構建人工智能（AI）驅動的組織

遠望智庫研究員 億竹 編譯

人工智能正在重塑商業。現在支持人工智能的技術正在快速發展，麥肯錫估計，人工智能將在未來十年為全球經濟增加13萬億美元。然而，盡管有人工智能的承諾，許多組織的人工智能努力仍有不足之處。。

為什么實施這項改變游戲規則的技術進展緩慢？麥肯錫的人工智能專家得出結論，根本問題是未能重新構建組織。

一．解決方案和領導力需求

光有尖端技術和人才是不夠的。公司必須打破阻礙人工智能的組織和文化障礙。領導者必須傳達人工智能計劃的緊迫性及其對所有人的好處；在采用上的花費至少和在技術上的支出一樣多；根據公司的人工智能成熟度、業務復雜性和創新步伐組織人工智能工作；并為每個人投資AI教育。

人工智能正在重塑商業——盡管沒有許多人想象的那么快。誠然，人工智能現在正在指導從農作物收成到銀行貸款的一切決策，而完全自動化的客戶服務等曾經不切實際的前景即將出現。使人工智能成為可能的技術，比如開發平臺和巨大的處理能力和數據存儲正在快速發展，而且變得越來越便宜。公司利用人工智能的時機似乎已經成熟。事實上，我們估計人工智能將在未來十年里為全球經濟增加13萬億美元。

然而，盡管人工智能前景看好，但許多組織在這方面的努力還不夠。麥肯錫調查了數千名高管，了解他們的公司如何使用人工智能和組織高級分析，數據顯示，只有8%的公司從事支持廣泛采用人工智能的核心實踐。大多數公司只進行了臨時試點，或者只在單一業務流程中應用人工智能

為什么進展緩慢？這在最高層次上反映了組織重組的失敗。在調查和與數百名客戶的合作中，我們看到人工智能計劃面臨著巨大的文化和組織障礙。但我們也看到，一開始就采取措施打破這些障礙的領導人能夠有效抓住AI的機會。

二．轉變領導者思維模式

領導者犯的最大錯誤之一是將人工智能視為一種即插即用的技術，可以立即獲得回報。他們決定啟動并運行幾個項目，開始在數據基礎設施、人工智能軟件工具、數據專業知識和模型開發方面投資數百萬美元。一些試點項目設法在一些組織中勉強維持小幅收益。但幾個月或幾年過去了，卻沒有帶來高管們預期的重大效果。公司很難從試點項目轉向全公司范圍的項目，也很難從關注離散的業務問題（如改善客戶細分）轉向大的業務挑戰（如優化整個客戶旅程）。

領導者也經常過于狹隘地考慮人工智能的要求。雖然尖端技術和人才肯定是需要的，但調整公司的文化、結構和工作方式以支持人工智能的廣泛采用也同樣重要。但在大多數并非天生數字化的企業，傳統的思維模式和工作方式與人工智能所需的背道而馳。

為了擴大人工智能的規模，公司必須進行三次轉變：

1.從孤立的工作到跨學科的合作

當人工智能由混合了技能和觀點的跨職能團隊開發時，它會產生最大的影響。讓業務和運營人員與分析專家并肩工作將確保計劃解決廣泛的組織優先事項，而不僅僅是孤立的業務問題。不同的團隊也可以考慮新應用程序可能需要的操作變化——他們更有可能認識到，比如說，引入預測維護需求的算法應該伴隨著維護工作流的徹底改革。當開發團隊讓最終用戶參與應用程序的設計時，應用程序被采用的機會就會大大增加。

2.從基于經驗、領導者驅動的決策到一線數據驅動的決策

當廣泛采用人工智能時，上下層級的員工將通過算法的建議來增強自己的判斷和直覺，以得出比人類或機器自己更好的答案。但要讓這種方法發揮作用，所有層次的人都必須相信算法的建議，并感到有權做出決定——這意味著放棄傳統的自上而下的方法。如果員工在采取行動前必須咨詢上級，這將抑制人工智能的使用。

當一個組織用一個新的人工智能系統取代了復雜的人工方式來安排事件時，決策過程發生了巨大的變化。從歷史上看，該公司的活動策劃人使用彩色標簽、別針和貼紙來跟蹤沖突、參與者的偏好和其他考慮因素。他們經常依靠直覺和高級經理的意見來做決定，高級經理也是憑直覺行事的。新的AI系統快速分析了大量的日程安排排列，首先使用一種算法將數億個選項提取到數百萬個場景中，然后使用另一種算法將這數百萬個選項濃縮到數百個，為每個參與者排列最佳日程。經驗豐富的規劃者將他們的在數據支持下做出最終決策的專業知識，無需從領導那里獲得意見。規劃者很容易采用這個工具，信任它的輸出，因為他們幫助設置了其參數和約束，并且知道他們自己會做出最后的決定。

