未來的企業，你需要有首席人工智慧官
作者：葉偉志
壹企問諮詢總經理，廣東天使會合伙人，人工智慧應用專家，大數據資深從業者，系統架構師
人工智慧是什麼
我們做了一個調研，「人工智慧」是什麼。得到的答案非常有意思，大家對「人工智慧」的答案主要集中為：機器人，智能推薦，幫我們完成任務，取代人工等等。
人工智慧這個詞，承載了太多觀點和意思，使得無法用一段話完全描述，就好比「手機是什麼」這個問題，從「打電話」到「打電話+發信息」再到「打電話發信息聊微信」，這些句子都無法完全描述「手機是什麼」這個問題。
所以對於人工智慧，我可能無法精確地回答大家人工智慧是什麼，我希望達到的目的是，經過這次的分享，大家對人工智慧有更多的認知和了解。特別地，知道人工智慧與企業的關係，作為企業負責人，面對人工智慧，我們應該做什麼。
AFTERLIGHT
首先我們來看兩個例子：
有一個叫AFTERLIGHT的APP，由一個只有兩個草根成員的跨國公司開發的，這兩個人都是20多歲。一個是美國的草根屌絲，另一個，來自韓國，同樣是草根屌絲。這兩個人完全是通過社交網路認識，一個不會說英語，一個不會說韓語，他們之間的溝通都是通過谷歌翻譯完成的，他們2013年創辦公司，2014年的收入就已經達到了2億美元，相當於13億元人民幣。這家兩個人的公司幾乎壟斷了全球的照片編輯市場。
創始人Simon Filip 是一個21歲的攝影師，Sang Mook Lee是一個來自韓國的程序員，事實上，他們兩個人與一個AI系統合夥了，我稱之為「AI合伙人」。它是一個全能型的AI合伙人，擁有數不清的照片編輯功能於一身。作為有著獨特智能的AI編輯，它能夠幫助普通人將一般圖片，變成超級專業的作品。更令人驚訝的是，AFTERLIGHT這家納米級公司的估值，已經超過10億美元，相當於60多億人民幣。
FINCH
Finch Goods Co. 是理查德創立的一家做創意文化衫的公司，在決定了公司的戰略是做客戶個性化文化衫以後，理查德做出了一系列的決定，其中包括了：
1. 依託電商平台SHOPIFY，作為Finch公司的主站，藉助Shopify，Finch能專業化地處理維護訂購、支付、交互，以及其他服務。
2. 選擇與Creative Market公司合作，為T恤設計圖像模板，這是一家獨立創意集市平台公司，作品來自於全世界。
3. 與列印風格獨特的Printful公司合作，為Finch公司自動印製T恤，並發貨。
4. 理查德持續給那些關注地鐵系統的博客作者發了郵件，與他們合作O2O營銷。
這些看起來複雜的商業資源，理查德選擇了使用AI合伙人幫他執行和完成，這個AI合伙人是一個BOT交互系統，包括「用戶界面+大數據平台+供應系統」，它能按用戶選擇的設計、線條、顏色、大小、類別、字體、樣式、圖形等各種元素，創造無限的組合，然後實時動態地展現給用戶，讓他們決策，下單。
與此同時，這個AI合伙人，還會實時地參考其他好的網站，永不休息地調整自己的演算法。優化生態供應網路的管理，降低運輸成本和時間。
然而這一切一切，就是一個人+AI合伙人，這個一天24小時永不休息的零售驛站，每天有7000~15000名訪客，年銷售額12~25萬美元，利潤在50%左右。
