AI商学院 | 为什么不要轻易相信专家？
关于这个时代，我先跟大家分享3点：
第一，这是一个范式变革的时代，已经不能拿过去的思维看今天的事情了。
第二，这是一个暂时没有“正确”答案的时代。
前一代的人，他们可以因为有很多小道消息、内部消息，他们家书比你们家多一点，或者认识的专家比你多一点，就有可能比你先进一点。
那个时代已经过去了，现在所有的信息都是透明的，找到能够帮助你的信息和伙伴的能力，变成了这个时代非常重要的能力。
现在人们很习惯从从朋友圈里看信息，但如果不仔细甄别，要小心信息的权威性和真实性，全球很多媒体背后都资本的影子，如果不能够以批判性思维的角度审视，难免有被割韭菜的后果，大家务必用心。
其实搜索也是一样，不是会在搜索栏中打几个字，或者对着语音助手问几个问题就叫会搜索，在这个时代，有能力在网络上找到需要的，而且是真实的信息也是一种核心竞争力。
明白这个道理之后，大家就不要再去迷信有标准答案、有专家，也不要轻易相信有人告诉你跟他走有饭吃。回顾这10多年，各种术语层出不穷，总之是要造成一种氛围，你是失败者，你跟我走才有饭吃。
我们在几年前提出一个观点：再过几年所有行业都会成为被互联网、人工智能等先进科技赋能的企业，纯粹搞互联网的人很可能不好找工作了，反而是具备技术能力的行业人才会大行其道，为什么？
技术只有在被利用来为社会与大众谋取福利的时候，才具备生存的价值。
举个例子，100多年前，电是很时髦的东西。
全世界各个国家刚开始都有很多小电厂，经过多年专业化分工和行业整合之后，尤其当电成为社会关键基础架构之后，以中国为例，就剩下几家国有电网为主的市场结构了。
这个社会的关注点，已经从关注电本身，变为关注能够用电做什么事情。电会被所有行业使用，但电本身成为无形，这才是伟大技术的终极体现。
“日用而不知”，“善利万物而不争”，大家关注的只是国家、企业或者个人愿不愿意被电赋能，以及赋能完之后能否有所创新。
这将是现在热门的互联网、物联网、区块链、人工智能的目标和使命，否则这些技术再强大，也只能停留在空谈、演示和样板的阶段而对社会的发展贡献甚微。
第三，这是一个需要实证的年代。
跟谁走都没有饭吃，只有你把自己的实际情况和先进的技术，以及真正传统的理念相结合才有饭吃。
我们现在做的预判是不准的，从过去的技术演变来看，刚学点什么东西，再过一年可能就过时了。现在已经从书上看不到正确答案了，只有实证。
秉着这三点，我们再谈一下技术，尤其是实用的技术。
二、思维转变，要在技术之前
前几年和一些企业老总聊天的时候发现，如果你没有一个新词，他就认为你不行，没有内涵。
你必须说一个他不懂的词，他才觉得你厉害，他并不在乎是不是实用、能不能落地。现在情况好些了，大家都开始重视“落地”。
这是一个开卷考试的时代，答案给你，你都做不到，是这个时代的特征。我们与其企盼寻找高人一等的秘诀，还不如说坚持因人、因时、因地、因事、因势制宜的原则，在大方向明确的情况下，找到最适合你自己转型和发展的次第、节奏和力度。
1.认知自己
有很多公司和专家会对你说，你们需要转型。他们说的都没错，但一定要根据你们自身的条件决定如何转型，包括所处行业、公司定位、技术水准、创始人背景、管理层水平员工的年龄层和教育程度等特点，以及你用这个技术到底要解决什么问题。
我们以AI技术为例，在发展的早期阶段，一般可能出现三类角色，没有好坏对错，都是应时代而发生，根据自身条件，选择不同定位，都可以有很大的发展潜质：
第一类主要是以研究AI算法为生的，这需要依赖全球顶级的AI科学家或者数据科学家。
第二类是利用AI技术赋能他人的，通过AI算法能力赋能给客户的产品、流程、服务中，让产品流程和服务更加先进、高效，提高用户满意度，提升核心竞争力。
第三类是从事已经被AI赋能的产品和服务的进一步开发与推广，让这种被最新技术赋能的产品进入千家万户，为百姓的福祉、为社会的发展做出真正的贡献。
