人工智能|我们不要自然地愚昧,我们要人工地智能( 五 )


当然 , 大家可以在白皮书中看到企业高管们对AI落地过程遇到的挑战的一些观点 。
人工智能|我们不要自然地愚昧,我们要人工地智能
本文插图
主持人(李梦平 , 微软中央市场部数字营销经理):丁磊老师曾在硅谷工作多年 , 拥有Pay Pal早年AI落地项目的实践经验 , 您看到的坑是什么?
丁磊(人工智能首席科学家):我就沿着顾卿华老师搭的框架展开说 。 组织架构对AI落地的影响 , 数字化转型一定是一把手工程 , 是CEO亲自抓的 。 所谓的智能化 , AI转型也一定是CEO抓的工程 。
人工智能|我们不要自然地愚昧,我们要人工地智能
本文插图
举个Pay Pal的例子 , 我在Pay Pal负责消费者部门的AI平台搭建 , 此前Pay Pal曾经尝试过二、三次 , 但都失败了 。
失败原因各种各样 , 可能是没有满足业务需求 , 也可能是没有在公司内部很快树立起AI部门的重要性……随着公司不断的调整组织架构 , AI部门很快淡出 。
在我2013年牵头搭建这个部门时 , 已经是至少第三次在全球消费者数据部搭建AI平台 , 为什么会这样呢?这背后就涉及到组织架构的变革 。
数据科学、AI部门到底关键点在哪里?它是IT部门吗?其实也不算 , 因为IT部门关注的是系统的可靠性与数据的质量 , 它不关注数据怎么变现和产生价值 。
所以数据科学与AI部门不是IT部门 。 那它是不是个分析部门呢?它也不是我们平时所说的传统意义上的分析部门 , 在很多大型公司中都有专门的分析师的团队和部门 , 所以AI部门也不是分析部门 。
这就碰到一个问题 , 既然AI部门不是传统的分析部门 , 你怎么证明其比分析部门有更强更大的价值?如果AI部门跟分析部门做一样的事 , 那这个部门是没有价值的 。 所以 , AI部门不但要把数据分析好 , 还要从数据中提取之前没有提取到的价值 。
因此 , 做AI的难点肯定不仅仅是进行粗略的PoC(Prove of Concept , 即概念验证 , 其目标是测试项目是否值得花时间在其中 , 如果通过概念验证 , 意味着项目可进入正式生产、商业化应用阶段)就能够完成落地了 。
它要求我们在自己已经不低的基线之上 , 证明还能够有相应的提升 。 只有这样 , AI部门才能得到公司内部及客户的认同 , 这些对AI部门的要求是比较高的 。 因此 , AI部门它也不是传统的分析部门 。
人工智能|我们不要自然地愚昧,我们要人工地智能
本文插图
AI部门是不是业务部门呢?它也不是完全意义上的业务部门 , 因为其并不背业务KPI 。 但如果AI部门不能给公司内一或多项业务提供相应的、有效的支撑与提升的话 , 它也无法再一个成熟公司内部立足 。
从我个人经历来看 , 在硅谷的大型公司 , 比如市值已达两三千亿美金的Pay Pal内部 , 该如何找到AI或者说数据科学部门的定位呢?这其实也非常困难 。 因为这个部门无法融合到任何一个传统部门中 。
它的建立必须要从零开始 , 打造全新的专业领域形象 。 并且其负责人可能只有6-12个月的时间来打造专业领域形象 。
他必须在公司里、在业务上证明自己部门存在的价值与合理性 , 只有这样才有可能得到发展、成长的空间和余地 。
人工智能|我们不要自然地愚昧,我们要人工地智能
本文插图
所以在组织结构上 , AI部门首先要得到CEO的支持 。 但CEO给AI部门负责人的容忍期可能也只有6-12个月 , 在这个时间内 , 你必须找到并创造出公司已有部门业务之外 , 额外的、有差额的增量价值 。
注意 , 这个价值必须是显著的 。 作为公司的AI部门 , 或者AI项目 , 其所提供的价值如果还达不到 , 刚才徐博士提到的已被AI赋能的智能化Excel的程度 , 或者无法超出其很多的话 , 这个部门或项目就没有存在的意义 。


推荐阅读