当前位置:首页 > 新闻 > 正文

通往智能化的“道、法、术”

发布时间: 2019-09-30 15:34   作者: 德勤中国 第四范式   来源: 机器人产业

       早在十多年前,一些具有前瞻视野的企业以实现“数字化”为目标启动转型实践。但时至今日,可以说尚无一家企业能够在真正意义上实现“数字化”。在实现“数字化”的征途上,人们发现,努力愈向前,仿佛终点愈远。究其原因,还在于转型一直落后于技术边界的拓展。在现实与“数字化”彼岸之间,横亘着一片鲜有人涉足的荒海,而“智能化”则是唯一的渡舟。本文力图从“道、法、术”三大视角,探讨企业“智能化”的愿景、方法与路径。

       变局之际:数字化征途迎来新篇章

       数字化征途进入智能化阶段

       企业的数字化转型征途已进入智能化阶段。大多数公司从互联网技术开始积极转型,渡过了数字化的许多关键阶段,如核心系统改造、移动技术应用、分析认知等,并初步进入了自动化与智能化阶段。不少公司已经开始实施智能解决方案,如流程自动化、机器人和自动分析等。但企业智能化转型远不止这些。

图1:数字化技术演进路径

       随着数字化技术的不断发展,并走向普及化,智能化技术的应用场景将更加广袤。

       智能化重塑发展格局

       1. 智能化正在为企业带来颠覆性的改变

       这一浪潮给企业带来的变化是由表及里,逐步递进的。从推动边际效益,到转变底层的业务逻辑,企业经营发展的重心已经悄然转变。这些转变包含企业的业务模式、外部的市场环境,乃至竞争的核心规则。这些重大的转变一方面为企业带来前所未有的发展机遇,企业能够获得更低的成本、更高的收入与为客户提供更优质的交互与体验;另一方面,企业不得不面对来自人才、技术、数据等领域的挑战。变局已成,应变是企业的唯一选择。

       2. 智能化将为企业现有业务带来极大程度的改善

       智能化技术的应用可以精简不断扩张的业务流程,通过更进阶的自动化来提高大多数常规流程的效率,从而降低成本、释放产能,同时保持或改善用户体验,提供低利润、高度商品化产品,客户数量多但客单价低的机构与企业将从中获取最大价值;智能化允许企业通过更好的自助服务应用实现更多数字化服务,使得机构可以在任何时候、任何地点为客户决策提供支持,帮助机构扩大其用户覆盖范围,强化对客户的竞争能力。

       3. 智能化将为企业带来一系列颠覆性的变化

       智能化技术的应用将衍生出具备提供定制化服务的自动服务,这将有效权衡成本与定制服务,使得机构可以以极低的边际成本提供定制产品,拥有大量不同客户群的机构会在大规模定制产品的趋势中成为主要受益者;智能化应用能够为机构增强决策能力,提供富有业务价值的洞察,从而改善企业决策,提升经营业绩、降低风险;人工智能使得机构可以通过新的产品和服务重新定义其核心产品,推动商业模式创新,机构可以更好地应对非传统竞争者和商品化市场,开发尚未涉及的细分市场和盈利机会。

       4. 智能化正在为企业源源不断地输出价值

       通过德勤之前的一项调查,我们可以清晰地看到,对于那些智能化转型程度较高的企业,超过30%实现了减少成本与增强客户交互的目标,而对于那些智能化转型处于起步或尚未起步阶段的企业,这一数字只有不到15%。在收入提升方面,智能化水平较高的一组企业中,在过去的一年中业务收入得到显著提高的占比接近40%,而其他组别企业的表现则显著低于这一数字。

图2:领先企业已经实现了商业价值产出与收入提升

       破局之惑:智能化转型迷途险阻

       部分企业的智能化转型效果不佳

       虽然智能化转型已经不是新鲜事物,但真正找到智能化转型良性路径的企业仍是凤毛麟角,大部分企业受制于各种因素,尚未进入智能化转型的正确轨道。根据德勤的一项调查,在进行智能化能力建设的企业中,有40%的企业处于良性的建设阶段。其中,仅有13%的企业处于领先者地位,在建设规模和成效上取得可观成就;其余为跟随者,在建设规模和收益方面虽有成果,但也有明显的差距。

