我今天要跟大家分享我的一些思考，先從一個實際案例開始。我有一個朋友在保險行業工作，也是做人工智能相關的工作。他們有一個人工智能團隊，但不是特別大，大概有幾十人，其中有20多人做自然語言處理，主要用在智能客服方面。狹義的人工智能包括語音和圖像，企業搭建人工智能團隊無外乎這兩方面的能力，要么是圖像，要么是語音，還有相關的機器學習團隊。這兩個方面都不好招人，于是他們就招聘了自然語言處理方面的人才專門做在線智能客服。后來我問他一個問題，為什么考慮選自然語言處理？他其實也沒有想得特別明白。

從這個案例看，投入20多人做在線客服對不對？是不是也存在一些問題？從給企業帶來價值的這個角度看，我今天給大家分享的是，AI不僅是一個技術點，從整個企業生態來看，應該怎樣布局AI？如何協助企業實現真正的數字化轉型，能夠幫助企業提效降本和提升客戶體驗？如何從一個更系統的視角去看A I技術的價值？我想如果大家都從這些角度去看A I的價值，我相信您去跟企業的董事長溝通的時候，可能會更加有效，而不是一上來就談智能客服，或者通過圖像識別幫企業識別安全問題等。

麥肯錫曾經做過一次調查，在2016年麥肯錫面向企業高管做的一次調查中提出，目前人工智能技術是不是企業高管層面的重要議題？

基本上有一半企業高管認為是重要的，但是有一半高管認為進展特別緩慢，都知道這個東西重要，但是不知道怎么弄。包括我剛才提到那個案例，很多企業不缺錢，但是要趕時髦建一個人工智能團隊，卻沒有想清楚哪些方面能用。

對于傳統企業來說，是不是要用人工智能已經不是他們要回答的問題，問題是，人工智能要怎么用。為了解決這個問題，我建議企業領導在制定人工智能戰略時需關注三個方面，這樣才能很好地去回答，AI究竟在傳統行業的數字化轉型中能起到什么樣的作用。

第一方面是價值規劃。從價值規劃來看，首先要研究一下目前你所處的行業有哪些潛在的好的應用。其次，長短結合，不能跟老板說我要建一個A I團隊做自然語言處理，要兩三年才能見效，其實任何一個企業的老板都希望能夠立竿見影，不能是按年規劃，至少得按半年規劃，半年能有產出，所以必須長短結合。再次，從這個規劃來看，未來3～5年內除了內部賦能以外，有沒有可能通過人工智能技術讓企業進入新的行業，產生新的商業模式？這個值得我們去思考。

第二方面是產品和技術的組合。應該規劃什么樣的產品？技術的邊界是什么？因為你不可能像百度或者是像Fac e++那樣，大規模地投入做人臉識別或者自然語言處理。技術邊界在哪里，這個要考慮清楚。

第三方面就是團隊和組織架構。從AI的三層架構看分為基礎層、技術層和應用層。哪些方面如果長期投入是不是就會產生企業的核心競爭力呢？這個值得去研究，不同的行業不一樣，大部分企業不會在基礎層做大規模投入。

大部分的傳統行業都會在應用層去做大規模的投入，少數的傳統企業可能會在技術層和基礎層去投入，所以我個人的建議是在跟行業緊密關聯的應用層做大規模投入，而且是要在短期和長期都有比較好的規劃，投入的同時還要看政府政策是不是支持。

我們做好規劃以后，產品和技術組合是什么？我舉個例子，企業的不同業務部門代表了不同的業務線，你要研究的是這些業務要成功，其關鍵因素是什么？怎樣快速提升市場占有率？怎樣快速提升資金周轉率？比如地產行業都流行一個資金周轉率和產品質量保證。從這個角度再反過來思考A I產品該如何投入，就可以跟老板說清楚A I的價值，比如你的投資決策系統能不能快速地幫地產企業拿地？怎么通過A I技術拿地？進入哪個城市？這個城市是不是值得進入？進入以后拿哪個板塊的地？很多開發商拿地蓋樓卻賣不出去，原因是什么？所以這是非常重要的一個思考。能不能通過機器學習的手段，通過AI的手段去取代人的設計工作？這個是值得我們去研究的。

今天只是舉了一些例子，希望大家去思考AI投入的時候，一定要從業務和成功的關鍵要素去看A I投入起到了什么作用，想清楚以后再看每個產品背后所依賴的技術是怎樣的。什么樣的產品容易成功？其中有三方面比較重要，第一方面是數據。要考慮有沒有數據？數據多不多？或者是數據可不可獲取？如果現在沒有，能不能通過新的手段獲取到？第二方面是容錯。如果A I推薦錯了、算法錯了會不會導致比較大的問題？比如說自動駕駛犯錯了，犯錯成本非常高。所以最好選犯錯成本不太高的場景。

第三方面是生產力，要研究企業里哪些環節是人力重復勞動比較多的，如果去掉這個重復勞動是不是有可能明顯提高生產力？這三方面值得去思考。