如果运营（yíng）模（mó）型定义了（le）组织如何定位人员，流程和技术（shù）以（yǐ）实现客户价（jià）值，那么（me）具（jù）有AI优（yōu）先运营（yíng）模型的公司就是（shì）那些优先使用AI以便将更多的智能和自动化（huà）编织到公司（sī）的产（chǎn）品，流（liú）程，和（hé）经（jīng）验。

在2020年7月的梅（méi）蒂斯战略数字研（yán）讨会上从100多个全球CIO收集的数据体现了AI优先运营模式的趋势：66%的CIO表示他们有团队专注于识（shí）别AI用（yòng）例，进行试（shì）点并扩展可改善（shàn）的案例结果。在目（mù）前没有资源（yuán）专（zhuān）注（zhù）于（yú）此的（de）CIO中，大约60%的（de）CIO表示正（zhèng）在其（qí）路线图上。

在与《财富》 500强公司的合（hé）作中，我们确定了成功过渡到（dào）以人工智能为先的（de）组（zǔ）织（zhī）之间的共同特征。以（yǐ）下是数字领（lǐng）导者可以（yǐ）采（cǎi）取的一系（xì）列明（míng）智的第一步（bù），以启动，加速或纠正他们的AI转换（huàn）。

1.规范对人工智能的理解（jiě）

火（huǒ）星首（shǒu）席数字官Sandeep Dadlani等数字先锋已经采取（qǔ）了战略性方法来正（zhèng）规化对（duì）AI的理解（jiě）。在7月与（yǔ）Metis Strategy的（de）对话中，Dadlani表示，他故意推迟了正（zhèng）式（shì）AI课（kè）程的开发，转而采用以业务为中心的方（fāng）法，该方（fāng）法将“帮助人们通过解决（jué）环境中的问（wèn）题来学习。”团队接触到每个业务和市场，并首先（xiān）了解需要解决（jué）的问题，然后应用（yòng）AI和以用户为中心的概念来解决它们。与高级领导者进行的快速头脑风暴会议也可以帮（bāng）助加深组织对AI的（de）理（lǐ）解。在垂（chuí）直轴上（shàng）使用具有AI技术（例如，有监督（dū）的机器学习，无监（jiān）督的机器学习，自然（rán）语言处理）的（de）简（jiǎn）单矩阵，以及在水平轴上具有业务问题的（de）矩阵，可以（yǐ）用来构建（jiàn）对话框架。然后（hòu），主持（chí）人描述了每种技术的可能性，高级领导者集（jí）思广益用例来解决现有的业务问（wèn）题。高级领导者（zhě）可以在自己的团队中重（chóng）复进行此练习，以确保这种理解在整（zhěng）个（gè）组织中不断扩散。

2.定义（yì）人工智能如（rú）何推动业务发展并创造更多获（huò）胜方式

有效的策略以最简单的形式回（huí）答（dá）了两（liǎng）个主要问题：在哪里玩和如何（hé）获胜。以人工智（zhì）能（néng）为（wéi）先的公司使用AI创造更多的取胜方式，例如（rú）提供个性化体验或创（chuàng）建可指数扩展的功（gōng）能。作为数字化领导（dǎo）者（zhě），阐明人工智能与业务成果之间（jiān）的关系对于达（dá）成（chéng）认可至关重要（yào）。具体而言，公司应准确定义AI计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（例如，客户为什么购买），利润公式（例如，我（wǒ）们如何（hé）实现利润）以及关键资源/流程（例如，如何我们创造并交付价值）。

知（zhī）道这些（xiē）问题的答案通常是为AI计划提供初始资金的先决条件，但是许多高（gāo）管未能以（yǐ）与业务产生共（gòng）鸣（míng）的方（fāng）式进行（háng）解释。我们（men）建议与主要（yào）利益（yì）相关（guān）者进行一系（xì）列的一对一会议，以确保（bǎo）获得有关AI投资如何改善业（yè）务模型和实现目标成果的清晰（xī）故（gù）事。寻找有关（guān）AI如何（hé）改善您的业务模型的灵感吗？查看我们与AI先驱Sherif Mityas（TGI星期五）和Vijay Sankaran（TD Ameritrade）的讨论。

3.找出（chū）将限（xiàn）制您的AI转（zhuǎn）型的数（shù）字基础裂（liè）缝

人工智能驱动的业务成果（guǒ）的（de）承诺吸引了高级（jí）领（lǐng）导者，但是技（jì）术和（hé）组织（zhī）上的僵化往往介于快速获胜和真正的企业（yè）范围内的转型（xíng）之间。数字（zì）化领（lǐng）导者必须（xū）制（zhì）定全面的路线（xiàn）图（tú），其中（zhōng）包括两项投（tóu）资，以赢（yíng）得快速胜利（lì），同时加强（qiáng）数字基础（chǔ）。以（yǐ）下是一些有助于（yú）实现顺利运行的（de）建议：

4.摆脱（tuō）部落的运作模式

大型企业，不管他们是否承认，通常都按照由（yóu）损（sǔn）益表（biǎo），业务部（bù）门和职能定（dìng）义（yì）的“部（bù）落”运（yùn）作。绩效（xiào）激（jī）励措施与这些（xiē）部落保持一致，在进行战略规划和资本（běn）配置活动时会（huì）产生“我们与他们”的心（xīn）态。这导致（zhì）了一个由（yóu）不同数据和应用（yòng）程序组成的技术产业（yè），每个（gè）数（shù）据和应用程序旨在推动有益（yì）于某个部（bù）落的（de）成果。人工（gōng）智能优（yōu）先组织超越了组织孤岛，并在（zài）标准的数（shù）字基础上积极（jí）致力于重建企（qǐ）业（yè）。例如，微软在其（qí）数字化转型期间将IT重命名为“核（hé）心服务（wù）”，以表（biǎo）示其与BU无关的纵向，新（xīn）使命，即提供组织可用来（lái）构建（jiàn）运行整个公司（sī）的流程的组件（jiàn）。

5.集中和（hé）标准化（huà）您的数据，以全（quán）面了解客户

由于部族结（jié）构的原因（yīn），跨组织（zhī）出现的不同的（通常是不（bú）兼容的）应用程序和数据（jù）源使连接不同客（kè）户交互之间的点变得困难。许（xǔ）多组织已经意识到了这一缺点，并启动了多年计划来构建企（qǐ）业范围的数据平台（或（huò）“数据（jù）湖”），以吸收，关联和集成所有数据源，并（bìng）开发出客户（hù）的（de）360度视图。借助跨组（zǔ）织过程的受信（xìn）任数据源，公（gōng）司（sī）可（kě）以使用监督学习算法来开发AI应用程序，从而抢先（xiān）识别可（kě）能流（liú）失的客户并主动将（jiāng）业务扩展到高风（fēng）险（xiǎn）客户。