轉(zhuǎn)型是大勢所趨，但該如何展開？轉(zhuǎn)型“水很深”，沒有正確的認(rèn)知和方法，第一步就會走錯。
真正找到正確路徑的企業(yè)鳳毛麟角，通用的經(jīng)驗是什么？
“要去占領(lǐng)下一代的高地，那么就要先知道那件事的本質(zhì)是什么，以終為始，去想象未來的企業(yè)到底是什么樣子，重新審視數(shù)字化的進(jìn)程?！?/span>
本周六的前沿課，第四范式聯(lián)合創(chuàng)始人、首席架構(gòu)師胡時偉帶領(lǐng)學(xué)員梳理了AI助力企業(yè)決策并推進(jìn)智能化轉(zhuǎn)型的完整邏輯，幫我們跳出熱鬧風(fēng)口之下的誤區(qū)，厘清企業(yè)轉(zhuǎn)型的本質(zhì)和正確路徑。
下面讓我們一起走進(jìn)這堂課，探討當(dāng)下最前沿的發(fā)展動態(tài)。
授課老師 | 胡時偉 第四范式聯(lián)合創(chuàng)始人、首席架構(gòu)師
編輯 | 混沌商業(yè)研究團(tuán)隊
支持 | 混沌前沿課
人類科學(xué)的發(fā)展可以分成四個關(guān)鍵階段：實驗科學(xué) --理論科學(xué)--計算科學(xué)--數(shù)據(jù)科學(xué)，這也被稱為“四個范式”，由1998年圖靈獎獲得者、美國資訊工程學(xué)家Jim Gray（詹姆斯·尼古拉·格雷）在《科學(xué)發(fā)展的四個范式》一文中提出。
第一范式，實驗科學(xué) 。我們?nèi)粘．?dāng)中運(yùn)用最多的一種科學(xué)。人類通過重復(fù)實驗記錄自然，如鉆木取火、摩擦起電等一些偶然或人為的實驗，發(fā)現(xiàn)成功的案例，之后便采用同樣的方式來指導(dǎo)下一步行動。
第二范式，理論科學(xué)。人類開始于現(xiàn)象經(jīng)驗中總結(jié)理論，抽象出本質(zhì)規(guī)律，如牛頓三大定律。它的好處是泛化能力特別強(qiáng)，但是有些復(fù)雜現(xiàn)象的規(guī)律就無法抽象得出，比如天氣預(yù)報，很難做一個簡單的公式來描繪整個自然界的變化。
第三范式，計算科學(xué)。計算機(jī)出現(xiàn)，通過密集計算的方式，對未來進(jìn)行推演，進(jìn)行實踐指導(dǎo)，如預(yù)測天氣。
第四范式，數(shù)據(jù)科學(xué)。計算機(jī)從海量的數(shù)據(jù)中抽象出規(guī)律，從而指導(dǎo)我們的現(xiàn)實行動，該階段跟之前有兩點不同：首先，它的前提是要具備非常密集的數(shù)據(jù)。其次，計算機(jī)是用學(xué)習(xí)的方式，而不是通過專家的經(jīng)驗或者模擬計算的方式來形成最后的規(guī)律。
當(dāng)一個產(chǎn)業(yè)進(jìn)入了科學(xué)時代，發(fā)展速度急劇加快，質(zhì)變隨之發(fā)生。抓住了變化和規(guī)律，企業(yè)就會實現(xiàn)轉(zhuǎn)型，進(jìn)入到“下一個時代”。
“人們在決定過程中尋找的并非是'最大’或'最優(yōu)’的標(biāo)準(zhǔn)，而只是'滿意’的標(biāo)準(zhǔn)?！?/span>
——Herbert Simon，1975年圖靈獎、1978年諾貝爾經(jīng)濟(jì)學(xué)獎得主。
我們經(jīng)常說管理是一門藝術(shù)，因為“人”是一個復(fù)雜的變動因素，我們要去尋求一個大家都能滿意，可以推行下去的決策，這是一個人為思考的過程。也是有限理性的過程。
AI和人腦究竟有什么樣的區(qū)別？AI能夠從海量的數(shù)據(jù)和海量的計算當(dāng)中總結(jié)出海量的科學(xué)規(guī)律，其本質(zhì)是一種極限理性，是把每一個細(xì)粒度的區(qū)間都用數(shù)據(jù)進(jìn)行計算和分析的技術(shù)。相比之下，人腦很難在每一個精確的地方去形成判斷，不是沒有能力，而是沒有精力。