如果还是拿电的发展做类比，或许可以勉强说成是“发电的”、“配电的”和“用电的”。
如果历史可以重演，那么当这一轮工业革命的果实接近成熟时，第一、二类会成为少数巨型企业经营关乎国计民生命脉的社会关键基础架构，而绝大多数企业只需要考虑如何利用这种无处不在的“智能力”，来不断地提效、降本，同时提升用户满意度、加强核心竞争力。
当然在目前这种发展的初级阶段，每个人和各自的企业都存在同样的挑战，及精准的根据自身条件确定自己的定位，你要成为一个AI专家，还是一个特别会利用AI提高他人能力的专家，还是一个特别会把AI能力与用户需求相结合并不断改造和优化自身产品与服务的专家。
这3类的层级是不一样的，把这个想明白之后，我们才可以谈技术。
2.改变思维
虽然我们在讲技术，但在讲技术之前需要有一个思维方式的进步。
过去曾经有一段时间很多人相信只吃绿豆就可以包治百病，这在逻辑上完全不通，但这种社会现象确实存在。这间接的说明我们还是很容易被一些此时而非的理念所迷惑。
那么，我们就要警醒，虽然现在没有到相信吃绿豆治百病的地步，但我们会不会倾向于唯技术论呢？
相信只要用了AI，只要收购了一家初创企业，或者只要有了区块链，就一定能成功。从逻辑上来看，这种思路跟吃绿豆可以治百病的性质是一样的。
《动荡时代的管理》这本书的作者是彼得-德鲁克，出版于上一世纪八十年代。虽然里面有一些观点在现在并不完全适用了，但他那种一定要因人、因时、因事制宜的方法论毫不过时。
任何的变革都需要思想先行，虽然是很浅显的道理，但很多人都明白不了。
举个例子，我们都知道现在用技术可以让效率变得很高，但效率多高算高？10倍算吗？当初从手工作坊到蒸汽的时候，提高的是10倍吗？从蒸汽到电，从普通的机械计算机到数字计算机，提高的真是10倍吗？还是百倍、千倍甚至万倍？
改变一下思维方式，在一个新的平台上你会发现，其实这种真正的进步，是对过去的一种降维式打击，应该没有任何可比性才对。
Nathan Myhrvold是微软的第一代CTO，他在上一世纪末退休后，写了一本2400页的《现代大厨子》。
他的菜单全是用数字化思维和方法论写的，每一道菜的制作过程都用精准的科学仪器衡量，不管是时间、温度、重量、体积、容量，甚至包括PH酸碱度值。
他的理念就是按照这种数字化的精准手段，哪怕你不会做菜，只要按照我的菜单，就可以做到一定专业水准，这就是一个数字化转型的典型案例。
这其实是微软公司血液中的内涵，一种数字化理想的本原。
为什么刚才说思想的转变？咱们现在多少人还是习惯说炒菜撒盐若干、少许、一把。
如果你还习惯于这种思维方式，趁早别玩数字化了，更何谈智能化。
再举个例子，有一间瑞士的精密钻具公司，还是需要经验极其丰富的老师傅用手去摸车床，感受那个振动对不对，然后决定做出来的精密器具是否能够满足标准。
后来找微软帮他们转型，怎么转呢？
我们加了一堆传感器，但还是需要老师傅们负责对数据进行标注，也就是俗称的打标。这种打标依靠的是老师傅多年工作积累下来的宝贵经验，就是他的感觉，机器振动的频率与产品加工良品率的关系。
当AI学习了足够多的经过老师傅打标后的数据，就能够通过对传感器数据的推理就能得出与老师傅的判断具备一定概率相似程度的品质监管结论。
从撒盐若干到科学衡器测量，从手摸感受振动频率到AI算法推理，通过这种方法论的理解，数字化转型其实就一层薄纸。
在我看来，绝大多数公司目前还是没有资格做AI的。因为实现AI的第一步是数字化，现在很多理论都鼓励你马上做AI，AI是一定要的，但在此之前是数字化。
人的工作有没有被数字化？流程有没有被数字化？整个办公环境、制造环境、生产环境、运输环境、质检环境有没有被数字化？都被数字化之后，才有资格谈人工智能。
2.狗粮文化
微软公司特别强调吃狗粮文化，意思就是推出任何一个产品前必须要自己先用，这种吃狗粮的文化特点是凡事需要亲身体验，不向客户推荐自己都不喜欢的产品，也不要去说自己都没有实证过的事情。
