AI战略：更好的人类体验与企业成功框架

纯阳书评（公众号:纯阳书评／微信号:chimbusco88）第379期    成熟的AI应用还没有多少，但是有关AI的书籍却已经不少，书是不少，但是好书却是稀少。不少AI书籍充其量只是科普读物，最多能让普通大众管窥一下AI大概是什么样子；还有一些AI书籍纯粹是科学畅想，读起来挺热闹，可惜除了能帮助读者打开想象空间之外，剩下的也只有热闹。除了几本经典教材和讲技术原理及算法的好书外，目前能看到的好书可能就是这一本。 这本书是写给老板的。作者有两点洞察，一是AI是可以改变游戏规则的技术，必将帮助领先企业获得新的竞争优势，所以企业引入AI技术从发展趋势上来讲是一种必然。二是企业引入AI绝不仅仅是采购一种新的工具那么简单，而是要在引入AI的同时就要着手培养孕育一种基于AI的能力，而这种能力的培养显然是典型的企业战略问题。 既然AI是企业必须做的一项战略级任务，那么老板就有必要亲自抓，但是问题来了，老板不懂AI怎么办？尤其关键的是AI到底有哪些潜力？能给企业带来什么价值？具体该怎么抓？抓哪些方面？难点和关键点在哪里？显然老板们需要一盏有关AI的指路明灯，一张指向AI的进击路线图。 而这本书就是这样一盏灯，这样一张图。所以本书最大的看点就是作者为老板们量身打造的一个一揽子解决以上问题的AIPB框架。 这个AIPB框架来自于作者多年的从业经验和行业洞察，强调以老板的高层视角去理解AI的价值，以企业发展和技术趋势的高度去把握AI的愿景、AI的战略，并以管理者的思维去规划AI的实现路线图。框架包括三个部分，分别是北极星、利益和四个范畴。“北极星”其实就是总目标，作者强调AI要以造福人与企业为总的价值取向。“利益”则是强调利益相关者对AI要形成共同愿景和理解。 前两部分貌似有点虚，其实不然，AI到底会不会、该不该伤害人类一直是有关AI的一个热点问题，作者旗帜鲜明的提出AI要造福人与企业，一方面是在表达自己的观点，另一方面是在提醒推行AI战略的老板。而第二部分利益相关者要对AI形成共同愿景和理解，这一点的重要性是经历过企业变革阵痛的人才能真正认识到的。 第三部分包括四个范畴，分别是专家、评估、方法和输出。四个范畴都涉及到了AI的落地，虽说老板不需要亲自抓落地，但是老板一定要清楚落地之路上的关键点。这四个范畴就是作者为老板梳理出来的AI战略四大关键环节，老板要通过“专家”范畴，搞清楚需要哪些人才，需要这些人才具备什么样的专业知识和技能，去哪里找到这些人才；要通过“评估”范畴搞清楚落地AI需要企业准备什么，衡量什么，考虑什么；要通过“方法”范畴搞清楚落地AI到底需要经历哪些步骤，用什么方法完成这些阶段的工作；要通过“输出”范畴搞清楚在不同环节应该得到哪些关键成果，获得什么。落地AI充满着不确定性，但是AIPB却是一个确定的框架，所以作者的思路其实就是通过方法上的确定性，对抗过程和结果上的不确定性，并通过这种对抗的探索和探索的对抗，提高AI落地的胜算。 这个AIPB框架其实不只可以企业落地AI，其实还是一个通用的企业战略级任务的工作方法论，所以从这个意义上来说，即使老板们暂时还不准备落地AI，也可以从这套方法论中获得有益启发。 最后说一点不足，作者有关产品方法论的内容有点太多了，感觉有点喧宾夺主，删一删就好了，必将主线更清晰，内容更清爽。

《AI战略：更好的人类体验与企业成功框架》拆解 作者：亚历克斯·卡斯特劳尼斯 一、一句话概括 成功的AI战略不应从“我们能用什么模型”出发，而应先明确为什么使用AI、要为哪些人创造什么价值，再根据组织准备度、数据、人才和风险设计可验证、可生产、可持续的实施路线。 二、核心逻辑 本书提出“人与企业的人工智能框架”，即AIPB框架，试图把AI技术、产品创新、人类体验与企业价值整合起来。 全书按照四个阶段展开： 1. 建立框架：理解AI、机器学习、数据与实际应用机会。2. 制订愿景：明确使用AI的原因、利益相关者目标和理想的人类体验。