       受制于自身与外部的困境,有60%的企业尚未进入智能化建设的良性路径,这60%的企业包括:损耗者、停滞者与落后者。对于占比为22%的落后者,其智能化建设相对缓慢,成效甚微;而停滞者则在某几个项目取得成效后,无法将建设成果扩大,智能化仅停留在企业的某些部门或业务环节;最后,对于26%的损耗者,由于缺乏正确的建设方法与路径,智能化建设则成为了一个吞噬企业资源与机会的陷阱,无法为企业带来应有的价值与贡献。

图3:企业智能化技术建设与收益追踪

       对于来来的忧虑普遍存在

       即便是对于那些处于良性建设路径上的企业,他们对于智能化建设依然存在着忧虑。如图4,我们可以发现,绝大多数企业认为自身与智能化之间存在差距,这反映了企业在智能化建设上的忧虑,除了技术差距之外,企业还有如下担忧:数据基础问题、智能化技术/认知技术的安全问题、不合规风险、道德困境、人才与文化问题。有趣的是,越是在智能化转型起步阶段的企业,对未来的评估往往更乐观。这是由于企业对于智能化转型认识不明晰,或者换句话说,无知者无畏。

图4:不同类别企业如何认知能力缺口

       智能化建设的八重困局

图5:智能化的困难与挑战

       1. 数据:数据是智能化最重要的组成部分,智能技术的能力上限由输入数据的广度、深度和质量来决定。现有机构拥有大量数据库和系统,但往往难以在智能化应用中有效部署,造成这一现象的原医包括但不限于以下几点:一是数据质量问题,如今机构往往已经拥有大量的数据,但其中大部分都没有在整个组织中实现统一的格式化,并且可能包含错误;二是碎片化问题,企业数据存储在不同系统中,建设智能化能力需要以不同方式提取并整理数据;三是数据广度与深度问题,智能化应用的最大价值需要以非传统数据的输入进行激活;四是数据架构问题,大部分企业的基础数据架构仍然停留在面向传统商业智能的阶段,从管理与技术上都无法满足智能化时代下,海量数据的实时获取与应用的需求。

       2. 技术基础:传统的技术基础设施是部署智能化能力的又一道障碍,智能技术必须与核心系统基设施紧密集成才能提升价值,但目前企业内部一般存在以下问题:一是传统的系统与技术缺口,需要进行大规模的调整才能部署智能化应用(例如配置程序接口,并匹配实时数据流);二是缺乏灵活的、基于云的架构,为了最大限度地利用智能化技术,机构需要有效地存储数据,灵活化处理过程并轻松实现更新,以基于敏捷和基于云的微服务结构为核心的基础架构则十分必要;三是智能化技术能力构建,相较于传统IT技术,智能化技术具有三大特征:领域新——企业需要构建一套新的技术体系以支撑智能化应用实施;变化快——技术快速迭代,新技术不断从学术领域向工程领域转化;范围广——智能化应用涉及到各类算法、工程化技术、硬件加速技术的整合,其领域非常广泛,导致企业在智能化技术能力的构建过程中,往往缺乏方向与战略从而举步维艰。

       3. 业务流程:传统业务是围绕人建立的,但人工智能驱动的流程与前者难以匹配。如金融服务中的现有流程以人与人之间的信息流动为基础。随着人工智能的发展,新的流程需要考虑新的步骤和结构,以支持机器和人类之间的交互。

       4. 核心竞争力:智能化将改变每一个过去企业成功的基本要素,构建高效运营并实现成功的决定因素将是技术;资产规模虽然仍很重要,但已经不足以成为一个建立成功企业的必要因素;数据规模方面的竞争对于维持成本优势将更为重要。同时,收入不是来自标准化的产品服务,而是来自高度定制化的产品和通过人工智能所实现的个性化互动。独特的产品供给也不是异化因素。在数字化的世界中,服务提供者将因其创建高度契合的匹配链接能力而脱颖而出。客户不会因为更换供应商很困难而留存下来,而是因为他们的供应商所带来的收益要优于其他机构。

