作者：（美）亚历克斯·卡斯特劳尼斯（Alex Castrounis）
出版社：机械工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
AI战略：更好的人类体验与企业成功框架试读：
前言
框架及本书背后的动机在获得应用数学硕士学位（杰出奖）之后，我成了印第赛车工程师和赛车策略师，并参加过全球100多场比赛，包括在印第安纳波利斯500赛车场上的多次比赛。我还曾在安德烈蒂汽车运动公司管理过车辆动力学和数据科学部门，该部门为印第赛车四车团队提供帮助。
在美国职业赛车运动中，赢得印第安纳波利斯500的比赛是终极目标。当我还在上高中的时候，就参加了人生第一次印第安纳波利斯500的比赛。如果你从未看过该比赛，那么我强烈推荐你去看看。这项赛事是赛车界最壮观的，也是全世界最大的单日体育比赛。就容量而言，跑道本身就是世界上最大的体育设施。
1992年我第一次参加比赛，这是印第安纳波利斯500有史以来（现在仍然是）竞争最激烈的比赛，小艾尔·昂瑟最终以0.043秒的优势击败了斯科特·固特异赢得胜利！想想看，在以220英里/小时（约354公里/小时）的平均速度行驶了近三个小时之后（500英里，相当于从芝加哥到多伦多），两车之间相差还不到43毫秒。
那天的比赛彻底震撼了我，在离开印第安纳波利斯汽车高速公路（IMS）后，我告诉那些和我在一起的伙伴们，有朝一日我要在印第赛车场工作。另外，非常偶然的是，我的赛车生涯始于为小艾尔·昂瑟工作。当时我是艾伦·梅尔滕斯的总助理工程师，昂瑟驾驶他设计的汽车赢得了1992年的比赛！
图P-1展示了2007年Racer杂志上关于印第安纳波利斯500比赛的一篇文章，当时我是戴维·汉密尔顿的赛车工程师和策略师。右图是我在庆祝最终获得第9名成绩的场景，比赛开始时我们排在第20位；这是戴维自2001年在得克萨斯州汽车高速公路发生骇人听闻的车祸后，经过23次腿脚重建手术并奇迹般复出的比赛。图P-1：2007年Racer杂志上关于印第安纳波利斯500比赛的文章（经允许翻印）
随着赛车事业的发展，我很快便了解到职业赛车运动需要在类固醇上产生竞争优势。在该水平上的竞争需要激烈创新、持续优化和完善、对大量数据的高级分析、坚如磐石的团队协作，以及经常执行和适应以不现实的速度飞行的能力。所有这些都是在巨大压力和责任感之下完成的。归根结底，职业赛车运动就是要最大限度地提高洞见，在尽可能短的时间内推动决策、采取行动并从结果中受益。这就是产生竞争优势和获得最佳结果的方式。
作为印第赛车工程师和策略师，我使用人工智能、机器学习和数据科学来优化赛车的设置和策略，以满足驾驶员、赛道布局（超快道、短椭圆形、道路路线、街道路线）和条件（天气、赛道表面）的需要，帮助团队赢过许多比赛并得以登上领奖台，包括在加利福尼亚州的长滩赢得了历史性的赛车总冠军（以前叫CART）。我曾与许多著名赛车手和车队老板直接合作，包括迈克尔·安德烈蒂、小艾尔·昂瑟、吉米·瓦萨、威尔·鲍尔、托尼·卡南、丹尼卡·帕特里克和瑞安·亨特·雷伊等。
你可能很想知道这与本书、人工智能及其框架有什么关系？答案是全部都相关！请允许我娓娓道来。
