market)报告内容是基于对学术界和行業领导人就2017年进行的技术与创新主题进行19次深入访谈所获得的深入见解。大部分访谈均在美国加利福尼亚州湾区进行但是，瑞典和印度嘚行业领导人也进行了一些访谈此外，还采用了爱立信消费者和工业实验室分析平台在2000年至2017年间收集的定量消费者调查数据

报告显示，早在1811年熟练的纺织工人在英格兰反对纺纱机械机械化。当然他们感到受到威胁，而且纺织工业中的许多工作都失去了手工织布工囚数从1830年的240,000减少到1850年的43,000 – 到1860年只有10,000。经济持续发生结构性变化技术更先进的机器改进了生产过程。虽然这确实减少了某些行业的人力工莋数量但新的节省劳力的技术也提高了生产率并降低了价格，从而导致总需求增加

因此，在需求增加和新创新的推动下一些行业失詓的工作机会常常被其他人的新就业机会所取代。在19世纪的威尔士和英格兰纺织工业就业总人数占劳动力的比例从10％下降到6％。但另一方面相应的采矿比例从2％上升到9％，机器制造业的就业从1％增长到3％

封人疯语：闭上眼睛想想明天嘚世界吧，执汽车行业牛耳者是百度、谷歌还是丰田、沃尔沃数据和算法已经成为整个世界的底层，基于物质世界资源稀缺、非此即彼囷人类大脑有限理性的传统逻辑似乎正在被彻底颠覆数据越多、算法越强、强者恒强，智者通吃这是一幅非常可怕的图景，也是一幅囹人激动向往的图景斯密用分工描述世界发展，马克思用阶级分析人类未来在这个崭新时代到来之际，我们需要新的思维逻辑数据囷算法是我们理解明天的关键。

2019年蚂蚁金服成立才5年，客户数突破10亿大关脱胎于阿里巴巴，蚂蚁金服利用人工智能和支付宝的数据（阿里巴巴的核心移动支付平台）来运营各种不同的业务包括消费贷款、货币市场基金、财富管理、医疗保险、信用评级服务，甚至还有┅款鼓励人们减少碳排放的在线游戏蚂蚁金服的客户数是美国最大银行的10倍多，而员工却不到十分之一在2018年它的最近一轮融资中，估徝达到了1500亿美元——差不多是世界上最有价值的金融服务公司摩根大通的一半

与传统银行、投资机构和保险公司不同，蚂蚁金服建立在數字核心之上在其经营活动的“关键路径”上没有工人，AI主宰了一切没有经理批准贷款，没有员工提供财务建议没有代表审批消费鍺的医疗费用。没有了限制传统企业的运营约束蚂蚁金服能够以前所未有的方式展开竞争，实现无约束的增长并跨越多个行业产生影響。

这种新型公司的出现引领着人工智能时代的到来类似蚂蚁金服这样的公司有很多，巨头如谷歌、Facebook、阿里巴巴和腾讯以及许多规模較小、发展迅速的公司，从斑马医疗(Zebra Medical Vision)、Wayfair到Indigo Ag和Ocado每次当我们使用这些公司提供的服务时，都会见到同样的、令人非常难忘的一幕：与依赖工囚、经理、工程师、主管或客户服务代表运营传统业务流程不同我们获得的价值是由算法提供的。微软首席执行官萨蒂亚·纳德拉把人工智能称作是公司新的“运行时”（runtime）诚然，是管理人员和工程师设计了人工智能开发了让算法工作的软件，但在此之后却是智能系统通过自动化的程序或利用外部供应商生态，自行实现价值AI在亚马逊上定价，在Spotify上推荐歌曲在Indigo上撮合买家和卖家，为蚂蚁金服筛选匼格贷款人

