原文：
towardsdatascience.com/nobody-puts-ai-in-a-corner-0118641bc319?source=collection_archive---------7-----------------------#2024-11-13
关于转型的两个简短故事，以及如果你想成为“AI 启用型”公司，应该做些什么
https://medium.com/@danielbakkelund?source=post_page---byline--0118641bc319--------------------------------https://towardsdatascience.com/?source=post_page---byline--0118641bc319-------------------------------- Daniel Bakkelund
·发布于 Towards Data Science ·阅读时间 7 分钟·2024 年 11 月 13 日
–
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/189e8abd01ac13309a9f78c4f36dfdad.png
由 ChatGTP 生成
我与许多产品公司交流时，他们都很难理解“转型为 AI”对他们来说意味着什么。在这篇文章中，我分享了成为 AI 启用型企业的意义，以及你可以做些什么去实现这一目标。不是通过列举你必须做的事情，而是通过两个故事。第一个故事讲的是数字化——一个非数字化公司转型为数字化公司的意义。因为转型为 AI 遵循相同的路径；这是一种“相似但不同”的转型。第二个故事讲的是为什么过去几年许多产品公司在 AI 和数据科学投资中失败，因为他们把 AI 置于了角落里。
但在我们深入之前，请记住，成为 AI 启用型公司是一场转型，或者说是一段旅程。而要顺利开始这段旅程并成功到达目的地，最好是你清楚知道自己要去哪里。那么：什么是“AI 启用型”公司？
成为 AI 启用型公司意味着能够利用 AI 技术把握一个机会，或者获得你原本无法获得的竞争优势。
那么，在完成转型之后，你怎么知道自己是否成功了呢？你可以问自己这个问题：
我们现在能做什么，之前做不到的？我们现在能利用一个以前无法利用的机会吗？
或者更直接地说：我们现在是否能够利用一个以前无法利用的机会？
这个问题与人工智能并无特别关系。它适用于任何组织为获得新能力而进行的转型。因此，如果你希望转型到人工智能领域，也有很多可以从其他转型中学习的经验。
轶事 1：数字化的故事
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/13234f9488bda0fcf2165abe46dd9aac.png
由 ChatGPT 生成
在过去的几十年里，一些大型企业经历了一个巨大的转变，称为数字化。这是一个过程，企业从将信息技术作为日常工作的工具，转变为将信息技术作为战略资产，以获得竞争优势。几年前，我在石油和天然气行业待过一段时间，参与了大规模的数字化工作。如果你没有在石油和天然气行业工作过，你可能会惊讶地发现，这个庞大的行业在很大程度上仍然没有实现数字化。当然，这个行业自计算机问世以来就一直在使用计算机，但那时它们只是工具：CAD 工具用于设计，物流系统用于项目和生产计划，CRM 系统用于管理员工和客户，等等。然而，一个公司相对于另一个公司的竞争力，主要体现在员工对钢铁、管道和机械的知识上，了解流体如何通过管道流动，如何在恶劣环境下安装重型设备，以及这个行业中的许多其他事情。计算机一直被看作是完成工作的工具，信息技术也一直被视为需要尽量减少的开销。数字化正是旨在改变这种思维方式的转型。
为了使信息技术在竞争中发挥杠杆作用，企业必须从把信息技术视为开销的思维转变为把信息技术视为投资机会。通过投资自己的信息技术，你可以创造出竞争对手没有的工具和产品，从而为自己赢得竞争优势。
但是，投资于内部软件开发是昂贵的，因此，为了确定正确的投资以将竞争转向自己一方，你需要所有工程师、钢铁和机械专家开始思考，你能通过计算机以一种服务于这个目标的方式解决哪些问题和挑战。这是因为，关于如何改善你的产品和服务的知识，掌握在员工的脑海中：与客户沟通的销售人员，触及市场趋势的营销人员，设计和制造资产的产品人员，以及设计、制造和测试最终产品的工程师。这些人必须内化使用计算机技术来整体改善业务的理念，并付诸实践。这就是数字化的目标。
但是你已经知道这些了，对吧？那为什么还要重复呢？
