吴恩达兑现了要给想转型做AI项目的企业实战“秘籍”的承诺

5 个月后，吴恩达兑现了要给想转型做 AI 项目的企业实战“秘籍”的承诺。

总体来看，无论是做 AI 还是做互联网，只要你是一个做过项目的管理者，那这份“秘籍”的内容可能在你看来会很熟悉，甚至可能觉得无关痛痒，这份秘籍的最大价值可能就是把怎么从零到一做项目的流程规划，比较有条理性地总结整理了出来。

吴恩达提供了 5 条 AI 转型建议，但没明白他为什么还设置了一个门槛：主要针对市值/估值 5 亿美元到 500 亿美元的大型企业。

不管怎样，这份实践经验的通用性较广，但照搬不一定有用，最重要的是你应该从实践中总结出属于自己的“秘籍”。

执行试点项目以获得动力

建立一个内部 AI 团队

提供广泛的 AI 技能培训机会

制定人工智能战略

打通内外部沟通渠道

1.执行试点项目以获得动力

对于公司前几个 AI 项目而言，更重要的是关注是否能做成，而不是看它带来的收益。这样有助于公司先熟悉 AI，并说服投资进一步支持 AI 项目。即便别人会认为这微不足道的，但最重要的是还是让 AI 团队运转起来的动力。

前几个 AI 项目的特征：

理想情况下，新的或外部 AI 团队（可能对公司业务没有深入的领域知识）可以与公司内部团队（具有深厚的领域知识）合作来构建 AI 解决方案，这要在 6-12 个月内展示成效；

该项目在技术上应该是可行的。大多数公司仍在使用当今的 AI 技术开展不可能的项目；拥有值得信赖的 AI 工程师在启动前对项目进行尽职调查将增加你对其可行性的信心；

有明确定义和可衡量的目标，创造商业价值。

当我领导 Google Brain 团队时，Google 的深度学习技术受到了极大的怀疑。为了帮助团队获得动力，我选择 Google Speech 团队作为我的第一个内部客户，我们与他们密切合作，使 Google 语音识别更加准确。语音识别在 Google 中是一个有意义的项目，但不是最重要的项目，不过通过使用深度学习使语音团队更加成功，使得 Google Brain 团队获得了动力。

一旦其他团队开始看到 Google Speech 与 Google Brain 的合作很成功，我们就能够获得更多的内部客户。我们的第二个主要的内部客户是 Google 地图，它使用深度学习来提高地图数据的质量。通过这两次成功的合作，逐步建立人工智能项目的发展势头。

2.内建 AI 团队

虽然与拥有深厚 AI 技术的外包方合作可以帮助公司更快地获得初始动力，但从长远来看，与内部 AI 团队一起执行某些项目会更有效率，并能建立更独特的竞争优势。

重要的是要从高级管理层获得支持来建立这个内部团队。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，那些有许多独立试点项目的公司，如果无法扩大规模以助力公司的其他部门，则无法很好发挥互联网的作用。

在人工智能时代，大多数公司的重点是拥有一个可以赋能整个公司的 AI 团队。如果他们拥有适当的技能，那么 AI 团队可以支持 CTO，CIO 或 CDO 的工作。它也可以由专门的 CAIO（首席 AI 官）领导。AI 部门的主要职责是：

建立 AI 系统以支持整个公司；

执行一系列跨职能项目，使用 AI 项目支持不同的业务部门。完成初始项目后，设置重复流程以持续提供一系列有价值的 AI 项目；

制定一致的聘用标准；

开发面向多个业务部门的平台，考虑与 CTO / CIO / CDO 合作制定统一的数据仓库标准。

许多公司内部的多个业务部门都需要向 CEO 报告，但 AI 部门可以推动执行跨职能项目。

新工作职位和团队组织将会出现。我现在以机器学习工程师、数据工程师、数据科学家和 AI 产品经理等角色来安排团队工作方式。一个优秀的 AI 领导者将能够建立正确的流程。目前正在进行的是 AI 人才争夺战，大多数公司很难雇到顶尖的 AI 人才，与可以帮助你建立 AI 团队的猎头公司合作也将给你带来巨大的优势。此外，为现有团队提供培训也是培养大量 AI 人才的好方法。

