想象一下在美國國家橄欖球聯(lián)盟數(shù)十萬個視頻的歷史檔案中找到某一特定影像。一個賽季就會產(chǎn)生16320多分鐘的比賽錄像。如果你把每次賽前、中場和賽后的表演、每一次訓練以及每一次媒體采訪都包括進來，你擁有的錄像片似乎無窮無盡，而這僅僅是一個賽季的內(nèi)容。

為了讓工作人員更容易從所有這些材料中制作精彩集錦和其他媒體，NFL在2019年12月與亞馬遜網(wǎng)絡(luò)服務(wù)公司（Amazon Web Services）合作，使用人工智能來搜索和標記其視頻內(nèi)容。這個過程的第一步需要NFL的內(nèi)容創(chuàng)作團隊教會人工智能（AI）該找什么。該團隊為每位球員、每支球隊、每件球衣、每個體育場以及它希望在視頻資料庫中識別的其他可識別的視覺內(nèi)容制作了元數(shù)據(jù)標簽。然后，它將這些標簽與亞馬遜現(xiàn)有的圖像識別AI系統(tǒng)相結(jié)合，亞馬遜已經(jīng)用數(shù)千萬張圖片對該系統(tǒng)進行了訓練。AI能夠?qū)@兩組數(shù)據(jù)都加以利用，以標記視頻庫中的相關(guān)影像，而內(nèi)容創(chuàng)作團隊只需點擊幾下就能核準每個標簽。員工曾經(jīng)不得不手動搜索、發(fā)現(xiàn)和剪輯每個視頻，將其存儲在資料庫中，然后用元數(shù)據(jù)標記視頻，而亞馬遜的AI讓大部分過程實現(xiàn)了自動化。

在《哈佛商業(yè)評論》之前的一篇文章中（“協(xié)作智能：人機合作新模式”，2018年7-8月），我們描述了一些領(lǐng)軍企業(yè)如何挑戰(zhàn)了技術(shù)會將人淘汰這一傳統(tǒng)預期——相反，他們利用人機協(xié)作的力量來改造他們的業(yè)務(wù)并提高最終盈利。現(xiàn)在，好幾家公司不僅用這種方法在創(chuàng)新上超越了競爭對手，甚至更加果斷地轉(zhuǎn)向以人為本的AI技術(shù)，并顛覆了創(chuàng)新的本質(zhì)，正如在過去十年里所踐行的那樣。

比如，在NFL一例中，AI加速了圖像識別過程，但如果沒有員工確定哪些數(shù)據(jù)需要上傳，然后核準，系統(tǒng)就會失靈。NFL并未簡單地將制作精彩片段的工作交給AI；內(nèi)容制作專家從事這項工作，但由于人工智能具有快速整理海量信息的獨特能力，他們做起此事來速度更快、更輕松。

新的以人為本的AI方法正在改變?nèi)藗儗?chuàng)新的基本構(gòu)件的設(shè)想。一些公司正在重新確定AI和自動化如何將各種尖端信息技術(shù)與能夠?qū)崿F(xiàn)靈活適應(yīng)力和無縫人機一體化的系統(tǒng)緊密結(jié)合。這些開創(chuàng)性的企業(yè)正以前所未有的速度投資于數(shù)字技術(shù)，以應(yīng)對新的運營挑戰(zhàn)和迅速變化的客戶需求。根據(jù)埃森哲2019年對8300多家企業(yè)的調(diào)查，他們大幅增加了對云服務(wù)、AI等方面的投資，而且他們的創(chuàng)收速度是落伍者的兩倍。2021年對4000多家公司進行的另一項研究表明，數(shù)字技術(shù)投入排名前10%的公司飛速發(fā)展的程度甚至更深，其收入增長速度是落伍者的五倍。

我們已經(jīng)將我們從這項研究中所獲知的東西轉(zhuǎn)化為指導思想，在一個多數(shù)企業(yè)會將其成功歸功于人類而不是機器的世界中，企業(yè)領(lǐng)導者可以用這種指導思想去競爭。我們的IDEAS框架要求關(guān)注新興技術(shù)領(lǐng)域的五個要素：智能（intelligence）、數(shù)據(jù)（data）、專業(yè)知識（expertise）、架構(gòu)（architecture）和戰(zhàn)略（strategy）。它可以幫助技術(shù)和非技術(shù)高管更好地理解這些要素，并構(gòu)想這些要素如何可以密切結(jié)合，成為強大的創(chuàng)新引擎。

