想转型AI却找不到方向？吴恩达来指导你了

为了帮助企业能够成功转型为一家真正意义上的AI公司，吴恩达发布了一份《企业转型AI指导手册》。在手册里吴恩达提炼了传统企业转型成为AI企业的5个要素，并承诺本手册将引导企业转型成功。

这次又是吴恩达。

吴恩达从一个AI技术的研究员，到AI技术的从业者，再到AI技术的咨询顾问，先有学术上的声望，之后又有谷歌大脑、百度AI小组的光环，再做培训就比较有说服力。

所以就有了Landing AI。

Landing AI是吴恩达创建的面向企业的咨询机构，意图为想转型做AI的传统企业、或者初创的AI企业，提供咨询服务。

吴恩达刚在Landing AI发布了一份《企业转型做AI指导手册》，并且信誓旦旦的说：你看，谷歌和百度转型AI很成功是吧？我洞察了导致它们成功的因素，写了这本册子。只要你看了我这本指南，在做AI这件事上，绝对强！

所以，认真看下面的内容就好咯。

这本册子主要讲了以下5个点：

一定要选好第一个项目

招聘坐班的AI团队，别指望外包

善用网上的公开课给员工做集体培训

开发一个AI战略

做好内部和外部的沟通

第一个项目非常关键

通常来讲，从最简单、一次性成功几率最大的新项目或者新技能下手，是最保险的，能够极大的鼓舞士气。士气高涨了，大家才会全身心的投入到公司中。

但也不是说随便乱找个简单项目就开始做。要选择既好上手、又不让人觉得太简单的项目。

吴恩达当年是选择了Google Speach。这个项目当然很重要，但不是Google当前最重要的项目。首战告捷后，就顺理成章的接更多项目了。

建立一个内部AI团队

虽然拥有深厚技术AI专业知识的合作伙伴可以帮助你们更快地获得最初动力，但从长远来看，建立内部AI团队来执行某些项目会更有效率。此外，你也会希望在公司内部保留一些项目，从而建立更独特的竞争优势。

重要的是。要从聘用高管级别的人来建立团队。在互联网兴起期间，聘请CIO是许多公司采用互联网策略的转折点。相比之下，那些许多独立实验的公司——从数字营销到数据科学实验再到新网站发布，则无法发挥互联网功能，因为这些小型试点项目无法扩大规模来改造公司的其他部门。

在AI时代，许多公司的关键时刻在于，组建一个可以帮助整个公司的集中式AI团队。如果他们拥有合适的技能，那么这个AI团队可以由CTO、CIO或CDO（首席数据官）带领。它也可以由专门的CAIO（首席AI官员）领导。AI部门的主要职责是：

建立AI功能以支持整个公司；

执行一系列跨职能项目，以支持与AI项目不同的业务部门。完成初始项目后，可以设置重复的流程以持续提供一系列有价值的AI项目；

制定一致的招聘和留用标准；

针对整个公司范围，开发对多个部门/业务部门有用的公司范围的平台，不太可能由个别部门开发。例如，考虑与CTO / CIO / CDO合作，开发统一的数据仓储标准；

许多公司都组织多个业务部门向CEO报告。通过建立新的AI团队，你能够将AI人才汇集到不同的部门，以推动跨职能项目。

新的职位描述和新的团队组织也会出现。我现在以机器学习工程师、数据工程师、数据科学家和AI产品经理等角色组织团队工作，这种方式与前AI时代不同。一个优秀的AI领导者将帮助你建立正确的流程。

目前AI人才争夺战已经打响，不幸的是大多数公司都很难雇用斯坦福大学的博士（或者甚至是斯坦福大学本科生）。由于人才战在短期内基本上是零和，因此与可以帮助你建立AI团队的招聘伙伴合作将给你带来非凡的优势。但是，为现有团队提供培训也是培养内部大量新人才的好方法。

提供广泛的AI培训

目前没有一家公司拥有足够的AI内部人才。虽然媒体对AI高薪的报道被过度炒作（媒体中引用的数字往往是离群值），但AI人才的确很难找到。

幸运的是，随着数字内容的兴起，包括课程、电子书和YouTube视频等MOOC（大规模开放式在线课程），培养大量员工掌握AI等新技能比以往任何时候都更具成本效益。聪明的CLO（首席学习官）知道他们的工作是策划，而不是创造内容，然后建立流程以确保员工完成学习体验。