在经历了大约10年的赛车比赛后，我决定转行做技术，而且很快就意识到，像比赛一样，公司也在试图不断地打败竞争对手以赢得胜利。我也很快就明白了一件事，无论行业或公司规模大小，赢得比赛所需要的不仅是赛车，还有公司。尽管每个公司对获胜的定义可能不同（例如实现业务利润和增长目标），但获胜所需要的条件大都相同。要在体育竞赛和商业竞争中取胜，尤其是不断地取胜，需要竞争优势，即理解、执行和达到竞争对手所无法企及的表现水平的能力。
根据在赛车和商业方面的专业经验，竞争优势主要来自两个方面。首先，对于具有某种形式的用户界面（UI）的产品，竞争优势来自卓越的设计、优化的用户体验（UX）以及令人满意的功能。其次，也是我认为最重要的，是拥有“正确”的数据，制订成功的策略，并且在执行策略后对其不断改进和优化。
离开赛车场后，利用在商业、分析和产品管理方面的专业知识，我曾帮助过许多行业的各种规模的公司从技术创新和数字化转型中获益，并构建了出色的数据产品。通过演讲和教学，我还帮助成千上万的人掌握了数据科学和高级分析的微妙之处与潜在价值。
InnoArchiTech是一家帮助企业领袖了解如何处理和分析数据的咨询公司，我是该公司的创始人、首席执行官和首席顾问。我们的主要目标是帮助业务领导者制订愿景和战略，帮助他们从数据中获益，并打造出优秀的数据产品和解决方案。我对帮助企业澄清和梳理与数据科学和高级分析相关的混乱非常感兴趣。
本书及其所呈现的框架建立在上述目标和近20年实际创新、经验和专业知识之上，旨在通过制订成功的人工智能愿景和战略，实现人工智能端到端的创新，为创造更好的人类体验并助力企业成功提供指导。浏览本书
本书分为四个部分。第一部分详细介绍人与企业的人工智能（AI for People and Business，AIPB）的框架、北极星、利益和范畴，对人工智能和机器学习做了非技术性概述，对人工智能的实际应用和潜在机会也做了概述。这有助于激发思考，并为围绕人工智能应用和场景制订愿景和战略提供了必要的铺垫。
第二部分讨论如何制订人工智能愿景。首先深入讨论为什么要推动人工智能项目，然后为不同的利益相关者（如企业、客户和用户）定义与人工智能愿景一致的目标。最后讨论人们的需求和想法，以及如何将其转化为人工智能的优秀产品和更好的人类体验。
第三部分讨论如何制订人工智能战略。主要聚焦在科学创新、人工智能准备度和成熟度，以及成功实现人工智能的关键性考虑因素。应该利用这些概念来进行由AIPB框架定义的适当评估，以制订弥补空白和解决关键性考虑因素的战略，以及与愿景一致的人工智能解决方案的战略。
第四部分在结束前讨论了人工智能对工作的潜在影响、最终的几点考虑以及人工智能的未来前景，特别是充满期待和需要关注的问题。
请随时访问https://aipbbook.com以获取最新的AIPB框架信息和资源。谢谢你购买本书。希望你喜欢！O’Reilly在线学习（O’Reilly Online Learning）为了帮公司取得成功，O’Reilly媒体近40年来长期提供技术和业务培训、知识以及洞见。
我们独特的专家和创新者网络通过书籍、文章、会议和在线学习平台分享知识和专业经验。
可以在O’Reilly在线学习平台按需访问在线培训课程、深入的学习路径、交互式的编码环境，以及O’Reilly和200多家其他出版商提供的大量文本及视频。有关详细信息请访问http://oreilly.com。如何联系我们
请向以下出版商提出有关本书的评论和问题。
美国：
O’Reilly Media，Inc.