在本文中，我們使用IDEAS框架來審視那些實施了人類驅(qū)動的AI流程和應(yīng)用程序來解決具體問題的企業(yè)案例。你也可以這樣做，集結(jié)你自己員工的技能和經(jīng)驗來管理一切技術(shù)創(chuàng)新，從研發(fā)和運營到人才管理和商業(yè)模式的發(fā)展。

讓AI多一點人類特征

少一點人工造作

人類智能和人工智能是互補的。AI驅(qū)動的任何機器都無法像哪怕最年幼的人類那樣輕松、高效地學習、理解和聯(lián)系語境。不小心掉了一個東西，一個一歲的孩子看到你伸手去夠，他就會幫你撿。故意把它扔下去，孩子就會不理不睬。換句話說，即便是很小的孩子也都明白，人是有意圖的——這是一種非同尋常的認知能力，似乎已預置于人類的大腦中。

這還不是全部。從很小的年齡開始，兒童就對物理學產(chǎn)生了直覺認識：他們認為物體會沿著平滑的路徑移動，保持存在，并在沒有支撐的情況下墜落。他們在習得語言之前就能區(qū)分生命體和無生命的物體。當他們學習語言時，他們會表現(xiàn)出從很少的例子中進行歸納的非凡能力，新單詞只聽過一兩次就能學會。他們會通過試錯學會自己走路。

相反，AI能夠做許多人類（盡管被賦予了天生的智力）發(fā)現(xiàn)不可能做好或難以做好的事情：在大量數(shù)據(jù)中識別模式；在國際象棋中擊敗最偉大的冠軍；運行復雜的制造流程；同時應(yīng)答客服中心的許多電話；分析天氣、土壤狀況和衛(wèi)星圖像，來幫助農(nóng)民最大限度提高作物產(chǎn)量；在打擊剝削兒童的斗爭中掃描數(shù)百萬幅互聯(lián)網(wǎng)圖像；偵查金融欺詐；預測消費者的偏好；個性化廣告；以及其他許多事情。最重要的是，AI已經(jīng)使人類和機器能夠高效地合作。與自動化的末日論者相反，這種合作正在創(chuàng)造一系列新的、高價值的工作。

管理信息

而不僅僅是積聚信息

為了掌握利用大數(shù)據(jù)和小數(shù)據(jù)來產(chǎn)生AI價值，企業(yè)必須首先打下堅實的數(shù)據(jù)基礎(chǔ)。業(yè)務(wù)數(shù)據(jù)通常被鎖定在傳統(tǒng)的實地平臺上，這些平臺是孤立的，員工很難（如果說并非不可能的話）讓不同類型的數(shù)據(jù)一起工作。商業(yè)用戶則更難找到并處理正確的信息，做出適當?shù)臎Q策。創(chuàng)建一個強大的數(shù)據(jù)基礎(chǔ)需要讓信息突破傳統(tǒng)藩籬，這樣信息就能夠協(xié)調(diào)一致，以最佳方式存儲，便于輕松訪問，可以隨時用新的工具進行分析——所有這一切都在云中進行。

三種能力是關(guān)鍵

現(xiàn)代數(shù)據(jù)工程

在一個強大的、基于云的基礎(chǔ)上，數(shù)據(jù)來自多個內(nèi)部和外部來源。它被拼接成精心策劃、可重復使用的數(shù)據(jù)集，可用于各種分析目的。一個好的基礎(chǔ)依賴于支持不同數(shù)據(jù)類型的數(shù)據(jù)獲取和ETL（提取、轉(zhuǎn)換、加載）框架。這些框架還會處理信息的標準化、信息分類、確保信息質(zhì)量和獲取元數(shù)據(jù)的規(guī)則。此外，它們還支持使用一種更快的模板化方法來使用數(shù)據(jù)，這使得工程師能夠快速開發(fā)新的分析用例和數(shù)據(jù)產(chǎn)品。

AI輔助的數(shù)據(jù)管理

基于云的AI工具提供高級功能和擴展性，可在引入云時，對云中收集的數(shù)據(jù)自動進行清理、分類和保護，從而支持更好的數(shù)據(jù)質(zhì)量、準確性及道德處理。

數(shù)據(jù)民主化

一個現(xiàn)代的數(shù)據(jù)基礎(chǔ)可以讓更多的數(shù)據(jù)被更多的人掌握。數(shù)據(jù)應(yīng)可以及時獲取并易于使用，同時支持多種方式來分析數(shù)據(jù)，包括通過自助服務(wù)、人工智能、商業(yè)智能和數(shù)據(jù)科學。最新的基于云的工具實現(xiàn)了數(shù)據(jù)民主化，讓整個企業(yè)中更多人能夠輕松地找到并利用與他們的具體業(yè)務(wù)需求相關(guān)的信息。