1）AI的高維技術(shù)，讓決策的層級更下沉，趨向極限理性
機(jī)器學(xué)習(xí)模型當(dāng)中有一個衡量標(biāo)準(zhǔn)叫維度，維度越高，意味著模型越準(zhǔn)確，對事件/對象的刻畫就越精準(zhǔn)。常見的千人千面的內(nèi)容/商品推薦，得益于高維技術(shù)可總結(jié)海量規(guī)則，為每個會員精準(zhǔn)匹配獨特服務(wù)。
舉個例子，零售連鎖集團(tuán)做決策，用人和用AI會有何不同？
由人來做規(guī)則的制定者，通常是總部做決策，決定優(yōu)惠的預(yù)算、預(yù)測不同區(qū)域的銷量，這很容易產(chǎn)生一個矛盾：使得下面的門店失去能動性。門店受到思考范圍的局限無法自主做出判斷，而總部決策層又沒有足夠的時間和精力，參與到每一家門店的經(jīng)營和優(yōu)化。
這時，如果讓AI從各級門店里面數(shù)據(jù)中找規(guī)律，可以輔助企業(yè)管理者做決策，根據(jù)每個門店的情況做最優(yōu)決策。AI能夠幫助實現(xiàn)決策的層級更下沉，使整體朝著極限理性的方向發(fā)展。
2）AI的實時技術(shù)，讓決策依據(jù)和觸達(dá)更及時
在整個管理體系中，信息的上傳下達(dá)是要有周期的，如果每一個決策的點都有AI在輔助，可以做到毫秒級別，這是人做決策難以企及的，這個過程當(dāng)中就存在巨大的收益。
我們處于一個瞬息萬變的市場環(huán)境中，用戶需求和社會發(fā)展日新月異，當(dāng)一個個體進(jìn)入一家門店或者打開一個APP，每一個瞬間都是不一樣的，他做出的每件事情都在隨他的心智發(fā)生變化。所以當(dāng)我們用AI加上互聯(lián)網(wǎng)的實時技術(shù)，讓決策的依據(jù)和觸達(dá)可以做到更及時。
3）AI的閉環(huán)技術(shù)，讓決策進(jìn)化永續(xù)不斷
AI可能一開始決策的并不好，但因為它是一個閉環(huán)，能夠做到永續(xù)不斷地進(jìn)化。曾擊敗圍棋世界冠軍的AlphaGo，一開始的能力也沒有那么強(qiáng)，隨著它后來生成棋譜以及做了越來越多的對弈練習(xí)之后，它的能力開始越來越強(qiáng)。
反觀人類社會管理組織的進(jìn)化速度，往往要以年來計。但是運(yùn)用AI的閉環(huán)技術(shù)，我們可以自動發(fā)生迭代，以天級別、甚至分鐘級別，持續(xù)不間斷地進(jìn)化。
機(jī)器決策的體系其實能夠更好地發(fā)揮人的價值。人擅長感性的、判斷的、非常復(fù)雜的決策，而機(jī)器擅長排程、協(xié)調(diào)、組織等類型的工作。因為它不知疲倦，并且非常中立，所以企業(yè)轉(zhuǎn)型，是從以人為中心的體系走向人機(jī)協(xié)同的AI決策體系。
上一代企業(yè)：用很少的人設(shè)計的產(chǎn)品、內(nèi)容策略，服務(wù)一類人。
下一代企業(yè)：用機(jī)器生成的海量（億-千億）規(guī)則，服務(wù)所有人。
舉個例子，一個網(wǎng)站如何做到服務(wù)好每個人？最好的方式是給每個人配一個編輯，誰能做到這一點？我們不可能有多少讀者，就請多少編輯，于是用機(jī)器來幫忙，也就是用機(jī)器生成的海量規(guī)則服務(wù)到所有的人，這就是下一代企業(yè)。
今日頭條早期的成功，很大程度上在于它重構(gòu)了資訊分發(fā)的邏輯，讓資訊和人的匹配方式發(fā)生了質(zhì)變。它是怎么做到的？