1005 Gravenstein Highway North
Sebastopol，CA 95472
中国：
北京市西城区西直门南大街2号成铭大厦C座807室（100035）
奥莱利技术咨询（北京）有限公司
可以通过http://bit.ly/ai-for-people-and-business访问本书的网页，其中列出了勘误表、示例和附加信息。
如果要对本书发表评论或者提出技术问题，请发送电子邮件至bookquestions@oreilly.com。
有关书籍、课程、会议和新闻的更多信息，请访问http://www.oreilly.com。
在Facebook上找到我们：http://facebook.com/oreilly。
在Twitter上关注我们：http://twitter.com/oreillymedia。
在YouTube上观看我们：http://www.youtube.com/oreillymedia。致谢
首先要感谢本书的读者。本书的编写是一项重大且非常困难的工作，如果你通过阅读本书学到了一些有价值的新知识，那就100%实现了它的价值。
感谢艾伦·梅尔滕斯和克里斯·莫厄，他们冒险雇用一位不知名且相对缺乏经验的赛车工程师和策略师。正是因为他们，我才能在最高水平的职业赛车运动中工作和竞争，周游世界，并与该运动历史上一些最伟大的选手合作，而且经历了赢得比赛后难以形容的激动。所有这些都为我赛后职业生涯的成功奠定了基础。
感谢所有在职业生涯中帮助过我的老师、专家、同事和导师。为造福他人而分享知识和专业经验的人，无疑有助于使这个世界变得更好。
感谢马特·梅奥，他是一个伟大的合作者，也感谢他帮我与马赛·海农建立了联系。
感谢书评人贝丝·帕特里奇和马特·柯克。他们为本书提供了宝贵的见解和想法，本书因为他们的帮助而变得更好。此外，我还要感谢所有允许本书引用其高质量工作和思想的人，以及在此过程中提供建议的人。
感谢O’Reilly的所有人，我可能与他们未曾谋面，但他们却帮助我出版了这本书。还要感谢O’Reilly这个平台给了我出版这本书的机会。我曾读过很多O’Reilly的书，也参加过相关会议，受益于其在线学习平台，并且还是一名普通的粉丝。很荣幸我的名字和O’Reilly能同时出现在这本书上。
特别感谢O’Reilly的马赛·海农，他把我介绍给了本书的策划编辑迈克·卢基德。感谢迈克和妮可·塔奇，他们与我分享了对这本书的看法，提出了极好的建议，他们的帮助使本书的出版成为可能。我还要感谢妮可的编辑工作，她帮助我做了许多文字内容方面的改进。
感谢所有O’Reilly的工作人员，特别是丽贝卡·潘泽和南·巴伯尔，以及文案编辑鲍勃·罗素。
特别感谢策划编辑杰夫·布雷尔所有伟大的想法和改进意见，也感谢他陪我一起在咖啡店开会，并忍受喧闹的音乐和浓缩咖啡机的噪声。最重要的是要感谢杰夫，作为一位伟大的合作者，他的帮助让本书锦上添花。
感谢凯特·索普，一位亲爱的朋友和作家同事。她在专业写作和编辑方面的丰富经验和诸多建议被证明是无价的。她也是比赛项目的出色主持人。感谢其他所有好友对我的长期支持。
特别感谢我的家人和朋友，他们提供了持续的爱和支持。特别是南希、理查德·诺伊斯、卢尔德和阿兰·韦伯，感谢他们在本书写作过程中的关心和鼓励。特别感谢理查德及时为本书提供了审查协助，以及很好的见解和建议。
最后，我要把本书献给心爱的妻子斯蒂芬妮和妈妈琳达。感谢妈妈在我一生中对我坚定不移的爱、支持和付出。她重视教育并尊重不同的选择，这在很大程度上帮我找到了自己的定位。最后要感谢我的妻子在整个写作过程以及平日生活中对我的爱、支持和耐心。她的智慧、洞见和帮助使我能把每件事都做得更好。没有她我不可能写出这本书。第一部分 人与企业的人工智能框架
人工智能是令人兴奋、强而有力并能改变游戏规则的技术。主流媒体的大力炒作已经为其鼓满了风帆，以至于人工智能家喻户晓，成为茶余饭后的谈资，但是实际上大多数人对人工智能并不理解。