前面說到的這兩個，都是使用人工智慧幫助企業發展的典型案例，在案例當中，人工智慧主要都是幫助企業執行一些複雜而且工作量大的事情。讓企業能夠非常輕資產地運營並且取得成功。像AFTERLIGHT和FINCH這樣的公司，數量在不斷地增加，但這些公司依然非常地特殊，主要原因是絕大多數公司，都不知道在人工智慧在自己的公司當中能夠發揮怎樣的作用，更別說真正地用起來並持續調優，直到產生商業價值。
首席電力官
以史為鑒可知興亡。回過頭來看，我們會發現當今人工智慧面對的狀況，與19世紀中期的第二次工業革命非常相似，當時主要面臨的是電氣的應用，以及由電氣應用帶來的一系列商業改變。當時大家面對電氣，跟現在面對人工智慧驚人地相似，都一樣地知道這是將來的必然，但是不知道這個將來有多久，不知道自己怎麼迎接這個將來。所以當時催生了一個非常特殊的崗位——「首席電力官」。
電氣革命時期，當電氣流向千萬企業，很多企業主動尋求升級，雖然不是像蒸汽時代那麼抗拒，但同樣困難重重。一百多年前的電力系統十分複雜。需要在直流電，交流電，不同的電壓，不同水平的可靠性，不同的電力介面以及價格之間做出合理的選擇。直到今天，各國的電壓的介面規格也沒有統一起來，比如我們去日本旅遊，就一定得帶上合適的電源介面和適配器。當時和不同的電力公司打交道，也是個非常困難的技術活。
即使搞定了不同的電力公司，就公司本身業務而言，如何使用電力獲得最佳效益也很難搞清楚：是應該先給企業全裝上電燈，還是有限用電動機取代燃氣輪機?於是，當時很多公司，就聘請了電力副總裁(VP of Electricity)幫助組織進行改革工作，以保證公司內的每個職能部門在自己的工作目標或產品上考慮電的存在，包括布置電線、購買電力設備、改造原有設備，甚至改造公司業務流程(電燈使得夜班變成普遍的可能和成為行業標準)。
隨著電力系統的成熟，首席電力官這個角色才逐漸消失。首席電力官的出現讓企業有更多收益。
CTO、CIO、CAO
首席電力官消失以後，迎來了另外一個群體，叫CTO，這個傢伙一般就是被認為，公司里寫代碼最厲害的人(這句話基於社會上對CTO的片面誤解而說的)。CTO就是類比首席電力官的一個角色，在企業面臨日新月異的信息技術服務的時候，需要有一個懂技術的人。首先他是企業的信息技術整合者，代表公司利益和服務方打交道，決定如何通過信息技術滿足公司的需求，並真正保證最終結果。一般來說，CTO負責信息化基礎設施的投入，比如如何接入骨幹網，如何配置本地化信息設備等等。同時也負責選擇和使用現有成熟的互聯網產品服務(PaaS和SaaS)。但事實上，由於互聯網極大地加速了產業的發展，所以經常會出現企業需求無法用既有產品滿足的情況，所以現在越來越多的CTO還需要負責自己帶領團隊研發/改造自己的信息化產品。
在CTO以後，最近幾年在中國國內，很火的一個詞語是CIO，CIO是首席信息官的意思，CIO的職責是負責挖掘企業信息資源、制定企業信息化戰略、信息系統的技術選型並推動企業的信息化建設。
除了首席電力官，首席技術官，首席信息官，我們認為，在不久的將來，幾乎所有職業都會被人工智慧重構。低端重複的工作被替換，臟活累活封裝起來，新增大量的信息處理介面，人類從業者通過調用人工智慧的各種介面來操作底層事務。面對這樣的必然趨勢，未來的企業，必須要配備的是CAO——首席人工智慧官。