图6:核心竞争力被重塑

       5. 市场与监管:现有的监管制度难以跟上新兴技术的步伐,从而给智能化的部署造成了障碍。监管与技术达成一致存在较大的复杂性,向监管解释解决方案符合监管要求的过程将非常痛苦,因为这些框架的设计并未考虑到智能化的技术。同时,机构在采用智能化技术时也可能违规。

       6. 组织:传统企业组织架构的各个方面在智能化面前显得过时。组织架构应向智能化转型,追求精简和灵活,并改变各个部门的价值定位以适应智能化所带来的变化。同时,企业内各个部门在本部门利益的驱动下可能阻碍变革的推动。

       7. 人才:人才是推进智能化建设的核心动力,无论在企业内部还是市场中,符合智能化要求的人才都相当匮乏。同时,企业受限于过往的招聘框架与薪酬体系而在人才竞争中错失补充关键人才的机会。

       8. 文化:根据我们的经验,并结合该调查的验证,我们认为大部分企业并没有构建智能化转型企业文化的主观能动性和初步计划。领导者能力与转型定力不足,各层级组织未形成统一认识,以数据、智能、敏捷为核心的工作文化无法建立,企业内部难以形成向智能化转型的合力。

       转型之道:定义企业智能化转型“1+N”新范式

       站在新旧时代切换的地平线上,许多企业整装待发,拥抱智能化所带来机遇的同时,也将面对前述的诸多挑战。或许有些企业已经先行一步,在智能化的各个领域上进行艰苦而勇敢的尝试。但对于绝大多数企业来说,它们即将面临的是一片陌生且充满未知的领域。对于所有企业来说,智能化转型都是一个难以全面回答的命题。远方没有明确的终点,脚下没有可见的路径,企业只能从过往的实践出发,从前人经验的切片中,窥得前进的微光。鉴于此,我们希望基于过往的建设经历与前沿的研究,去尽可能全面地描绘企业智能化转型的图景。通过我们从过往实践中抽离出的一些思考与经验总结,帮助企业塑造并形成符合自身特点的智能化转型方向与愿景。

       智能化加速企业创新

       近些年,在企业智能化转型的过程中存在一个非常重要的趋势,那就是对于企业的评价标准正在悄悄发生变化。在过去评价一个企业时,通常会用到一些财务类指标,如资产负债率、利润、净资产的收益率等。但随着智能化技术的出现,企业开始越来越多地关注于一个新的非财务类指标——创新的速度。当一个企业如果每天能比它的竞争对手发现更多的客户需求、降低成本的新方法以及提升运营效率的新思路,那它将更有机会在市场上具有强大竞争力。

       因此,企业需要能够达到更快的创新速度,而且是通过机器取代人脑决策的方式来实现。这是因为如果依靠人脑来进行决策,不断堆积专家会带来人员与管理成本的非线性提升,造成大量额外的支出。但机器及算力数量的增加,对于管理成本的提升影响却极为有限,同时机器还可以从数据中总结出远远超过人脑能够总结出的规律的数量。

       所以,企业在智能化转型的道路上的核心议题将是如何结合智能化能力加快企业创新的速度,但由于不同企业的业务侧重点各有不同,进而影响到不同业务场景进行智能改造时所能获取到的资源也是不一致的。因此,企业需要通过差异化的方式来完成自身业务的全面智能化改造。

       智能化转型“1+N”新范式

       企业经营过程中,我们对于核心客户采取“一对一”的定制化服务模式,以期实现最大的业务效果;对于长尾客户,企业往往通过“流程工厂”“销售工厂”的标准化方式提供服务,以期实现快速的规模化。

       这种方式也适用于企业的智能化转型。我们需要针对不同的业务场景采取差异化的实施策略。对于企业最核心的场景,我们定义为“1”,通过不计代价的投入该场景的智能化转型,以获得极致的效果;对于企业的大量长尾场景,我们定义为“N”,希望通过标准化实施快速见效的方式,以最高的效率推动智能化的规模落地,加快企业的创新速度。因此,我们将“1+N”作为企业智能化的愿景阐述。