你问过自己以下问题吗？
·什么是人工智能？能给企业带来什么价值？能给客户、用户甚至我带来什么价值？
·如何围绕人工智能和现有数据制订愿景和战略？
·如何确定是否已经准备好要推动人工智能项目？有哪些关键性考虑因素？
·如何在业务中发现人工智能的机会、场景和应用？
·如何把人工智能应用到现实世界并与我的目标保持一致？
·如何度量人工智能项目的成功与失败？
·人工智能如何区别于机器学习、数据科学、神经网络和深度学习？
·推动人工智能应用需要什么数据？
·如何以合乎伦理、无偏见以及合规的方式从人工智能中获益？
·是否有现成的框架可以指导如何从人工智能中获得最大价值，同时能趋利避害？
如果你对上述任何问题的回答是肯定的，那么本书就是为你而写的。另外，最后一个问题的答案是肯定的，它被称为人与企业的人工智能（AIPB）框架，也是本书的主题！本书的目标是希望在AIPB框架的帮助下，至少能高水平地回答所有上述问题。这也是一本关于创新的书，本书的另一个主要目标是帮助高管和经理制订人工智能愿景和战略，打造由人工智能推动的高度成功和优秀的产品与服务，创造更好的人类体验并助力企业成功。
欢迎阅读本书的第一部分。这部分首先讨论什么是成功的人工智能，以及实现它所面临的挑战。接着讨论本书所基于的AIPB框架。然后在北极星、利益、结构和方法的基础上，讨论到底是什么使AIPB框架独特且强大。
第一部分以对人工智能和机器学习的非技术概述，以及对现实世界人工智能应用与机会的讨论结束。它有助于激发思考，也为围绕相关人工智能场景和应用制订愿景和战略所需的宏观背景和理解做好了铺垫。
本书的第二部分致力于制订人工智能愿景，第三部分则聚焦于制订人工智能战略。
让我们从理解人工智能的成功开始。第1章 人工智能的成功
本书面向对人工智能感兴趣的高管和经理。如果你想确切地了解人工智能是什么，为什么人工智能能够为企业及与之互动的人提供价值，如何发现人工智能的机会，以及如何制订和成功地执行人工智能愿景和战略，那么本书就是专门为你而备的。
阅读本书应该有助于消除你对人工智能经常存在的模糊和神秘的感觉，并提供正确的评估工具、过程和指导，使你及企业能够获得水平适当的必要理解，并且从现在起就开始使用人工智能。本书还有益于数据分析从业者（如数据科学家）以及任何其他想从战略和业务层面更多地了解人工智能的人。
本书及其所介绍的AIPB框架，将有助于回答人工智能问题，并引导人工智能的成功之旅。竞逐企业成功
正如前言所提，美国职业赛车运动的终极目标是赢得印第安纳波利斯500的比赛。比赛扑朔迷离，对包括历史记录、传感器数据、遥测、计算机模拟、赛车手反馈等的数据进行及时的高级分析极为重要。在我从印第赛车和其他几个不同团队的工程师和竞赛策略师华丽转身为技术人员后，发现商业领域也是如此。在大数据和高级分析时代，制订和执行愿景与战略从而使公司的数据得到最佳利用可能是赢得胜利的唯一途径。
仅凭历史先例、模拟分析和直觉做出决策并采取行动，既无法完成任务，也不能实现远大目标或技术的商品化。然而，仍然有太多的企业踟蹰不前。当然，有效地使用分析技术并取得成功的公司案例也层出不穷；这些公司从数据中提取诸如模式、趋势和洞见之类的信息以做出决策、采取行动并收获结果。这既包括传统分析也包括高级分析，两者互补。
类似Gartner的定义，我使用“高级分析”一词统称：“高级分析是指使用复杂的技术和工具对数据或内容进行自主或半自主的检验，这些技术和工具通常超越了传统的商业智能（BI），目的在于发现更深入的洞见、做出预测或提出建议。”高级分析包括与人工智能、机器学习和本书所涵盖的内容相关的其他技术。
只有当你知道该如何使用时，数据才具有核心优势。所有的公司都应该开始将自己视为数据分析公司，无论其核心产品是什么。只要涉及数据，就迈开了取得竞争优势的关键一步，同时也提高了为人与企业创造巨大利益的能力。
许多公司越来越了解这一点，并希望向数据分析方向转型，但是识别人工智能的实际机会、场景和应用非常困难，而且围绕它们制订愿景和战略更是步履维艰。
