「尽管大量公司在思考如何应用人工智能，但 AI 转型之路并不容易。许多 AI 技术仍然很复杂，很少有团队能够完全理解并且有效地运用这些技术。 在 IT 行业以外，人工智能人才更是稀缺。」吴恩达说。
吴恩达在成立了Landing AI以后把第一站定在了制造业，并且已经和富士康等多个制造企业
这个时代都在谈论AI和转型，AI的应用以及是各行业不可忽视的一部分。不管是能不能搭上AI，在这个人人嘴里都是“大数据”“AI”的时代，各位企业的老板们，才是最担心的人。而普通的员工，能感受到、体会到老板的想法，影响老板的想法，才是在这个“AI”时代发挥价值的捷径。--我自己
下边这一段话还是来自于吴恩达。
关于通过人工智能复兴制造业：
亲爱的朋友们，我很高兴地宣布 Landing.ai 的成立。作为一家人工智能（AI）公司，Landing.ai 旨在帮助企业在人工智能时代实现转型。我们首先会关注制造行业。人工智能推动了 IT 行业的巨大变革。在我带领谷歌大脑和百度人工智能团队时，我很有幸在两家领先的互联网公司的人工智能转型中发挥了作用。我切身体会到人工智能给这些企业和他们的用户带来的好处。我们不仅要用人工智能来赋能 IT 行业，更是时候需要用人工智能来赋能整个社会，包含吃、穿、住、行各个方面，把人类从繁复的简单劳动中解脱出来。为了让全社会都能体验到人工智能的好处，我希望将人工智能推广到其他行业。人工智能转型艰难许多公司都在探索如何应用人工智能。AI 转型之路并不容易。许多 AI 技术仍然很复杂，很少有团队能够完全理解并且有效地运用这些技术。在 IT 行业以外，人工智能人才更是稀缺。如果说通过 IT 来改造传统公司所需要的不仅仅是建立网站，使用 AI 来推动公司变革所需要的也远不止是搭建几个机器学习模型。人工智能综合战略，从数据采集到企业组织结构设计，以及如何确定人工智能项目的优先顺序，与技术本身一样复杂。优秀的人工智能战略家甚至比优秀的人工智能技术人员更为罕见。Landing.ai 将帮助企业应对这些挑战。我们正在开发一系列的 AI 转型项目，从提供新技术，帮助调整组织结构到员工培训等等。我们将首先从制造业开始。
吴恩达在某制造企业
Landing AI最近发布了《AI转型指南》，指出一个企业的AI转型应该有5个步骤：
总结来说，这五个步骤分别是：
1.执行试点项目从而获得动力
2.建立公司内部的AI团队
3.对员工进行AI技能培训
4.制定人工智能战略
5.在公司内部和外部建立良好的沟通渠道
1. 执行试点项目。
在制造业工作的人可是对这个套路已经很熟悉了，一个技术或者一项发明新开始的时候总会有一个试点项目，既可以相对低成本的试错以及证明技术的潜力，还可以得到更大领导的推动，让技术进一步推广。
AI技术的试点项目，看似可以从很多潜在的应用方向里选择一个看似“跨时代”的方向，但是吴恩达告诉我们，最好是选择一个不是那么重要的方向开始。原因有以下几点：
a) 更重要的方向可能更难改变，一个公司的最重要的业务往往也是最稳定的业务，在这个方向上做试点往往是困难极大的，而且在一个不成熟的团队，首次在一个不成熟的方向上做试点的时候，往往面临着更大的不确定性，造成试点项目延期等。
b) 而选择一个比较小的方向，在试点项目中可以更放手去做。
对于制造业企业来说，质量控制，生产设备监控等等往往是看似非常直接的应用方向，但是对于关键的质量控制和设备，传统的维护方法、检测方法不管是不是足够优秀，但是已经在企业中稳定使用，对于它的改变，往往是会产生极大的阻力，就简单的一个问题，之前的方法，出了问题有该负责的人负责，但是现在的试点，如果对公司主要业务造成了影响，那么风险由谁来把控，后果谁来承担？这些问题在稳定为先的制造企业往往是很大的阻力。
所以，以一些相对来说，非核心的业务展开试点是比较合适的。这也是众多制造业从业者应该要注意的地方。
2. 建立内部的AI团队
虽然外包的技术团队可以更快的上手，但是由于制造企业的复杂，AI在制造业应用的情况往往不像在互联网、金融等行业有极高的泛化能力，导致了外包的团队往往并不能很好的解决问题。
在公司建立AI团队，尤其是在每个部门建立自己的AI团队，让AI团队成员真正融入具体的业务，这是AI人才发挥最大能力的地方。
