当 谷 歌 母 公 司 Alphabet 的 CEO桑达尔·皮查伊在 2017 年的一次谷歌客户活动上宣布该公司将转向“AI优先”时，没有人感到特别惊讶。皮查伊在面向技术开发人员的演讲中说道：“在一个 AI 优先的世界里，我们正在重新思考我们所有的产品，并应用机器学习和AI 来解决用户的问题。”早在 2015 年，谷歌就已经在全公司范围内开展了超过 2700 个关于 AI 和机器学习的项目。AI 嵌入了几乎所有面向客户的产品和服务，包括搜索、地图、电子邮件、视频聊天软件、语音助手等。它还给谷歌云的客户提供TensorFlow—一套机器学习算法和工具。Alphabet 旗下的其他几家公司，包括自动驾驶汽车公司 Waymo 和生物技术公司Calico，也广泛应用 AI 技术。在业内，Alphabet 全力押注AI 当时已经广为人知，因此这一宣布并没有引起太多关注，这是硅谷和积极进取的原生数字化企业的正常行为。人们似乎认为：“谷歌就是这样做的，脸书、亚马逊、腾讯、阿里巴巴等公司也是如此。”人们通常认为，AI 应该主要出现在硅谷，在传统行业中，全力押注并利用 AI 来改造一家现有企业，是一件很困难的事情。但事实上，许多传统行业已经开启了自己的AI 化改造，他们认为这项技术将实现重大的业务改进，并且已经有证据表明这些投入正在取得回报。01AI 化改造：空客的选择
航空业面临被数字化剧烈颠覆的局面，空客早就意识到了这一点，于是它在 21 世纪第一个 10 年的中期开始了全面的数字化转型。空客公司内部有各种各样的举措，但 AI 和数据是变革的前沿和中心。
空客投资新技术，甚至开始重新培训员工使用 AI。它的计划并非秘而不宣，其网站这样介绍：“AI 不仅仅是一个研究领域，而且是一项无处不在的未来技术，它可能重新定义社会的所有领域。在空客，我们相信 AI 是一项关键的竞争优势，它让我们能够利用手中数据的价值。”空客已经与优达学城合作，对 1000 多名员工进行数据科学和分析方面的培训。公司要求员工和他们的经理每周花半天时间进行培训。经理与员工合作，确定一个可以让员工参与的数据科学试点项目，经理监督他们的进度。空客认为培训项目有多重好处，这不仅能够增加可以与 AI 合作的人数，而且还将那些对数据科学和 AI 感兴趣的人组成社群，中央数据科学小组可以与他们合作。培训项目也是在公司内部署 AI最佳应用的一种手段，而这些应用是让管理者及其业务人员熟悉 AI 的一种方式。一项调查的结果显示，只有 10% 的美国受访者明确表示倾向于再培训和留住现有员工。80% 的受访者倾向于“保留或替换比例相当的员工”，或者“主要用新的人才替换现有员工”。这是一种目光短浅的行为，而且公司可能无法找到或负担不起这么多新的 AI 人才。再培训和技能提升是一种显而易见的替代方法。在 AI 涉及的人性化问题方面，理论上最具挑战性的也许是向员工说明 AI 的能力，以及它未来可能对他们的工作产生的影响。这很困难，其原因有很多：大型公司有很多员工；很难预测在未来几年里，AI 会给工作带来什么样的变化；不同的员工相对于工作有不同的目标和兴趣，所以“一刀切”式的教育举措不太可能成功。很明显，AI 驱动的公司已经意识到，AI不仅仅与技术有关，而且由强大的领导者推动，公司正在建立数据驱动的文化，并且教育员工积极参与自身的 AI 历程。大多数公司可能会证明，AI 技术是最容易的部分，把员工和组织动员起来去探索、打造和使用 AI 才是一项挑战。不过，这些积极采用 AI 的公司已经在很大程度上实现了这一目标。其他公司如果希望将AI 作为一种竞争武器和业务转型工具，可以将它们作为榜样。目前，空客公司正在将 AI 的能力运用于全球业务的各个领域，包括商用飞机业务以及直升机、国防和航天。AI 技术一直是空客很多产品及服务的基础，包括 OneAtlas 图像服务、ATTOL（基于视觉的自动滑行、起飞和着陆导航）演示器、基于视觉的直升机导航，以及驾驶舱飞行员和国际空间站宇航员的虚拟助手等。