混沌大学 创新家的思想汇,混沌新鲜事的集散地
专栏
作者
  • 24篇帖子总数
  • 187508阅读总数
  • 1 次收获赞赏
关注: 帖子:518
关注: 帖子:238
关注: 帖子:194
“水很深”的智能化转型,如何少走弯路?
领域: 创业创新变革转型高效工作 2021-09-24 09:30
摘要:转型是大势所趋,但该如何展开?真正找到正确路径的企业凤毛麟角,通用的经验是什么?

摄图网_1632371441.jpg

转型是大势所趋,但该如何展开?转型“水很深”,没有正确的认知和方法,第一步就会走错。

真正找到正确路径的企业凤毛麟角,通用的经验是什么?

“要去占领下一代的高地,那么就要先知道那件事的本质是什么,以终为始,去想象未来的企业到底是什么样子,重新审视数字化的进程。”

前沿课,第四范式联合创始人、首席架构师胡时伟带领学员梳理了AI助力企业决策并推进智能化转型的完整逻辑,帮我们跳出热闹风口之下的误区,厘清企业转型的本质和正确路径。

下面让我们一起走进这堂课,探讨当下最前沿的发展动态。

摄图网_1632371526.jpg

一、转型之际迈向“下一代”企业

1、科学发展的四个范式

人类科学的发展可以分成四个关键阶段:实验科学 --理论科学--计算科学--数据科学,这也被称为“四个范式”,由1998年图灵奖获得者、美国资讯工程学家Jim Gray(詹姆斯·尼古拉·格雷)在《科学发展的四个范式》一文中提出。

第一范式,实验科学 。我们日常当中运用最多的一种科学。人类通过重复实验记录自然,如钻木取火、摩擦起电等一些偶然或人为的实验,发现成功的案例,之后便采用同样的方式来指导下一步行动。

第二范式,理论科学。人类开始于现象经验中总结理论,抽象出本质规律,如牛顿三大定律。它的好处是泛化能力特别强,但是有些复杂现象的规律就无法抽象得出,比如天气预报,很难做一个简单的公式来描绘整个自然界的变化。

第三范式,计算科学。计算机出现,通过密集计算的方式,对未来进行推演,进行实践指导,如预测天气。

第四范式,数据科学。计算机从海量的数据中抽象出规律,从而指导我们的现实行动,该阶段跟之前有两点不同:首先,它的前提是要具备非常密集的数据。其次,计算机是用学习的方式,而不是通过专家的经验或者模拟计算的方式来形成最后的规律。

当一个产业进入了科学时代,发展速度急剧加快,质变随之发生。抓住了变化和规律,企业就会实现转型,进入到“下一个时代”。

摄图网_1632371628.jpg

2、有限理性VS极限理性:AI的本质是什么?

“人们在决定过程中寻找的并非是‘最大’或‘最优’的标准,而只是‘满意’的标准。”

——Herbert Simon,1975年图灵奖、1978年诺贝尔经济学奖得主。

我们经常说管理是一门艺术,因为“人”是一个复杂的变动因素,我们要去寻求一个大家都能满意,可以推行下去的决策,这是一个人为思考的过程。也是有限理性的过程。

AI和人脑究竟有什么样的区别?AI能够从海量的数据和海量的计算当中总结出海量的科学规律,其本质是一种极限理性,是把每一个细粒度的区间都用数据进行计算和分析的技术。相比之下,人脑很难在每一个精确的地方去形成判断,不是没有能力,而是没有精力。

3、AI的极限理性如何影响业务?

1)AI的高维技术,让决策的层级更下沉,趋向极限理性

机器学习模型当中有一个衡量标准叫维度,维度越高,意味着模型越准确,对事件/对象的刻画就越精准。常见的千人千面的内容/商品推荐,得益于高维技术可总结海量规则,为每个会员精准匹配独特服务。

举个例子,零售连锁集团做决策,用人和用AI会有何不同?

由人来做规则的制定者,通常是总部做决策,决定优惠的预算、预测不同区域的销量,这很容易产生一个矛盾:使得下面的门店失去能动性。门店受到思考范围的局限无法自主做出判断,而总部决策层又没有足够的时间和精力,参与到每一家门店的经营和优化。

这时,如果让AI从各级门店里面数据中找规律,可以辅助企业管理者做决策,根据每个门店的情况做最优决策。AI能够帮助实现决策的层级更下沉,使整体朝着极限理性的方向发展。

摄图网_1632371837.jpg

2)AI的实时技术,让决策依据和触达更及时

在整个管理体系中,信息的上传下达是要有周期的,如果每一个决策的点都有AI在辅助,可以做到毫秒级别,这是人做决策难以企及的,这个过程当中就存在巨大的收益。

我们处于一个瞬息万变的市场环境中,用户需求和社会发展日新月异,当一个个体进入一家门店或者打开一个APP,每一个瞬间都是不一样的,他做出的每件事情都在随他的心智发生变化。所以当我们用AI加上互联网的实时技术,让决策的依据和触达可以做到更及时。

