现在，已经无须再像几年前一样向人们普及人工智能的概念。技术的落地应用揭开了人工智能神秘的面纱，但人工智能如何商业化、如何与产业应用高效结合，仍然是业界面临的艰巨挑战。
人工智能技术就像未来全球化竞争的顺风车，不管你是否相信，人工智能技术的发展速度已经超过企业渐进性的适应能力。它迫使所有的行业都进行变革，单个企业不得不转型以应对新的局面。
可以说，在企业如此生死存亡之际，《AI3.0》的出现显得恰逢其时。
前IBM大数据和分析业务全球负责人、新兴市场大数据中心总经理王晓梅结合其在大数据分析与人工智能领域20多年的资深经验与独到见解，深入解析人工智能落地的方方面面，聚焦“行业+人工智能”的现在与未来，帮助企业及时抓住AI红利，赶上技术革新所带动经济迅速发展的这趟高速列车。
一、 “数据为王”
可以预见的是，未来每个企业都会变成数据公司。
人工智能时代的数据，跟工业化时代的品牌、互联网时代的用户一样，是企业最核心的资产。那些重视数据、以数据为驱动的公司，必然会发展得更为长久。
大数据时代来临的时候，谷歌、脸书、优步等平台型科技企业能够基于自己的平台自身的商业模式作为天然的数据生产引擎，源源不断地进行数据生产和积累。
谷歌、亚马逊、脸书、优步、腾讯、阿里巴巴、百度等，均是平台型公司的先行者。它们除了积累了海量的数据，还从业务流程、组织、文化等运营层面较早建立起适用海量数据的架构。
这也使得这些平台型公司必然会成为第一批数据创造生产力的受益者。
作为互联网时代的创新物种，这类平台型企业拥有海量用户，可以利用App、网站等渠道与用户进行连接，产生数据。
例如，亚马逊以网上书店起家，拥有大量读者、作者、出版社、版权等数据资源，这为其开展数字阅读的Kindle业务大开方便之门。相似的，脸书由社交进入传媒和金融领域，优步由出行进入生活服务领域，这些业务的扩展均有数据资源的支持。
数据资源丰富的媒体机构更是看重人工智能的力量。
2015年开始，《纽约时报》实施了一项名为“Editor”的人工智能实验项目，用于简化新闻创作的过程，并应用在评论监管中，以提高评论区审核效率，实现和读者的有效互动。
2016年，英国路透社与语义技术企业Graphiq合作，为新闻发布者提供免费交互式数据可视化服务，内容包括娱乐、体育、时事、社会新闻等。
事实上，对于绝大部分企业而言，算法和算力不是壁垒，这些能力会由专业的基础设施运营商提供，企业只要自己拥有数据资源，就可以调用算法和算力服务，便捷地使用人工智能，实现产业的智能化发展。
二、战略支撑
企业人工智能的核心战略是什么？
答案非常明确，人工智能是企业未来发展的决定性趋势，人工智能的竞争最终是数据竞争，企业拥有了数据资产后，还需要一个好的数据运营战略。
整个数据战略的关键是数据治理。数据治理成功了，企业的数据战略也将大概率取得成功。
整体来看，数据治理的实施有四个层次：第一个层次是从业务战略的高度来思考数据战略。第二个层次是在此基础上建立数据战略和数据安全原则。第三个层次是建立具体的治理原则、治理义务和治理方法。第四个层次是从技术、数据分类、组织管理等方面来保障数据治理的实施。
在外部，业务需求不断变化，公司管理层需要随着竞争环境和整体企业战略的转变动态调整数据战略。
业务战略是以客户为中心的，那么数据战略也同样要以客户为中心。比如，当客户提出要交付一个数据API产品时，客户实际包含的需求是便捷地从任何地方检索数据，而不只是一个产品方案。
数据治理要符合公司管理数据、使用数据的法规，符合安全性原则。
不同数据需要的安全级别不同，所以要分别设置安全权限。比如，需要加密个人敏感数据，只有拥有业务需求和访问权限的员工，才能将数据复制到便携式存储设备上。
此外，数据分类可以让数据目录清晰，方便员工找寻，并且每个数据集包含的数据数量有限，更易于员工对数据的理解和学习，加快数据治理的效率。
数据战略应该关注数据的整体生命周期，思考企业的数据从哪里来，有哪些作用，未来到哪里去。企业要更加关注自有数据的价值创新，建设自有数据的网络效应，将其货币化。
并且，企业还要一手抓进攻性数据（商业分析），另一手抓防御性数据（安全性），双管齐下，避免数据泄漏。在保证数据资产的质量与安全的同时，保证数据战略的实施，释放数据资产价值，最终使其服务于业务需求。
三、AI落地“四步走”
人工智能落地的四个步骤是走设定路线、实验模式、部署复制，以及探索新的发展路径，如此循环往复。
步骤一：设定路线，确立行动路线图
每个企业都应有差异化的人工智能目标，在落地过程中，企业要明晰人工智能能为企业做什么、不能做什么，企业预计达到怎样的状态。