3. 制订战略：评估创新假设、AI准备度、成熟度、人才、数据、技术与风险。4. 面向未来：考虑AI对岗位、技能、领导力和长期社会发展的影响。 其核心路径是： 从“为什么”开始 → 明确服务对象与目标 → 设计有价值的体验 → 评估组织能力 → 测试关键假设 → 制订路线图 → 上线、度量并持续优化 三、核心内容 1. 许多AI项目失败，不是因为算法不够先进 企业容易被技术热潮推动，先购买工具、组建团队或宣布AI计划，再寻找可以解决的问题。 这种“技术先行”模式常导致： 项目没有明确业务目标；用户并不真正需要；数据不足或质量太差；原型无法进入生产环境；成本高于实际收益；利益相关者对结果期待不一致；项目上线后无人使用或维护。 AI项目的成功标准不应只是模型准确率，而是能否持续改善人的体验和企业结果。 2. AIPB框架把人和企业放在同一战略中 传统AI框架往往偏重数据、算法和工程流程，却较少讨论用户需求、组织目标和产品体验。 AIPB框架要求同时考虑两类价值： 人的价值：产品是否有用、易用、可信、公平，并真正改善体验；企业价值：是否提高收入、效率、质量、创新能力或风险控制。 如果项目只追求商业收益而损害用户，难以长期维持；如果只创造良好体验却没有可持续的企业模式，也很难持续投入。 3. AI战略必须从“为什么”开始 在决定模型、平台或供应商之前，组织首先要回答： 为什么这个问题值得解决？为什么需要AI，而不是普通软件或流程改进？成功会给用户和企业带来什么变化？如果什么都不做，会有什么后果？ “为什么”能够形成共同愿景，避免团队只围绕技术指标工作。 好的愿景不是“成为AI驱动企业”，而是描述希望为特定人群解决什么问题、创造什么体验和结果。 4. 利益相关者目标必须被明确区分 一个AI系统通常同时影响客户、用户、员工、管理者、合作伙伴、监管机构和社会公众。 不同角色的目标可能冲突。例如，企业希望提高自动化程度，员工关心岗位和工作压力，客户则关心便利、价格、隐私和申诉权。 制订愿景时，应明确： 谁直接使用系统；谁受到决策影响；谁提供数据；谁承担风险；谁负责最终结果；谁可能被系统排除或伤害。 AI战略不能只围绕采购者或管理层设计。 5. 好产品需要同时具备价值与满意体验 技术能够完成任务，并不等于产品成功。 优秀AI产品至少应做到： 解决重要问题；提供清晰、容易理解的体验；在关键情境下保持可靠；让用户知道系统能做什么、不能做什么；允许用户纠错、拒绝或转向人工；用实际结果证明其价值。 本书借鉴精益、敏捷和设计思维，强调先验证需求与风险，再逐步扩大投入，而不是一次性建设庞大系统。 6. AI应该创造更好的人类体验 AI可以通过个性化、预测、自然交互和自动化减少用户负担，但也可能带来失控感、不透明和被监视感。 设计AI体验时，应关注： 用户是否理解系统正在使用AI；个性化是否越过隐私边界；推荐是否限制了用户选择；自动决策能否得到解释；系统出错时是否容易修正；人工服务是否仍然可获得。 体验不只是界面是否好看，还包括信任、控制权、公平和情绪感受。 7. AI创新是一种需要实验验证的科学过程 AI项目存在大量不确定性：数据能否支持目标、模型是否足够准确、用户是否接受、业务价值是否成立。 因此，团队应把关键判断写成可以验证的假设，并通过小规模实验收集证据。 评估不应只测试技术可行性，还要验证： 问题是否真实存在；AI是否优于当前方法；输出质量是否达到使用门槛；用户是否会改变行为；解决方案是否具有经济价值；风险是否可以接受和控制。 实验的目的不是证明项目负责人正确，而是尽早发现错误方向。 8. 准备度决定企业现在能否开始 AI准备度关注组织是否具备启动项目的基本条件，通常涉及： 数据是否存在、可用并有权使用；是否拥有必要的技术基础设施；是否有数据、产品、工程和业务人才；管理层是否提供明确支持；是否有隐私、安全和合规机制；业务流程能否接纳AI输出。 