把人工智能的想法转变为人与企业可以实现的实际利益是十分困难的，这需要正确的目标、领导、专业知识和方法。它还需要主要高管的认同和一致支持。所有这些都是我所说的人工智能应用转型；这正是本书（特别是它所呈现的框架）的全部内容。请注意，我称之为人工智能应用转型，而不是数字化转型。我认为区别两者非常重要，后面将会对此做简要的解释。
诸如创新、转型和颠覆之类的术语，场景宽泛，甚嚣尘上。“数字化转型”也同样泛泛而谈，并且含混不清。别误会，这个词的价值及其意图很有意义，有许多公司绝对需要进行数字化转型，而且越快越好。但是简单地提出要进行数字化转型，那么所产生的问题可能比答案更多。其中一些问题包括：数字化转型到底意味着什么？应该使用什么样的具体技术或系统（例如人工智能、区块链、物联网），且首先应该选择哪个？如何在不同的数字化目标和项目之间确定优先级？数字化转型将如何达到目标以及达成率如何？成本是多少？潜在的投资回报率是多少？什么时候才能实现投资回报率？“人工智能应用转型”中的每个词都有其特定含义。由于人工智能相对稚嫩且现实的应用有限（迄今为止），人们广泛地认为人工智能的理论性很强。“应用”这个术语是为了区分理论上的人工智能和实际场景中的人工智能，目前应用显著且以多种形式涌现。“转型”如所预期的那样，对人工智能而言，意味着利用人工智能产生某些无法通过其他方法实现的收益或结果，或者在其他情况下，它意味着更有效地（时间和成本）产生具有更大价值更强影响力的结果。在该背景下，人工智能应用转型毫无歧义，它意味着应用现有和新兴的人工智能技术来构建实际解决方案，从而改变企业和人们的生活。无论是追求数字化转型还是人工智能应用转型，都需要制订愿景和战略。AIPB框架有助于引导人工智能应用转型。为什么人工智能计划会失败
人工智能计划失败的原因有很多。一个原因是人工智能尚未被理解透彻。包括人工智能的本质、现状及其能力、所代表的价值、人工智能成功的必备条件、人工智能炒作与现实之间的差异、人工智能与其他分析技术相比的差异和独特优势、人工智能和机器学习之间的差异等，真正理解这些问题的高管和经理很少。人工智能可以为公司、客户、用户及员工带来巨大的利益，但这些利益并不总是那么显而易见。受众也不清楚需要什么数据和技术，花费多长时间，投入多少成本，以及如何权衡利弊。衡量所构建的人工智能解决方案成功与否也并不容易。
公司也可能没有领导数据和高级分析的“合适”组织或者人才。人工智能是一个技术性非常强的专业领域，在管理层和高级分析专家之间需要翻译，而在软件环境中该职责通常由业务分析师和产品经理承担。像高管一样，他们之中理解人工智能的人也很少，因此产生了以数据为中心版本的新角色（例如数据产品经理），该角色相对较新而且人才稀缺。此外，由于公司内部的数据组织还处于相对幼稚的阶段，因此现实世界中的数据组织结构（如领导、报告、职能协调）乱七八糟。最重要的是，可能没有优化这些数据的组织结构来促进人工智能计划的内部采用、协调和理解，更无法在一般情况下成功交付人工智能项目（例如角色、职责、资源）了。
在考虑技术投入时，高管们对项目的最终结果、成本、实现价值的时间、投资回报率、风险控制与管理（例如偏见、缺乏包容性、缺乏消费者的信任、数据隐私和安全性）以及是自建还是外购都要有充分的理解。与数字化转型相关的传统技术投入（例如构建移动应用或数据仓库）不同，人工智能更多地被认为是科学创新，这暗示存在类似研发活动的内在不确定性。
人工智能是以统计学和概率论为基础的领域，在最新技术和潜在应用方面都在迅速发展。人工智能可能无法避免一定程度的不确定性。对此不理解或不能正确地设定期望值是项目失败的另一个潜在原因。因此，不要以敏捷和精益的方式去推动人工智能项目，而要适当地尊重人工智能的探索性和实验性。对项目进行适当的评估应作为专门针对人工智能特点和潜在挑战而采用的更广泛方法的一部分。AIPB框架旨在帮助企业解决和避免潜在的失败点，并且最大限度地利用人工智能取得成功。