       “1”—极致的核心场景

       每个企业都有1个或多个核心业务,企业的业务一定是和企业的发展目标相关的。这些业务提升会带动整个企业的提升。面对这些核心业务场景,我们需要将智能化做到“极致的效果”,因为这些领域每提升一个百分点的效果,对企业都至关重要。

       极致的智能决策能力对智能化系统提出了更高的要求与挑战,其中涉及到三个核心能力点:一是高维,指的是通过高维算法与海量特征的结合,可以帮助企业达到最细粒度的业务洞察,进而产生对现有业务优化及重构的可能。以个性化推荐系统为例,假如企业需要研究100万名用户与100个产品之间的购买兴趣关联关系,这里面会涉及到1亿种产品与用户的关联组合,采用传统的低维建模方式,只能得到 “抓大放小”的业务结果。而采用高维算法与海量特征相结合的方式,可以对这1亿种组合逐一生成概率洞察,最终达到针对每位客户采取个性化精准推荐的目的。二是实时,意味着从“事后分析”到“实时决策”的最大化业务效果。在企业的业务开展过程中,如果能够实时采集客户触达时的行为数据,并基于实时决策分析立即反馈给客户所需要的服务,企业将不仅能够带给客户极致体验,亦可以通过充分挖掘客户需求,帮助业务效果得到不断提升。三是闭环(自学习能力),任何系统都不可能完美,都可能犯错。持续利用业务应用过程中的反馈数据进行系统自我更新与优化的能力,是未来智能化系统极其重要的核心能力。智能化能力的最大提升,往往是来自于上线以后经年累月的自我迭代提升。

       “N”—规模化落地

       “N”追求的是规模化落地,很多企业都面临着“全面智能化改造”的难题,在面对1000个甚至1万个场景时,如果每个都做到极致,代价和效率是不够的。而在大部分企业中,业务价值链与可智能化的场景应用也普遍非常分散。在这种情况下,智能化的规模化落地,往往比单场景的极致效果对企业更有价值。

       实现规模化落地和极致效果的路径不完全一样。最优先的是企业需要建立智能化应用构建的统一方法论作为企业转型的行动指导,以整体降低智能化应用构建的认知门槛,解放智能化转型的生产力。其次是开展面向智能化应用的数据治理,通过数据采集访问双实时、全量原始数据累积、线上线下数据一致性、利用回流数据自动标注等关键能力的落地,满足数据的实时性、全量及闭环等需求。最后是通过自动化建模技术与智能化应用构建统一方法论的紧密结合,打造规模化的生产流水线。在非核心场景中,通过机器换人力的方式进行多场景的自动化模型构建,在保障快速规模化落地的同时,也可以通过数据的持续积累与供给,保证决策能力的持续优化演进,最终达到整体规模化效应提升的目标。

图7:智能化建设1+N模式价值框架

       转型之法:企业智能化转型能力框架

       在上述“道”章节,我们详细阐述了企业智能化转型的愿景、目标和模式,在本章节中,我们会从相对更具有可操作性的转型方法角度来指导企业的具体转型之“法”。

       我们看到,当前企业在朝着智能化转型“1+N”愿景的前行过程中,普遍遇到了一些问题与阻碍,例如:

       认知问题。当前大多数企业在开始智能化应用建设时,并没有形成的统一方法论,导致各方参与人员存在认知差异进而造成了技术人员经常纠缠于各种繁杂的技术细节,而忽略了智能化应用构建的统一及有序性。

       数据问题。当前企业在智能化落地中有将近50%以上的时间花在数据处理环节上,究其原因,不外乎企业通过传统数据治理体系下积累的数据是无法满足全量、实时、闭环的数据需求,进而导致数据处理耗时大的现象。

       人才问题。优秀数据科学家的紧缺导致企业无法同时开展多个智能化应用场景的快速构建,导致智能化项目排期紧张,影响落地效率。

       为了帮助企业更好地解决及规避智能化转型过程中的潜在问题,我们综合过往案例及经验,以前瞻性的视角与洞察,制定出了企业智能化转型的具体之“法“,企业可通过构建六大方面的核心能力,以快速实现智能化转型的终极目标。其中六大核心能力包括:智能化战略、智能化人才体系、智能化运营、智能化需求、智能化技术与智能化数据。