3)AI的闭环技术,让决策进化永续不断

AI可能一开始决策的并不好,但因为它是一个闭环,能够做到永续不断地进化。曾击败围棋世界冠军的AlphaGo,一开始的能力也没有那么强,随着它后来生成棋谱以及做了越来越多的对弈练习之后,它的能力开始越来越强。

反观人类社会管理组织的进化速度,往往要以年来计。但是运用AI的闭环技术,我们可以自动发生迭代,以天级别、甚至分钟级别,持续不间断地进化。

机器决策的体系其实能够更好地发挥人的价值。人擅长感性的、判断的、非常复杂的决策,而机器擅长排程、协调、组织等类型的工作。因为它不知疲倦,并且非常中立,所以企业转型,是从以人为中心的体系走向人机协同的AI决策体系。

摄图网_1632371978.jpg

二、AI赋能,什么是“下一代”企业?

1、下一代企业的特点

  • 上一代企业:用很少的人设计的产品、内容策略,服务一类人。

  • 下一代企业:用机器生成的海量(亿-千亿)规则,服务所有人。


举个例子,一个网站如何做到服务好每个人?最好的方式是给每个人配一个编辑,谁能做到这一点?我们不可能有多少读者,就请多少编辑,于是用机器来帮忙,也就是用机器生成的海量规则服务到所有的人,这就是下一代企业。

今日头条早期的成功,很大程度上在于它重构了资讯分发的逻辑,让资讯和人的匹配方式发生了质变。它是怎么做到的?

当别人还在研究一个APP上可以分为多少频道,要用什么内容来吸引用户的时候,今日头条已经研发出一个强大的留存中台,用上千亿条规则形成了覆盖每一个人的“专属编辑”服务,让每个人都能看到自己想看的东西,千人千面,形成更好的用户体验。这就形成了今日头条在市场上的竞争优势,不仅仅是获得了一些降本增效的收益提升,更重要的是实现质的变化。

摄图网_1632372302.jpg

2、转型的本质:突破企业瓶颈点 从量变到质变

成为下一代企业的根本原因是什么?是形成经营的质变。

1)在消费互联网领域,无论是内容分发,还是实际的商品分发,或者服务分发,利用AI解除了分发的瓶颈,让分发的边际成本降低,用户因为得到了专属服务,数量增加。当达到临界点,也就是分发的边际成本接近于0的时候,用户量急剧地上升,这就是企业进入到下一代的过程。

2)在产业互联网领域,人是非常关键的一大因素。数字化的平台可以为人赋能,我们利用AI的辅助,降低从业者的方差,实现服务网络的无限扩张,同样经历从量变到质变的过程。

数字化平台如何为人赋能?

  • “人”治的金字塔式系统:协作产生效率,而协作就需要“武林盟主”(管理者)起到调停作用,随着管理者金字塔结构变高,整个管理的效率就会降低,从业门槛也被抬高。

  • AI决策驱动的网状管理系统:分工协作由平台来优化,激励也由平台计算得出,比如通过APP、激励、积分等各种技术手段和平台工具,它可以让每一个从业者相对容易地到达一个比较高的水平。另一个方面,用系统做好利益分配,只要把自己的事情做到极致,就能获得自己的一份收益。这就是平台赋能的力量。


所以无论是消费互联网,还是产业互联网,它利用AI决策去转型,核心点是突破企业的瓶颈点,让每个人、每件事都被不同规则覆盖,极致地发挥机器智能,把“人治”的金字塔系统,变成机器驱动的网状管理系统,从而让企业不受人力的经验和成本所限制,从量变到质变。

摄图网_1632372448.jpg

三、转型思路,AI如何支持企业经营中的三种决策?

AI支持企业经营中的三种决策:执行性决策、业务性决策、战略性决策。

1、执行性决策:单点场景的降本增效

这是每天一线从业人员在做的事情,根据实际的情况决定如何服务客户,比如应该给客户推荐什么类型的产品,面对客户的时候应该说什么话,这都是执行性的决策,对应到单点场景。

AI用于执行性决策,可以帮助关键场景做出更精准、更科学的决策,能做到场景的效率提升和成本降低。比如说我们用摄像头和健康码来帮助保安去决定是否放行,可以让识别率更好、更安全。

有一点需要注意:产品价格预测、金融反欺诈、个性化菜单推荐等各种各样场景的执行性决策,只能让我们对AI如何发挥作用形成一个基本的感受,并不能给企业本身带来什么真正的变化。所以企业数字化至少要做到业务性的决策,也就是业务再造的过程。

