人工智能毫無疑問重塑了工程師和研究者們，但是，掌管公司發展前景的CEO們更關心什么呢？

人工智能毫無疑問重塑了工程師和研究者們，但是，掌管公司發展前景的CEO們更關心什么呢？

今年8月份，吳恩達在自己的推特上發布了一個問題，稱自己因為Landing.ai的項目到訪很多國家，和非常多的CEO交流過他們的AI策略，想基于此發布一個報告，因此也向大家征集最想了解的問題。

話題一經發出就迅速獲得了很多回應，最熱的問題包括：如何評估投入產出比？如何從零開始開啟人工智能項目等。

而吳恩達也高效率的兌現了自己的諾言。就在剛剛，他在自己的Medium專欄上po出了一份公開信，正式宣告了這份名為《人工智能轉型指南（AI Transformation Playbook）》（下稱《指南》）的發布。

吳恩達稱，這一指南是他通過在谷歌大腦，百度實驗室以及Landing AI的多年經驗，整合完成的，他在其中非常明確的回應了CEO們在企業發展中最關心的問題——如何高效開啟人工智能項目，并且直接了當的給出了“五步驟路線圖”，可以說非常有實操性的良心指南了！

總結來說，這五個步驟分別是：

1.執行試點項目從而獲得動力

2.建立公司內部的AI團隊

3.對員工進行AI技能培訓

4.制定人工智能戰略

5.在公司內部和外部建立良好的溝通渠道

大數據文摘也在不改變原意的前提下，對這份《指南》進行了精華編譯。以下是五個步驟的具體內容，enjoy！

執行試點項目從而獲得動力

如果公司有好幾項AI項目的話，記住，最重要的不是能夠帶來大量收益的項目，而是有意義的！因為這可以在一開始幫公司負責人熟悉AI思維，也更有利于說服投資人進一步的跟進。即使有人會認為這不重要，但這可以保證AI齒輪飛速旋轉，從而讓相關的AI團隊獲得動力。

項目建議：

理想情況下，新的或者外包AI團隊可能對業務沒有深層次的領域知識，你可以引導其與有相關經驗的內部團隊合作，并構建AI解決方案。另外，在12個月內要見成效。

項目項目在技術上應該是可行的。現在太多的公司仍在使用AII技術開展一些不切實際的項目；所以，在項目開始前讓經驗老道的AI工對項目進行全方位評估，是增強項目可行性必不可少的部分。

有創造商業價值的明確目標。

當我領導谷歌大腦團隊時，谷歌當時的深度學習技術是非常受到懷疑的。當為了獲得動力，選擇Google Speech團隊作為第一個內部客戶，經過密切的合作，Google語音識別的準確率大大提高。其實，就當時而言，語音識別在Google并不是非常重要的項目，但是非常有意義，項目成功之后，團隊獲得了非常大的動力。

第二次的合作對象，我仍然沒有選擇非常重要的網絡或者廣告業務。而是與谷歌地圖合作，具體內容是使用深度學習提高地圖數據的質量。兩次合作之后，谷歌人工智能初步有了勢頭，然后才與負責廣告的團隊合作。

建立公司內部的AI團隊

盡管擁有淵博AI知識的外包團隊能夠幫你快速上路，長期來看，建立一支公司自己的AI團隊會更加有效率。此外，有些項目如果只在公司內部進行的話會幫助公司建立自己獨特的競爭優勢。

從管理層開始建立內部AI團隊至關重要。在互聯網興起的時期，聘請一位CIO（Chief Information Officer，首席信息官）對于許多公司來說是一個關鍵的轉折點；因為，他們可以制定連貫的互聯網戰略。對比之下，那些同時運行許多相互獨立試驗性項目（從數字營銷、數據科學到建立新網站）的公司，經常無法很有效地運用互聯網技術。因為這些小項目無法適用于整個公司層面的轉型。