關於首席人工智慧官
首席人工智慧官6大職能
對於首席人工智慧官，我們認為有6個職能，分別是：
1. 理解/制定公司的戰略
2. 引入成熟的機器學習演算法
3. 收集訓練數據
4. 建立行業專家系統
5. 使用成熟的人工智慧產品
6. 創新的符合用戶體驗的循環
職能一 理解/制定公司的戰略
首先我們來看一下第一個職能：理解/制定公司的戰略
人類進步的核心模式
任何人任何企業，都不可能逆潮流發展，所以在討論公司戰略之前，我們來看看人類進步的本質。人類進步的本質，我們為那些能讓我們認知更多，實現更多，獲得更多經驗的事情充滿熱情地奮鬥。中國古代四大發明之一的指南針，讓航海的冒險者能夠更好地把握方向，走到更遠的遠方，發現新大陸，發現新資源，總結更多知識，實現更多的設想，沒有這一切，現在的世界第一大國——美國就無從談起。
對於人類進步的本質，我們認為會有三個重要的觀點：
1. 獲取信息
2. 形成知識
3. 完成任務
任何大大小小的進步，都離不開這三個步驟。比如普朗克，愛因斯坦等著名科學家，通過理論研究和大膽猜想和實驗研究，獲取了很多量子世界的信息。然後進一步推演計算，總結歸納，形成量子世界裡面的經典理論，最後大家都用這些形成的知識理論，製造出了核彈，穿越太空等等。
為此，企業制定的戰略，要抓住人工智慧的下一個浪潮。而人工智慧的下一個浪潮，必定遵循「人類進步」的核心模式：
1. 更好地獲取信息，通過各種新型的感測器和體系獲取信息，這裡額外提醒一下，信息不僅限於傳統意義上的「數據」，以前我們更多關注在「數據」是因為信息儲存成本過高，運算能力不足，所以在採集和儲存信息的時候，就採用了大量的簡化和代替，這些被簡化和代替以後的信息，通常，我們稱之為「數據」。立足發展和將來，我們應該對「信息」的概念有更廣闊的認識和視野。
2. 更好地形成知識，目前在這個領域大放異彩的，就是機器學習了，在其中最為突出的，就是使用了神經網路演算法的深度學習DEEP LEARNING。深度學習把黑盒子的特性展現得淋漓盡致，人們可以不用管中間過程，讓機器模擬人類神經元工作的方式，在輸入數據和輸出結果當中，通過計算機超級強大的建模和運算能力，推演探索出新的模型。深度學習的黑盒子特性，也讓人類產生了極大地恐懼。就在今年的6月份，Facebook人工智慧實驗室被迫關閉了一個實驗，因為實驗當中發現了兩個智能對話機器人在訓練當中，發展出來了一些人類無法理解的獨特語言。
3. 更好地完成任務，這個的想像空間是最大的，畢竟純粹的知識沒意義，很多時候商業的價值，就是在於把知識轉化成為產品，完成任務服務需求。比如大型會議的會議紀要機器人等等。這裡面是每個企業在將來戰略目的當中的重點關注點，使用人工智慧的知識和產品，完成更多的任務，服務於社會，產生商業價值。所以我認為更好地完成任務，是大部分企業面對人工智慧可以關注的事。
進入高速增長的行業
基於人類進步的下一個浪潮，就是剛剛說到的「更好地獲取信息」「更好地形成知識」「更好地完成任務」，基於這樣的浪潮，我們認為接下來有一些行業是會持續處於高速增長的狀態的。
1. 家居
2. 醫療
3. 養老
4. 交通
5. 環保
6. 金融
7. 通訊
8. 穿戴設備