公司内部的AI团队主要职责应该是在：
为整个公司的人工智能力量提供支持
帮助不同部门的早期跨领域AI项目。在完成这些早期项目后，建立可重复的流程来持续进行那些有价值的项目、
建立通用一致的招聘与留用标准
建立公司层面的通用平台，保证它不会只被一个单独的部门使用。比如，可以考虑与CTO/CIO/CDO合作来建立统一集中数据存储标准。
之前看到阿里的一个文章，只有机器学习人才，从机器学习团队中出来，下放到具体的业务部门以后，业务知识和AI专家的紧密合作，才产生了火花，极大的改进了业务。AI团队和业务分属于不同的领导汇报，仅仅凭着开会交流，AI团队无法真正理解业务，业务也觉得和技术团队交流困难，是无法高效让AI落地的。
大的制造业也是一样，如果是AI团队也仅仅是作为一个部门，虽然是内部，但是却独立，如果交流不畅，AI还是难落地。
尤其是对于整个业务以及数据收集、大数据平台，AI技术架构的规划，更是一定要双方紧密的合作。
3. 对员工进行人工智能技能培训
Landing AI 的这本playbook很清晰的写出了公司的各类角色应该接受的培训。
整体来说，AI的人才，尤其是在IT以外的其他行业，更为难得，在这样的情况下，对于内部人才的培养就更加的关键。在本身懂业务的基础上，学习AI，在具有一定的基础水平之后，就可以直接在岗位上发挥价值。
高管和公司负责（4小时培训）
目标：让管理人员了解AI可以为企业做些什么，做出合理的资源分配决策并与负责AI项目的AI团队协作。
课程设置：
人工智能的基本业务理解，包括基本技术，数据以及AI能做什么和不能做什么。
了解AI对公司战略的影响
学习已经落地的AI场景应用或者相关行业的案例。
开展AI项目的各部门领导（12小时培训）
目标：部门负责人能够为AI项目设定方向，分配资源，监控和跟踪进度，并根据需要进行更正，以确保成功交付项目。
课程设置：
掌握人工智能的基本项目方向，包括基本技术，数据以及AI能做什么和不能做什么。了解基本AI算法 。
基本了解AI项目的工作流程，AI团队中的角色和职责，以及AI团队的管理。
AI工程师:(100小时培训）
目标：新培训的AI工程师应该能够收集数据，训练AI模型，并提供特定的AI项目。
课程设置：对机器学习和深度学习进行深层次技术理解; 基本了解其他AI工具。了解用于构建AI和数据系统的可用工具，包括开源以及其他第三方提供的工具对员工进行持续培训，以适应日益发展的技术趋势
4. 制定人工智能战略
和一般人认为的相反，Landing AI认为，在AI的转型之中，制定策略一定要是在稍微靠后的阶段，对于AI这个相对“新生”的事物，在通过试点项目、培训等多种方式，对其有一定了解，形成了足够的AI专业人才以后，制定整个公司的策略才是比较合适的时机。
AI的战略，可以包括企业在哪些方面可以应用AI技术，可以帮助自己在行业竞争中获得哪些优势，如何进一步应用AI获得更多的价值等。
其中很重要的一个过程就是对于企业内部数据的规划：
战略数据获取：可使用从100个数据点(“小数据”)到100,000,000个数据点(“大数据”)的任意位置构建统一有用的AI系统。人工智能团队正在使用非常复杂的策略来获取数据，而具体的数据获取策略则是针对特定行业和具体情况的。例如，谷歌和百度都有大量的免费产品，这些产品不是具有货币化价值的，而是允许它们获取可以其他具有货币化价值的数据。
统一数据仓库：如果你有50个不同的数据库，这些数据库在50位不同的副总裁（VP）或部门的控制下，工程师或AI软件几乎不可能访问这些数据并“连接这些点”。相反，考虑将减少用于储存的数据库。
识别哪些数据是有价值的，哪些不具有价值：拥有许多TB级别的数据，并不意味着AI团队将能够从这些数据中创造价值。我不幸地看到，一些首席执行官在收集低价值数据方面过度投资，甚至为了获得一家公司的数据而收购该公司，结果却发现目标公司的许多TB数据并不具有价值。避免这个错误，在数据获取过程中尽早引入AI团队，并让他们帮助你确定要获取和保存的数据类型的优先顺序。创造网络效果和平台优势：