3.從僵化和規避風險到敏捷、實驗性和適應性強

組織必須擺脫這樣的思維模式，即一個想法需要完全成熟，或者一個業務工具在部署之前必須具備所有的功能。在第一次迭代中，人工智能應用程序很少擁有所有想要的功能。測試和學習的心態將把錯誤重新定義為發現的來源，減少對失敗的恐懼。得到用戶早期的反饋并將其整合到下一個版本中，將允許公司在小問題變成代價高昂的問題之前糾正它們。開發將會加快，使小型人工智能團隊能夠在幾周內而不是幾個月內創造出最低限度的可行產品。

這種根本性的轉變來之不易。要求領導者準備、激勵和裝備員工來做出改變。但領導人首先必須做好準備。我們已經看到了一次又一次的失敗，原因是高級管理人員缺乏對人工智能的基礎理解。

三．為AI成功做好準備

為了讓員工參與進來，為人工智能的成功實施鋪平道路，領導者應該盡早關注以下幾項任務：

1. 解釋原因。一個引人注目的故事有助于組織理解變革計劃的緊迫性，以及所有人將如何從中受益。這對于人工智能項目來說尤其重要，因為擔心人工智能會搶走工作崗位會增加員工對AI的抵制。

領導者必須提供一個愿景，將每個人團結在一個共同的目標周圍。員工必須理解為什么人工智能對企業很重要，以及他們將如何適應一種新的、以人工智能為導向的文化。他們尤其需要得到保證人工智能將增強而不是減少甚至消除他們的角色。（研究表明，大多數工人將需要適應使用人工智能，而不是被人工智能取代。）

在大多數并非天生數字化的公司，心態與人工智能所需的心態背道而馳。當一家大型零售集團希望讓員工支持其人工智能戰略時，管理層將其視為生存之道。領導人描述了數字零售商構成的威脅，以及人工智能如何通過提高公司的運營效率和響應能力來幫助抵御這種威脅。發出戰斗的號召生存，管理層強調了員工必須發揮的關鍵作用。在分享他們的愿景時，該公司的領導們把焦點放在了員工身上曾經試用過一種新的人工智能工具,幫助他們優化商店的產品組合，增加收入。這激發了其他員工想象人工智能如何增強和提升他們的業績。

2.預測變革的獨特障礙。一些障礙，比如員工對過時的恐懼，在整個組織中都很常見。但是一個公司的文化也可能有導致抵制的顯著特征。例如，如果一家公司的公共關系經理以能適應客戶需求而自豪，他們可能會拒絕這種機器可以更好地了解客戶想要什么的想法，并忽略人工智能工具定制的產品推薦。大型組織中的經理人認為其地位是基于他們監管的人數，他們可能會反對人工智能可能允許的決策分散或減少報告。

在其他情況下，孤立的流程會抑制人工智能的廣泛采用。例如，按職能或業務單位分配預算的組織可能很難組建跨學科的敏捷團隊。通過回顧過去的變革舉措如何克服障礙，可以找到一些解決方案。其他可能涉及將人工智能倡議與看起來像障礙的文化價值觀結合起來。例如，在一家非常重視關系銀行業務的金融機構，領導們強調了人工智能加強與客戶聯系的能力。該銀行為公關關系經理制作了一本小冊子，展示如何將其專業知識和技能與人工智能量身定制的產品推薦相結合，以改善客戶體驗，增加收入和利潤。人工智能采用計劃還包括通過使用新工具來推動銷售轉化的競賽；獲勝者的成就在CEO發給員工的每月簡訊中展示。

了解變革的障礙不僅可以告知領導者如何與員工溝通，還可以幫助他們確定在哪里投資，什么樣的人工智能計劃最可行，應該提供什么樣的培訓，什么樣的激勵措施可能是必要的等等。

3. 對集成和采用的預算與對技術的預算一樣多。在我們一項調查中，近90%參與成功擴展實踐的公司將超過一半的分析預算用于推動采用的活動，如工作流重新設計、溝通和培訓。剩下的公司中只有23%投入了類似的資源。