在上述描述到的行業當中，可能會水漲船高，能夠得到更快速的發展。具體我們也正在進行相關行業的調研，希望不久的將來，可以跟大家分享我們對這些行業的研究。
產品戰略
上面花了很大的篇幅，說到了人工智慧與新的浪潮之間的關係，當我們都把握到大的浪潮發展方向以後，就比較容易制定企業的定位和戰略了。完成以後，接下來最重要的，就是對於不同的產品進行分類匹配，執行不同的產品戰略。
這裡我們推薦使用波士頓矩陣的方法進行分析，根據不同產品的市場份額以及增長率進行分類。
上述表格，是經過了波士頓矩陣方法分析以後，得出來的選型規劃建議。最後應該根據每個不同類型的產品，執行可信可靠的執行戰略，比如對於現金牛產品，規劃的主要目的，可能在於規避風險和降低黑天鵝事件發生的概率，收集風險，事業環境因素的趨勢判斷，核心盈利指標的趨勢判斷，採用穩健的技術選型方向，大規模投入，進一步提高現金牛收入的穩定性。
到這裡，我們講完了理解/制定公司戰略這個事，這裡稍微做一下總結，就是要理解發展的大浪潮，基於公司的實際情況，找到合適的行業，進行公司的戰略定位，同時基於公司的產品，使用合適的方法進行分類(比如波士頓矩陣)，制定不同產品的執行戰略。
職能二 引入成熟的機器演算法
引入成熟的機器演算法，代表的意思就是我們不去研究和提升演算法本身。對機器演算法的研究和提升，需要頂級的智慧和知識，其中有一些必要的資源，是99%在座的我們都不具備的，其中主要有哲學、數學、經濟學、神經科學、心理學、計算機工程、控制論、語言學等等，可能在產業的初期，我們還能有一些些機會參與，但到最後，一定是剩下為數不多的巨頭甚至國家層面，對演算法進行進一步的研發。有時候甚至國家也不容易處理這些事情，比如天河二號在GPU的應用層面，由於被美國政府對NVIDIA的限制，導致天河二號雖運算快，但是由於GPU運算能力的缺陷，導致不同的技術引入的時候，會有各種適配的麻煩。總而言之，就是我們要做的，就是引入成熟的機器演算法，我們不要去研究機器演算法的本身。
那我們來看看成熟的機器演算法有些什麼吧。
l 決策樹：
l 隨機深林
l 邏輯回歸
l SVM支持向量機
l 樸素貝葉斯
l K最近鄰
l K均值
l Adaboost
l 神經網路
l 馬爾可夫
對於上面這些演算法的詳細說明，優劣分析等，不是今天介紹的內容，因為需要不少的數據和計算機的基礎，我們稍後會有專題講解這些演算法。
職能三 收集訓練數據：
機器學習，都是基於既有數據，從既有數據當中總結規律，根據規律形成模型，並做模型的調優和選擇。整個過程就有點像教小孩子一樣。一直廣泛流傳的「數據是企業最重要的資產」指的就是這個數據，因為我們可以從數據當中獲取很多新的知識，新的模型。但是很不幸的是，目前而言，機器遠沒有達到人的能力，他無法從紛雜的世界裡面學習各種非標準化的東西，為了讓我們的機器和演算法快速地成長，我們就需要收集大量計算機可以理解和學習的數據。
數據在哪裡
那我們打算收集的數據，他現在在哪裡，接下來我們說幾個現成的數據收集渠道吧。
1. 供應鏈管理系統，幫助企業管理整體的供應鏈，包括供應商、製造商、倉庫、配送中心、渠道商等等組織在一起，包含計劃、採購、製造、配送、退貨等主要模塊。
2. 客戶關係管理系統，以客戶作為核心，利用信息技術、互聯網等各種方法，管理企業和客戶之間的關係，挖掘客戶的全生命周期價值。