准备度不足并不意味着永远不能做，而是说明应先弥补基础能力，而不是直接投入高风险项目。 9. 成熟度决定企业能否规模化 AI成熟度不是“做过几个模型”，而是组织能否稳定、重复地把AI从概念转化为生产价值。 较低成熟度的组织通常依赖少数个人和临时项目；较高成熟度的组织则建立了数据治理、模型部署、质量评估、监控、人才培养和跨部门协作机制。 成熟度评估的价值，是帮助企业识别当前状态与目标状态之间的差距，进而制定现实路线图，而不是盲目模仿技术领先企业。 10. 自建、外购或合作需要根据核心能力选择 企业不必把所有AI能力都自行开发。 选择自建时，应考虑技术是否构成核心竞争力、是否拥有独特数据和专业团队。选择外购时，应评估供应商能力、成本、集成难度、数据控制和长期锁定风险。 常见的合理模式是混合方案： 购买通用基础能力；在企业数据和流程层进行定制；对关键模型保留内部理解与控制；与专业伙伴共同完成高难度项目。 决定标准不是“哪种方式更先进”，而是哪种方式更符合战略、资源和风险要求。 11. 偏差、包容性与责任必须在早期设计 AI会从历史数据中学习，而历史数据可能包含不公平、遗漏和结构性偏差。 如果等到系统上线后才处理公平问题，修复成本会更高。团队应在目标、数据、特征、标签、评价指标和产品界面等环节持续检查： 哪些群体在数据中代表不足；模型错误是否集中伤害特定人群；自动化是否剥夺合理申诉机会；是否存在更公平的替代方案；谁对系统决定承担责任。 包容性不只是伦理要求，也会影响产品覆盖、品牌信任和法律风险。 12. 模型准确率不能代表全部质量 一个模型即使离线指标很好，仍可能在现实环境中失败。 AI质量还包括： 鲁棒性：面对异常输入是否稳定；公平性：不同人群的错误率是否合理；可解释性：重要决定能否被理解和审查；安全性：是否容易受到攻击或操纵；时效性：数据分布变化后是否仍然有效；可用性：用户是否能够正确使用；商业性：收益是否超过建设和维护成本。 成功度量需要把技术、用户、业务和风险指标组合起来。 13. 从原型到生产是AI项目的真正难关 在小数据集上训练出一个模型，只完成了AI项目的一部分。 生产环境还需要： 自动化数据处理；稳定的部署和扩展能力；版本与实验管理；模型及数据监控；漂移检测和重新训练；权限、安全和审计；故障回退机制；持续维护责任。 模型上线后，现实数据会变化，用户也会改变行为。没有维护机制的AI系统会逐渐失效。 14. 路线图应该按照价值、可行性和风险排序 组织不应同时启动大量AI项目，而应建立候选机会清单，再根据统一标准排序。 优先项目通常具备以下特点： 问题重要且高频；已有足够数据；结果容易验证；自动化失败的风险可控；能在较短时间内证明价值；可以为后续项目积累能力。 先从可控项目建立经验，再逐步进入复杂和高风险场景，比直接追求“改变整个行业”更可靠。 15. AI首先改变任务组合，而非瞬间消灭全部职业 AI通常会自动化岗位中的某些任务，同时增加新的监督、判断和协作任务。 未来更重要的能力包括： 定义问题和目标；识别数据与模型局限；与不同专业人员协作；验证AI输出；处理例外和高风险决定；持续学习新工具；承担伦理与业务责任。 企业不能只把AI视为削减人员的工具，还需要重新设计岗位、培训员工并管理转型预期。 四、本书最值得关注的核心观点 本书最值得关注的观点是： AI战略不是一份技术采购计划，而是一套让愿景、用户价值、企业目标和组织能力相互对齐的决策体系。 很多项目直接从模型选择开始，却没有回答最重要的问题：这个系统为什么值得建设，服务谁，成功是什么样，以及谁承担风险。 AIPB框架要求企业先明确人的体验和企业利益，再评估数据、人才、流程、技术与成熟度，最后决定哪些AI方案值得进入路线图。 换句话说，AI战略的重点不是“使用最多AI”，而是“只在合适的问题上，以负责任的方式使用AI”。 五、一段话总结 《AI战略：更好的人类体验与企业成功框架》提出AIPB框架，把人工智能项目从单纯的模型开发提升为愿景、产品、组织和生产体系的协同设计。企业应先从“为什么使用AI”开始，识别客户、用户、员工和监管者等利益相关者的不同目标，明确希望创造的人类体验与商业价值；随后评估数据、人才、技术、流程、治理等AI准备度和成熟度，通过小规模实验验证需求、技术、体验和经济假设，再按照价值、可行性与风险制定路线图。系统进入生产后，还必须持续监控质量、漂移、偏差、安全和实际业务结果。本书最重要的提醒是：AI成功不取决于模型是否最先进，而取决于组织是否选择了正确问题，并让技术能力、用户价值、企业目标和责任机制真正形成闭环。