摄图网_1632372544.jpg

2、业务性决策:业务再造和创新

业务性决策针对的是整个价值链条,比如供应链,目的就是降本增效。沿着一系列的流程和一系列的点,通过AI决策在每个环节不停优化,让整个供应链的效率变得更高,提升企业核心指标,实现业务的再造与创新。

何谓业务的再造与创新?一些零售企业,用机器决策参与整个供应链过程之后,可以做到库存降低到原先的50%以下,意味着每年可能因此获得千万级的利润增长,在业务上获得的优势可以让企业做更多事。

业务再造,也是一个1+N的过程。

1是什么呢?1是业务中对KPI最重要的那个拆解子项。比如对于以采购为主的企业,最重要的事情是降低采购的成本,如果我们能对一宗采购的成本进行准确的预估,这在业务当中是非常重要的。

找出企业转型的1,使用AI,在这件事情上精益求精,达到极致的业务效果,这样的投入产出是合理的。

那么N是什么?它是业务链条上其他各种各样的环节(如非核心业务)。在这么多环节使用AI,肯定都能够产生很好的效果,但每一个都不具有关键作用。所以对于N的业务性改造,最重要的是要看你花同样的钱,能改造多少个业务,是要降低用AI去优化每一个部分的门槛,快速地完成整个端到端的变化。

数据和AI可以渗透到各个角落去驱动业务的创新,如果暂时找不到变革之道,但还是要先尝试的话,至少要着重关注整个业务创新的效率如何,而不是盯在一个点上。

摄图网_1632372599.jpg

3、战略性决策:全面转型重塑,实现经营质变

战略性决策,通常来讲是企业的CEO等高级管理者要去做的。对企业经营者来讲,时刻要思考的问题是什么呢?就是在战略层面,企业下一步怎么去做,才能更好地生存和发展。

企业战略规划中,AI可以为核心要素。在AI助力下,重塑经营和管理模式,突破人力所限的增长瓶颈,产生经营质变。

转型在于做出选择。

在消费互联网行业,互联网对客户的流量竞争是不分领域的,它们都在争夺手机上的注意力时间;从产业互联网的角度上来讲,对优质从业者的流量争夺也是不分行业的。在这种竞争的情况下,战略转型的关键选择在于,是正确地运用AI决策的力量去重塑企业经营与管理,还是继续从前的金字塔形式。

把AI当成一种高维武器。

所以当我们讲到AI,不能把它简单当成一个降本增效的工具或手段,或者把它停留在一个高科技的概念里边,而是一定要用它作为一种高维武器去寻求质变,去赢得竞争,甚至是这个过程当中去发现更多的细分赛道,创造更多的价值。

摄图网_1632372665.jpg

四、转型路径,如何通过智能化转型,成为“下一代”企业?

1、转型中的两个误区

1)“演进式”陷阱:数字化进程四个步骤,要一步一步来?

我们通常会把整个数字化进程分成四个步骤:自动化——信息化——数字化——智能化。很多人认为,这四个步骤要按先后,一步一步来。

但这会陷入“演进式”陷阱,导致策略总是会大改大修,甚至重新架构。

正确的做法是,坚持“以终为始”的规则:以终为始,就是以智能化为目标,重新审视数字化的进程,这是很多企业在面临智能化转型要做的第一件事情。

要去占领下一代的高地,就要先知道我们要做的那件事的本质是什么,去想象未来的智能化企业到底是什么样子,沿着那个本质来判断我们转型的过程是不是沿着那个方向去走的,在大目标下进行实时的调整和修正。

2)智能化转型是一个项目吗?

我们要拥抱企业的智能化转型,成为下一代企业,但这并不代表从A到B这件事情就叫转型,而是首先从认知上跃迁到这个领域里,从零开始像一个小朋友一样一点一点长上去,最后长成巨人。但至此并没有结束,而是依然需要继续优化。把智能化转型当成一个项目是常见的误区;它应该是基于企业未来的战略选择,需要持续经营的实践,非常依赖 “对的方法”和“对的人”。

摄图网_1632372723.jpg

2、智能化转型的“三驾马车”

成功实现智能化转型的企业,需要借助“三驾马车”:新方法、新组织和新工具。

新和旧是相比较而言的,旧指的是不能有效地利用数据及机器的闭环学习的技术手段(没有用到AI决策),反之则是新的体系。

1)新方法:顶层设计打破增长瓶颈,量变到质变

新的方法,首先就是顶层设计出发,打破增长的瓶颈,实现量变到质变。每个企业的瓶颈都不同,但是核心就在于找到这个瓶颈,让AI决策辅助企业去打破这个瓶颈,让机器的智能可以极致发挥作用。当你有了这个手段之后,要思考的是怎么和自己的业务相结合,而不是仅对着一个技术的指标去提升。

