本文摘自：《智能革命》，天下文化出版
導入成熟的機器學習方法，把數據變成訓練材料，打造自動化機制，尋找、發掘有價值的管理模式和客戶模式，或是合理引入協力廠商的人工智慧流，以支援企業的業務發展，並且找到一個合適的創新循環：「數據—演算法—知識—使用者經驗—新的數據」，循環往復，像滾雪球般前進。在這個過程中創造商業價值，這就是人工智慧長（CAO）要做的事。
期望每一位高階主管都完全了解人工智慧，這是不合情理的。但如果所在的產業能夠產生大量數據，就有很大的機會使用AI將這些數據轉換成價值。對大部分有數據、但缺乏深度人工智慧知識的公司來說，聘請一位人工智慧長或人工智慧副總（VP of AI），這件事已經箭在弦上，有些數據長和有超前思維的資訊長，實際上已經在扮演這個角色了。
新創企業和傳統企業都需要人工智慧長
當企業大到一定規模，業務和數據複雜到一定程度之後，自身的運作邏輯往往是模糊的。不同於企業手冊上的明文描述，即便是企業管理者也會對此感到陌生。機器學習具有根據數據反向求得函數邏輯的能力，而這種反向的推演能力，可以為企業運作者提供一種觀察企業非顯性邏輯的視角，比如對企業郵件往來的關係分析、對電商用戶下單時間的分析、對新聞網站發布資訊的時段分析等等，都可以幫助企業了解自身可以在哪些方面進行優化。
企業渴望從互聯網時代邁入人工智慧時代，此時人工智慧長尤其需要分清輕重緩急，是先優化財務資訊，還是先優化產能？是固本強體，還是拓展銷售？在對外業務上，人工智慧長可以發揮顯著錦上添花的作用，例如建立自動化的客戶需求分析系統，即時提交訂單資訊和生產資訊給客戶參考。對內管理也十分重要，以製造型企業為例，生產管理、物料管理、品質管制、設計變更的資訊化和數據化都需要整合，等數據化達到一定程度之後，輔以演算法和開發，人工智慧就水到渠成了。
企業的內部修煉和外部拓展，在AI時代將高度統一。 吳恩達認為，傳統企業尤其需要依靠人工智慧長來了解先進的應用，以升級自身業務。當然，面對很多可能的方向，人工智慧長還是應該先抓住一個部門或一塊業務重點突破、形成典範，以吸引其他部門燃起熱情。畢竟，企業智慧化是一個非常需要創新精神的事業，需要廣泛參與。
人工智慧長的修養
人工智慧長要與最具挑戰性的深度學習技術打交道，必須是一個特別理性的人，還是一個不失感性的人？與一般工程科技不同，AI在模仿人類的思考習慣。科學家普遍強調，人機結合是未來的發展方向；以此類推，可見AI科學家和人工智慧長都不會是機械論的化身，而是對各種知識具有全面的興趣。
人工智慧長可能是美劇《宅男行不行》（The Big BangTheory）裡有趣的理工男，善於發現別人沒有發現的契機；也可能是數據領域的福爾摩斯（Sherlock Holmes），善於明察秋毫。不過，他畢竟要先是一個具有「數據感性」的人，要懂得利用數據，最重要的是在別人看不到數據的地方看見數據。
L1：有能力從紛繁的數據中嗅到關聯性
沃爾瑪（Walmart）的「購物籃分析」，就是典型數據挖掘的應用，數據分析師想到從顧客購物發票裡，發掘購買物件之間是否具有相關性？經過數據統計，他們發現除了牛奶和麵包經常被一起購買這種顯而易見的關係之外，還有很多以往沒有發現的關係，例如：嬰兒紙尿褲經常會和啤酒一起被購買，發現年輕爸爸在購買嬰兒用品的同時，往往會有一種犒賞自己的心理，於是就會買啤酒。
因此，沃爾瑪超市便把啤酒和紙尿褲，放在貨架上靠近的位置，顯著提升了銷售額。沃爾瑪的數據畢竟有限，而且只有購物發票這種用戶資料，倘若資料龐大，可以自動化調整每天的貨架，就具備人工智慧的雛形。亞馬遜和阿里巴巴的電商大數據，都大到一定程度了，它們都為AI科學家提供舞台。