公共關系經理可能會拒絕AI機器知道客戶想要什么的想法。以一家電信提供商為例，該提供商在其呼叫中心推出了一項新的人工智能驅動的客戶維系計劃。該公司同時投資于人工智能模型開發和幫助該中心的員工過渡到新方法。他們不只是對取消服務的電話做出反應，他們會主動聯系有流失風險的客戶，就他們可能接受的新提議向他們提供人工智能生成的建議。員工們接受了關閉企業所需銷售技能的培訓和在職指導。教練和經理監聽他們的電話，給他們個性化的反饋，并不斷更新培訓材料和電話腳本。由于這些協調努力，新計劃減少了10%的客戶流失。

4.平衡可行性、時間投資和價值。追求過于難以實施或需要一年以上才能啟動的計劃可能會破壞當前和未來的人工智能項目。

組織不必只關注速贏；他們應該制定一系列具有不同時間范圍的舉措。不需要人工干預的自動化流程，如人工智能輔助的欺詐檢測，可以在幾個月內獲得回報，而需要人工參與的項目，如人工智能支持的客戶服務，可能需要更長的時間才能獲得回報。優先次序的確定應以長期（通常為三年）觀點為基礎，并考慮到如何將不同時限的幾項舉措結合起來價值最大化。例如，實現足夠詳細的客戶視圖，以允許AI微細分，一個公司可能需要建立一些銷售和營銷計劃。有些服務，比如有針對性的服務，可能在幾個月內就能產生價值，而整套服務可能需要12到18個月才能發揮全部作用。

一家亞太零售商認為，除非該公司翻新其所有商店，為每一類商品重新分配其空間，否則優化占地面積和庫存的人工智能計劃不會產生完整的價值。經過一番辯論后，公司的高管們決定，這個項目對未來的盈利能力非常重要，可以繼續進行，但必須將其一分為二。第一部分開發了一個人工智能工具，為商店經理推薦一些在商店里會賣得很好的增量商品。該工具僅提供了預期總回報的一小部分，但經理們可以立即將新商品帶入商店，展示項目的好處，并為未來多年的發展樹立熱情。

四．規模化組織

關于人工智能和分析能力應該存在于組織中的什么地方，有很多爭論。通常領導者會簡單地問：“什么樣的組織模式最有效？”然后，在聽到其他公司的成功經驗后，做三件事之一：將大部分人工智能和分析能力整合到一個中央“樞紐”內；分散后并將其主要嵌入業務部門（“輻條”）；或者將它們分布在兩者之間，使用混合（“輪轂輻條”）模型。我們發現，在讓人工智能達到規模方面，這些模型中沒有一個總是比其他模型更好；正確的選擇取決于公司的個人情況。

擁有良好擴展實踐的公司將一半的分析預算用于采用。以我們合作過的兩家大型金融機構為例。第一家公司將其人工智能和分析團隊整合在一個中心樞紐，所有分析人員向首席數據和分析官報告，并被部署到根據需要確定業務單位。第二家公司分散了幾乎所有的分析人才，讓團隊駐留在業務部門并向其報告。兩家公司都以行業頂端的規模開發了人工智能；第二個組織在短短兩年內從30個盈利的人工智能項目發展到200個。兩者都是在考慮了各自組織的結構、能力、戰略和獨特特征后選擇其模式的。

1.樞紐（Hub）

少數職責最好由中心處理，并由首席分析官或首席數據官領導。其中包括數據治理、人工智能招聘和培訓戰略，以及與數據和人工智能服務和軟件的第三方提供商合作。中心應該培養AI人才，創建AI專家可以分享最佳實踐的社區，并為整個組織的人工智能開發制定流程。我們的研究表明，已經大規模實施人工智能的公司擁有中心的可能性是同行的三倍，并有2.5倍的可能性采用一個清晰的方法來創建模型，解釋見解，并部署新的人工智能能力。

樞紐還應該負責與人工智能相關的系統和標準。這些應該由公司倡議的需要驅動，這意味著它們應該逐步發展，而不是在商業案例確定之前一下子建立起來。我們已經看到許多組織浪費了大量的時間和金錢，在公司范圍內的數據清理和數據集成項目上預先花費了數億美元，卻中途放棄了這些努力，幾乎沒有或根本沒有收益。

相比之下，當一家歐洲銀行發現相互沖突的數據管理策略阻礙了其新人工智能工具的開發時，它采取了一種較慢的方法，制定了一項統一其數據架構和未來四年的管理，因為它為其人工智能轉型建立了各種商業案例。這一多階段計劃還包括組織重新設計和修訂人才戰略，預計每年的影響將超過9億美元。

2.輻條（Spoke）

另外一些責任幾乎是由輻條承擔，因為它們最接近那些使用人工智能系統的人。其中包括與采用相關的任務，包括最終用戶培訓、工作流程重新設計、激勵計劃、績效管理和影響跟蹤。

