大多数人第一次听说国际象棋特级大师加里·卡斯帕罗夫(Garry Kasparov)的名字,是在他于1997年输给国际商业机器公司(IBM)的超级计算机程序“深蓝”(Deep Blue)时。不过,他事后常常和别人说,他在那场比赛中赢得了第一局!之后,我有机会与他合作撰写了多篇文章,他经常自我调侃说自己是第一个被AI解雇的人。
在与“深蓝”对弈后,卡斯帕罗夫并未感到沮丧,输给AI反而激励了他重新思考如何与AI合作,以不同的方式进行国际象棋这项智力游戏。然而,尽管卡斯帕罗夫对AI持积极态度,但他仍坚持认为AI永远不会成为人类。在那一场全球瞩目的人机对弈结束20年之后的2017年,他接受媒体采访时曾言简意赅地解释了这一点:“机器没有理解力……它们没有目标。” 卡斯帕罗夫想要表达的意思是,AI可以收集所有关于人类的数据,从而在认知和抽象层面上“了解”人类。然而,在这个层面上的“了解”并不能使AI真正成为人类。要真正成为人类,AI还需要理解驱动人类行为的内在价值观和动机,也就是人们生活的目的,以及这些价值观和动机让人类有时会以不可理喻的方式做出选择。比如,人们有时可能会放弃一个对他们来说最有利的选择,因为做出该选择意味着他们必须违背自己的价值观。这种对人类行为更深层次的理解,需要的不仅仅是查阅现有数据的能力。
卡斯帕罗夫的这个观点,与你我息息相关。自大数据时代以来,各家企业普遍将数据视为宝贵的商业资产和千载难逢的机遇。事实上,数字化转型的火爆在很大程度上就是这种全新数据观的产物。无论身处什么行业,众多公司都以惊人的速度重新定义自己,希望转型为数据驱动型公司。在这一波数字化转型浪潮中,AI就像一台马力十足的发动机,以人类无法企及的速度分析各种海量数据并给出新洞见——就像1997年“深蓝”计算机能够以人类无法做到的方式掌握国际象棋的奥秘一样。这些基于数据的新洞见,反过来又推动了公司整体商业战略的发展。
但是,有一个问题:虽然许多公司声称自己是数据驱动型公司,但它们其实并不擅长与数据打交道。我经常看到这样的矛盾。企业领导者说他们了解数据为企业创造价值的重要性,宣称自己的公司是数据驱动型公司,并在数据科学技术上投入数百万美元,但下一步呢?下一步是使用新的资源和IT基础设施来收集更多的数据。企业领导者说服自己,必须确保为数据分析师提供足够多的数据。为什么这么做?他们的逻辑通常是这样的:既然我不是AI专家,就不要外行做内行的事,而应该让数据专家去做这些事;我的职责是确保这些技术人员有足够多的数据原材料可以使用。
我对这种想法持怀疑态度:为什么你不帮助数据专家探索这些数据是否有助于回答那些对业务有用的问题呢?为什么不将你的投资与你的业务关键目标问题相匹配呢?为什么不将你的投资与企业战略问题关联起来呢?在我合作过的客户中,我很少看到有企业领导者思考过这些问题。人们似乎有一种默认的共识——部署AI是复杂的技术性工作,因此领导者应该将使用AI为企业服务的责任委托给技术专家。
然而,这正是一切出错的关键原因!企业领导者这么做等于放弃了对数据的主导权。举一个例子——一家大型电信公司利用AI来减少客户流失。 该公司使用AI系统分析客户数据,AI列出最有可能流失的客户的名单,然后该公司向这些客户进行广告轰炸,试图挽留这些客户。然而,被挽留的许多客户最终还是流失了。哪里出了问题?首先,AI用错了地方。与其关注谁最有可能流失,不如关注谁可以被说服留下来。这家公司最终浪费了数千美元,试图影响那些已下定决心要离开的客户,而它本可以把这些钱花在那些愿意留下来的客户身上。
请注意,这里的问题并不在于AI的复杂性,而在于缺乏正确地抓住业务问题要害的能力。许多企业在部署复杂AI模型以了解哪些产品畅销、谁会购买它们以及未来将有多少买家时,也会面临类似的问题。即使AI系统最终锁定了潜在的客户群,根据你的企业所秉承的价值观,他们真的就是你想要吸引的客户群吗?当然,你今天和这些客户打交道,他们或许能为你带来一定的现金流和利润。但是,我还是想请你扪心自问:他们是你真正想要触达的那类客户吗?AI模型无法回答这类问题。AI并不理解你的企业目标,尽管该目标是基于你视为珍宝的价值观所设定的。这必须由你——一位深谙AI的领导者——来告诉开发人员和数据分析人员,你到底在寻找什么。
这正是很多企业领导者的不足之处:在分析数据前,没有提出正确的问题。而这正是我想在这一章中解决的问题。事实上,为了让数据分析师和数据科学家以最佳状态完成他们的工作,领导者得教他们怎么用这些数据来解决公司迫切需要弄清楚的问题。令人遗憾的是,数据分析师和数据科学家并没有得到这种支持。由于各种原因,我没有在数据分析这一过程中看到企业领导者的身影。
评论 0条