十年前，员工培训意味着聘请顾问来到办公室进行讲座。但这么做效率低下，投资回报率尚不清楚。相比之下，数字内容更实惠，并为员工提供更个性化的体验。

如果您确实有预算聘请顾问，那么他们教授的内容应该是补充在线内容。（这被称为“翻转教室”教学法。我发现，如果实施正确的话，这将带来更舒适愉快的学习体验。

例如，在斯坦福大学，我的校园深度学习课程就使用这个教育方式进行授课。）聘请一些AI专家来提供一些现场内容也可以激励员工学习这些AI技术。

AI将改变很多不同的工作。你应该给每个人提供他们在AI时代适应新角色所需的知识。咨询专家将有助你为你的团队开发定制课程。然而，一个名义上的教育计划可能如下所示：

高管人员和高级业务负责人：（培训时间至少4小时）

目标：让主管了解AI可以为你的企业做些什么，开始制定AI战略，做出适当的资源分配决策，与支持有价值的AI项目的AI团队顺利协作。课程：

理解AI的基本业务，包括基本技、，数据以及AI可以做什么和不能做什么；

了解AI对公司战略的影响；

关于AI应用到相邻行业或你所在行业的案例研究。

执行AI项目的部门领导：（培训时间至少12小时）

目标：部门负责人应能够为AI项目设定方向、分配资源、监控和跟踪进度，并根据需要进行调整，以确保项目的成功交付。课程：

理解AI的基本业务，包括基本技术、数据以及AI可以做什么和不能做什么；

理解AI的基本技术，包括主要的算法类及其要求；

理解AI项目的基本工作流程和流程、AI团队中的角色和职责，以及AI团队的管理。

AI工程师培训生：(培训时间至少100小时）

目标：新培训的AI工程师应该能够收集数据、训练AI模型，并提供特定的AI项目。课程：

深入了解机器学习和深度学习; 基本理解其他AI工具；

了解用于构建AI和数据系统的可用（开源和第三方）工具；

能够实施AI团队的工作流程和流程；

此外：还要持续学习，以跟上不断发展的AI技术。

制定AI战略

AI战略将引导你的公司在创造价值的同时，也建立可防御的护城河。一旦团队开始看到初始的AI项目的成功，并且对AI有了更深入的了解，你将能够认识到在哪些地方AI可以创造最大的价值，并将资源集中在这些地方。

一些高管会认为，制定AI战略应该是第一步。根据我的经验，大多数公司只有在对AI有了一些基本的经验之后才能够制定出一个周到的AI策略，这些经验你能在步骤1-3的过程中得到。

建造防御护城河的方式也随着AI的发展而发展。以下是一些可以考虑的方法：

建立几个不同的AI资产，这些资产在大体上要符合一个一致的战略：AI使企业能够以新的方式建立独特的竞争优势。迈克尔•波特(Michael Porter)关于商业战略的开创性著作表明，建立壁垒业务的一种方法是，建立几项与总体战略大体一致的不同资产。因此，竞争对手很难同时复制所有这些资产。

利用AI来创建一个特定于你的行业的优势：与其与“广义”AI上领先的公司竞争，例如谷歌，我建议成为在你的行业内领先的AI公司，开发独特的AI能力将帮助你获得竞争优势。AI如何应县你的公司战略，需要在行业具体情况中考虑。

设计策略要符合“人工智能良性循环”的正反馈循环：在许多行业，我们会看到数据的积累能导致一项壁垒业务：

例如，领先的网络搜索引擎，如谷歌、百度、Bing和Yandex，都拥有巨大的数据资产，能够了解用户在不同的搜索查询后点击的链接。这些数据有助于公司建立更准确的搜索引擎产品(A)，这反过来帮助他们获得更多的用户(B)，这反过来使他们拥有更多的用户数据(C)，这种积极的反馈循环是竞争对手很难打破的。