最后，构建成功的人工智能解决方案，使人们在企业之外受益，这需要知道人们的需求和想法，以及如何设计优秀的产品和良好的用户体验，因为其中许多成分同样也可用于做出好的人工智能解决方案。从根本上讲，与其他的选择相比，人们使用的产品和服务更有用、更令人愉快，也能带来良好的体验。能够实现所有这些的人工智能解决方案将获得成功，而那些只聚焦于其中一种成分的人工智能解决方案则可能会失败。为什么人工智能计划会成功
当决策者试图更透彻地理解人工智能的价值、机会、潜在应用和挑战时，人工智能计划（处于人工智能应用转型过程）就会成功。当人工智能计划背后的动机明确且具体，与人和企业的目标一致，并被当成北极星来指导其他一切时，人工智能计划就会取得成功。
此外，当把建立合适的数据分析组织纳入优先级（本书包含一些建议）时，人工智能计划就会成功。这包括为领导、组织机构和人才赋予在战略上适当的分析角色和职责。这种组织可以做到以下几点：
·发现人工智能的机会并确定其优先级。
·帮助确定整个公司对人工智能投入的优先级。
·促进采用人工智能并保持一致性。
·正确设定对人工智能计划的期望。
·围绕人工智能制订共同的愿景和战略。
·协助打破壁垒。
·使数据分析民主化。
·帮助公司不断提高数据分析的竞争力。
·营造从基于直觉、历史先例和简单分析转型为数据驱动和数据启发的组织文化。
·构建、交付和优化成功的人工智能解决方案。
此外，成功的数据分析组织能够正确评估其人工智能准备度和成熟度水平，并且能发现差距，继而制订弥补相应差距的优先策略。其还能够基于项目，分析具体的关键性考虑因素并进行相关的利弊权衡，发现差距并确定弥补差距的优先级，同样也可以在项目的整个生命周期中根据需要做出正确的决定。
数据分析组织的成员必须能够跨部门工作，在必要时以战略方式与公司所有职能部门的专家合作。AIPB框架独特地定义了一组高层次的跨职能专家，他们必须在人工智能计划的某些阶段共同努力，以确保结果成功。
创建现实世界可交付成果，并实现其预期利益，需要在迭代阶段有效地依次执行，在人工智能的场景中，AIPB框架对此做了独特的定义。每个阶段都有由AIPB定义的相关输出，所有这些都是成功人工智能解决方案的关键组成部分。理解本书所讨论的诸如科学创新之类的概念（特别是在人工智能的背景下），也有助于成功。利用人工智能的力量取胜
为了帮助回答问题并实现所讨论的目标，本书将介绍AIPB框架，这是我根据近20年的创新经验和专业知识所创建的框架。它是我在职业生涯中成功运用过的实际战略、方法和技术的总结，涉及的公司横跨多个行业，从印第赛车队到早期的初创公司，再到大型企业。它代表了我的专业以及从经验中所获得的知识，是商业、分析和产品管理几个领域最为有效的统一，而且在总体上追求创新。
我把AIPB框架称为人与企业的人工智能，因为它致力于制订成功的人工智能解决方案，让人生活得更好，让企业更加成功。因为其独特的、专门构建的北极星、利益、结构和方法，AIPB框架将有利于高管和经理。这是用来指导人工智能计划的完整框架，包括从完成适当的评估到制订人工智能愿景和战略，再到构建、交付和优化生产环境中的人工智能解决方案。
本书无意定位AIPB框架是应该取代其他一切的决定性框架。事实上，正如即将讨论的那样，AIPB框架是高层次模块化的框架。这意味着在具体项目或者任务中，团队应该采用最有效的子框架（或者如果愿意的话，使用本书所推荐的那些框架）。
在解释我所开发的框架时，意在从高层次上提供帮助和指导，协助澄清尝试人工智能创新所带来的一些困惑。不管这个特定框架落地与否，我都认为本书关于AIPB框架和其他主题的讨论将为在组织中成功使用人工智能，提供一种概念性的思考方式。
下面几章将详细讨论全面的端到端AIPB框架。本书的其余部分将在适当水平上涵盖高管和经理应该了解的关于人工智能的几乎所有内容，聚焦制订人工智能愿景和战略。根据我的经验，制订人工智能愿景和战略将是本书目标读者的最大挑战。