為了鼓勵客戶接受其智能互聯設備提供的人工智能服務，一家制造商的銷售和服務機構成立了一個“特警隊（SWAT）”，支持客戶使用產品并制定了一個定價計劃，以促進采用。這樣的工作顯然是輻條的職權范圍，不能委托給分析中心。

人工智能支持的公司在樞紐和輻條之間劃分關鍵角色。一些任務總是由中心擁有，而輻條總是擁有執行。其余的工作屬于灰色地帶，公司的個人特征決定了它應該在哪里完成。

3.灰色地帶

就責任而言，成功的人工智能轉型中的許多工作都陷入了灰色地帶。關鍵任務-為人工智能項目設定方向，分析它們將解決的問題，構建算法，設計工具，與最終用戶一起測試它們，管理變化以及創建支持IT基礎設施——可以由中心或分支擁有，由兩者共享，或與IT共享。

決定一個組織內的責任應該在哪里并不是一門精確的科學，但它應該受到三個因素的影響：

人工智能能力的成熟。當一家公司處于人工智能之旅的早期時，分析高管、數據科學家、數據工程師、用戶界面設計師、以圖形方式解釋分析結果的可視化專家等坐在一個中心內并根據需要部署到輻條上通常是有意義的。這些參與者通過合作，可以建立公司的核心人工智能資產和能力，如通用分析工具、數據流程和交付方法。但是隨著時間流逝和流程變得標準化，這些專家可以同樣（或更）有效地駐留在輻條內。

商業模式的復雜性。人工智能工具支持的業務功能、業務線或地理位置越多，就越需要建立人工智能專家協會（比如數據科學家或設計師協會）。擁有復雜業務的公司通常會將這些行業協會整合到中心，然后根據需要將它們分配到業務單位、職能部門或地理位置。

所需技術創新的速度和水平。當需要快速創新時，一些公司將更多的灰色區域戰略和能力建設放在中心，這樣他們就可以監控行業和技術。

讓我們回到前面討論的兩家金融機構。兩者都面臨著需要快速創新的競爭壓力。然而，他們的分析成熟度和業務復雜性不同。

將其分析團隊置于其中心的機構擁有更復雜的商業模式和相對較低的人工智能成熟度。其現有的人工智能專業知識主要是在風險管理方面。通過將其數據科學家、工程師和許多其他灰色地帶專家集中在該中心，該公司確保了所有業務部門和職能部門都可以在需要時快速獲得重要的專業知識。

第二家金融機構的商業模式要簡單得多，只專注于較少的金融服務。這家銀行也有豐富的人工智能經驗和專業知識。因此，它能夠分散其人工智能人才，將許多灰色地帶分析、戰略和技術專家嵌入業務部門。

正如這些案例所表明的，一些技巧參與了決定責任應該存在于哪里。每個組織都有獨特的能力和競爭壓力，這三個關鍵因素必須整體考慮，而不是單獨考慮。例如，一個組織可能有很高的業務復雜性，需要非?？焖俚膭撔拢ńㄗh它應該將更多的責任轉移到中心），但也有非常成熟的人工智能能力（建議它應該將它們轉移到輻條）。它的領導人必須權衡所有三個因素的相對重要性，以決定在權衡之下將人才最有效地部署到哪里。人才等級（人工智能成熟度的要素）通常對決策有很大的影響。組織是否有足夠的數據專家，如果將他們永久地轉移到輻條上，它仍然可以滿足所有業務單位、職能部門和地理位置的需求？如果沒有，將他們安置在中心并共享他們可能會更好整個組織。

4.監督和執行

雖然人工智能和分析職責的分布因組織而異，但那些擴大人工智能規模的組織有兩個共同點：

（1）由業務、IT和分析領導者組成的執政聯盟。完全集成AI是一個漫長的旅程。建立一個聯合工作團隊來監督它將確保這三個職能部門合作并分擔責任，無論角色和責任如何劃分。這個小組通常由首席分析官召集，也有助于為人工智能計劃創造動力，尤其是在早期。

（2）基于任務的執行團隊。擴大人工智能規模的組織在輻條內建立跨學科團隊的可能性是其他人的兩倍。這些團隊匯集了不同的觀點，并征求前線的員工意見構建、部署和監控新的人工智能能力。這些團隊通常在每一項倡議，并從中心和輻條中汲取技能。每個人通常包括負責新的人工智能工具成功的項目經理（“產品所有者”）、翻譯、數據架構師、工程師和科學家、設計師，有些技巧涉及到決定人工智能的責任和角色應該在哪里。

