当前位置:刘伯温预言 > 认知 >

达文波特:如何看待认知战略决定了你能走多远

  人工智能和认知技术正方兴未艾,但还很少有公司能从这方面的投资中获得价值。

  原因在于:公司推行的许多项目并未瞄准重大商业问题或商业机会。有些项目野心太大——技术还不成熟,或者所需要的组织变革太大。

  简而言之,这些公司并没有制定针对认知技术的战略。它们需要对认知战略的目的、目标和关键要素有更深刻的把握。

  公司该如何应用认知技术,取决于公司战略的具体细节。目标不是要提出一个新的业务战略,而是要设计与现有业务目标相符、基于充分信息的行动方案。

  认知技术可以创造出推动营收增长的新产品,会带来客户个性化程度的提升,还能大量用于流程优化。

  认知战略的关键要素则包括:内容、技术组件、人才、变革管理以及宏伟目标等。

  拥有专属内容的公司,无论其拥有的是数据还是知识,都应该想办法在它们的产品和流程,以及认知系统中,纳入这些内容。

  这需要寻找或创建一个“知识图谱”。谷歌公司首先提出了知识图谱的想法,当时它开始收集数十亿条关于互联网搜索的事实,并在图表上绘出它们之间的相互关联。

  对于有关核心客户、产品或专有流程的信息,公司应该将其视作宝贵的企业资产,自行寻找增值途径,不轻易转让其内容所有权和使用权。

  例如,一家制药公司可能希望拥有与药物开发相关的内容和模型,可是对临床试验流程的知识图谱就没那么大兴趣,后者通常都是外包出去的。

  除了选择特定技术之外,企业还需要决定,是自建还是外购这些能力,是使用专有软件还是开源软件,是使用单一供应商的工具,还是使用每一类别中的最佳工具,以及是使用独立的应用程序,还是宽广的平台。

  这里不存在所谓的正确答案,而只有与组织能力、业务战略和整体认知战略相符的决策。

  如果组织拥有庞大且瞬息万变的结构化客户数据,那么机器学习可能会为它提供关于客户偏好的洞察;如果组织需要的是识别和整理非结构化信息(如声音和图像),那么深度学习神经网络会做得更好。

  例如,自20世纪80年代起,宝洁公司和美国运通公司就开始涉足人工智能领域。它们有能力开发自己的认知应用程序,并且利用各种开源工具,协作开发解决方案。

  如果公司没有内部专业人才,可以与分析师专家、IT专业人士和数据科学家们合作。

  对于任何尝试开展认知行动的组织来说,一个关键问题是:如何找到能做这项工作的人才?在确定合适的人才策略时,要做的选择与对技术本身的选择大致相同:你应该购买、自己培养还是租用?

  为了“购买”人才,你可能需要选址在一座拥有大量科技人才的城市,并且打算提供有吸引力的薪酬、股票期权和福利。

  思科公司在给员工提供有关数据科学和认知技能的培训和再培训方面,拥有多年经验。它为前途无量的数据科学家提供远程学习计划,培养了数百位为公司工作的数据科学家。

  第三个选择是“租用”那些为咨询公司工作的人,他们已经接受了如何使用认知应用程序的培训。

  不管你选择的是哪一种人才策略,都不妨先为最终制定战略决策的高管提供管理培训项目。

  认知技术经常涉及知识的管理或应用,这些项目可能对知识工作者构成极大威胁,打消他们的担忧是至关重要的。

  阐释认知技术会怎样改善现状,比如大幅度提升产能,或完成以前不可能完成的任务,将有助于组织在转型过程中赢得员工支持。

  以医学造影为例,基于认知技术的造影系统,可以帮助检测潜伏期癌症,做出比人类放射科医师更准确、更可靠的诊断。然而,新系统并没有取代放射科医师,也不可能很快做到这一点。

  最后是你应该有多大雄心的问题。有一些组织制订了野心勃勃的计划,可能会改变整个游戏规则。

  而另一些组织则选择了比较保守的目标——引入智能客服作为试验性的新渠道,或对一系列任务实行自动化。

  雄心究竟应该有多大,这个问题并没有正确的答案。话虽如此,目前还很少见到有组织成功利用认知技术带来了根本性的变革,但有许多组织成功摘到了“低处的果实”。

  雄心勃勃的项目最适合这种情况:技术已得到验证,组织已成功实施了由信息技术驱动的大规模转型,高管们也全体支持认知计划。

  对于大多数公司来说,最好是在同一个一般性领域(比如改善客户关系)中开发更为稳健的一系列应用,合在一起,它们就有可能对业务产生实质性影响。这样每个要素的风险都相对较低,公司则有时间轻松进入转型期。

  近年来,美国的MD安德森癌症中心在组织的不同部门中同时推行了两种做法,取得了不同的结果。

  2012年,该组织启动了一个名为“moonshot”(疯狂的想法)的创新项目。2017年,在投资逾6000万美元后,医院终止了这个项目。因为它还无法成功地治疗病人,而且也根本无法整合进医院的电子病历系统。

  同一时期,MD安德森IT部门的一个小组在日常性任务中应用了认知技术。其中包括为患者家属提供食宿方面的建议,判断哪些病人在账单支付方面需要协助,并且推出了一个自动化的“认知咨询台”,回答员工的IT问题。

  另一个小组则使用机器学习,对特定基因组患者的癌症治疗方案进行分析。这些项目已经取得了成功。

  认知技术并非一时的风尚。在许多管理者看来,它是最具颠覆性的技术。投资者们看来也认同这一点。领导者有必要为他们的认知战略打好基础,并且开始实施认知技术,否则就有被甩在后面的风险。

  作者简介:托马斯·达文波特(Thomas H. Davenport),百森学院信息技术与管理学总统杰出奖教授,同时也是麻省理工学院数字经济项目研究员,德勤分析公司高级顾问。

  维克拉姆·马希达尔(Vikram Mahidhar),Genpact公司人工智能业务负责人,该公司位于纽约,专注于提供数字化转型方面的专业服务。

  © 世界经理人:自1999年创立以来,世界经理人网站(致力于引导职业经理人实现卓越管理,以专业的形象为经理人用户全方位提供最佳管理资讯服务和互动平台。

  现今机器学习模型愈发复杂,新风险丛生。合理调整传统风险管理模式下的验证框架,可更好地管理模型,降低风险。

  大多数企业在选拔高潜人才时存在一个典型误区:认为高绩效员工等于高潜人才。Too young too simple!

  大佬们认为机器学习已经到了瓶颈期,但另一部分大佬却说业界太多伪科学,到底怎么回事?

http://albacheval.com/renzhi/356.html
点击次数:??更新时间2019-07-07??【打印此页】??【关闭
  • Copyright © 2002-2017 DEDECMS. 织梦科技 版权所有  
  • 点击这里给我发消息
在线交流 
客服咨询
【我们的专业】
【效果的保证】
【百度百科】
【因为有我】
【所以精彩】