這三種能力可以合力幫助企業(yè)克服從數(shù)據(jù)中獲取價值的一些最常見的障礙：數(shù)據(jù)的可訪問性、可信度、準備使用的就緒狀態(tài)和及時性方面的問題。它們使企業(yè)能夠?qū)崟r調(diào)和來自大型和小型數(shù)據(jù)集的項目，構(gòu)建靈活的報告，并應(yīng)用AI來創(chuàng)建可廣泛訪問的客戶、市場和運營見解，這些見解可以產(chǎn)生有意義的業(yè)務(wù)成果。

有了堅實的數(shù)據(jù)基礎(chǔ)——來自更多來源的更多數(shù)據(jù)，在AI的幫助下進行管理，并在你的企業(yè)內(nèi)廣泛傳播——你不再被數(shù)據(jù)弄得不知所措，而是能夠最大限度地發(fā)揮其潛力。你可以把它用于越來越強大和精細的用途，但是，就像仿人智能一樣，這將需要你的員工更多地參與。

釋放員工的才能

在易集這一在線復古和手工制品市場，它的座右銘是“讓商業(yè)人性化”。它需要人來教公司的搜索引擎如何識別許多購買決定的關(guān)鍵——審美風格。在考慮購買一件商品時，易集的客戶不僅會留意商品的尺寸、材料、價格和評級等細節(jié)，而且會審視其風格與審美方面。

對易集來說，按風格對商品進行分類特別具有挑戰(zhàn)性。其網(wǎng)站上的大多數(shù)產(chǎn)品都是獨一無二的作品。許多商品借鑒了多種風格，或者根本沒有表現(xiàn)出明顯可辨的風格。而且，任何時候都有約5000萬件商品在售。在過去，基于風格的推薦系統(tǒng)為購物者群體提供的是令人費解的產(chǎn)品建議。這是因為AI假設(shè)的是，如果兩件商品經(jīng)常被一個共同的客戶群體同時購買，那么它們的風格肯定類似。另一種方法使用顏色、材料等低層次屬性來對商品進行風格分類。這兩種方法都沒能理解風格是如何影響購買決策的。

有誰能比易集的推銷專家更好地教AI學習主觀的風格概念？根據(jù)他們的經(jīng)驗，他們開發(fā)了42個吸引買家興趣的風格標簽，涵蓋從珠寶到玩具再到工藝品的15個類別。有些是藝術(shù)界熟悉的標簽（新藝術(shù)、裝飾藝術(shù)）。有些會喚起情感（趣味與幽默，勵志）。商家擬出了一份清單，列出了分布于這42種風格中的13萬件商品。

然后，易集的技術(shù)人員轉(zhuǎn)向那些在搜索時傾向于使用風格相關(guān)詞語的買家，他們會輸入“裝飾藝術(shù)餐邊柜”這樣的詞。對于每一個這樣的查詢，易集都把選好的風格名稱分配給用戶在搜索過程中點擊、收藏或購買的每件物品。從一個月的此類查詢中，該公司就能夠收集到一個含有300萬實例的標記數(shù)據(jù)集，用以測試其風格分類。然后，易集的工程師們訓練了一個神經(jīng)網(wǎng)絡(luò)，使用文本和視覺線索來最好地區(qū)分每件物品的分類。結(jié)果就是對Etsy.com上所有5000萬件現(xiàn)售商品進行了風格預測。

當新冠疫情襲來、大眾零售商的供應(yīng)鏈崩潰時，這變得特別有用。許多買家轉(zhuǎn)向易集購買急需的產(chǎn)品：口罩。在這個類別中，最熱銷的是根據(jù)客戶審美情趣而量身定制的口罩，客戶可以指定他們正在尋求的設(shè)計——波爾卡圓點、花卉圖案、動物面孔等等。口罩的銷售額從2020年4月初的幾乎為零增長到當年剩余時間的約7.4億美元。該公司的收入在此期間翻了一倍多，其市值升至220億美元。易集CEO喬希·西爾弗曼（Josh Silverman）表示，關(guān)鍵是讓買家可以找到一個“能表達他們?nèi)の逗惋L格”的口罩。

機器教學會釋放出整個企業(yè)中通常尚未利用的專業(yè)知識，讓更多的員工以新的復雜的方式使用AI。由于它可以根據(jù)業(yè)務(wù)情況進行定制，它為真正的創(chuàng)新和優(yōu)勢開辟了道路，你不再只是簡單地追趕技術(shù)。在監(jiān)督學習的情境下，當機器學習算法的標記訓練數(shù)據(jù)很少或沒有時，機器教學特別有用——因為行業(yè)或公司的需求非常具體，所以通常不會如此。