第二,转型一定是顶层设计出发,企业CEO要成为智能化转型的引领者。老板想不清楚,下面的人是更不可能想得清楚的。当行业过去的龙头要进入新的产业的时候,谁能够率先地利用更符合未来的管理体系和管理思路,谁就在未来的竞争当中更能够占据优势。

2)新组织

现在大家都面临着管理上的问题。新的组织,简单来说,需要三方力量的协调:企业CEO、业务团队、科技团队。

其中,CEO起到了引领者角色。因为变革始终需要领袖,而这个变革的领袖只能由CEO来担任。

摄图网_1632372876.jpg

新角色CAIO

企业AI智能化转型的第二个关键角色,就是CAIO(首席人工智能官)。CAIO体系下产生了新的业务技术组织:

首先由CEO来决定什么叫质变,然后CAIO、业务负责人和CTO形成三元组,这就是一个企业的智能化转型的作战指挥部。

对细分业务来讲,每个企业其实都有不同的北极星指标,所有的指标都有一个特点,它可能不是100%准确的,但一定要是100%可量化的,这是一个非常关键的点。因此我们对于新的组织,应该关注它的迭代过程。

AI的特性之一,就是它可以永续迭代。未来的创新应该是Top-down(自上而下的)的——根据质变的目标,定下北极星指标,拆解成若干个要素,这些确定之后再去执行,继而不断优化。

新的组织与传统组织的区别

所以传统的技术组织和新的技术组织,一个本质的区别,对于传统的技术组织来讲,技术的最高负责人很难做到对业务目标的拆解,他不百分百了解某个业务是怎么做成的。于是,就先规划再实施,借助一些外部的力量或者内部力量,但难点就在于在今天不断变化的情况下,规划很难做到尽善尽美。

另一个问题,传统技术组织研究最大的重点就是这个设计对不对,总是要经历一轮、二轮、三轮等重重论证,但企业内外同时也在一直发展变化。

摄图网_1632373104.jpg

新的技术组织是什么样的呢?首先,它把整个企业的治理也变成一个机器学习模型。制定具体业务,其实就类似于设置一些参数,而后续迭代的过程,其实也是模型本身迭代优化的过程。所以整个企业的治理也变成了一个自我迭代的模型。

第二,它的核心就是在实施当中不断地进行优化,其中最核心的点就是不断优化目标,所以CEO在顶层设计里面对质变的定义特别重要。

第三,研究的重点是组织迭代的效率够不够高,而非设计的绝对正确。关键是要看进化的速度是不是够快,只要进化的速度比别人快,到最后就能够取得胜利。

3)新工具:数据、算力、人才形成合力,AutoML降低门槛

企业智能化转型实施中存在三个瓶颈——数据、算力、人才,在新系统下,让三者形成合力,再通过AutoML技术(Automated Machine Learning 自动机器学习)来降低门槛。

数据。数据治理过程中,通常关键的问题就是:某环节数据缺失,或者整个过程没有形成一个闭环,一个闭环的过程应该包括行为数据、反馈数据、模型训练和模型应用。行为数据和反馈数据,属于业务的事情,比如在个性化资讯推荐中,不但需要知道哪些新闻推送了哪些用户,还要知道用户的反馈,比如是否点击;模型训练和模型应用,则是技术团队的事情。

数据治理是要有灵魂的,是要跟业务密切相关的。新的架构需要以业务为核心,形成完整的数据闭环,实现持续治理。

算力。算力是最容易被忽视的,它最核心的特点就是贵。当你真正把人的决策让AI辅助之后,会有海量计算,如果系统架构或者选型设计不好的话,在算力上花的钱可能比招聘一个人还要贵。

所以,需要注意两个点:一、目标对不对,不要出现花了大量的钱,最后没得到应有的结果。二、就算力本身来讲,架构其实是特别重要的。从算法的认知定义算力系统架构,最后形成软硬结合的软硬一体化结构。

摄图网_1632373323.jpg

人才。转型过程中处处需要人,比如,算法科学家、CIO、CAIO等各种各样的人才,同时人才也要有业务know-how。

AI介入企业智能化转型这件事情,其实不在于某个算法怎么做,那只是整个漫长过程当中的一小点。优质的AI人才需要懂算法、懂数据工程,还要懂业务。培养一个优质的AI人才,贵且慢。新工具可以解决的问题是:把算法的部分交给AutoML(一种让AI设计AI的算法,可解决算法科学家稀缺的问题);把数据工程的部分交给企业级的AI操作系统,这样原有的业务人员就也能开发AI应用了,人才的瓶颈就解决了。

作者简介:胡时伟,第四范式联合创始人、首席架构师;文章来源:公众号“混沌学园”,本文根据混沌前沿课内容整理。

暂无评价
您会是第一个哦~
易读性
专业性
实用性
提交
匿名评价

讨论