图8:企业智能化转型的六大核心能力

       1. 智能化战略:智能化战略这一能力包含四重含义。一是新技术驱动,企业具备能够主动识别对企业自身发展有利的新技术的能力,并进行提早布局,将前言技术与企业自身业务深度融合,达到引领业务发展的目的。二是创新机制,企业内形成全员的创新意识,积极将创新融入日常工作。企业为员工提供充分的创新资源支持,并且从量变到质变,基于创新成果产生出的新的商业模式。三是变革驱动力,企业管理层对智能化转型所需要完成的变革形成决议,全方位推动和深化变革,将智能化转型真正变成一把手工程,在组织、治理结构和制度流程等方面就变革目标达成一致。四是商业模式,企业基本完成商业模式的转型,将以智能化能力驱动的商业模式成为最主要的业务组成部分,企业自身的市场定位和形象完成相应的转变。

       2. 智能化需求:企业能够成体系化地对数据、技术进行匹配,识别和目标之间的差距,能够了解弥补差距所需要的工作,如数据探查、需求分类等。

       3. 智能化数据:数据能力包含四重含义。一是数据资产管理,将企业含非结构化数据在内的全部数据整合优化,达到服务智能化应用的标准,形成面向各业务领域的数据资产,建设基于实时数据流的数据资产服务目录,形成面向各领域的数据资产。二是数据质量,具备贴源数据质量管理制度、标准及管理政策,可定期推进相关数据质量的诊断和治理。三是数据服务,形成完善的数据安全、脱敏、共享机制,具备体系化的数据共享接口,数据使用流畅高效。四是数据架构,大数据平台与数据湖符合智能化应用需求,具备对于海量数据的存储、计算及处理能力。

       4. 智能化技术:智能化技术这一能力包含四重含义。一是面向智能化的算力,由于智能化应用通常需要对海量数据进行计算处理,传统服务器性能已难以支撑呈指数级增长的计算需求。因此,企业迫切需要搭建面向智能化的高性能算力,为智能化应用提供充沛的算力保障。二是智能化技术架构,企业各类IT系统和设施需要共同完成面向智能化的企业架构转型,引入智能应用编排/发现、创新实验系统、中间件、产品,为企业智能化应用提供架构基础能力,同时形成内部职能平台。三是技术治理,完成智能化应用的统一治理,包括服务资产、业务指标收集展示、业务创新实验等,使企业智能化能力资产化。四是智能化算法,搭建企业统一智能平台工程化系统和架构支撑,使得智能化算法生产可用,在企业内部沉淀算法使用场景、数据、使用方法、性能、工程化架构等相关知识和最佳实践,形成企业内部算法知识库。

       5. 智能化运营:智能化运营这一能力包含四重含义。一是变革管理,企业应形成包含变革潜在问题识别,变革推动规划、变革追踪与优化等环节在内的变革管理。二是高效流程,在运营流程中广泛应用智能化技术,形成适配企业经营管理及业务技术发展现状的标准流程,输出流程图和对应流程的管理规范,明确责权,保证新技术实验空间;同时,在能力基础较强的情况下向外输出。三是弹性组织,成立技术实践探索与落地团队,保证团队试错空间,对组织的管理理念、工作方式、组织结构、人员配备、组织文化进行革新,实现对智能化转型各项工作的适配,所有员工完成智能化转型的方法论和执行路径同步,确保企业内的所有人对智能化转型有统一的认识。四是先进的治理结构,企业经营管理和智能化转型工作的决策权进行分离,针对创新业务领域或创新技术应用有更灵活的决策机制支持,企业管理层、中层干部充分理解智能化转型的目标和执行路径,引导和激发员工积极主动地参与智能化转型的工作,在取得初步进展后,将智能化转型决策权限下放。

       6. 智能化人才体系:智能化人才体系这一能力包含两重含义。一是人才体系规划,规划建设匹配公司发展战略的人才队伍,设计新型人才岗位的绩效考核。二是人才体系构建能力,可以通过培训、招聘等措施,帮助企业构建支撑智能化转型所需的人才技能及能力。