為了從系統(tǒng)和知識員工那里都獲得最大的價值，企業(yè)必須重新設(shè)想非專家以及專家與機器互動的方式。你可以先讓你的領(lǐng)域?qū)＜伊私釧I的實用知識，這樣他們就可以有效地將他們的專業(yè)知識轉(zhuǎn)移到公司的流程和技術(shù)上。熟悉人工智能的基礎(chǔ)知識還會使他們有能力開發(fā)出創(chuàng)造性的方法，將人工智能應(yīng)用于業(yè)務(wù)。

構(gòu)建適應(yīng)性強、有生機的系統(tǒng)

傳統(tǒng)的架構(gòu)界限嚴格，在業(yè)務(wù)范圍、地理區(qū)域、銷售渠道和職能部門之間維持著壁壘。這些架構(gòu)十分僵化，無法適應(yīng)新的智能技術(shù)或順應(yīng)新戰(zhàn)略、不斷變化的市場條件及新的運營機會。這就是許多企業(yè)的創(chuàng)新項目停滯不前的原因。

今天出現(xiàn)的快速轉(zhuǎn)變和新技術(shù)的突然涌入，將IT架構(gòu)推到了前沿和中心位置。當落伍者未能抓住IT創(chuàng)新的機會時，領(lǐng)先企業(yè)卻廣泛采用了各種新興信息技術(shù)，并將它們組合成我們所說的有生機的系統(tǒng)，因為它們沒有邊界，適應(yīng)性強，而且以人為本。

我們所謂的“沒有邊界”是指它們打破了IT堆棧內(nèi)部的壁壘，用云基平臺來利用網(wǎng)絡(luò)效應(yīng)的企業(yè)之間的壁壘，以及人類和機器之間的壁壘，并賦予了企業(yè)無限的機會去改善他們的運營方式。所謂“適應(yīng)性強”，我們意指這些系統(tǒng)在數(shù)據(jù)和智能技術(shù)進步的推動下，迅速適應(yīng)業(yè)務(wù)和技術(shù)變化，最大限度減少摩擦，擴大創(chuàng)新，學習和改進。當我們把這些系統(tǒng)描述為“以人為本”時，我們的意思是，它們模仿的是人類的大腦和行為，能夠比前幾代智能技術(shù)以更像人類的方式來傾聽、觀看、交談和理解。

通往這一未來的道路取決于你的企業(yè)在整個技術(shù)堆棧中做出的選擇。你必須轉(zhuǎn)向更加以人為本的AI和自動化方法。你可以首先加快對云計算、數(shù)據(jù)分析和移動性等核心技術(shù)的投資。你可以重新設(shè)想你應(yīng)用程序開發(fā)方法，以便利用云功能和微服務(wù)及其釋放的靈活性。你可以專注于創(chuàng)建可重復使用的、具有最大價值而不是最小可行性的組件。成功將業(yè)務(wù)和技術(shù)戰(zhàn)略結(jié)合起來的企業(yè)將有能力以前所未有的敏捷度開發(fā)獨一無二的產(chǎn)品。

在以人為本、基于IDEAS的創(chuàng)新取得明顯成功之后，我們的任務(wù)將是以審慎的速度向前推進。未來遠比預期來得更快，它需要明智而迅速地掌握剛剛才開始嶄露頭角的新的創(chuàng)新方法。我們已經(jīng)看到它無處不在——從雜貨店配送到快餐，在手工產(chǎn)品的零售中，甚至在美國國家橄欖球聯(lián)盟。AI正在以我們大多數(shù)人永遠無法想象的方式幫助企業(yè)運營，而且它將繼續(xù)這樣做，但前提是人在引路。我們的框架為那些準備開始的公司提供了一幅清晰的路線圖。

H·詹姆斯·威爾遜（H. James Wilson ） 保羅·多爾蒂（Paul R. Daugherty）| 文

H·詹姆斯·威爾遜是埃森哲研究部負責技術(shù)與商業(yè)研究的全球董事總經(jīng)理。保羅·多爾蒂是埃森哲首席技術(shù)官及該公司技術(shù)業(yè)務(wù)的全球負責人。他們合著有《以人為本：新技術(shù)在如何改變企業(yè)并塑造我們的未來》（Radically Human: How New Technology Is Transforming Business and Shaping Our Future）（哈佛商業(yè)評論出版社，2022年）一書。本文改編自此著作。

本文來自微信公眾號 “哈佛商業(yè)評論”（ID：hbrchinese），作者：HBR-China，36氪經(jīng)授權(quán)發(fā)布。