消除传统约束无疑改变了竞争规则。随着数字网络和算法被导入企业的体系结构之中行业开始以不同的方式运作，行业之間的界限开始变得模糊这些变化不只是由这些新型的数字公司带来的，面对新的竞争对手传统组织也开始转向基于人工智能的运营模式。沃尔玛、富达(Fidelity)、霍尼韦尔(Honeywell)和康卡斯特(Comcast)正在广泛利用数据、算法和数字网络以赢得新时代的竞争。显然无论你是领导一家数字型初創企业，还是致力于改造一家传统企业理解人工智能对企业运营、战略和竞争的革命性影响都是至关重要的。

蚂蚁金服这样的新型公司嘚核心是一个决策工厂—— 我们称之为“人工智能工厂”在谷歌和百度上，软件每天运营着数百万次广告拍卖在滴滴、Grab、Lyft和Uber上，算法決定着哪些车可以提供服务在亚马逊上，智能算法为耳机和polo衫定价在沃尔玛的一些门店里，机器人在清洁地板富达使用机器人提供愙户服务，斑马医疗利用机器人解释x射线的图像在每一个案例中，人工智能工厂都将决策视为一门科学数据分析软件系统地将内外部數据转化为预测、洞察和选择，从而指导和自动化工作流程

奇怪的是，推动数字公司爆炸式增长的人工智能往往并不复杂尽管带来了戲剧性的变化，但需要的人工智能并不是科幻小说里的那些东西——与人类行为或模拟人类推理没有什么区别的能力这种能力有时被称為“强人工智能”。事实上你只需要一个计算机系统就能完成传统上由人来完成的任务——这通常被称为“弱人工智能”。

拥有弱人工智能AI工厂能够做出一系列关键决策。在某些情况下它管理信息类业务（如谷歌和Facebook）。在其他情况下它指导公司如何构建、交付或运營实体产品（如亚马逊的仓储机器人或谷歌的自动驾驶汽车）。在所有的情况下数字决策工厂处理最关键的流程和运营决策，软件构成叻公司的核心而人则被移到了边缘。

对于人工智能工厂有四个要素必不可少。一是数据管道这是一个半自动化的过程，用一种系统嘚、可持续和可扩展的方式收集、清理、集成和保护数据二是算法，生成关于业务未来状态或行动的预测值三是实验平台，在这个平囼上测试新算法的假设确保具有预期的效果。四是基础设施将人工智能嵌入软件平台，并将其连接到内外部用户的系统上

推动爆炸性增长的人工智能通常不是很复杂

以谷歌或Bing这样的搜索引擎为例。一旦有人开始在搜索框中输入几个字母算法就会根据许多用户之前输叺的词汇和该用户过去的行为动态预测整个搜索词。这些预测值会在下拉菜单（“自动建议框”）中显示出来帮助用户快速锁定相关搜索。每一个击键和每一次点击都被捕获为数据点每一个数据点都改进了对未来搜索的预测。人工智能还能生成有机的搜索结果这些搜索结果来自于以前收集的web索引，并根据以前搜索结果产生的点击进行优化这个词的加入也引发了与用户搜索最相关的广告的自动拍卖，這个结果是由其它的实验和学习循环形成的任何点击或离开搜索查询或搜索结果页面都会提供有用的数据。搜索越多预测效果越好，預测效果越好搜索引擎的使用率就越高。

消除规模、范围和学习等因素对企业增长影响的限制 

工业革命以来规模概念一直是商业的核惢。伟大的阿尔弗雷德?钱德勒曾经描述过现代工业企业是怎样以低得多的单位成本达到前所未有的生产水平，从而使大型企业相对于規模较小的竞争对手拥有重要优势他还强调了企业能够从扩大生产范围或增加品种中获得的好处。随着创新重要性的与日俱增对企业叒增加了学习能力的要求。规模、范围和学习能力被认为是一个公司经营业绩的主要驱动力很长一段时间以来，它们都是通过精心定义嘚业务流程来实现的这些业务流程依赖于劳动力和管理人员向客户交付产品和服务，并由传统的IT系统加以强化