五星！牛年第一本阅读就放在企业与AI上吧。本书是一本指导企业如何在AI中创新协同的极好书籍，写得精彩，译得精准。作者是企业AI项目资深权威实操者，译者是国内业界大咖，曾任CTO联盟执行主席。内容深刻但不晦涩，对于有前瞻认知AI、区块链、物联网当下和未来，及如何与企业战略协同，寻求创新框架从AI中获得最大价值，同时能趋利避害需求的企业，是一大幸事。 作者根据多年的从业经验，总结出了一套企业的AI创新策略框架，既AIPB。将企业愿景、发展战略与AI创新在AIPB中做了有效可指导企业实际操作的结合。书中第一部分为AIPB框架；二为制订AI愿景；三为制订AI战略；四为AI的前景。本书价值在于作者始终在AI探究和应用第一线，行业把握精准，加之译者丰富的实践经验，珠帘合璧。称本书是企业AI战略的玉烛宝典，不过分。

第一遍观看的一些快速记忆点： 1）AI人工智能，是机器学习的能力。现在的很多应用和模型都是弱人工智能，是没有办法达到人的智能水平。达到人的智能水平，是AGI通用人工智能。超过人的智能水平，是ASI超级人工智能，完全脱离人类控制。 2）当前的AI应用的场景和功能主要有，预测、推荐、搜索、模式识别、自然语言处理和输出对应语言、文字、图形、视频等。这些应用与企业效率，与个人效率，都有优化价值，有很多可以结合的地方。 3）当前的AI是对人的工作影响有两类，技术性替代和结构性替代，个人认为眼下主要还是结构性替代。一方面，当前的AI都是单线条单一领域的专长不具备多个领域的专长；另一方面，人类的硬能力（跟数字分析，代码）可以被替代，但软能力比如协同性、灵活性这些事不能被替代的； 4）企业的AI战略是一个一号位工程，要充分制定好北极星指标，明晰对企业的产品体验、企业管理提效价值，需要获得上到管理层，中到业务专家经理，以及具备AI数字产研设计等所有产运研体系的共同设计和运营落地，才能实现。 5）对企业和个人的机会点，结合当前AI的功能场景特性 与 产品/企业管理的迭代需求，梳理价值点，然后专项看什么模型可以具备直接应用，形成商业化产品或者行程知识类解决方案；

本书将探索人工智能项目的风险，关键性考虑因素，利弊权衡和在推动过程中可能遇到的问题。你将学会如何通过成功的人工智能解决方案和以人为中心的产品来创建更好的人类体验并助力企业成功。

如果你是一位高管、经理或者有兴趣在组织里利用人工智能的人，那么本书就是你的行动指南。通过阅读本书，你会准确地理解人工智能到底是什么，学会如何发现人工智能的机会，制订并执行成功的人工智能愿景和战略。Alex Castrounis从事业务咨询，曾任前印第赛车的工程师与策略师，他将和你一起研究人工智能的价值，并展示如何制订有益于人与企业的人工智能愿景和战略。 人工智能是令人兴奋、强而有力并且可以改变游戏规则的技术，但是失败的人工智能项目也不少。本书将探索人工智能项目的风险、关键性考虑因素、利弊权衡和在推动过程中可能遇到的问题。你将学会如何通过成功的人工智能解决方案和以人为中心的产品来创建更好的人类体验并助力企业成功。 利用本书的AIPB框架来进行目标驱动的端对端人工智能创新和价值创造。 为包括公司、客户和用户在内的利益相关者制订目标一致的人工智能愿景和战略。 通过聚焦诸如科学创新和人工智能准备度与成熟度，成功地利用人工智能技术。 理解高管的领导力在推动人工智能项目过程中的重要性。