如果运营模型定义了组织如何定位人员，流程和技术以实现客户价值，那么具（jù）有（yǒu）AI优先运营模型的公司（sī）就是那些优先使（shǐ）用AI以便将（jiāng）更多的（de）智（zhì）能和自（zì）动化编织（zhī）到公司的产（chǎn）品，流程，和经验。

在2020年7月（yuè）的（de）梅蒂（dì）斯（sī）战略数字（zì）研讨会上从100多个全球CIO收集（jí）的数据体现了（le）AI优先运营模式（shì）的（de）趋（qū）势：66%的CIO表示（shì）他们有团队专注于识别AI用（yòng）例，进行试点并（bìng）扩展可改（gǎi）善的（de）案例结果。在目前没有（yǒu）资源专（zhuān）注于此的（de）CIO中，大（dà）约60%的（de）CIO表（biǎo）示正在其路线图上。

在与（yǔ）《财富》 500强公司的合作中，我们确（què）定了成（chéng）功过渡到以人工智（zhì）能（néng）为（wéi）先的组织（zhī）之间的共同特征。以下是数字领导者可以采（cǎi）取的一系列明智的（de）第一步，以启动，加速或纠正他们的（de）AI转换。

1.规范对人工智能（néng）的理解

火星（xīng）首（shǒu）席数字（zì）官Sandeep Dadlani等数字（zì）先锋已（yǐ）经采取了战略（luè）性方法来正规化对AI的理解。在7月与（yǔ）Metis Strategy的对话中（zhōng），Dadlani表（biǎo）示，他故意推迟了正式AI课程（chéng）的开（kāi）发，转而采用（yòng）以业务为中（zhōng）心的方法，该方法将“帮（bāng）助人们通过解决环境中的（de）问题来学（xué）习。”团队（duì）接（jiē）触到每个业务和市场（chǎng），并首先（xiān）了解需要解决（jué）的问题，然后应用AI和以用户为中心的概念来解决（jué）它们。与高级领导者进行（háng）的快速头（tóu）脑风（fēng）暴会（huì）议（yì）也可以帮助加（jiā）深组织对AI的理解。在垂直轴上使用具（jù）有AI技术（例如，有监督的机（jī）器学习（xí），无监督的机器学习，自然（rán）语（yǔ）言处理）的（de）简单（dān）矩阵，以及在（zài）水平轴上具有（yǒu）业务问题的（de）矩阵，可以用来构建对话框架。然后，主持人描述（shù）了每种技术（shù）的（de）可能性，高级（jí）领导者（zhě）集思广（guǎng）益用例来解决现（xiàn）有的业（yè）务问题。高级（jí）领导者可以（yǐ）在自己的团队中重复进行（háng）此（cǐ）练（liàn）习，以确保这种理解在（zài）整个组织中不断扩散。

2.定（dìng）义人（rén）工（gōng）智能如何推动业务发展并（bìng）创造更多获（huò）胜方式

有（yǒu）效的策（cè）略以最简单的（de）形式回答了两个主要问题：在哪里玩和如何获胜。以人工智能为先的公司使（shǐ）用AI创造（zào）更多的取胜方式（shì），例如提供个性（xìng）化体验或创建（jiàn）可指数扩（kuò）展的功能。作（zuò）为数（shù）字化（huà）领导者，阐明人工智能与业务成果之间的（de）关系对于达成认可至关重要。具体（tǐ）而言，公司应（yīng）准确定（dìng）义AI计（jì）划将如何影响您的业务（wù）模型的各个方面，包括客户价值主张（zhāng）（例如（rú），客户为什么购买），利润公式（例如，我（wǒ）们如何实（shí）现利润）以及关键资源（yuán）/流程（例如，如何我们创造并交付价值）。

知道这些（xiē）问题（tí）的答案通常是为（wéi）AI计划（huá）提供初始资金（jīn）的先决（jué）条件（jiàn），但是（shì）许多高（gāo）管未能（néng）以与业（yè）务产生共鸣的方式进行解释。我们建议与主要（yào）利益相关者进行（háng）一系列的一对一会议，以确保获得有关AI投（tóu）资（zī）如何改善业务模型和实现（xiàn）目标（biāo）成果的清晰故（gù）事。寻找有关AI如（rú）何改（gǎi）善（shàn）您的业务（wù）模型的灵感吗？查看我们与（yǔ）AI先（xiān）驱Sherif Mityas（TGI星（xīng）期五）和Vijay Sankaran（TD Ameritrade）的讨（tǎo）论（lùn）。

3.找出将限制您（nín）的AI转型的（de）数（shù）字基础裂缝（féng）

人工智（zhì）能驱（qū）动的（de）业务成果（guǒ）的（de）承诺（nuò）吸引了高级领导（dǎo）者，但是（shì）技术和组织上的僵化往往介于快速获胜和真正的企业范围内的转型之间。数字（zì）化领导者必须（xū）制（zhì）定全面（miàn）的（de）路线图，其中包（bāo）括两项投资，以赢得快（kuài）速胜利，同时加强（qiáng）数字基础。以下是一些有助（zhù）于实（shí）现顺利运（yùn）行的建议：

4.摆脱部（bù）落的运（yùn）作模式

大型企业，不管他们是否承认，通常都按照由损益表，业务部门和职能定义的“部落”运作（zuò）。绩效激励（lì）措施与这些部（bù）落保持一致，在进行（háng）战略规划和资本配置活动时会产（chǎn）生“我（wǒ）们与他们”的心（xīn）态。这导致了一个由不同（tóng）数据和（hé）应（yīng）用程序组成的技术产业，每个（gè）数据和应用程序（xù）旨在推动有益于某（mǒu）个部落的成（chéng）果。人工智（zhì）能优先组织超（chāo）越（yuè）了（le）组织孤（gū）岛，并在标准（zhǔn）的（de）数（shù）字基础上积极（jí）致力于重建企业。例如，微软在其数字化转型期间将IT重命名为“核（hé）心服务”，以表示其与BU无关的纵向（xiàng），新使命，即提供（gòng）组织可用来构建运行整（zhěng）个公（gōng）司的流程的组（zǔ）件。

5.集中（zhōng）和（hé）标准化您的（de）数据，以全面了解客户

由于部族结构的原因（yīn），跨组织出（chū）现的（de）不同的（通常是不兼容的）应用程（chéng）序和数据（jù）源使连接不同客户交互（hù）之间的点变得困难（nán）。许多组织已经意识到了这一缺点，并启动了（le）多年计划（huá）来构建企业范（fàn）围的数据平台（或（huò）“数据湖”），以吸收，关联和集成所有数据源，并开发出客户的360度视图。借助跨组织过程的受信任（rèn）数据源，公司可（kě）以使用监督学习（xí）算法来开（kāi）发AI应用程（chéng）序，从而（ér）抢先识别可能流失的客户并主动将业务（wù）扩展到高风险客户。