       智能化企业成熟度:五个阶段

       闻道有先后、基础有强弱,智能化企业的建设并非一蹴而就。为帮助企业精准定位自身发展状态,明确发展方向,我们制定了一个标准来衡量企业数字化转型的总体成熟度——智能化企业成熟度量表。在这一标准中,进行智能化转型的企业将被细分为智能化认知、智能化探索、智能化应用、系统化智能、全面智能五个阶段,每个阶段的企业在六大基能力的建设程度上都有其差异性。

图9:智能化成熟度量表

       转型之术:定义智能化转型的前进之路

       智能化转型有了“道”与“法”之后,企业如何找到转型之“术”,形成具体的、可执行的智能化建设方案,将理论与方法转化成切实的业务价值,从而帮助各行业企业实现智能化转型的终极目标也是一个重要课题。本报告结合企业智能化发展现状,比对未来的发展目标,提出覆盖战略、需求、数据、技术、运营和人才的六大方面关键举措,以供企业在寻求适合自身发展的智能化转型路径上提供方向性参考。

       举措一:树立“拓荒+耕耘”式的智能化转型战略目标

       企业智能化作为企业数字化转型的新篇章,将为企业带来大量新机遇,并真实地创造新的业务价值。这里,企业应当从认知层面将对智能化的定位超出技术应用的范畴,将其作为企业业务战略转型的重要支柱。因此,智能化转型目标应当契合企业发展的战略规划,并且进行前瞻性、贴合自身发展的顶层智能化转型规划,以明确企业的短期、中期、长期目标和转型路径。让智能化更好地支撑企业业务转型发展,保持企业发展的持续领先。

       绝大多数企业都处在对智能化转型观望或者进行了初步尝试的状态,如何进行“拓荒”以赢在起跑线上,以及如何进行“耕耘”以保持持续领先,都是企业需要面对和思考的课题。这是一局考验耐力的长跑,是对于赛道、配速、阶段补给的选择题,也是拉开与竞争者差距的残酷淘汰赛。从企业顶层战略层面重视智能化转型的引领作用,将智能化融入企业业务发展的DNA,梳理企业智能化转型战略,是企业开展体系化的智能化转型工作的关键一步。

       举措二:开展大胆设想细致验证的智能化初步尝试,实现从优化到创新的应用价值

       企业应用智能化技术时,不仅仅需要考虑技术的匹配和落地,首先要考虑经营思路的转变。机器去解决事情的思路和以往依靠人工完全不同。机器考虑问题是“面面俱到”,通过高维的特征去进行分析,即将事件刻画进行复杂化,以寻找细观层面的事件之间的相似性。而人更擅长于“抓大放小”,根据过往的事件总结成“规则”或者“定理”,后续执行相似的事件是通过总结好的规则进行对未来事件的预测和指导。虽然人工智能技术具有广泛的应用范围及突出的应用效果,但解决业务问题时也并非唯人工智能论,需中性客观地看待智能化对企业带来的需求应用。在企业进行人工智能初步尝试的时候,应当避免太谨慎而错失时机,也应当避免好大喜功而造成无功浪费。结合智能化方案市场化成熟度、自身数据积累度及业务需求价值度,是寻求企业智能化初步尝试的可行路径。这种尝试不仅仅需要考虑模型的产出落地,更应当从业务端视角进行全方位思考,包括对于现有流程的改造、效果的评估、未来运营的机制等。在完成初步尝试后,企业应当具备决心,进行企业层级的规模化应用落地,并且构建相适配的整体配套机制,真正实现多需求多场景的“生产线”级别的实现,而不是重复多个“手工作业”。在技术、数据、人才等多方面要素成熟的情况下,应当从对现有企业经营的优化,提升到对业务转型的创新驱动层面上,高屋建瓴地提出对于未来智能化转型发展的洞见,并细化成一个个边界清晰、依赖关系明确的智能化需求。

