我一向关注业务战略和数字技术的融合趋势，如今看到商业思维发挥互补作用，深感欣喜。这一感触来自 1 月 6 日面世的《人工智能时代的竞争》一书。该书的作者十分欣赏去年 9 月份出版的《Designed for Digital》（《数字化设计》）或许两书的作者应该彻夜长谈，深入交流。
在《人工智能时代的竞争》中，作者 Marco Iansiti 和 Karim Lakhani 深入探讨了数据和人工智能 (AI) 在推动数字未来方面的作用，并进一步补充和论证了《Designed for Digital》中的观点。
人工智能时代的竞争
Marco 和 Karim 认为 AI 已经成为执行业务的通用引擎。因此，对于那些希望持续创造辉煌的企业来说，AI 现在就是运营模式的核心。AI 不仅对公司任务执行方式的影响越来越大，而且正改变公司的竞争方式。
与 Jeanne Ross、Cynthia Beath 和 Martin Mocker 的数字平台概念（参见《Designed for Digital》）一样，Marco 和 Karim 提出了数字化运营模式。如今，虽然运营系统由人们来设计，但真正实时工作的却是计算机。因此，AI 被视为重塑公司运营基础的重要支柱。在作者看来，是它成就了数字化的规模、范围和学习方式。那些成功建立数字运营模式的企业，可以消除制约增长的根深蒂固的因素，改变数百年来的落后竞争模式。与此同时，哈佛商学院教授 Michael Porter 在经典商业著作《竞争战略》中提出的“准入门槛”也变得越来越无关紧要。
网络和算法已渗透到数字公司的每一个角落，所到之处都会掀起一场变革产业和经济运作方式的浪潮，包括改变竞争。Geoffrey Moore 在《Zone to Win》”中指出：“商业模式的颠覆是许多企业开始翻车的原因，柯达就是一个很好的例子。老牌企业都不愿意改变自己的商业模式。”Marco 和 Karim 认为，复杂性将成为压垮传统组织的最后一根稻草。简言之，复杂性会增加运营成本，降低服务水平，导致传统组织难以与数字变革者相抗衡。
鉴于此，作者认为传统组织现在是时候转向数字运营模式了，应该充分利用数字规模、数字范围和数字学习。值得注意的是，《Designed for Digital》的作者认为，数字化转型应该与社交、移动、分析、云和物联网技术的发展齐头并进。但是两本书的作者一致认为，成功者都敢于摸索、勇于试错，不断探索新的数字价值简言之，企业的当务之急就是搞清楚如何使用 AI 和其他数字技术重塑现有产品和服务。
重新思考企业性质
Marco 和 Karim 重点指出，AI 将会导致人们重新思考企业性质和规模化的概念。他们以蚂蚁金服为例，指出虽然它只有数千名员工，但用户从 1000 万飙升到 7 亿，原因就在于他们使用了集成平台，该平台使用 AI 来进行应用处理、欺诈检测、信用评分和贷款资格评定。一切都是自动化的。相比之下，规模更大的摩根大通在全球拥有 25 万名员工，在线客户却只有 8200 万。Ant 和 SoCal 等美国原生数字金融科技公司正在利用数字运营模式来推动金融服务行业的转型。Marco 和 Karim 认为，从长远来看，变革者将会与业内老牌企业发生冲突。
重要的是，数字化正在创造一种新型商业模式 — 一种企业创造和获取价值的新途径。确切地说，价值创造应围绕客户需求和问题展开。Marco 和 Karim 认为，运营模式将会随着商业模式的变化而变化，从而彻底改变企业为客户提供价值的方式。Jeanne Ross 曾在 《Enterprise Architecture as Strategy》中提出了一种旨在满足各业务部门期望和标准化要求的运营模式。根据这一运营模式，企业架构为业务流程和 IT 基础设施提供组织逻辑，实则反映了公司运营模式的要求。从业务孤岛到标准化技术架构到优化的核心再到业务模块化，运营模式的成熟度不断提升。
要想将 AI 应用到商业模式思维和运营模式中，就需要考虑数据对各种功能的驱动力，包括个性化、收入优化、建议以及复杂的分析等，从而了解潜在新产品和服务所创造的价值。此外，企业还需要通过反复地试错了解新功能和数字产品带来的机遇和风险，从而最终改变创造、捕获和交付价值的方式。
提供AI数字运营模式
所谓建立数字运营模式，就是要在用户参与、数据收集、算法设计、预测和改进之间建立一个良性循环。但是，一切都始于数据。业务主管、首席信息官、首席开发官和企业架构师需要考虑预测结果的准确性和影响，并创建一个促进学习和预测的系统，从而打造出 Marco 和 Karim 在书中所称的 AI 工厂。AI 工厂有四个要素。我们来详细看一下：
（1）数据管道（以系统、可持续和可扩展的方式收集、输入、清理、集成、处理和保护数据）