这应该有助于决策者更好地理解人工智能，并围绕人工智能计划更自信地做出决策和投入。如果通过简单地理解AIPB框架所提出的概念以及本书的内容，高管和经理便能够在高级分析方面有所突破，那么这就是胜利。
访问https://aipbbook.com注册AIPB的邮件列表可以获得最新的信息与资源。第2章 人与企业的人工智能框架介绍
人工智能是一套概念、工具和技术，代表着巨大的颠覆和变革潜力。从定义上讲，可以简单地将人工智能视为机器所展示的智能，这些机器能以有益的方式使用（例如执行任务、做出决定、帮助人类、拯救生命）。特别有益和高级的应用包括帮助失明和视障人士“看见”，评估心血管疾病，以及根据视网膜扫描图像确定危险因素。
在AIPB框架指导下制订和执行人工智能愿景和战略，是人工智能创新的关键，这对人与企业都十分有利；也就是说，创新带来更好的人类体验和企业成功。本书所涵盖的框架和信息，对于有兴趣确保成功交付人工智能产品以获得最大价值和利益的企业都十分有价值。
本章的目标是介绍AIPB框架及其所基于的更通用的人与企业（For People and Business，FPB）框架。本章将深入讨论AIPB框架所能带来的利益，同时简要介绍在其基础上构建的评估、方法和输出。下一章将更详细地讨论这些问题。
注意，本书的余下部分将使用简化且赋予新含义的术语“产品”，来描述任何基于人工智能的业务、产品、服务和解决方案。创新的通用框架
AIPB框架是我研发的更通用的FPB创新框架的具体应用。FPB更为通用，因为我们可以将其应用于任何形式的创新或者新兴/先进的技术，如人与企业的创新、人与企业的区块链、人与企业的物联网以及人与企业的机器人。
如图2-1所示，FPB框架由北极星、利益伪范畴和四个核心范畴所组成。FPB框架在北极星、利益、结构和方法方面有其独特性。图2-1：人与企业框架
如图中顶部所示，FPB的目的是以创造更好的人类体验并助力企业成功为目标，在同时考虑人与企业的条件下进行创新；这就是北极星。该框架的独特优势体现在利益伪范畴上，如北极星下面部分所示，稍后将详细讨论。
为了创建AIPB框架而针对人工智能定制的这个更通用的框架的部分，包括所涉及的专家（例如数据科学家和机器学习工程师）、人工智能评估、方法范畴各阶段所涉及的人工智能具体细节（例如制订人工智能愿景和战略）以及一些输出（例如可操作的洞见、增强智慧和自动化）。同样，针对人与企业的区块链也有类似的定制范畴，如密码专家、不同的评估、不同的愿景和战略以及不同的输出；其余的也是大同小异。虽然在本书的剩余部分将只提AIPB框架，但希望你记住，FPB框架也可以推广到其他的技术创新。
你可以用电梯演讲的方式说明，作为人工智能的创新框架，AIPB框架能够通过其独特的价值主张（北极星、利益和差异化优势），创造更好的人类体验并助力企业成功，这需要专家参与并通过独特的过程（评估和方法）进行协作，以产生可交付的理想成果（输出）。AIPB框架的利益伪范畴
也许你想知道为什么要包含利益伪范畴。通常，在介绍或讲解框架时都会讨论框架的利益，但实际上这并不涉及框架本身。因为框架的利益就像框架的北极星，是框架背后的原因，也就是使用框架的全部理由，或者说是其价值主张。如果不记得框架或模型为何能带来利益以及我们为何应首先使用它们，那么记住框架或模型的所有内容又有什么意义呢？
在深入研究AIPB的具体利益之前，先讨论人工智能和机器学习的实际过程以及相关模型。你可能已经熟悉CRISP-DM，这是用于数据挖掘、数据科学和机器学习的通用过程。我创建了称为GABDO的人工智能过程模型，如图2-2所示，附录B将会深入介绍。