這個例子再次體現出人工智慧長，需要的思維模式究竟是什麼——正是我們一再強調的相關性思維。牛奶和麵包、啤酒和紙尿褲之間的聯繫，顯然並非是以往科學領域的確定性關係或因果關係，而是一種以機率形式呈現的強相關關係。想到從這個角度去發掘價值，就是人工智慧長所具備的素養。
L2：在數據之上，需要具備場景感知能力，懂得場景計算
未來，「業務」的概念將會變得模糊，「場景」成為事物運作的核心，這意味著產品不再像過去那樣，圍繞著業務來分類，例如新聞App做新聞、電商App做購物等。現在，你有什麼樣的場景，就可以導入這個場景所需要的一切服務，例如一款行動支付應用，要考慮各種支付場景，如果提供購買電影票功能，就要根據使用者的行為資料，猜測使用者正處於何種使用場景，除了看電影，是否還需要閱讀影評，或是購買爆米花等等？企業要做的，是根據場景重新規劃、打通業務，不是根據業務劃分產品架構。
從感性的層面來說，對場景的敏感實際體現了人工智慧長的生活趣味和人文情懷。老人關懷家居、助盲產品等，都是來自這種關懷。2016年，影音創業發力，有人為此開發出可以自動剪輯影片的智慧剪輯手，只要使用者輸入關鍵字，比如「航空母艦」，軟體就會把影片中相關的段落大致剪出來，這正是對視覺辨識技術的非凡應用，源自軟體開發者對用戶場景的敏銳度。
比起一般科學家習慣無功利地探索、發現不同，人工智慧長需要更「功利」一些，也就是必須具備經濟價值觀，幫助企業發掘價值。這展現在優化流程、加速反應、節約時間，把人類從重複性的機械勞動中解放出來。AI要讓人類有更多時間做更有意義的事，為人類的高級腦力活動留出時間。
在這些敏銳性的層次之上，是具體的機器學習操作能力和智慧系統搭建能力。吳恩達根據親身帶領、扶持過一些成功的AI團隊經驗，針對如何尋找人工智慧長，提出了下列的建議：
對AI和數據基礎設施有良好的技術理解。例如，曾經建立過重要的機器學習系統。在AI時代，數據基礎設施（如何組織公司的資料庫，並且保證所有相關數據都被安全儲存，可以登入）非常重要，儘管數據基礎設施技能相對普通。
跨職能的工作能力。AI本身不是產品或業務，而是一種用來幫助已有業務線，創造全新產品、業務線的基礎技術。因此，有能力了解不同業務單位或職能團隊，而且合作無間很重要。
強大的企業家技能。AI創造了新商品的機會，從自動駕駛汽車到能與它交流的代理，在幾年前還不切實際，甚至是科幻小說中的事物。然而，企業家往往是具有突破精神的人，能夠創造從0到1的價值創新。一位掌握企業家技能的領導者，將會增加公司成功創造出這種創新的機率。
吸引並留住AI人才的能力。這種人才備受追捧，好的人工智慧長需要知道如何留住人才，例如：注重人才感興趣的專案、給予團隊成員培養技能的機會等等。利用專案教育人才，而不是事必躬親，這樣才能形成人才培養的循環機制。由於AI的進化飛快，他們需要跟得上變化，至於要求他們必須處於最領先，就沒有那麼重要了。更重要的是，他們可以跨職能部門進行合作，畢竟獨立的技術是沒什麼意思的，技術需要為人類提供服務。機器與人類的關係非常重要，想要做出最好的人工智慧，就需要既懂技術、又懂人。
人工智慧是一場人機之間的故事，人工智慧長既要善於理解機器智慧，也要善於理解人情事理。人工智慧長應該成為一個布道者和指引者，讓整家企業具備一種AI的興趣和品格。人工智慧長將是新時代的企業偶像，就像產品大師是互聯網時代的英雄（賈伯斯）。AI知識、產品及管理思維，與合適的人文感受力結合，將共同造就這種英雄。
很可能在不久的未來，沒有設置人工智慧長、沒有連結智慧流的企業，將會被看作是舊企業。從技術長、資訊長、數據長，再到人工智慧長，是一個迂迴上升的艱苦提升過程；在某種意義上，也反映出企業自我更新、自我進化的艱難過程。