3. 生產流程管理，生產流程管理是比較重點的方向和值得挖掘的領域。因為生產過程通常都是企業自身可以完全控制的，數據具有一定的完備性和可控性。其次就是以前因為技術的限制，對生產流程的數據應用是相對較少的。生產流程管理，目前主要有以下的分類MES製造企業生產過程執行管理系統;DNC生產設備及工位智能化聯網管理系統;MDC生產數據及設備狀態信息採集分析管理系統;PDM製造過程數據文檔管理系統;
4. 進銷存管理。
5. 視頻管理系統，目前絕大多數企業都沒有建立，以超高清攝像頭為記錄工具，目標是記錄大量的視訊資料，視訊資料當中含有非常多的信息量，目前而言算力的成本過高，從視訊資料當中提取有用信息的成本很高。但可以先存儲視頻數據，等算力成本大幅度下降以後，再進行分析。
其他常用的管理系統還有企業文檔管理、財務管理、車間管理、資產管理、成本管理、設備管理、質量管理、人力資源管理。
怎麼採集數據
至此，我們聊完了數據在哪裡的問題，不同的企業可以根據自己的實際擁有的系統，進行數據的整合和採集，在整合和採集這一步，有4個關鍵的點：
1. 設計和創造新的場景
這裡包括管理場景和客戶場景，我們怎麼理解設計新的管理場景，舉個例子，我們合作的一個口腔醫院，想要記錄診療過中的一些數據，比如拍片出來的那個片，這個數據按照正常的方式，是不會有記錄的，那如果我們想要收集這個數據，那麼我們的管理流程，就需要進行一些調整，比如拍片出來以後，醫生護士需要對這個片進行拍照，或者直接出兩份片，把其中一份放到備份的地方存起來。但是在這樣的工作流程下面，醫生護士的工作量就會提升了不少，而且很有可能會有丟失遺漏的狀況，所以增加醫護人員拍照這個動作，並不足夠好。更好的是，架設一個高清攝像頭，持續監控出片的位置，記錄下所有的內容，與此同時，增加人工智慧程序，截取監控當中有用的信息，減少無用的信息，降低儲存成本。
在這個案例當中，我們可以看到，有很多的數據，是要通過我們對流程和場景進行優化以後，才能更好地收集的。又比如客戶場景，還是同樣的口腔醫院，想要建立用戶的終生健康服務，需要對客戶進行識別，從前的流程，由於IT技術的缺乏，沒有對用戶做身份識別工作，診療系統的數據，與用戶行為無法匹配，導致無法進行分析。為了把用戶的線上數據與實體行為綁定起來，只需要增加一個簡單的客戶場景，就是用戶在做完相關檢查以後，體檢報告會發送到手機微信端，讓用戶通過微信跟我們系統綁定起來。從上面這兩個案例，我們都可以看到，無論是內部管理，還是外部用戶體驗，都需要經過思考進行設計和創新，新的場景可以幫助我們更容易的收集到有用的數據。
2. 數據中心
數據中心是一個很成熟的概念了，這裡需要做2點強調和一點擴充。
1.數據中心需要把儘可能多的企業數據記錄下來，而不僅僅是業務訂單數據，事實上業務訂單數據的價值很有可能沒有生產過程的數據來得重要。
2.我們也見過了很多很多的企業，花了很多的資源，把數據中心建立起來了，但是沒有建立起相關的制度，數據中心從設計，到運營，到維護，全部都集中在一兩個人身上，導致這些人離開了以後，數據中心淪為虛設，甚至數據直接丟失。所以強調的是數據中心需要從整個生命周期開始到最後，都需要有完整的設計和制度，怎麼建設，怎麼運營，許可權如何，資源要求等等。