當(dāng)別人還在研究一個APP上可以分為多少頻道，要用什么內(nèi)容來吸引用戶的時候，今日頭條已經(jīng)研發(fā)出一個強(qiáng)大的留存中臺，用上千億條規(guī)則形成了覆蓋每一個人的“專屬編輯”服務(wù)，讓每個人都能看到自己想看的東西，千人千面，形成更好的用戶體驗。這就形成了今日頭條在市場上的競爭優(yōu)勢，不僅僅是獲得了一些降本增效的收益提升，更重要的是實現(xiàn)質(zhì)的變化。
2，轉(zhuǎn)型的本質(zhì)：突破企業(yè)瓶頸點 從量變到質(zhì)變
成為下一代企業(yè)的根本原因是什么？是形成經(jīng)營的質(zhì)變。
1）在消費(fèi)互聯(lián)網(wǎng)領(lǐng)域，無論是內(nèi)容分發(fā)，還是實際的商品分發(fā)，或者服務(wù)分發(fā)，利用AI解除了分發(fā)的瓶頸，讓分發(fā)的邊際成本降低，用戶因為得到了專屬服務(wù)，數(shù)量增加。當(dāng)達(dá)到臨界點，也就是分發(fā)的邊際成本接近于0的時候，用戶量急劇地上升，這就是企業(yè)進(jìn)入到下一代的過程。
2）在產(chǎn)業(yè)互聯(lián)網(wǎng)領(lǐng)域，人是非常關(guān)鍵的一大因素。數(shù)字化的平臺可以為人賦能，我們利用AI的輔助，降低從業(yè)者的方差，實現(xiàn)服務(wù)網(wǎng)絡(luò)的無限擴(kuò)張，同樣經(jīng)歷從量變到質(zhì)變的過程。
數(shù)字化平臺如何為人賦能？
“人”治的金字塔式系統(tǒng)：協(xié)作產(chǎn)生效率，而協(xié)作就需要“武林盟主”（管理者）起到調(diào)停作用，隨著管理者金字塔結(jié)構(gòu)變高，整個管理的效率就會降低，從業(yè)門檻也被抬高。
AI決策驅(qū)動的網(wǎng)狀管理系統(tǒng)：分工協(xié)作由平臺來優(yōu)化，激勵也由平臺計算得出，比如通過APP、激勵、積分等各種技術(shù)手段和平臺工具，它可以讓每一個從業(yè)者相對容易地到達(dá)一個比較高的水平。另一個方面，用系統(tǒng)做好利益分配，只要把自己的事情做到極致，就能獲得自己的一份收益。這就是平臺賦能的力量。
所以無論是消費(fèi)互聯(lián)網(wǎng)，還是產(chǎn)業(yè)互聯(lián)網(wǎng)，它利用AI決策去轉(zhuǎn)型，核心點是突破企業(yè)的瓶頸點，讓每個人、每件事都被不同規(guī)則覆蓋，極致地發(fā)揮機(jī)器智能，把“人治”的金字塔系統(tǒng)，變成機(jī)器驅(qū)動的網(wǎng)狀管理系統(tǒng)，從而讓企業(yè)不受人力的經(jīng)驗和成本所限制，從量變到質(zhì)變。
AI支持企業(yè)經(jīng)營中的三種決策：執(zhí)行性決策、業(yè)務(wù)性決策、戰(zhàn)略性決策。
這是每天一線從業(yè)人員在做的事情，根據(jù)實際的情況決定如何服務(wù)客戶，比如應(yīng)該給客戶推薦什么類型的產(chǎn)品，面對客戶的時候應(yīng)該說什么話，這都是執(zhí)行性的決策，對應(yīng)到單點場景。
AI用于執(zhí)行性決策，可以幫助關(guān)鍵場景做出更精準(zhǔn)、更科學(xué)的決策，能做到場景的效率提升和成本降低。比如說我們用攝像頭和健康碼來幫助保安去決定是否放行，可以讓識別率更好、更安全。
有一點需要注意：產(chǎn)品價格預(yù)測、金融反欺詐、個性化菜單推薦等各種各樣場景的執(zhí)行性決策，只能讓我們對AI如何發(fā)揮作用形成一個基本的感受，并不能給企業(yè)本身帶來什么真正的變化。所以企業(yè)數(shù)字化至少要做到業(yè)務(wù)性的決策，也就是業(yè)務(wù)再造的過程。
業(yè)務(wù)性決策針對的是整個價值鏈條，比如供應(yīng)鏈，目的就是降本增效。沿著一系列的流程和一系列的點，通過AI決策在每個環(huán)節(jié)不停優(yōu)化，讓整個供應(yīng)鏈的效率變得更高，提升企業(yè)核心指標(biāo)，實現(xiàn)業(yè)務(wù)的再造與創(chuàng)新。