（2）算法开发（生成关于未来状态或活动的预测）
（3）实验平台（通过该机制对有关新预测或决策算法的假设进行测试，以确保更改建议产生预期的效果）
（4）软件基础设施（嵌入到一致且组件化的软件计算基础设施的管道中）
Marco 和 Karim 均认为，数据平台始于数据管道的建立，一流的数据平台通过基于 API 发布和订阅模式的数据为 AI 工厂赋能。这一平台的目的是确保数据干净、一致并可供应用使用，因此应该建立一个“数据超市”。在数据平台中，数据可以通过一致的接口进行汇总、清理、提炼、处理和提供。他们认为，从用户、供应商、合作伙伴和员工那里捕获的大量数据具有重大价值，因此不应临时存储到某个位置。数据治理和保护不应缺位。同时，他们建议组织建立一个安全的中心系统，仔细进行数据保护和治理、适当平衡访问与安全性、盘点资产并为所有用户提供必要的保护。
AI方法
拥有海量数据的 AI 工厂可以专注于算法开发。那么，有哪些不同的方法？
01监督式学习
监督式学习的目的是尽可能接近人类专家或公认的真理来源。此处的数据输入使用既定结果进行标记。监督式学习中的机器学习系统依赖于专家标记的结果和潜在特征或特性数据集。因此，它的第一步就是创建或获取带有标记的数据集，然后对数据进行训练，并使用验证数据集测试模型的准确性，确定是否存在可接受的错误率。重要的是，不要为了成功而过度触发算法。
那么实践中有哪些监督式学习的例子？我们来看两个典型例子，Facebook 能够为可能出现在新上传的图片中的朋友推荐姓名。Nest 可以随着时间变化自动调节客厅的温度。
02无监督学习
无监督学习只需预先提供很少的概念或假设即可从数据中获取洞察。无监督学习分为 3 种类型：1）数据聚类分析；2）关联规则挖掘（根据购物者购物车中当前的商品，推荐其可能希望购买的其他产品）；3）异常检测。无监督学习旨在寻找数据中的自然联系。
我们来看一下无监督学习的实践应用。Netflix 在分析观看数据时使用无监督学习来挖掘相关客户群。各行各业的公司都可以采用这种方式来寻找客户流失的原因。此外，Amazon 也是我最喜欢引用的一个例子，该公司发现很多人在买尿布的同时也可能会买酒。有趣的是，当我的孩子还很小的时候，我和妻子都会在傍晚时分一边喝酒一边发牢骚。
03强化学习
强化学习只需要一个起点和表现函数即可，期间需要对探索 (exploration) 和利用 (exploitation) 进行权衡。Netflix 使用这种 AI 方法来确定要呈现的精选影片和配套图片，从而最大限度地提高推荐影片的命中率。
重建公司架构
Marco 和 Karim 讨论了 Bezos 的备忘录，该备忘录要求所有团队通过标准化服务接口提供其数据和功能。显然，数字公司需要一个高度模块化的集成式数字基础平台。他们的运营模式架构允许使用软件、数据和 AI 的集成核心来构建新型组织。在这种情况下，组织和系统是相互映射的。作者在此引用了 Melvin Conway 的言论，即组织受制于可反映组织现行通信模式的设计系统。
对于许多企业而言，如果打破他们过去通过与现有客户的联系而建立的架构惯性，他们便无法有效地响应颠覆性变革。由于组织通常在执行任务时遵守一定的规律，他们会开发能够相互加强的例行程序和系统，从而确保任务流程的一致性。企业确定好人员和流程后，实施数字化转型还需要解决业务可扩展性和范围方面的局限性，包括一些面条式代码或同一代码的多个版本。作者认为，这可以帮助公司重塑自我，从由人力驱动变成由代码驱动。
在重构公司的过程中，必须消除职能孤岛，并建立数字化运营模式。数字化运营模式应充分释放数字技术的潜力，其中包括释放数据、AL/ML、API 及敏捷团队的巨大潜力。Marco 和 Karim 认为，小型、敏捷的团队配备数据科学、工程设计和产品管理，以及敏捷的流程和数字化运营架构，将成为创造未来的主力军。Forrester 颠覆性创新副总裁 James Staten 同意这一观点，并指出：“Forrester 的指导原则是，领导者不应该只是组建专门的创新团队，还需要增强整个公司（和整个生态系统）的创新思维能力，只有这样才能孕育出各种创意想法。必须打造一个创新组合，不仅限于战术上的数字化转型措施，也不只是对进入他们市场的其他数字颠覆者做出回应，而是要利用产品创新，使自己成为市场颠覆者。是的，创新团队应该与战略团队分开。他们应该与战略团队的目标保持一致，确保创新计划的重点是帮助实现公司战略目标，同时制定符合未来客户需求和提升公司市场吸引力的举措（这些举措会往往超出战略范畴）。这一点很重要，因为公司的战略常常只专注现有服务和产品。”