       举措三:打造全面数据治理体系,夯实数据资产支撑

数据是企业进行智能化转型的“新型石油”,加强对于数据资产的管理能力、定义面向传统应用+智能化应用的数据治理能力框架及数据架构,是为企业智能化转型提供持续动力的根基。现在企业普遍遇到数据积累不足、数据质量不佳、数据资产不清晰等问题,严重阻碍了智能化落地的步伐,让许多智能化应用的探索只停留在实验室级的尝试,而未能应用于实际业务中。建议可以通过数据流闭环持续更新、原始数据接入和存储以及解决数据一致性问题,突破智能化落地数据瓶颈。同时,注重数据服务能力,通过对服务的共享复用,以及开发流程的闭环化、标准化、自动化、规模化,对前台业务提供智能化服务的快速构建能力。在此过程中,逐渐完善数据治理、厘清数据架构、沉淀数据资产,为企业的智能化转型提供坚实的基础。

       举措四:提前布局关键技术,实现技术的横向覆盖和纵向深入,夯实智能化转型基础

数字化时代下的客户需求快速变化并注重个性化体验,智能化技术不断推陈出新,市面上的算法及算力产品也不断地更新换代。如何更好、更快及更稳定地提供智能化服务是企业打造核心的技术竞争力需要考虑的重点问题。

       针对“更好”的问题,企业可以考虑具有智能化全栈提供能力的平台级产品,提供智能应用构建与管理的全流程体系架构,打通数据、建模、部署、管理、监控的端到端闭环;同时,在算法层面,应该打破“越多越好”的迷思,在智能领域的“ No Free lunch”原则指导下,久经验证且适用于企业业务场景的算法才是企业真正需要买单的算法,贵精不贵多。

       针对“更快”的问题,可以理解成两个层面,一个是智能化模型运行更快;另一个是构建模型的过程更快。对于前者,需要在模型层面上考虑对于实时性特征的支持,并且在功能层面上能将实时获得和实时反馈的能力应用在生产环境中,以响应客户需要及时的、个性化的反馈的需求,这种能力同时也能带来模型效果;对于后者,从成本角度考量,企业去招聘数百个顶尖数据科学家的方式不太现实,采用自动化建模,即Auto ML 技术是解决这个困境的一种可行的技术手段,该技术降低数据使用门槛、可实现快速与规模化落地。

       针对“更稳定”的问题,需要从软件、硬件两方面的鲁棒性进行考量。在软件平台定义上,定义智能训练引擎、智能推理引擎和智能特征存储引擎三大核心引擎,充分释放算力,为企业高效率、大规模构建智能化应用提供算力支持。 在软件和硬件两者的融合上,可以采用软件定义算力的架构,将硬件算力平台与软件及应用结合为一体,为短期内的算力负载选择最适配的底层架构,为中长期的算力负载做好资源规划,实现智能化算法和硬件的深度融合与优化。

       举措五:建立融合共生的智能适配性运营机制,逐渐渗透智能化的创新思维和变革机制

       面对智能化转型带来的对企业现有业务和组织的冲击,企业不应该固步自封,同时也应该避免陷入邯郸学步的困局。理解变化、拥抱变化,在审视现有运营机制的基础上加入新方法以应对智能化转型带来的新挑战,最终形成企业自身特色的智能化转型之路。赋能业务并引领业务创新变革是智能化的特色,在企业实践过程中应当避免分割条线的闭门造车,构建调度更灵活、连接更紧密的智能化与业务联合弹性组织是企业真正融入智能化DNA的关键举措。培养企业自上而下的全员“智能化”意识,并将其作为工作中自然考虑的必要因素,需要构建变革管理机制予以支撑,包括变革计划、执行及反馈。此外,企业在打造智能化内核的同时,也需要保持对于外部生态的协同合作,通过借势借力实现智能化的乘势而上。

       举措六:外引人才,内炼道法,实现新旧血液的活力循环,为智能化转型持续积极供血

       人工智能这个专业赛道上的人才,尚属于市场稀缺资源,为了实现智能化领域的突破和快速发展,首先需要注重外部输血工作,根据自身发展需求引入高端领军智能化人才,形成团队化规模化的技术储备,并通过高层的影响将智能化的意识从技术领域扩展到企业管理层领域。此外,还需要注重企业內部的智能化能力培养,挑选有动力、有潜质的复合型人才进行智能化能力的补全及提升,在给业务带来发展的同时也给员工个人发展带来益处。同时,企业需要考虑通过设置合理的考核激励以鼓励创新,实现智能化人才的全面开花。

收藏