这也是产品开发的一个关键步骤。说起这个话题，也顺便再把另一个现象“破除迷信”，就是“瀑布式开发”与“敏捷式开发”的优劣异同。这跟前面介绍的对技术的态度一样，对任何事物判断都需要前提约束。
尽管对“瀑布式开发”与“敏捷式开发”的讨论汗牛充栋，其实当初力推“敏捷式开发”的Dave Thomas曾经发表一篇檄文-《敏捷开发已死，敏捷思想永存》。敏捷开发理念被倡导的背景是人们逐渐意识到我们进入了一个剧变的时代，没有人知道下一步会怎么样，用户对产品的要求也在瞬息万变。
如果产品开发周期过长，没有人有把握在开发周期的早期预判用户的需求。因此人们提出了“敏捷开发”的理念，来对应长期占据主流的“瀑布式开发”框架。
但是，一旦这个新名词成为时髦，很多人就忘记了当初是在什么前提下提出的改变，反把新词当圣旨，让这个良好的意愿成为束缚开发人员的掣肘。
抛开两种开发理念区别的诸多细节，其实瀑布式开发和敏捷式开发都是在对具体情况的一种反应，当情况没变化后，反应当然有所不同。
但是很难用好坏对错来简单评价。当产品开发可以承担得起长周期的风险时，敏捷式就变成瀑布式了；当产品开发需要应对瞬息万变的市场与用户需求时，产品开发就无法维持长周期，此时的调整，就将瀑布式变成敏捷式了。
这是一个周期的变化，也代表产品的测试等各方面流程都几乎是实时进行，不断试错，不断优化。
这种变化，这是微软自己的经验，也暗合前面讲的不要企图去找那个“完美”的标准答案，你小步快跑，走一步试一下，以渐进、迭代的方式逐渐向你的目标靠拢。
3.技术转型
转型其实非常难，很重要的一点，也是萨提亚（微软CEO）的经验分享-“多听、少说，但是当断不断，反被其乱”。
公司转型，大家都以为要听技术的一些特征、特点，但实际上就像中国改革或者做生意，凡是能用钱买到的都不是问题。技术恰恰是可以用钱买到的。但什么用钱买不到？
第一，技术做出来的原始思路和坎坷过程，这种经验是花钱也买不到的。
但如果没有这种经验，你可以在一个时间点花钱砸出一个局面，甚至可以获得暂时的领先。但做过项目的人都了解，成功完成项目虽然很难，不断更新项目始终保持其领先地位是难上加难。
这需要你得多跟做技术的人多交流，多学习，多实践。而要想始终保持领先地位，在这个技术飞速发展的时代，需要有极其专业的队伍和持续地投入。
这也是为什么很多非原生IT公司的企业数字化技术转型失败的一个很大原因，并不是说开始不能做到实现初步的成功，而是不能维持持续的领先，维持领先的成本和难度远大过一开始的暂时成功。这也是大家需要认证考虑的话题。
第二，技术怎么能够用的更好。
以我们的观察，能够下决心做数字化转型的公司已经很少，能够下决心使用先进数字化生产力工具加大转型力度的公司更少，而还能够把投入巨大的数字化生产力工具用好的公司，那真是凤毛麟角。
这需要企业不仅理解和接受数字化工具的价值，还要能够理解对新产品、新方式的接纳和使用是需要靠长期的培养和锻炼来实现的。绝不仅仅是投入了当时最先进的技术就足够的。
四、什么是AI？
人工智能VS人造香精，这两个词大家感觉怎么样？肯定是人工智能很好，人造香精很烂。
但智能和香精都是用artificial（人工，人造）来约束的，为什么artificial放在flavor（香料）上就觉得很烂，但放在intelligent（智力）上就觉得非常酷炫。
其实严格来讲，我们现在做的很多事情都与AI这个词汇没有什么关系。
很多真正从事AI工作的专家学者早期在论文里都是在说“我是在试图了解machine intelligence（机器智能）”，“我在用machinelearning（机器学习）的方法”，或者“我用machine learning里的子集deep learning（深度学习）来做”，只不过近年来约定俗成，大家也就都跟随了大流。