3.需要擴充的是，數據中心儲存數據的形式，我們現在正在做2個很重要的研究，第一個是如何通過層級結構，降低數據儲存的成本，比如高頻調用數據存放在單價高的地方，低頻數據採用低成本的方式進行儲存，甚至下線OFF-LINE。第二個是結合區塊鏈的技術進行企業級信息儲存的機制和體系，區塊鏈技術本身非常適合用於儲存高安全要求的數據，所以我們考慮基於區塊鏈技術以及政府基礎數據，做數據儲存和應用的聯盟，解放數據的價值。
3. 對接現有系統
現有的系統一般來說，有自建的系統和第三方系統這兩種形態，對於自建的系統，那就很簡單了，只需要在系統當中，建立對應的數據傳輸介面，直接接入到數據中心即可。對於第三方系統，就比較麻煩了，一般情況下，第三方系統不會有適合我們使用的數據介面，而且要改造的話也不太現實。這個時候，可能就需要一些爬蟲或者屏幕抓取的技術，進行數據的採集，而這會需要多用一些些成本。
4. 收集未知非標數據
未知非標數據，主要指的就是高清視頻和圖像數據。對於人類而言，認知世界主要是視覺，視覺中包含的信息非常地豐富，但是目前而言，如何從計算機視覺和圖像當中抽取出信息，成本還是比較高昂，但是目前這個領域發展得非常快，我認識的一個團隊，已經可以實現對菜品進行識別，比如攝像頭拍一拍，就知道這個是涼瓜炒肉，蒜泥白肉，白切雞等等。在不久的將來，我們可以預見，會有大量的演算法和商業服務機構，能夠幫助我們在複雜的視頻數據當中提取信息。
職能四 建立行業專家系統
接下來，CAO要做的事情，還包括建立所屬行業的專家系統。專家系統，從1969年就開始出現，上古神獸HERBERT SIMON的學生 ED FEIGENBAUM等人，跨界合作，研究根據質譜儀提供的信息推斷分子結構的問題。創造了DENDRAL程序。DENDRAL程序的意義在於它是第一個成功的知識密集系統：它的專業知識來自於大量的專用規則，成為系統的規則。然後使用人工智慧的演算法作為推理的部分。之後FEIGENBAUM等人，把這個技術應用在了醫療方面，開發了MYCIN系統，用於診斷血液傳染，MYCIN有450條規則，最終他能夠表現得與某些專家一樣好，並且表現得比初級醫生好很多。這裡得到的啟發是，不存在通用的理論模型可以從中演繹出MYCIN的規則，他們不得不從專家那裡會見大量的病人的過程中獲取規則，也從對應的書本和其他專家的案例中獲取更多的規則。
專家系統還有很多很多的應用，而且成功地應用於商業，DEC公司的R1程序，幫助新計算機配置系統訂單，從1982~1986年，每年為公司節省了4000萬美元。
專家系統，主要就是利用通用的人工智慧推理演算法和能力，加上既有的行業特定知識作為邊界，把知識和推理能力分開。同時配合符合行業規則的可被計算機學習的訓練數據，讓機器在這個範圍當中不斷地去學習挖掘深度的知識。最終這個專家系統，可以給企業提供重要的業務建議以及決策輔助。
職能五 使用成熟的人工智慧產品
上面都說了一些比較大的事，落實到執行處，CAO要做的非常重要的工作，跟首席電力官的工作是一致的，就是跟不同的人工智慧產品廠家打交道，使用各種成熟的人工智慧產品，選擇合適的產品成為自身企業商業拼圖當中的一部分。具體成熟的人工智慧產品有哪些呢?