在人工智能時代，對于許多公司來說一個關鍵點將是組建一支能夠幫助整個公司的中心化AI團隊。根據不同的技能組合，這支團隊可以為CTO、CIO或CDO工作；他們甚至可以直接為專門的CAIO（Chief AI Offier，首席AI官）工作。這支團隊的核心責任有：

為整個公司的人工智能力量提供支持

幫助不同部門的早期跨領域AI項目。在完成這些早期項目后，建立可重復的流程來持續進行那些有價值的項目

建立通用一致的招聘與留用標準

建立公司層面的通用平臺，保證它不會只被一個單獨的部門使用。比如，可以考慮與CTO/CIO/CDO合作來建立統一集中數據存儲標準。

許多公司會將多個業務直接匯報給CEO。但是有了新AI團隊，你將可以把AI技術融進不同部門來推動跨職能項目的實現。

新型工作描述與團隊組織結構將會出現。我現在安排團隊內諸如機器學習工程師、數據工程師、數據科學家及AI產品經理等角色的工作已經與AI時代之前大不相同了。優秀AI領導者應當能夠指導你建立正確的流程。當前，對AI人才的爭奪非常激烈——不幸的是，絕大多數公司都不太可能招到斯坦福人工智能博士生（說不定連斯坦福AI本科生都招不到）。既然短期內對于AI人才的爭奪是一場零和博弈，與專門負責招聘AI團隊的獵頭合作可以為你帶來不可忽視的優勢。不過，為你現在的團隊提供AI培訓其實也是一個很好的創建企業內部AI團隊的機會。

對員工進行人工智能技能培訓

今天，沒有哪家公司擁有充足的人工智能人才儲備。盡管媒體一直在報道人工智能人才工資有多高，市場上依然有大量的相關職位空缺。還好，互聯網內容的發展，尤其是像Coursera, ebooks和YouTube等MOOCs平臺的出現，使得為職工提供規模化的人工智能技術培養成為可能。明知的首席學習官（ CLO －Chief Learning Officer，吳恩達曾經在幾次演講中提到過公司應該設置這個職位，為公司員工的長期學習提供可能）明白，他們的工作是成為好的內容庫管理者，而不是直接為生產內容，然后通過一些制度保障員工完成學習即可。

10年前，職業培訓需要邀請專家來到你的公司講課，這種方式非常低效，回報率也很不明確。現在，數字內容的出現更加經濟和個性化。這時，私人的咨詢者可以作為線上內容的一個補充（我們一般稱其為“翻轉課堂”）。這種方式我個人認為更有效率，在斯坦福，我的校內深度學習課程就是用這種方式進行的。雇傭一些人工智能專家來獲取個性化經驗也是激發團隊學習人工智能技能熱情的很好方式。

AI將改變許多不同的工作。所以，應該針對公司的每個員工，根據適用公司發展的相關AI知識，請。咨詢為團開發定制課程。培訓計劃因人而異，因部門而異：

高管和公司負責（?4小時培訓）

目標：讓管理人員了解AI可以為企業做些什么，做出合理的資源分配決策并與負責AI項目的AI團隊協作。

課程設置：

人工智能的基本業務理解，包括基本技術，數據以及AI能做什么和不能做什么。

了解AI對公司戰略的影響

學習已經落地的AI場景應用或者相關行業的案例。

開展AI項目的各部門領導（?12小時培訓）

目標：部門負責人能夠為AI項目設定方向，分配資源，監控和跟蹤進度，并根據需要進行更正，以確保成功交付項目。

課程設置：

掌握人工智能的基本項目方向，包括基本技術，數據以及AI能做什么和不能做什么。

了解基本AI算法 。

基本了解AI項目的工作流程，AI團隊中的角色和職責，以及AI團隊的管理。

AI工程師:(?100小時培訓）

目標：新培訓的AI工程師應該能夠收集數據，訓練AI模型，并提供特定的AI項目。

課程設置：

對機器學習和深度學習進行深層次技術理解; 基本了解其他AI工具。

了解用于構建AI和數據系統的可用工具，包括開源以及其他第三方提供的工具

對員工進行持續培訓，以適應日益發展的技術趨勢

制定人工智能戰略

人工智能戰略將引導公司在創建價值的同時建立可防御的護城河。一旦團隊開始看到初始AI項目的成功，并對AI形成了更深的理解。就能夠確定AI可以在哪些地方創造最大的價值，并將資源集中在這些領域。