数据是AI系统的关键资产。因此，许多伟大的AI公司都有复杂的数据策略。制定数据策略的关键要素包括：

战略性数据获取：100个数据点(“小数据”)到1亿个数据点(“大数据”)都能构建有用的AI系统。但是拥有更多的数据基本上不会有坏处。AI团队使用非常复杂的、耗时的策略来获取数据，而具体的数据获取策略是针对行业和具体情况的。例如，谷歌和百度都有许多免费产品，它们不盈利，但它们能获取可以在其他地方盈利的数据。

统一数据仓库：如果你有50个不同的数据库，分属50个不同的VP或部门的控制下，那么工程师或AI软件几乎不可能访问这些数据并“连接这些点”。相反，可以考虑将数据集中到一个或最多几个数据仓库中。

识别哪些数据是有价值的，哪些数据是没有价值的：拥有数TB的数据并不意味着AI团队能够从这些数据中创造价值。期待一个AI团队从大型数据集中神奇地创造出价值，这是很有可能失败。我不幸看过CEO过度投入于收集低价值数据，甚至只是为了数据去收购一个公司，然而这些数据完全没有价值。通过在数据获取过程中尽早引入AI团队可以避免这种错误，并让他们帮助你对需要获取和保存的数据类型进行优先排序。

创造网络效应和平台优势：最后，AI还可以用来建造更传统的护城河。例如，具有网络效应的平台是高度壁垒的业务。它们通常有一种天生的“赢家通吃”的动力，迫使企业要么快速增长，要么灭亡。如果AI能让你比竞争对手更快地获得用户，它就能被用来建造一条通过平台动态防御的护城河。更广泛地说，你还可以将AI用作低成本策略、高价值策略或其他业务策略的关键组件。

发展内部和外部沟通

AI将显著影响你的业务。如果它影响到你的关键利益相关者，那么你应该运行一个通信程序来确保一致性。以下是你应该为每个受众考虑的问题：

投资者关系：领先的AI公司，如谷歌和百度，现在都已经是更有价值的公司，部分原因是它们的AI能力，以及AI对其利润的影响。想投资人清晰地解释你的公司的AI价值创造理论，描述不断增长的AI能力，最后提供一个深思熟虑的AI战略，将有助于投资者恰当地评估你的公司。

政府关系：在监管严格的行业(自动驾驶汽车、医疗保健等)，企业要想保持合规，面临着独特的挑战。构想一个可信的、引人注目的AI故事，解释你的项目可以给行业或社会带来的价值和好处，是建立信任和善意的重要一步。在推出项目时，应与监管机构进行直接沟通和持续对话。

客户/用户教育：AI可能会给你的客户带来显著的好处，所以要确保适当的营销和产品路线图信息的传播。

人才/招聘：由于AI人才匮乏，强大的雇主品牌将对你吸引和留住这类人才的能力产生重大影响。AI工程师希望从事令人兴奋且有意义的项目。适度地展示公司最初的成功可以大有裨益。

内部沟通：由于目前人们仍对AI不了解，尤其是通用人工智能被过度炒作，因此存在着恐惧、不确定性和怀疑。许多员工也担心自己的工作被AI自动化，尽管这在文化上存在很大差异(例如，这种担忧在美国比在日本出现得更多)。良好的内部沟通，无论是解释人工智能，还是消除这些员工的担忧，都将减少内部不愿采用AI的情况。

公司 + 深度学习技术≠ 转型做AI

记住，转型AI，跟用AI工具是两码事。就算你开了个百货店，注册了一个微信公众号，用电商小程序卖货，然而并不能就此成为一家**互联网公司**。

要想真正做到转型，你需要明白以下道理：

系统地执行多个有价值的AI项目的资源：AI公司拥有外包和/或内部技术和人才，可以系统地执行多个AI项目，为业务带来直接价值

对人工智能的充分理解：应该对人工智能有一般的了解，并采用适当的流程来系统地识别和选择有价值的人工智能项目

战略方向：公司的战略大体上与人工智能未来的成功保持一致

吴恩达最后强调，AI转型可能需要两三年时间，但应该6-12个月的时候，就的初见成效。做好转型，才能保持领先于竞争对手并利用AI推动公司发展。