觀察世界：包括硬體，感測器，信息採集系統等;
總結知識：機器學習框架，各種專家系統;
知識應用：機器人，系統，程序
職能六 新的商業模式
做人工智慧事業，要跨越的第一個障礙就是如何落地，人工智慧意味著一個非常大的改變，時間周期會很長很長。要落地的話，首先必須找到非常好的、實際的用戶體驗，就是能給用戶帶來實際效益;其次，場景必須清楚，智能助手也好，無人駕駛也好，信息找人也好，一定要有實際的用戶體驗價值;最後，還要找到商業模式，不然就沒有可持續性。
所以重要的挑戰在於，是否能找到落地的用戶體驗和實現用戶價值的場景，然後找到合適的商業模式，建立一個創新的循環。即數據-知識-用戶體驗-新的數據。找到這樣一個循環往複的流，人工智慧事業就可以像滾雪球一樣往前滾。
首席人工智慧官的6大要求
1. 理解和執行企業戰略
理解人工智慧發展的下一個浪潮在哪裡，在更好的感知世界，更好的產生知識，更好的完成任務這樣的人類進步本質上出發，找到企業的目標和價值觀，制定企業3年，5年，10年的發展規劃。規劃和戰略不會一成不變，但也不能散漫無根，特別是對於人工智慧這個目前看來虛無，不好理解的事物，更應該有抬頭望天，高瞻遠矚的戰略能力。
2. 完全熟悉企業產品
剛剛說完抬頭望天，接下來就是要踏實行軍。一切的執行的基礎，都是建立在對產品非常熟悉的基礎上，熟悉產品方便CAO更好地做產品的波士頓矩陣分析，更清晰地知道不同產品在整個浪潮當中的定位，哪些需要重金投入，哪些需要衝動冒險，哪些需要果斷放棄。只有在這樣的基礎上，才能制定不同產品在人工智慧層面的具體戰略和時間表，才能真正的前行。
3. 對人工智慧技術的理解
對於CAO這個角色，我們認為需要對人工智慧技術有深入的理解，而相關的技術細節的要求並沒有那麼高，人工智慧特別是機器學習給我們展現了良好的黑匣子的特點，當中的一些技術細節，我們很難完全理解。特別對於CAO這個角色的人來說，更多是偏向於規劃和監督，而非具體執行。放棄掉對技術細節的打磨，反過頭來，需要CAO對技術的理解更加深入，更加清楚技術的發展狀況，技術的應用邊界，技術的實際場景等等。
4. 有權設計和執行商業模式
人工智慧目前而言，還處於非常不明確的階段，對於絕大多數企業而言，唯一確定的就是不確定，一切的內容都是在探索當中執行，包括如何戰略定位，如何儲存信息，如何設置場景，如何應用知識等等。這裡面有必然存在的試錯成本，所以要求CAO要有權力設計並且執行商業模式，這個過程，就像探索一個新的物理規律，需要做實驗設想與設計，然後執行實驗，最終通過實驗總結知識。我們需要認知到做實驗需要的權力和資源，缺一不可。
5. 對信息和數據有足夠的敏感
就如此前說到的，我們通常說的「數據」，是因為儲存能力不足，計算成本太高，而採用的對信息概括性的描述方法。當中有很多的信息在這個概括的過程當中被丟棄了。作為CAO，需要有能力跳過這個概括的過程，從業務和「數據」本身，看到真實的信息，並得到更有價值的數據。
6. 企業家精神
工匠精神、創新、冒險、合作、敬業、學習、執著、誠信、服務。這個是百度百科裡面對企業家精神的特徵分析。CAO作為合伙人級別的定位，需要有企業家的精神，需要有擔當企業家的氣魄 。
CEO應該成為CAO
最後最後，也是我一貫提出的觀點，目前而言，CEO自身應該充當CAO，主要的原因如下：
1. 首先，CAO更偏重的是戰略和選擇，相比之下，現在絕大多數企業的CTO並不是典型意義上的CTO，更偏重於執行，很可能無法擔任其戰略和選擇的重任，也就無法順暢地從CTO轉化成為CAO。
2. 其次，人工智慧具備黑匣子的特點，更需要關注的是輸入和輸出，我們給人工智慧投入怎樣的資源，他給我們產生怎樣的輸出。當涉及企業戰略層面的輸入輸出判斷和考量時，一個企業裡面最在行的人，肯定非CEO莫屬。
3. CAO是未來企業裡面重要的合伙人，需要跟CEO匹配，大家都會知道，找到合適的合伙人，比找到對象結婚還要困難，在沒有找到之前，CEO自己滿足一下自己的需求，或許是一個更好的選擇。
4.最後這個點其實是最重要，也是最無奈的點，就是目前而言，完全具備CAO這個角色能力定義的人很少，即使有，企業也很難付出高額的薪酬，供養著這個短期內不一定能產生直接效益的合伙人。
點擊展開全文
TAG:壹企問 |