3.提供广泛的 AI 技能培训机会

现在没有一家公司拥有足够多的 AI 人才。尽管媒体过度炒作着 AI 人才的高薪资，但与之相匹配的人才很难找到。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）平台的出现，培养大量员工使用 AI 等新技能比以往任何时候都更容易。聪明的 CLO（首席学习官）知道他们的工作是内容策划者，而不是内容提供者，他们会建立流程以确保员工有不错的学习体验。

十年前，员工培训意味着聘请顾问来到办公室进行讲解，但效率低下，投资回报率并不清楚。相比之下，数字内容更实惠，可为员工提供个性化体验。如果你确实有预算聘请顾问，那么也应该增加在线内容。聘请一些 AI 专家来现场分享也可以激励员工学习 AI 技术。

AI 将改变许多不同的工作。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，顾问将为你的团队打造定制课程。示例教学计划如下所示：

高级管理人员和高级业务负责人：（⩾4 小时）

目标：让管理人员了解人工智能可以为企业做些什么，制定人工智能战略，做出适当的资源分配决策，并与支持人工智能项目的 AI 团队进行协作。课程内容包括：

对 AI 的基本理解包括基础技术、数据以及 AI 的作用；

了解 AI 对公司战略的影响；

关于人工智能应用到其他行业或特定行业的案例研究。

执行人工智能项目的部门领导：（⩾12 小时）

目标：部门负责人应能够为人工智能项目设定方向、分配资源、监控和跟踪进度，并根据需要进行更正，以确保项目成功交付。课程内容包括：

对 AI 的基本理解包括基本技术、数据以及 AI 的作用；

对 AI 的基本技术的理解，包括主要的算法类别及其要求；

基本了解 AI 项目的工作流程，AI 团队的角色和职责，以及 AI 团队的管理。

AI 工程师培训：(⩾100 小时）

目标：培训的 AI 工程师应该能够收集数据、训练 AI 模型，并执行特定 AI 项目。课程内容包括：

深入了解机器学习和深度学习，了解其他 AI 工具；

了解用于构建 AI 和数据系统的可用工具（开源和其他第三方工具）；

能够实施 AI 团队的工作流程；

跟上不断发展的人工智能技术。

4.制定人工智能战略

人工智能策略将指导你的公司创造价值，同时建立护城河。一旦团队有了 AI 项目的成功经验并形成对 AI 的更深入理解，你将能确定 AI 可以创造最大价值的地方并将资源集中在这些地方。

一些高管认为制定人工智能战略应该是第一步。但根据我的经验，大多数公司在获得人工智能的初级经验之前，还无法拥有周密的人工智能策略。

公司建立护城河的方式也随着人工智能技术的发展而变动。以下是一些需要考虑的方法：

构建与战略大致相符的 AI 资产，这将建立独特的竞争优势。其次，利用人工智能扎根特定行业领域；设计与“AI 的良性循环”相一致的侧率：在许多行业中，我们将看到数据积累将加固竞争壁垒。

数据是 AI 系统的关键资产。数据战略的关键要素可能包括：

战略数据采集：可以从 100 个数据点（“小数据”）到 100,000,000 个数据点（“大数据”）的任何节点构建有用的 AI 系统。

统一数据仓库：如果有 50 个不同部门控制 50 个不同的数据库，工程师或 AI 软件几乎不可能访问这些数据并进行连接。

识别哪些数据是有价值的，哪些没有价值：拥有数TB的数据并不意味着 AI 团队能够从该数据中创造价值。

创建网络效果和平台优势：最后，AI 也可用于构建更传统的护城河。

5.打通内外部沟通渠道

AI 会显著影响公司业务。如果它影响到了关键的利益相关者，你应该使交流保持一致。以下是应该考虑的内容：

投资者关系：Google 和百度等领先的人工智能公司现在变得更有价值，部分原因在于他们的人工智能能力以及人工智能会对其业绩带来增长。

政府关系：受到高度监管的行业（自动驾驶汽车、医疗保健）公司面临着保持合规行的独特挑战。

客户/用户教育：AI 可能会为客户带来重大利益，因此确保传播适当的产品路线图消息；

人才招聘：强大的品牌影响力将有助于吸引和留住 AI 人才；

内部沟通：因为今天人工智能仍然知之甚少，清晰的内部沟通既可以解释人工智能，也可以解决员工对 AI 技术的担忧，这将减少内部不愿意采用人工智能技术的阻碍。