何謂業(yè)務(wù)的再造與創(chuàng)新？一些零售企業(yè)，用機(jī)器決策參與整個供應(yīng)鏈過程之后，可以做到庫存降低到原先的50%以下，意味著每年可能因此獲得千萬級的利潤增長，在業(yè)務(wù)上獲得的優(yōu)勢可以讓企業(yè)做更多事。
業(yè)務(wù)再造，也是一個1 N的過程。
1是什么呢？1是業(yè)務(wù)中對KPI最重要的那個拆解子項。比如對于以采購為主的企業(yè)，最重要的事情是降低采購的成本，如果我們能對一宗采購的成本進(jìn)行準(zhǔn)確的預(yù)估，這在業(yè)務(wù)當(dāng)中是非常重要的。
找出企業(yè)轉(zhuǎn)型的1，使用AI，在這件事情上精益求精，達(dá)到極致的業(yè)務(wù)效果，這樣的投入產(chǎn)出是合理的。
那么N是什么？它是業(yè)務(wù)鏈條上其他各種各樣的環(huán)節(jié)（如非核心業(yè)務(wù)）。在這么多環(huán)節(jié)使用AI，肯定都能夠產(chǎn)生很好的效果，但每一個都不具有關(guān)鍵作用。所以對于N的業(yè)務(wù)性改造，最重要的是要看你花同樣的錢，能改造多少個業(yè)務(wù)，是要降低用AI去優(yōu)化每一個部分的門檻，快速地完成整個端到端的變化。
數(shù)據(jù)和AI可以滲透到各個角落去驅(qū)動業(yè)務(wù)的創(chuàng)新，如果暫時找不到變革之道，但還是要先嘗試的話，至少要著重關(guān)注整個業(yè)務(wù)創(chuàng)新的效率如何，而不是盯在一個點上。
戰(zhàn)略性決策，通常來講是企業(yè)的CEO等高級管理者要去做的。對企業(yè)經(jīng)營者來講，時刻要思考的問題是什么呢？就是在戰(zhàn)略層面，企業(yè)下一步怎么去做，才能更好地生存和發(fā)展。
企業(yè)戰(zhàn)略規(guī)劃中，AI可以為核心要素。在AI助力下，重塑經(jīng)營和管理模式，突破人力所限的增長瓶頸，產(chǎn)生經(jīng)營質(zhì)變。
轉(zhuǎn)型在于做出選擇。
在消費(fèi)互聯(lián)網(wǎng)行業(yè)，互聯(lián)網(wǎng)對客戶的流量競爭是不分領(lǐng)域的，它們都在爭奪手機(jī)上的注意力時間；從產(chǎn)業(yè)互聯(lián)網(wǎng)的角度上來講，對優(yōu)質(zhì)從業(yè)者的流量爭奪也是不分行業(yè)的。在這種競爭的情況下，戰(zhàn)略轉(zhuǎn)型的關(guān)鍵選擇在于，是正確地運(yùn)用AI決策的力量去重塑企業(yè)經(jīng)營與管理，還是繼續(xù)從前的金字塔形式。
把AI當(dāng)成一種高維武器。
所以當(dāng)我們講到AI，不能把它簡單當(dāng)成一個降本增效的工具或手段，或者把它停留在一個高科技的概念里邊，而是一定要用它作為一種高維武器去尋求質(zhì)變，去贏得競爭，甚至是這個過程當(dāng)中去發(fā)現(xiàn)更多的細(xì)分賽道，創(chuàng)造更多的價值。
我們通常會把整個數(shù)字化進(jìn)程分成四個步驟：自動化——信息化——數(shù)字化——智能化。很多人認(rèn)為，這四個步驟要按先后，一步一步來。
但這會陷入“演進(jìn)式”陷阱，導(dǎo)致策略總是會大改大修，甚至重新架構(gòu)。
正確的做法是，堅持“以終為始”的規(guī)則：以終為始，就是以智能化為目標(biāo)，重新審視數(shù)字化的進(jìn)程，這是很多企業(yè)在面臨智能化轉(zhuǎn)型要做的第一件事情。