五．加強變革

大多數人工智能轉換需要18到36個月才能完成，有些甚至需要5年。為了防止他們失去動力，領導者需要做四件事：

1.言行一致

榜樣是必不可少的。首先，領導者可以通過參加學院培訓來展示他們對人工智能的承諾。

但是他們也必須積極鼓勵新的工作方式。人工智能需要實驗，早期的迭代往往不會按計劃進行。當這種情況發生時，領導人應該強調從試驗者身上學到了什么。這將有助于鼓勵適當的承擔風險。

我們見過的最有效的榜樣是謙遜的。他們提出問題，強調不同觀點的價值。他們定期與員工會面討論數據，詢問諸如“我們多久正確一次？”和“我們有什么數據來支持今天的決定？”

2.讓企業負起責任

看到分析人員成為人工智能產品的所有者并不罕見。?然而，因為分析只是解決業務問題的一種手段，所以業務部門必須領導項目并對項目的成功負責。所有權應該分配給相關業務的人，他們應該規劃角色并從頭到尾指導項目。有時，組織在不同的點上分配不同的所有者開發生命周期（例如，用于價值證明、部署和擴展）。這也是一個錯誤，因為它可能會導致松散的結局或錯失機會。

捕捉所有利益相關者的項目績效指標的記分卡是協調分析和業務團隊目標的絕佳方式。例如，一家航空公司使用共享記分卡來衡量優化定價和預訂的人工智能解決方案的采用率、充分發揮能力的速度和業務成果。

比較有和沒有人工智能的決策結果可以鼓勵員工使用它。例如，在一家大宗商品公司，交易員了解到，他們的非人工智能支持的預測通常只有一半是正確的——不比猜測好多少。這一發現使他們對人工智能工具更加開放，以改善預測。

業務部門必須領導人工智能項目，并對其成功負責。監控實施的團隊可以根據需要糾正路線。在一家北美零售商，一名人工智能項目所有者看到商店經理努力將試點的輸出納入他們對商店業績結果的跟蹤。人工智能的用戶界面很難導航，生成的人工智能見解沒有集成到經理們每天決策所依賴的儀表板中。為了解決這個問題，AI團隊簡化了界面并重新配置了輸出，以便新的數據流出現在儀表板中。

3.為變革提供激勵

認可能激勵員工長期工作。專業零售商的CEO開始開會聚焦于幫助公司人工智能項目取得成功的員工（如產品經理、數據科學家或一線員工）。在這家大型零售集團，首席執行官為參與人工智能轉型的頂級員工創造了新的角色。?例如，他提拔了在試點期間幫助測試優化解決方案的品類經理，以領導其在各商店的推廣——明顯展示了擁抱人工智能可能產生的職業影響。

最后，公司必須檢查員工的激勵是否真正與人工智能的使用相一致。但情況并非如此，實體零售商開發了一種人工智能模型來優化折扣定價，以便清理舊庫存。該模型顯示，有時處理舊庫存比打折出售更有利可圖，但商店員工有動力出售所有東西，即使折扣很大。因為人工智能的建議與他們標準的、有回報的實踐相矛盾，員工們開始懷疑這個工具并忽略它。由于他們的銷售激勵也與合同密切相關，不能輕易改變，該組織最終更新了人工智能模型，以識別利潤和激勵之間的權衡，這有助于推動用戶采用和提高底線。

六．結論

人工智能中促進規模的行為創造了一個良性循環。從職能團隊到跨學科團隊的轉變最初匯集了構建有效工具所需的不同技能和觀點以及用戶輸入。隨著時間的推移，整個組織的員工都會吸收新的協作實踐。隨著他們與其他職能部門和地區的同事更加密切地合作，員工開始有更大的想法——他們從試圖解決分散的問題轉向完全重新構想業務和運營模式。隨著組織的其他部分開始采用成功地推動了試驗。

隨著人工智能工具在整個組織中傳播，那些最接近行動的人變得越來越能夠做出曾經由他們上司做出的決定，從而扁平化組織層級。這鼓勵了進一步的合作和更大的思考。

人工智能用于增強決策的方式不斷擴大。新的應用程序將在工作流程、角色和文化方面產生根本性的、有時是困難的變化，領導者需要小心翼翼地引導他們的組織。擅長在整個組織中實施人工智能的公司會發現，在這個世界上，人類和機器一起工作比人類或機器單獨工作更有優勢。

編譯自： Building the AI-Powered Organization | EU Think Tank https://euthinktank.com/innovation/building-the-ai-powered-organization/ ?

?

編輯：黃飛

?