因为向 AI 转型的故事其实和数字化转型是完全相同的；你只需要将“数字化转型”替换为“向 AI 转型”。因此，从数字化项目中有很多东西可以学习。如果你够幸运，你可能已经理解了什么是数字化公司，那么你实际上也知道数字化转型意味着什么。
轶事二：数据科学的三个时代
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/db12cbd63391b00a6ab12a1f40c4a07d.png
由 ChatGPT 生成
工业 AI 和数据科学的历史较短，起始于 2010-2012 年。虽然从这段历史中可以学到一些东西，但我立刻要说：目前还没有什么灵丹妙药能让 AI 的转型一蹴而就。但作为一个行业，我们在逐步进步。我把这段历史分为三个不同的时代，根据各家公司在首次启动 AI 项目时的处理方式来划分。
在第一阶段，想要使用 AI 和机器学习的公司大量投资于大型数据基础设施，并雇佣了一大批数据科学家，将他们集中在一个房间里，期待奇迹发生。但什么也没发生，基础设施和人力成本极高，因此这种方法很快被放弃。这个思路受到 Twitter、Facebook、Netflix 和 Google 等成功案例的启发，但这些企业的规模并不适用于大多数公司。经验教训。
在第二阶段，借鉴了第一阶段的经验，AI 顾问们建议应该从识别自己领域中的“杀手级”AI 应用开始，组建一支小型的数据科学家团队，做一个最小可行产品（MVP），并在此基础上不断迭代。这将为你提供一个高价值的项目和示范案例，让你能向整个公司展示 AI 的辉煌。大家都会惊叹不已，看到希望，AI 转型就会完成。因此，公司雇佣了一个小团队的数据科学家，把他们安排在一个角落里，期待奇迹的出现。但什么也没发生。
之所以在这种环境下没有奇迹发生，是因为被聘用来帮助转型的数据科学家和 AI/ML 专家并不了解业务。他们既不了解你，也不了解你客户的痛点。他们不知道业务领域的希望、梦想和目标。而且，更重要的是，了解这些的人——你们组织中的产品人员、管理者和工程师——他们并不懂数据科学家，也不了解 AI，更不清楚 AI 能用来做什么。他们也不理解数据科学家在说什么。在这些群体还没学会互相“交流”之前，魔法是不可能发生的。因为，在那之前，AI 转型根本没有发生。
这就是为什么当你检查自己是否已经完成转型时，重要的不是问自己“你能做什么”，而是问“你将做什么”。AI 团队能帮助应用 AI 来抓住机会，但除非他们知道该做什么，否则这一切不会发生。
这是一项沟通的工作。就是让合适的人互相交流。但跨越这些边界的沟通是具有挑战性的，这也导致了我们现在所处的局面：
第三个时代——虽然目前仍然没有银弹，当前的建议如下：
找到一位在 AI 和机器学习方面有经验的人。这是一个专业领域，你需要具备相关能力。除非你拥有卓越的人才，否则不要试图一夜之间将其他领域的专家转型为数据科学家。从零开始建立一个团队需要时间，并且他们在开始时没有经验。如果需要，毫不犹豫地去外部寻找帮助你入门的人。
将数据科学家与领域专家和产品开发团队对接，让他们一起提出你业务中的第一个 AI 应用。它不一定是杀手级应用——只要能找到任何可能有用的应用，就足够了。
继续开发解决方案，并展示给组织中的其他人。
这项工作的重点不是要命中靶心，而是要提出一个全公司都能识别、理解并评论的可行 AI 示例。如果领域专家和产品团队的人出来说：“但你解决了错误的问题！你应该做的是……”那么你可以把它视为一次胜利。到那时，你已经让关键资源开始对话，合作找出新的、更好的解决方案，解决你已经设定的那些问题。
在我担任数据科学家期间，“角落里的数据科学家”陷阱是导致团队或组织在初始人工智能（AI）项目中失败的主要原因之一。如果 AI 资源没有与产品团队密切互动，那应该被视为注定失败。你需要让产品团队推动 AI 项目——这是确保 AI 解决方案能有效解决正确问题的关键。
总结
成为一个 AI 驱动的产品组织的转型，建立在数字化驱动的基础上，并遵循类似的路径：成功的关键是与领域专家和产品团队合作，让他们了解并应用 AI 带来的扩展问题解决能力。
AI 和机器学习是一个复杂的专业领域，你需要有熟练的专家。之后，关键是将这些资源与领域专家和产品团队紧密结合，以便他们能够开始共同解决问题。
另外：不要把 AI 放在角落里！
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/7a20dea813932f19f3dae9d4e21efd8a.png
转型过程。图示由作者与 ChatGPT 和 GIMP 合作完成。