要去占領(lǐng)下一代的高地，就要先知道我們要做的那件事的本質(zhì)是什么，去想象未來的智能化企業(yè)到底是什么樣子，沿著那個本質(zhì)來判斷我們轉(zhuǎn)型的過程是不是沿著那個方向去走的，在大目標(biāo)下進(jìn)行實時的調(diào)整和修正。
我們要擁抱企業(yè)的智能化轉(zhuǎn)型，成為下一代企業(yè)，但這并不代表從A到B這件事情就叫轉(zhuǎn)型，而是首先從認(rèn)知上躍遷到這個領(lǐng)域里，從零開始像一個小朋友一樣一點一點長上去，最后長成巨人。但至此并沒有結(jié)束，而是依然需要繼續(xù)優(yōu)化。把智能化轉(zhuǎn)型當(dāng)成一個項目是常見的誤區(qū)；它應(yīng)該是基于企業(yè)未來的戰(zhàn)略選擇，需要持續(xù)經(jīng)營的實踐，非常依賴 “對的方法”和“對的人”。
成功實現(xiàn)智能化轉(zhuǎn)型的企業(yè)，需要借助“三駕馬車”：新方法、新組織和新工具。
新和舊是相比較而言的，舊指的是不能有效地利用數(shù)據(jù)及機(jī)器的閉環(huán)學(xué)習(xí)的技術(shù)手段（沒有用到AI決策），反之則是新的體系。
新的方法，首先就是頂層設(shè)計出發(fā)，打破增長的瓶頸，實現(xiàn)量變到質(zhì)變。每個企業(yè)的瓶頸都不同，但是核心就在于找到這個瓶頸，讓AI決策輔助企業(yè)去打破這個瓶頸，讓機(jī)器的智能可以極致發(fā)揮作用。當(dāng)你有了這個手段之后，要思考的是怎么和自己的業(yè)務(wù)相結(jié)合，而不是僅對著一個技術(shù)的指標(biāo)去提升。
第二，轉(zhuǎn)型一定是頂層設(shè)計出發(fā)，企業(yè)CEO要成為智能化轉(zhuǎn)型的引領(lǐng)者。老板想不清楚，下面的人是更不可能想得清楚的。當(dāng)行業(yè)過去的龍頭要進(jìn)入新的產(chǎn)業(yè)的時候，誰能夠率先地利用更符合未來的管理體系和管理思路，誰就在未來的競爭當(dāng)中更能夠占據(jù)優(yōu)勢。
現(xiàn)在大家都面臨著管理上的問題。新的組織，簡單來說，需要三方力量的協(xié)調(diào)：企業(yè)CEO、業(yè)務(wù)團(tuán)隊、科技團(tuán)隊。
其中，CEO起到了引領(lǐng)者角色。因為變革始終需要領(lǐng)袖，而這個變革的領(lǐng)袖只能由CEO來擔(dān)任。
企業(yè)AI智能化轉(zhuǎn)型的第二個關(guān)鍵角色，就是CAIO（首席人工智能官）。CAIO體系下產(chǎn)生了新的業(yè)務(wù)技術(shù)組織：
首先由CEO來決定什么叫質(zhì)變，然后CAIO、業(yè)務(wù)負(fù)責(zé)人和CTO形成三元組，這就是一個企業(yè)的智能化轉(zhuǎn)型的作戰(zhàn)指揮部。
對細(xì)分業(yè)務(wù)來講，每個企業(yè)其實都有不同的北極星指標(biāo)，所有的指標(biāo)都有一個特點，它可能不是100%準(zhǔn)確的，但一定要是100%可量化的，這是一個非常關(guān)鍵的點。因此我們對于新的組織，應(yīng)該關(guān)注它的迭代過程。
AI的特性之一，就是它可以永續(xù)迭代。未來的創(chuàng)新應(yīng)該是Top-down（自上而下的）的——根據(jù)質(zhì)變的目標(biāo)，定下北極星指標(biāo)，拆解成若干個要素，這些確定之后再去執(zhí)行，繼而不斷優(yōu)化。
所以傳統(tǒng)的技術(shù)組織和新的技術(shù)組織，一個本質(zhì)的區(qū)別，對于傳統(tǒng)的技術(shù)組織來講，技術(shù)的最高負(fù)責(zé)人很難做到對業(yè)務(wù)目標(biāo)的拆解，他不百分百了解某個業(yè)務(wù)是怎么做成的。于是，就先規(guī)劃再實施，借助一些外部的力量或者內(nèi)部力量，但難點就在于在今天不斷變化的情況下，規(guī)劃很難做到盡善盡美。
