读创/深圳商报首席编辑 刘悠扬
9月22日晚，由微软AI商学院和中信读书会共同打造的“AI+商业话题共读计划”第二场分享会以线上连线的形式举行。安永大中华区数据智能咨询服务主管合伙人顾卿华，微软全渠道事业部首席技术官徐明强，以及Paypal科学数据科学部创办人、前百度金融首席数据科学家、《AI思维》一书作者丁磊，作为嘉宾出席了活动。
三位来自AI业界不同领域的专家围绕“从AI思维到商业落地，如何实现产业闭环”的主题，结合自身经验与思考，深度探讨企业在AI落地中遇到的难题及可行的解决策略，并对商业闭环如何形成、AI人才升级等问题发表了专业看法。
[caption id="attachment_3084237" align="alignnone" width="866"] ▲连线画面截图[/caption]

“落地”之前，真正全面理解AI
丁磊在《AI思维》一书中提出，AI不仅仅是一种先进技术，其核心意义是一种分析数据的思维模式，包含数据、模型、算力和业务模式四要素。AI从数据出发，通过模型和算力形成决策，最终在业务中产生价值。
[caption id="attachment_3084239" align="alignnone" width="500"] ▲《AI思维 ：从数据中创造价值的炼金术》
丁磊 著
中信出版集团
2020年5月[/caption]

在活动一开始，丁磊再次强调了AI是一种思维方式，可以帮助人类有效分析大量数据，从中得出预测并做出决策的观点。顾卿华则表示，他所理解的AI，以替代性和学习性为核心，把跟它相关的软件、硬件、算法、人类的知识和经验结合在了一起。徐博士则通过分享“我们不要自然地愚昧，我们要人工地智能”这句微软内部调侃，来表达自己对于AI的理解，并指出已在视觉、听觉、语言能力上都有突破性的发展的AI，完全能够在某些程度上取代人类部分繁重、重复的劳动，去重新构建生产关系。
在聊起AI具体能为人类做些什么这个问题时，丁磊首先从两个方面进行了回答。他认为AI的应用可以两大方面实现。第一，人类无法胜任的工作。比如在医药领域，分析哪些人类基因会致病等问题，人类很难对上亿甚至十亿量级的DNA做细微的统计与分析。第二则是那些虽然人类也可以做，但AI会做的更快更好的工作。比如银行、金融机构中，给用户进行常规流程答疑的客服等机械、重复的工作。
而顾卿华和徐博士也从交易风险决策引擎和上汽库存盘点系统两个实际案例中，表达了AI在学习性、替代性、经济性等方面的优越性。
面对企业为什么会选择AI成为其突破瓶颈，打开局面的工具的疑问，徐博士表示，近年来大量企业都面临运营模式、业务模式的瓶颈，AI能够帮助企业从流程中的关键路径来判断哪些节点是主要瓶颈，并且，AI也能在一定程度上取代重复繁杂的劳动，进而促进企业降本增效，增加利润。
丁磊跟进补充，随着社会经济的不断向前发展，近几年来，数据、模型、算力、业务模式/场景这四个AI思维的要素，已经实现了基本打通，再结合国家重点支持新基建的时代机遇，AI自然而然成为企业改革、创新的首选工具。
企业推动AI落地进展缓慢，坑点是什么？
活动中，顾卿华跟大家分享了由微软携手安永共同调研，即将于10月发布的《AI成熟度调研白皮书》（后称“白皮书”）中部分有趣数据：2009-2019年，“白皮书”所调研的116家两岸三地企业，共计投资在AI项目上的资金近2800亿。调研对象中，超过70%的企业相信在未来的3-5年中，AI会改变他们的行业，并带来重大影响。而超过84%的企业相信，也准备在未来1-3年里启动下一个AI项目。
由此可见，企业与AI的关系，已经从了解、尝试、试验阶段，转入做较为成熟的应用与规模化发展阶段。同时，“白皮书”中也披露了116家企业和高管遇到的影响AI落地的因素：

第一，人的因素。企业管理者认为“AI落地中最有挑战内容”TOP10中，三项跟人有关，包括管理层、决策者的支持和意识，AI技术人才的缺失，员工对AI技术的信任。
第二，数据的因素。当前，企业缺少比较统一、标准化、高质量的数据，导致AI应用可能会成为无米之炊、无源之水。
第三，风险与合规因素。企业进入数字化转型后，开始大量依赖机器帮忙做决策。不可避免的会在业务连续性、隐私保护、AI可信度、伦理和社会的问题等出现问题。
第四，规模化难题。大多数企业的AI创新都是点状、实验性质、局部的创新的，缺少规模化、商业化、运行态的布局。

丁磊则结合自己在担任paypal科学数据科学部负责人期间的经历谈到组织架构对AI落地的影响。
AI落地与商业闭环如何形成？
紧接着，三位专家就“AI落地与商业的闭环如何形成”交换了更多经验与想法。顾卿华向嘉宾与观众介绍了“白皮书”所提供的AI落地战略的“3+4+8”方法论，明确给出具体建议与方法：

“3”是指AI落地项目要分三步走，企业应该先了解自身AI应用的现状，明确应用未来的场景和方向，并对该落地项目进行持续变革管理；“4”是指AI落地项目应在吸引客户、赋能员工、变革产品与服务、优化运营这四个领域创造价值。同时，建议企业应从这四项中自身最具优势的领域着手；“8”则是指八项核心力，包括AI领导力、创新管理能力、应用场景的识别和选择能力、数据的管理与高级分析能力，以及新兴技术选择的判断力、迅捷开发水平、信息与网络安全状况。

徐博士向观众们提供了更为简单、快速、直接的建议和方法。他建议企业从易处着手，先了解业务场景中最需要解决的问题，做“调包侠”，直接选择同认知服务做得好的API合作，这样亦可以解决企业缺乏数据科学人才储备的问题。
丁磊结合自己在《AI思维》一书中的观点，表示企业的智能化、AI转型是一把手工程。一把手可以不懂AI的技术，但必须具备AI思维。他应该能够从数据中进行预测，做出决策，找到让数据和模型自相反哺的反馈机制，并且能够把控这个机制。这样，企业无论是通过内部团队还是服务商，都能够找到AI落地的最佳点——平衡成本和效益，以及找到AI落地的空间和应用点。
企业最终落地AI ，离不开新时代人才和思维的升级
人才，一直是企业成长与发展最重要的资源与财富。10月即将发布的“白皮书”中也提到，面对AI落地，企业遇到的头号问题是缺乏AI人才。那么，企业该怎样培养人才，改变员工思维方式？又该怎样让AI赋能具体的数字化转型策略？
丁磊结合自己在国内外一线科技大厂的AI落地的工作经历表示，我们无须羡慕硅谷企业，国内并不缺乏能够进行AI基础落地的技术人才，缺的是公司一把手们对AI思维的认知。这甚至已成为企业AI落地中关键的坑点或卡壳之处。这需要我们加大对企业一把手或业务负责人，甚至部分一线业务负责人在AI思维上的提升和教育。
顾卿华表示，打造学习型组织，重视学习和知识资产的积累，重视企业与员工的自我提升与改造，接纳AI及其他创新科技，创造良好氛围和土壤等等，不论对企业AI落地，还是整体可持续的健康发展，都极具借鉴和启发意义。
徐博士则通过微软成功转型，从固化心智想成长型心智转变的故事，进一步肯定了顾卿华的观点。