空客的数字化历程并非独一无二。很显然，拥有大量数字化业务的公司应该确保其端到端的 IT和数字化基础架构始终可用或尽可能可用。AI 驱动的公司也是数字驱动的公司，它们需要智能运维来保持数字化“燃料”的应用。AI 技术可能是所有信息技术领域中变革最快的。成千上万的研究人员在探索新的模型和 AI 方法，成千上万的知名厂商在试图将这些成果转化为产品。特定的厂商，尤其是初创公司，会随着时间的推移而走向衰败。任何一家公司都不应该指望自己能为 AI 建立一个存在 10 年的技术环境。在 AI 领域，持续监控外部产品及其与内部需求是否匹配至关重要。每一家大公司（当然包括那些已经成为或渴望实现 AI 优先的公司）都应该指定一些聪明的人来跟踪 AI 的技术趋势，尝试新技术，并在它们看起来符合公司的需求时予以引入。这些人不需要是出色的数据科学家或 AI 工程师，但他们确实需要了解 AI 领域的关键技术，以及它们如何支持用例和业务需求。AI 技术是很强大的，但如果没有业务、组织和文化上的变化，那么它就没有用处。02平安：用 AI 打造新商业模式
很难想象有哪家公司比平安集团更追求发展 AI 驱动的业务。平安集团成立于 1988 年，它已经迅速发展成为一个综合性金融服务平台，通过在金融服务、医疗健康服务、汽车服务和智慧城市服务等领域所构建的生活方式生态系统，提供保险、银行和投资方面的产品和服务。
平安利用 AI 创建了新的商业模式、新的战略、新的生态系统和新的流程。在 20 世纪末和 21 世纪初，随着中国经济的急剧增长，消费者变得更加富裕，这被证明是一个非常好的战略。没有人会怀疑 AI 正在被用来推动公司层面的业务转型，而且平安已经成功地做到了这一点。当然，平安也使用 AI 来改善各种业务的运营现状，但其重点是创造 AI 驱动的应用场景和商业机会。平安的高级管理团队当然在参与 AI 相关的工作。公司的创始人和董事长马明哲与数据科学团队密切合作，推动 AI 和相关技术的新发展。当他对 AI 在业务中的新应用产生想法时，他就会找合适的团队来实现它。平安有一个很长的 AI 用例清单，其中有一些是对外公开的。在平安的“好医生”平台上，基于 AI 的系统帮助人类医生进行症状检查和分类，为超过 4 亿名用户提供服务。好医生平台帮助平安开创了医疗健康新业务。在“智慧城市”业务部门，智能疾病预测系统有助于监控和预测中国多个大城市社区中的流感和糖尿病等疾病的发生。“平安好车主”应用软件使用 AI 和其他数字工具，只需两分钟就能通过智能手机上的照片解决车祸索赔问题。该应用软件还可以在不到 7 秒的时间内为客户生成推荐的保险单。面向金融服务公司的“平安一账通”业务拥有强大的基于 AI 的风险管理能力。在整个平安集团，这样的 AI 应用还有很多。平安已经开发了几个不同的 AI 平台来驱动这些用户场景案例。例如，“平安大脑”集成了深度学习、数据挖掘、生物识别和其他技术，为产业链事件分析、语音识别、推荐引擎和机器人部署等场景用例提供支持。疾病预测等智慧城市应用由一个名为“PADIA”的基于数据的决策平台驱动，该平台融合了各种 AI 算法，包括机器学习和自然语言处理。从组织结构上看，平安的 AI 业务大多来自总部位于深圳的平安科技，但该公司在中国其他几个城市以及包括新加坡在内的其他国家都有实验室。平安科技成立于 2008 年，其研究项目曾多次获奖。2019 年，平安科技开发的专利数量居全球第八位。如今，它的大多数研究项目都以某种方式与 AI 相关。30 多年前，平安就使用数据和基于场景的 AI 来对业务进行驱动和转型，从保险转型为领先的综合性金融服务和医疗健康服务提供商。但其他保险公司或其他行业的公司没有理由不采用同样的方法。平安从 20 世纪 80 年代末的一家小公司成长为一家全球巨头。2021 年，平安的营业收入超过 1 910 亿美元，在当年的《财富》全球 500 强榜单上排在第十六位，在全球金融企业中排名第二。01汇丰银行：起步慢、成长快的运营转