最后，人工智能还可以用来建造更传统的护城河。例如，具有网络影响的平台是高防御的公司。他们往往有一个自然的“赢家通吃”的动力，迫使公司要么快速增长，要么死亡。如果AI允许你以比竞争对手更快的速度获得用户，那么就可以利用它来构建一条通过平台动态来防御的护城河。更广泛地说，可以使用AI作为低成本策略、高价值策略或其他业务策略的关键组件。
5。在公司内部和外部建立良好的沟通渠道
这一部分个人体会较少，可以直接参见
人工智能将对你的业务产生重大影响。如果它影响到你的主要利益相关者，你应该运行一个交流程序来确保一致性。以下是你应该考虑的内容：
投资者关系：谷歌和百度等领先的人工智能公司现在变得更有价值，部分原因是它们的人工智能能力以及人工智能对其利润的影响。解释清楚的人工智能在你的公司创造价值的原因，描述你不断增长的人工智能能力，并最终会有一个深思熟虑的人工智能战略，这将帮助投资者适当地评估你的公司。
政府关系：高度监管行业(自动驾驶汽车、医疗保健)中的私营企业在保持合规方面面临着独特的挑战。描述一个可信的、引人入胜的人工智能故事，解释你的项目可以给一个行业或社会带来的价值和好处，是建立信任和善意重要的一步。同时，在你推出项目时，还应与监管机构进行直接沟通和持续对话。
客户/用户培养：AI可能会给客户带来非常大的好处，因此请确保适当的营销。
人才/招聘：由于人工智能人才的稀缺，一些实力强劲的公司将对你吸引和留住此类人才的能力产生重大影响。人工智能工程师想要在令人兴奋和有意义的项目上工作。一次适度的努力来展示你最初的成功，可能会有很大的帮助。
内部交流：由于今天的社会仍然对人工智能缺乏了解，特别是一般化人工智能被过度炒作，所以存在恐惧、不确定性和怀疑。许多员工也担心自己的工作被人工智能替代，尽管这一点因文化而异(例如，这种担心在美国似乎比在日本严重得多)。明确内部沟通，既解释人工智能，又解决这类员工的疑问，将减少任何内部不愿采用人工智能的情况。
历史记录，对你的成功很重要：了解互联网是如何改变行业的，对于指导人工智能的崛起是非常有用的。
有一个错误在许多企业在互联网的崛起时会遇到，我希望你会避免：
购物中心+网站≠互联网公司。即使一家购物中心建立了一个网站，并在网站上出售商品，这本身并不能将购物中心变成一个真正的互联网公司。一个真正的互联网公司的定义是：你有没有带领你的公司去做，互联网让你做得很好的事情？
例如，互联网公司进行无处不在的A/B测试，在这种测试中，我们通常会推出两个版本的网站，并衡量哪个版本的效果更好。一家互联网公司甚至可能同时进行数百项实验；这对于实体购物中心来说是很难做到的。互联网公司还可以每周发货一次新产品，因此比起每季度只更新一次设计的购物中心，学习速度要快得多。互联网公司对产品经理和软件工程师等角色有着独特的职位描述，而这些职位的工作流程也具有独特的协同工作方式。
深度学习是人工智能中增长最快的领域之一，它与互联网的崛起有着相似之处。今天，我们发现：任何标准型公司+深度学习技术 ≠ AI公司。为了让你的公司在人工智能上变得伟大，你必须带领你的公司去做，AI让你做得更好的事情。要使你的公司在人工智能方面表现出色，你必须具备：系统地执行多个有价值的AI项目、AI公司拥有外包或内部技术人才来系统地执行多个AI项目，从而为业务带来直接价值。
对AI应该有一般的理解，并有适当的程序来系统地识别和选择有价值的AI项目进行工作。
战略方向：公司的战略基本一致，以便在人工智能驱动的未来取得成功。
把一家优秀的公司变成一个伟大的人工智能公司是具有挑战性的，但在伟大的合作伙伴的支持下其实可行。我在Landing.AI的团队致力于帮助合作伙伴进行AI转型，我将继续分享更多的最佳实践。
AI转型项目可能需要2-3年的时间，但你应该期望在12个月内就能看到初步成效。通过投资AI转型，你将持续领先于你的竞争对手。
————————————————————
AI Playbook下载地址
————————————————————
想要参与制造业AI应用/智能制造/数据分析讨论
可以加微信“SteveGaoshang”，加入讨论分享群
————————————————
关注这个公众号 回复“4”，免费送你最全的工业4.0参考资料：
回复“AI转型”即可下载