另一個問題，傳統(tǒng)技術(shù)組織研究最大的重點就是這個設(shè)計對不對，總是要經(jīng)歷一輪、二輪、三輪等重重論證，但企業(yè)內(nèi)外同時也在一直發(fā)展變化。
新的技術(shù)組織是什么樣的呢？首先，它把整個企業(yè)的治理也變成一個機(jī)器學(xué)習(xí)模型。制定具體業(yè)務(wù)，其實就類似于設(shè)置一些參數(shù)，而后續(xù)迭代的過程，其實也是模型本身迭代優(yōu)化的過程。所以整個企業(yè)的治理也變成了一個自我迭代的模型。
第二，它的核心就是在實施當(dāng)中不斷地進(jìn)行優(yōu)化，其中最核心的點就是不斷優(yōu)化目標(biāo)，所以CEO在頂層設(shè)計里面對質(zhì)變的定義特別重要。
第三，研究的重點是組織迭代的效率夠不夠高，而非設(shè)計的絕對正確。關(guān)鍵是要看進(jìn)化的速度是不是夠快，只要進(jìn)化的速度比別人快，到最后就能夠取得勝利。
企業(yè)智能化轉(zhuǎn)型實施中存在三個瓶頸——數(shù)據(jù)、算力、人才，在新系統(tǒng)下，讓三者形成合力，再通過AutoML技術(shù)（Automated Machine Learning 自動機(jī)器學(xué)習(xí)）來降低門檻。
數(shù)據(jù)。數(shù)據(jù)治理過程中，通常關(guān)鍵的問題就是：某環(huán)節(jié)數(shù)據(jù)缺失，或者整個過程沒有形成一個閉環(huán)，一個閉環(huán)的過程應(yīng)該包括行為數(shù)據(jù)、反饋數(shù)據(jù)、模型訓(xùn)練和模型應(yīng)用。行為數(shù)據(jù)和反饋數(shù)據(jù)，屬于業(yè)務(wù)的事情，比如在個性化資訊推薦中，不但需要知道哪些新聞推送了哪些用戶，還要知道用戶的反饋，比如是否點擊；模型訓(xùn)練和模型應(yīng)用，則是技術(shù)團(tuán)隊的事情。
數(shù)據(jù)治理是要有靈魂的，是要跟業(yè)務(wù)密切相關(guān)的。新的架構(gòu)需要以業(yè)務(wù)為核心，形成完整的數(shù)據(jù)閉環(huán)，實現(xiàn)持續(xù)治理。
算力。算力是最容易被忽視的，它最核心的特點就是貴。當(dāng)你真正把人的決策讓AI輔助之后，會有海量計算，如果系統(tǒng)架構(gòu)或者選型設(shè)計不好的話，在算力上花的錢可能比招聘一個人還要貴。
所以，需要注意兩個點：一、目標(biāo)對不對，不要出現(xiàn)花了大量的錢，最后沒得到應(yīng)有的結(jié)果。二、就算力本身來講，架構(gòu)其實是特別重要的。從算法的認(rèn)知定義算力系統(tǒng)架構(gòu)，最后形成軟硬結(jié)合的軟硬一體化結(jié)構(gòu)。
人才。轉(zhuǎn)型過程中處處需要人，比如，算法科學(xué)家、CIO、CAIO等各種各樣的人才，同時人才也要有業(yè)務(wù)know-how。
AI介入企業(yè)智能化轉(zhuǎn)型這件事情，其實不在于某個算法怎么做，那只是整個漫長過程當(dāng)中的一小點。優(yōu)質(zhì)的AI人才需要懂算法、懂?dāng)?shù)據(jù)工程，還要懂業(yè)務(wù)。培養(yǎng)一個優(yōu)質(zhì)的AI人才，貴且慢。新工具可以解決的問題是：把算法的部分交給AutoML（一種讓AI設(shè)計AI的算法，可解決算法科學(xué)家稀缺的問題）；把數(shù)據(jù)工程的部分交給企業(yè)級的AI操作系統(tǒng)，這樣原有的業(yè)務(wù)人員就也能開發(fā)AI應(yīng)用了，人才的瓶頸就解決了。
聯(lián)系客服
