓越中心的成功在于人，而不是數(shù)據(jù)。我們需要設(shè)定愿景、 啟用跨功能的協(xié)作和設(shè)計文化。

本文作者Peter B. Nichol為業(yè)務(wù)和技術(shù)主管，其在數(shù)字創(chuàng)新方面獲得了CIO.com、麻省理工學(xué)院斯隆管理學(xué)院、計算機(jī)世界、Computerworld、BRM學(xué)院和項(xiàng)目管理學(xué)院的認(rèn)可。

原文網(wǎng)址

https：//www.cio.com/article/3452583/designing-an-artificial-intelligence-center-of-excellence-for-disciplined-transformation.html