有些人可能会觉得，获得 AI 的能力是一场竞赛，如果一家公司落后了，它就永远无法赶上了。总部位于加拿大的“五大银行”之一丰业银行就否认了这一观点，该银行在AI 方面一直奉行以结果为导向的方法，并在过去两年加快发展 AI 能力。
虽然一些竞争对手更早通过建立或收购的方式获得了 AI 方面的能力，但丰业银行先专注于大规模的数字化转型，为数据和分析能力奠定了基础。尽管这延缓该银行进入高端分析和 AI 领域的速度，但这种专注已经实现了一种高度实用的数据驱动方法，来响应该银行各种业务上的客户需求。通过更紧密地整合数据和分析工作、对 AI 采取务实的态度，以及专注于可重复使用的数据集（这有助于提高速度和投资回报），丰业银行在 AI 的一些关键领域已经迎头赶上。到 2019 年年中，丰业银行的 CEO 布莱恩· 波特认为，正确的分析非常重要，而设立一个专注于客户洞察、数据及分析（以下简称 CID & A）的新团队将是这项任务的核心。波特任命菲尔· 托马斯担任 CID & A 的执行副总裁，该银行的首席分析官和首席数据官均向他汇报工作。为支持这一职能，丰业银行增加了一名专职的首席信息官。虽然分析和 AI 功能是集中的，但大多数数据科学家都是直接与各种业务线保持一致的。因此，关于开发什么样的分析和 AI 用例，业务领导者最终会推动其议程，并与专门的分析和数据团队密切合作。对菲尔和他们的同事来说，改进银行内部的关键流程并做出更好的决策是最好的前进方式。他们实现这一目标的方式是采用以结果为导向的 AI 方法——菲尔称之为“蓝领AI”。其关注的不是研究或试验，而是哪些项目有可能在相对较短的时间内为业务带来价值。世界上没有什么“大爆炸”项目，只有那些涉及持续改善银行运营和客户关系的项目。因此，大多数 AI 项目都已部署到生产中，80%的分析和 AI 模型已经部署完毕，其余 20% 有待部署。丰业银行的高管意识到，商业模式和产品或服务的巨大改变可能会让他们更难起步，也更难获得形成势头所需的影响力。虽然有些资源专门用于探索新技术（不仅是 AI，还有区块链和量子计算）驱动新商业模式和产品的可能方式，但绝大多数CID & A 团队成员都专注于改善当前的运营和客户体验。该银行的 AI 方法聚焦客户，为了与此定位保持一致，几个关键用例都专注于改善客户体验。在新冠疫情期间，丰业银行设法为最需要帮助的客户（首先是个人消费者，其次是小企业）找到度过疫情时期的财务建议。该团队开发了一款应用程序，采用机器学习模型，利用存款和开支水平等交易数据来识别可能存在现金流问题的消费者。据此，该银行确定了最需要支持和建议的人群。CID & A 团队与该银行的加拿大银行零售部门合作，获取目标客户的清单，通过分行客户经理主动与这些客户联系，提供个性化建议和支持。丰业银行还推出了 AI 驱动的营销和合作引擎，以支持与客户的主动互动。此引擎分析银行所掌握的客户生活事件（新抵押贷款、孩子刚出生、孩子上大学）和客户偏好的特定渠道（分支机构、移动电话、在线联络、联络中心或电子邮件），以客户偏好的方式为其提供个性化的银行建议。虽然这家银行主要的 AI 关注点是客户，但它在其他领域也有很多 AI 用例。通过自动化处理全球银行和市场部门后台任务、提高前台的安全性，以及将联络中心每通电话响应时的信息搜索时间减少一分钟以上，该银行已经获得了丰厚的回报。随着对客户洞察力和快速实现价值的进一步关注，数据部门开发了一种新的数据交付方法，被称为“可复用的权威数据集”。它从客户数据、交易数据、余额数据等数据中确定可复用的数据集。这种数据处理方法提高了速度、一致性和价值。虽然在数据项目上实现高投资回报率通常很有挑战性，但丰业银行的经验表明，在 AI 方面起步较慢的企业可以赶上甚至超过起步较快的竞争对手，只要这些企业致力于投资和利用 AI 技术的价值。