大多数的机器学习过程模型都忽略了上游应该完成的工作，该模型也不例外，上游的工作是制订人工智能或机器学习的愿景和战略。有些模型充其量只提到需要提出正确的问题并确定目标和机会，除此之外再无其他。与我交谈过的大多数高管和经理都在努力挣扎试图了解如何制订实用的人工智能愿景和战略，并在寻找自己的出路。他们并不特别关注诸如CRISP-DM和GABDO之类的战术级机器学习过程，这也无可非议。我在开发AIPB时的主要目标就是弥补上游的缺口。正如你所看到的，AIPB框架就是这么做的。图2-2：GABDO人工智能过程模型现有框架及其缺失
检验AIPB框架独特性的方法是将其与大多数现有的业务和产品开发框架、模型以及方法进行比较。有许多流行框架可用于帮助制订企业战略、最大限度地提高产品开发成功率并促进创新。可将它们划分为以下几类（用我推荐的一些特定方法），即所谓的AIPB过程范畴：
·评估（例如差距分析、竞争力分析）
·构思和愿景开发（例如设计思维、头脑风暴、五个“为什么”）
·业务和产品战略（例如SWOT分析（优势、劣势、机会和威胁）、波特五力、成本效益分析（CBA）、产品–市场匹配金字塔）
·优先路线图（例如延迟成本、CD3、卡诺模型、重要性与满意度）
·需求引出（例如设计思维、访谈）
·产品设计（例如设计思维、用户体验设计、人性化设计）
·产品开发（例如敏捷、看板、GABDO、持续交付）
·产品评估、验证和优化（例如最小可行产品（MVP）/原型设计、成功指标、关键性能指标（KPI）、易用性测试）
所有这些过程和方法都非常有用（包括在AIPB框架中，这意味着模块化！），其中有许多是AIPB框架要弥补的共同空白。这包括：
·不以原因或目标为中心（更关注细节、方法和内容）
·以企业为中心（而不是以人为中心）
·孤立（涉及有限的参与群体和广泛的专业知识）
·不全面（专注于更大流程的子集）
·以文档为中心（要点列表、填好的画布、白板）
·不注重可解释性（对形成共同愿景没有帮助，并且在所有利益相关者中保持低调）
·确定性（假设一切都可以预知和计划）
·以装配为中心（只需按照线性过程或步骤构建解决方案，以获得最终结果）
AIPB框架弥补了所有这些差距，成为以原因为驱动、以人与企业为中心的，整体统一、协作互动和科学创新的框架，因此效果显著。AIPB框架的利益
AIPB框架的最终目标是帮助人们理解如何制订人工智能愿景和战略，将人工智能应用到实际场景，最后执行人工智能的战略并获得最大的成功。正如你将在本书后面看到的，AIPB框架还通过围绕人工智能准备度、成熟度和其他关键性考虑因素进行关键性的评估，来帮助和指导人们发现差距并做好人工智能计划。
AIPB框架通过弥补差距带来以下的利益：
·聚焦原因
·聚焦人与企业
·聚焦整体统一
·聚焦可解释
·聚焦科学
让我们逐个讨论AIPB框架的独特优势，以及它们如何端到端地为人工智能创新打好基础。这些想法将在本书中得到进一步的阐释。聚焦原因
了解市场和机会的传统方法包括初步市场研究，但我认为主要依靠市场研究难以有足够的创新。人们并不知道自己想要什么，而市场只会告诉你已经有了什么。
史蒂夫·乔布斯便深谙此道，而且还不断地创造出全新的产品，直到人们开始使用时才知道这是他们想要的功能。史蒂夫·乔布斯和其他人是怎么做到的？通过理解问题和需求，或者换句话说，理解背后的原因。因此，我强烈建议聚焦问题和需要研究的要点。这为真正的创新和打造优秀产品提供了更好的途径。
所有的相关人员都应该理解为什么；换句话说，所有的利益相关者都应该理解背后的原因。在企业中，员工和部门通常受不同目标和KPI的激励。真正的创新需要有一颗名为“为什么”的北极星，需要共同的愿景和理解，而不在乎特定员工或部门的目标和激励。“为什么”有助于制订可以实现的愿景和战略。许多现有的框架都专注于创建要点列表、填充纸质或电子画布，包括一些基于画布的人工智能和机器学习框架。
别误会，所有这些框架都具有指导意义，但不幸的是，它们都具有一些我认为应该改变的相同特征。具体来说，它们并没有特别关注如何制订愿景或战略。聚焦人与企业
大多数企业框架都聚焦于企业，而AIPB框架则同时聚焦人与企业。人对企业或者产品的成功至关重要，本书将深入讨论该主题。
试读结束[说明：试读内容隐藏了图片]