Marco 和 Karim 还认为，应该将数据集中起来，让拥有某种假设的几乎所有人都能够进行实时实验，并根据实验结果实施有效变革。同时他们表示，数字化运营模式应推动软件和算法的模块化和重复利用。在数字化运营模式下，员工不交付产品或服务，而是设计和监督软件自动化、算法驱动型数字化组织，实现产品交付。实现完全数字化后，流程可轻松融入合作伙伴和提供商的外部网络，甚至是外部个人社区，从而提供更多互补性价值。重要的是，随着规模的不断扩大，组织积累的数据越来越多，算法的能力也日益增强，因此可以创造更高的价值，扩大用例范围，进而生成更多数据。在 AI 赋能的运营模式下，管理人员可以变成设计人员，不断设计、完善和控制数字系统，进而及时感知客户需求并交付价值。
运营模式转型阶段
作者提出了一个组织走向成熟的过程。显然，这一设想始于麻省理工学院信息系统研究中心的发现结果，即 51% 的传统企业面临数据孤岛问题。接下来，组织通过开展试点，展示基于分析所作决策的价值，很容易证明前进之路是正确的。根据这些结果，作者认为，组织可以创建数据中心，向前迈出一大步。在这过程中，需要他们重构组织，将大量孤岛式数据源的数据整合起来，并从中识别整个公司的发展机遇。采用明确、单一的事实来源对于指导市场机会、定价、规划和组织优化等方面的决策制定至关重要。
最后一步是建立 AI 工厂。开发 AI 标准运营模式投资巨大，其中包括集中化的数据、强大的算法和可重复利用的软件组件。麻省理工学院信息系统研究中心研究发现，全球 74% 的公司正在按照作者的这一构想构建数字平台，以将数据孤岛转变为数据中心，进而转变为 AI 工厂。
作者认为，战略是成功的关键。能否获得竞争优势，更多地取决于能否塑造和控制 AI 网络，以及能否通过这些网络达成各种交易。注重业务联系、将数据聚合到各项业务之间，以及通过强大的算法提取价值的企业将会获得极大的竞争优势。公司将会通过数字化运营模式获得成功。
作者认为必须遵循五个原则，才能真正实现数字化转型：
·制定战略
· 架构清晰
· 以产品为中心的敏捷组织
· 能力基础
· 清晰的多学科治理
立即行动
Marco 和 Karim 称，AI 已经跨越了拐点，现在是时候做出响应了。在数字时代，运营规则已经发生了变化，不是局部变化，而是系统变化。随着数字变革引擎的扩散，这种变化将波及所有行业。能力将日渐趋平和普及。同时，随着数字公司从受限运营转向无摩擦运营，传统行业的界限正在消失。遗憾的是，作者认为，数字化进程将导致行业萎缩，并带来更多的不平等。
在那些成功的公司，转型自上而下地进行，先是公司高层，然后是积极进取的创新团队。最棘手的工作是组织变革和架构转换，其中包括培养相应的技能、能力和文化，以推动形成数字化运营模式。正如《数字化设计》的作者所言，传统企业的难题在于如何将文化、洞察和能力融合起来，将一家成功的前数字化公司转变为敏捷、创新的数字化公司。确定转型意愿后，约 3/4 的传统企业就必须处理数据孤岛，或者面对公司业务连接松散的事实。实际上，大多数传统企业都无法跨越数字鸿沟。最后，尽管 AI 能够为实现新的业务价值创造机会，但公司只有重新设计运营系统、流程和角色，并重新定义价值主张，才能真正实现业务价值。
结语
很少有两本书能像《人工智能时代的竞争》和《数字化设计》这样相辅相成。实际上，数字化变革不仅将造成行业洗牌，还将决定谁会获得竞争优势。成功的新法宝就藏在数字化规模、数字化范围和数字化学习之中。公司只有融合这些技术，才能跨越鸿沟，快速发展。但与此同时，正如克劳斯•施瓦布几年前所指出的那样，“未来十年或二十年，美国 47% 的就业人口可能面临失业风险”（《第四次工业革命》，2016 年世界经济论坛，第 38 页），政府必须采取行动，也许还需要提出生活工资的概念。
如欲更多地了解 The Open Group 发布的作品，请参阅：
The Open Group® DPBoK™ 个人认证计划
The Open Group发布《The Open Group 敏捷架构框架™ 标准草案》
The Open Group 正式发布《数字时代的敏捷架构》
The Open Group 2020 年度峰会将于 2020 年 1 月 27-30 日在圣安东尼奥市举办，敬请期待！
根据 LeadTails，Myles.Suer 在首席信息官影响力排行榜上位居第九。他是 CIOChat 的主持人，聊天对象包括来自银行、保险、教育和政府等全球各个行业的高管。Suer 先生还在 CIO.com (The Adaptive CIO) 上开设了每周专栏，并在 ComputerWorld、Innovation Enterprise 和 COBIT Focus 上发表过文章。他发表了关于 COBIT 的《使用 COBIT 5 进行信息和数据治理》。他正在为发表在《首席信息官杂志》的 Jeanne Ross 的新书《数字化设计》撰写评论。