一些高管會認為，制定人工智能戰略應該是第一步。在我看來，缺乏基本經驗的情況下下，大多數公司并不能制定出深思熟慮的人工智能戰略。

公司建造“防御性護城河“的方式也在隨著人工智能的發展而發展。以下是一些值得思考的方法：

構建自己的優質AI資產，這些資產基本上與戰略保持一致：AI使公司能夠以新的方式建立獨特的競爭優勢。

邁克爾·波特(Michael Porter，曾提出著名的波特五力模型)關于商業戰略的開創性著作表明，開創一家有防御能力的公司的一種方法是，構建幾個與戰略大體相符的優質資產。因此，競爭對手很難同時復制所有這些資產。

利用人工智能創建一種特定于你所在行業的優勢：與其試圖在人工智能領域與谷歌(Google)等領先的科技公司“一般”競爭，我建議你不如成為你所在行業的領先人工智能公司，在那里，開發獨特的人工智能功能將使你獲得競爭優勢。AI如何影響你公司的戰略將取決于行業和具體情況。

與“AI的良性循環”相一致的設計策略，即積極反饋循環：在許多行業中，我們將看到數據積累導致可防御的企業：

例如，領先的網絡搜索引擎，如谷歌，百度，必應和Yandex（俄羅斯版谷歌，比谷歌在俄羅斯的使用頻率高）都擁有各自巨大的數據資產。這些數據幫助這些公司建立一個更精確的搜索引擎產品(A)，這又幫助他們獲得更多的用戶(B)，還導致他們擁有更多的用戶數據(C)。競爭對手很難進入這種積極反饋的循環之中。數據是人工智能系統的關鍵資產。因此，許多偉大的人工智能公司也有復雜的統一數據策略。數據戰略的關鍵要素可能包括：

戰略數據獲取：可使用從100個數據點(“小數據”)到100,000,000個數據點(“大數據”)的任意位置構建統一有用的AI系統。人工智能團隊正在使用非常復雜的策略來獲取數據，而具體的數據獲取策略則是針對特定行業和具體情況的。例如，谷歌和百度都有大量的免費產品，這些產品不是具有貨幣化價值的，而是允許它們獲取可以其他具有貨幣化價值的數據。

統一數據倉庫：如果你有50個不同的數據庫，這些數據庫在50位不同的副總裁（VP）或部門的控制下，工程師或AI軟件幾乎不可能訪問這些數據并“連接這些點”。相反，考慮將減少用于儲存的數據庫。

識別哪些數據是有價值的，哪些不具有價值：擁有許多TB級別的數據，并不意味著AI團隊將能夠從這些數據中創造價值。我不幸地看到，一些首席執行官在收集低價值數據方面過度投資，甚至為了獲得一家公司的數據而收購該公司，結果卻發現目標公司的許多TB數據并不具有價值。避免這個錯誤，在數據獲取過程中盡早引入AI團隊，并讓他們幫助你確定要獲取和保存的數據類型的優先順序。

創造網絡效果和平臺優勢：最后，人工智能還可以用來建造更傳統的護城河。例如，具有網絡影響的平臺是高防御的公司。他們往往有一個自然的“贏家通吃”的動力，迫使公司要么快速增長，要么死亡。如果AI允許你以比競爭對手更快的速度獲得用戶，那么就可以利用它來構建一條通過平臺動態來防御的護城河。更廣泛地說，可以使用AI作為低成本策略、高價值策略或其他業務策略的關鍵組件。