企业运用人工智能，从来都不是一蹴而就的，一种切实可行的推进方法是设定人工智能路线图。一般来说，人工智能路线图可以分为短期、中期、长期三种。不同阶段的路线图，目标各有侧重。
步骤二：在小范围试验中验证模式
每家企业的业务和客户有其独特性，企业无法依赖复制领先者的最佳流程而获得成功。
人工智能的核心竞争力在于以专有的数据和匹配的智能算法，高效地解决特定场景的特定问题。很多时候，提出正确的问题等于解决了一半问题。在这个阶段，企业必须探索适宜的场景在哪里，这个场景能否以人工智能的方法加以提升。
这是一个考验耐心和细心的过程。人工智能是从海量数据中学习规则、模式、特征和经验的。这一阶段最大的挑战在于获得在多样性、可靠性上都非常好的、高质量的训练数据，以改进算法。
步骤三：规模化部署
当小范围试验充分验证后，人工智能就进入大规模的落地实施阶段。这一阶段要进行各方面的部署准备，打好数据、IT平台、客户等各方面的基础，并依据现实情况对人工智能进行调整。
在规模化部署阶段，人工智能进入了更多样化、更复杂的实际业务场景，影响业务场景的变量增多，也就意味着会有更多元的数据变量、机制变量和产业变量。在此过程中，团队要保持敏捷性，就可能的情况做出及时、快速的调整。
步骤四：探索与发展
在探索与发展阶段，人工智能应用大规模铺开，可以不断满足、发现、创造客户需求，从而迭代产品和服务，扩展市场。
探索和发展的前提，要始终围绕“以客户为中心”的商业模式。所有业务与产品，如果没有客户的认可，没有一个合理、可持续的商业模式，那么最终也没法大规模推广。
基于这四个步骤，海尔在2012年制定大数据战略后，拆解各条业务线，分别制定落地的具体步骤。其中，“海尔衣联网”成为一个独立的项目。
海尔拥有先进的洗衣机制造生产线和自有渠道门店，它从一条生产线、一个门店的数字化开始探索，慢慢拓展生产线、门店的数字化网络，逐步完成了基于厂、店、家的三大商业场景的数字化过程。
“厂”是指海尔将RFID（射频识别）物联网技术延伸到智慧溯源、智能制造等全产业链，满足厂家衣物智慧管理的需求；
“店”则是指借助衣联网生态数字化管理平台，商家可以及时获得用户反馈信息，向用户提供个性化的服务解决方案；
“家”是用户在衣物洗涤阶段，搭载RFID识别技术的海尔智慧洗衣机可智能识别衣物面料材质、品牌等，提供匹配的洗涤程序等服务
由于物联网的部署扩展，海尔衣联网逐渐实现了洗、护、存、搭、购的客户全方位服装需求。
其平台能力逐步向服装、家纺、洗染等合作伙伴扩展 ，吸引相关资源方超过5000家，形成以“衣”为核心、围绕用户全场景体验、覆盖上下游全产业链的互联互通平台，还将家居、家电、物流等行业也串联起来，不断探索新的发展。
四、培育复合型人才
复合型人才是人工智能时代的必须和保障。
人工智能最终要落地产业，懂行业、了解行业是核心。过去，业务部门与IT部门是泾渭分明的，两者之间的沟通与交流需要专门的岗位人员来进行。
而在人工智能时代，业务与IT部门、业务与IT人员之间的交融越来越普遍，业务与人工智能操作技能的复合非常重要。
复合型人工智能人才需要具备几项能力：
一是知识复合。即复合型人才需要拥有计算机、自动化、电子信息等专业知识，还需要对具体的行业知识（诸如医疗、传媒、汽车、金融、零售、制造等）有所积累。
而且人工智能落地的过程中，要对产品、服务、流程进行数字化改造，因此复合型人才还需要不断学习新的专业知识。
二是技术复合。复合型人才需要掌握人工智能、大数据、云计算、物联网、安全、虚拟现实、增强现实等多项技术。
三是要有既创新突破又务实的复合精神。人工智能不仅是优化、改进企业现有的业务流程，它还重新定义、重新规划企业的流程。因此，复合型人才除了要熟悉业务和流程，还需要具有反思、突破的精神和创新意识。
人工智能的人才培养需要企业、高校、政府等共同参与，协同创新，进行校企合作、产教融合，建立人才培养生态圈。
2019年2月，美国科技政策办公室发布的《美国人工智能倡议》格外重视人工智能的复合型人才培养。目前，美国已经着手从正规的教育体系中培养既拥有行业知识与能力，又具有人工智能技术能力的人才。
另外， 企业还要学会连接全球资源，选拔全世界的人工智能人才为己所用。
面对这样的新事物，引入首席人工智能官、首席数据官这样的高级别人才，对整个企业学习人工智能和人工智能战略落地甚为关键。
另外，企业开启人工智能之旅是一个全方位的战略，企业的竞争、运营、品牌、客户、文化、技术、IT安全等各方面都需要发生变化，以服务人工智能的落地。
因此，在人工智能发展的过程中，企业还需要在审核、伦理、监督、风险等方面制定相应策略，建立安全方面的运营机制来保障公司人工智能战略安全落地。