但大家不要忘记，我们还是在跟机器打交道，需要利用机器的能力强化人类自身的能力。
1.AI与人
AI到底可以做什么，为什么边缘计算火了？
实际上，我们现在讲的万物互联、人工智能无非就是由感知变成认知，由传感器传导至中央做一个计算，之后有一个决策之后去行动。
这跟我们人很像，我们的眼睛把能看到的光子（也就是你眼前的画面）变成电子，通过视神经传到大脑皮层计算出来，大脑通过皮层的计算知道看到了人，之后大脑通过算法分析这是男人还是女人，是朋友还是家人。
人的五感分别是“眼耳鼻舌身”，相应的能力有“色声香味触”，没有一个是你大脑能够直接感受到的，都是变成电子后，大脑去计算的。
这和人工智能一模一样，我们的肌肉就是用电驱动的，所以用电极往青蛙腿上一插，青蛙腿就收缩，这就叫做行动。
2.如何用AI提升能力？
“眼耳鼻舌身”代表我们的传感器，你的大脑就是芯片，神经传输就是通讯，肌肉和骨骼行动就是机械。
硅基是靠电驱动的，我们人类是碳基，吸的氧气和吃的碳水化合物一起产生氧化反应，是另一种形式的燃烧，燃烧之后产生热能和能量。
这样才能明白AI到底代替了你什么，公司、个人怎么样在机器时代，充分利用它的特征。
那怎样利用技术使能力得到提升？有两个词，replacement（代替）和augment（强化）。
你带了一个计算机跟我比，你就是被机器强化了，但不是代替，因为机器本身还是由人去驱动的，人并没有被代替掉。明白replacement和augment这两个词之后，你公司很多产品的研发就会有方向和重心，而且恰到好处。
借助机器的基础让人类更轻松一点，是这一轮人工智能最大的特点。用这个逻辑，必然会进入到BPR（业务流程重组），用AI的工具把流程重造。
人工智能能不能用好，能不能产生降维式打击，要看你是不是能够被它赋能。被赋能的话，人工智能实际上是一个放大器，好、坏都会被它放大，所以一定要加强内功，做好数据库、数字化工作能力。
3.AI最大的优势
AI最大的优势是它冷酷与坚决的执行力，最早被用在军事、审计和监控。如果将其赋能于公司财务、审计、人事、质检、监控、安全、保安等，将起到很好的成果。
4.AI也是一把双刃剑
AI也是一把双刃剑，刚才讲了安全、伦理、道德。由于它的作用太强大，用的好是助力，用不好会被它的负面作用反噬。
我把智能转型的方法论定义如下：
一个中心：数字化。
两个基本点：“全员赋能”与“全流程再造”。
三种优势：专业化人才，系统化思维，流程化管理。
四步发展次第：云——物——大——智。你有没有上云，有没有万物互联，有没有又好又大的数据之前，不要谈人工智能。
五种能力建设：人才、数据、行业、生态、算法。
你拼不过专门做算法、算力的公司，那你的竞争优势就是培养人才，掌握行业相关的数据，理解行业痛点，建立起行业数据特征的数字化生态，然后拥有你自己的特殊算法。
中心目标并不是要不要AI、要不要机器人，而是要有自己的算法，这是一种核心竞争力。
但算法大概率是自己做不出来的，市场上所有的东西都是开源，识别一个人脸很容易，但问题是你所对标的友商呢？
你产品的智能化赋能，需要在你清晰明确自身的痛点时，由专业的数据科学家、算法科学家完成。
最后，我用这句话来结束我的演讲：人们大都倾向于高估他们在一年内所能完成的事情，但又容易低估他们坚持十年后能够取得的成就。
本文由新商业干货笔记共享平台“笔记侠”整理
微软于2019年8月与清华大学经济管理学院、长江商学院和中欧国际工商学院联合启动全球首个线下互动教学与线上课程相结合的“微软人工智能商学院”项目（Microsoft AI Business School）。课程内容涵盖了定义人工智能战略、拥抱人工智能文化、培养尽责与可靠的人工智能、以及商业领袖必备的人工智能技术四大模块，旨在帮助企业领导者充分发掘人工智能最大潜力，推动全球各地、各行业现代企业实现数字化转型。
点击阅读原文了解更多内容。