在公司內部和外部建立良好的溝通渠道

人工智能將對你的業務產生重大影響。如果它影響到你的主要利益相關者，你應該運行一個交流程序來確保一致性。以下是你應該考慮的內容：

投資者關系：谷歌和百度等領先的人工智能公司現在變得更有價值，部分原因是它們的人工智能能力以及人工智能對其利潤的影響。解釋清楚的人工智能在你的公司創造價值的原因，描述你不斷增長的人工智能能力，并最終會有一個深思熟慮的人工智能戰略，這將幫助投資者適當地評估你的公司。

政府關系：高度監管行業(自動駕駛汽車、醫療保健)中的私營企業在保持合規方面面臨著獨特的挑戰。描述一個可信的、引人入勝的人工智能故事，解釋你的項目可以給一個行業或社會帶來的價值和好處，是建立信任和善意重要的一步。同時，在你推出項目時，還應與監管機構進行直接溝通和持續對話。

客戶/用戶培養：AI可能會給客戶帶來非常大的好處，因此請確保適當的營銷。

人才/招聘：由于人工智能人才的稀缺，一些實力強勁的公司將對你吸引和留住此類人才的能力產生重大影響。人工智能工程師想要在令人興奮和有意義的項目上工作。一次適度的努力來展示你最初的成功，可能會有很大的幫助。

內部交流：由于今天的社會仍然對人工智能缺乏了解，特別是一般化人工智能被過度炒作，所以存在恐懼、不確定性和懷疑。許多員工也擔心自己的工作被人工智能替代，盡管這一點因文化而異(例如，這種擔心在美國似乎比在日本嚴重得多)。明確內部溝通，既解釋人工智能，又解決這類員工的疑問，將減少任何內部不愿采用人工智能的情況。

歷史記錄，對你的成功很重要：了解互聯網是如何改變行業的，對于指導人工智能的崛起是非常有用的。

有一個錯誤在許多企業在互聯網的崛起時會遇到，我希望你會避免：

購物中心+網站≠互聯網公司。即使一家購物中心建立了一個網站，并在網站上出售商品，這本身并不能將購物中心變成一個真正的互聯網公司。一個真正的互聯網公司的定義是：你有沒有帶領你的公司去做，互聯網讓你做得很好的事情？

例如，互聯網公司進行無處不在的A/B測試，在這種測試中，我們通常會推出兩個版本的網站，并衡量哪個版本的效果更好。一家互聯網公司甚至可能同時進行數百項實驗；這對于實體購物中心來說是很難做到的。互聯網公司還可以每周發貨一次新產品，因此比起每季度只更新一次設計的購物中心，學習速度要快得多。互聯網公司對產品經理和軟件工程師等角色有著獨特的職位描述，而這些職位的工作流程也具有獨特的協同工作方式。

深度學習是人工智能中增長最快的領域之一，它與互聯網的崛起有著相似之處。今天，我們發現：任何標準型公司+深度學習技術 ≠ AI公司。為了讓你的公司在人工智能上變得偉大，你必須帶領你的公司去做，AI讓你做得更好的事情。要使你的公司在人工智能方面表現出色，你必須具備：系統地執行多個有價值的AI項目、AI公司擁有外包或內部技術人才來系統地執行多個AI項目，從而為業務帶來直接價值。

對AI應該有一般的理解，并有適當的程序來系統地識別和選擇有價值的AI項目進行工作。

戰略方向：公司的戰略基本一致，以便在人工智能驅動的未來取得成功。

把一家優秀的公司變成一個偉大的人工智能公司是具有挑戰性的，AI轉型項目可能需要2-3年的時間，但你應該期望在12個月內就能看到初步成效。通過投資AI轉型，你將持續領先于你的競爭對手。