数字战略系列第2部分：礼貌地创建AI
虽然策略可能不会死，但AI的出现将大大降低传统策略功能的重要性。在我以前的博客“战略系列第1部分：创建创造价值的数据战略”中，我问： 在不断变化和变革的世界中，人们如何开发数据和AI战略？ 特斯拉为这个问题提供了一个有趣的标语：特斯拉的商业策略是什么？ 特斯拉是汽车公司还是运输公司还是物流公司，还是什么？
从本质上讲，特斯拉从事数据业务。特斯拉收集有关其客户的驾驶行为和目的地偏好的数据。 但是，特斯拉不仅在学习您的驾驶行为和目的地偏好。作为其车辆运营的副产品，特斯拉还捕获了其他有价值的数据，例如车辆，自行车和行人交通以及与零售店，制造厂，体育赛事，电影院，主题公园等相关的活动（参见图）。 1）。
图 1：自动驾驶汽车的“数字排气”
特斯拉（Tesla）将对数据的无限渴望与对AI的掌握结合在一起，使他们能够跟随客户从事几乎任何业务，而不受人为定义的行业边界的约束。
数据和AI的掌握使组织能够创建敏捷和自适应的业务战略；能够随着客户和市场的发展而迅速学习和适应的业务策略。
但是在深入探讨AI如何创建敏捷和自适应业务战略之前，让我们回顾一下AI的一些基础知识。
制定现实的而非科幻的AI策略
毫无疑问的是AI将成为在21企业生存的分化能力ST世纪; 要实现数字化转型，既需要数据战略（以推动数字化转型），也需要人工智能战略（以创建不断寻求寻求和驱动新价值来源的敏捷，适应性商业战略）。
是什么使AI如此强大？
它具有不断互动，学习和适应环境的能力……有时只需很少的人工干预。AI依靠与其环境交互的“ AI代理”来不断学习和适应，其中学习以组织的AI实用功能的定义为指导（参见图2）。
AI代理与其环境互动越多，AI代理了解组成环境的人类和设备的趋势，倾向，关联，关系，偏好和偏见的速度就越快；也就是说，这些AI代理不断更新和完善其对构成环境的分析资产（分析配置文件和数字孪生）的可行见解（请参见图3）。
想要创建敏捷和自适应业务战略的组织将需要采用新的运营原则，包括：
原则1：人工智能在运营前线而不是在高级管理层的象牙塔中获得并驱动客户，产品和运营价值。
原则2：以静态的类似TPS的 策略来运营您的业务就像在用中国手指陷阱搏斗一样，战斗越努力，挣扎就越徒劳。政策将需要拥抱AI才能变得更加动态，不断学习和适应。
原则3：为了制定更加灵活和适应性强的策略，组织必须接受并承诺“学习经济”比“规模经济”更强大的概念。
原则1：在第一线创造AI值
对不起，桃花心木行高管，但AI并没有使您感到非常有趣。 并不是说您并不重要，但明天的数字赢家将是那些比竞争对手更快速地学习和适应市场，经济，社会，环境和政治变革的组织。 为了利用AI来创建敏捷和自适应的业务战略，高级管理人员必须学会放手，并增强其一线团队的能力。
在我最喜欢的团队赋权课程中，英国海军上将纳尔逊勋爵在1805年的特拉法加战役中面对法国和西班牙舰队的上级部队。 尼尔森勋爵的惊人胜利（自北星营击败莫霍克营以来最大的挫败）归功于他的创新战斗策略（如图4所示），而胜利的关键在于赋予每位船长独立行动的权力。每位队长都经过训练，可以在战斗中“独立思考”，而纳尔逊勋爵下放的权力强大的团队捣毁了法国和西班牙舰队的指挥与控制结构（见图4）。
当今的数字竞争对手以规模较小，凝聚力强的团队运作，在执行目标方面表现出极大的灵活性，可以快速学习/学习/重新学习，并具有共同的愿景和语言。为了与这些数字竞争者成功竞争，需要授权的团队不断学习和调整业务策略。
策略可能会trick花一现，但是随着AI的发展，学习，适应和价值的提升会不断增加！
原则2：政策必须能够学习和适应
正如我在博客“利用AI创建适应人??类干预的自主策略”中所写的那样，自“时间与运动研究”时代以来，策略的创建和管理并没有发生太大变化。 在许多情况下，策略不过是假设规则的静态列表，该规则控制了在定义明确的情况下工作人员的工作。 例如，[如果自上次换油以来您的汽车行驶了3
但是，如果这些策略改为基于AI，并在不需人工干预的情况下学习并适应不断发展的业务状态呢？就像我们看到AI可以创建无需人为干预即可学习和适应的自动驾驶汽车，机器人和设备一样，我们是否可以利用AI来创建可以在最少的人为干预下学习和适应的自主策略（见图5）？
使用AI，我们可以从静态策略过渡到自主策略，以动态地学习和适应不断变化的经济，环境和社会条件。 持续学习策略是组织寻求创建学习和调整业务策略的基础。
原则3：掌握学习经济
对于数字组织，“学习经济”比“规模经济”更强大，因为它能够跨多个用例进行学习，调整和重新应用这些学习。 通过“学习经济学”，分析资产的使用价值越高，而不是贬值的价值就越大；这些分析资产将变得更准确，更有效，更可靠，更安全，并最终变得更加智能（请参见图6）。
组织可以通过在逐个用例的基础上部署AI来利用AI的不断学习和适应方面，以便将数据和分析学习重新应用于下一个用例。“像数据科学家一样思考”方法推动组织在确定，验证，评估和优先考虑支持组织关键业务计划的用例方面进行协调。
如果学习是明天的战场，那么在提高组织学习，适应和重新应用整个组织的新客户，产品和运营学习的能力方面，人工智能将是必不可少的。
简介：创建基于学习的AI业务战略
凭借不断学习，适应和重新应用这些学习的能力，人工智能将对运营决策产生最大的业务影响。学习，调整和重新应用将发生在组织的前线（请参见图7）。
数字化转型的组织必须通过赋予其一线员工权力来利用AI的持续学习和适应能力；创建运营环境，使企业可以从每位客户参与和每项运营活动中不断学习和适应，而这些学习正在使组织回荡，以驱动不断学习和适应的业务战略。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！