虽然经历了数百年，企業的竞争模式只是在缓慢改变现在数字公司彻底改变了规模、范围和学习的竞争范式。AI驱动的业务流程相比传统业务流程以快得多的速度扩大服务能力，拓展服务范围他们可以很容易的与其他数字化业务实现连接，创造令人难以置信的强大的学习和改进机会产生更精确和复杂的客户行为模型，定制相应的服务

在传统运营模式中，规模会达到一个均衡点之后，回报开始递减但在人工智能驱动的運营模式下，这种情况可能不会出现规模回报可能会持续攀升至前所未有的水平。现在想象一下，当一个人工智能驱动的公司与一个傳统公司竞争人工智能驱动的公司用极具可扩展性的运营模式为相同的客户提供类似（或更好）的价值服务，结果会怎样呢

人工智能驅动的公司如何超越传统公司

在传统的运营模式中，这种规模增长带来的价值最终会逐渐减少但在数字运营模式中，它可以爬升得更高

我们称人工智能驱动的公司与传统公司之间的对抗为“冲突”。由于学习和网络效应放大了数量对价值创造的影响建立在数字核心之仩的公司可以超越传统组织。考虑一下亚马逊与传统零售商、蚂蚁金服与传统银行、滴滴和优步与传统出租车服务发生冲突的后果正如克莱顿·克里斯坦森、迈克尔·雷诺和罗里·麦克唐纳在《什么是颠覆性创新》（哈佛商业评论，2015年12月）中指出的这样的竞争性颠覆不符合顛覆创新模式。冲突不是由技术或商业模式中的特定创新引起的它们是一种完全不同的公司出现的结果。它们可以从根本上改变行业偅塑竞争优势的本质。

请注意（如上图）人工智能驱动的运营模式产生的经济价值，可能需要相当长的一段时间才能接近传统运营模式茬规模上产生的价值网络效应在达到临界规模之前产生的价值很小，而大多数新应用的算法在获得足够的数据之前都遭遇了“冷启动”蚂蚁金服发展迅速，但其核心支付服务——阿里巴巴于2004年推出的支付宝——花了多年时间才达到目前的规模这就解释了为什么那些安唑在传统模式下的高管们一开始很难相信数字模式会迎头赶上。但一旦数字运营模式真正开始运作它就能带来远超传统企业的价值，并迅速超越传统企业

在软件、金融服务、零售、电信、媒体、医疗、汽车甚至农业综合企业等行业，人工智能驱动的企业与传统企业之间嘚冲突正在发生很难想象一个企业不面临着将其运营模式数字化和应对新威胁的迫切需要。

对于传统企业的领导者来说同数字企业的競争不只是部署企业软件，或者是建立数据管道、理解算法和进行实验它需要重新架构公司的组织和运营模式。很长一段时间以来公司通过归核化和专业化在不断优化它们的规模、范围和学习模式，形成了今天绝大多数企业所拥有的烟囱结构虽然信息技术经历了几代嘚发展，但并没有改变这种模式几十年来，信息技术只是被用来提高某些特定功能和组织单元的绩效这反而强化了传统企业的烟囱结構，促进了企业功能和产品的分散化

然而，烟囱结构是人工智能驱动的增长模式的大敌事实上，像谷歌Ads和蚂蚁金服的MyBank这样的企业有意嘚放弃了这些服务它们的目的是利用一个集成的数据核心和统一一致的代码库。当公司中的每个烟囱都有自己的数据和代码时内部的資源、能力和发展就会分散化，几乎不可能跨烟囱或者与外部业务网络或生态系统建立连接想对客户进行全方位的了解，既要服务客户又要从各个部门和功能单元获取信息，也几乎是不可能的因此，当公司建立一个新的数字核心时应该避免在其内部产生深层次的组織分歧。

虽然向人工智能驱动模式转变充满挑战但许多传统公司——其中一些与我们有过合作——已经开始做出转变。事实上在最近嘚一项研究中，我们研究了350多家服务和制造行业的传统企业发现大多数企业都开始更加注重数据和分析。包括诺德斯特龙、沃达丰、康鉲斯特和visa在内的许多公司已经取得了重要进展他们将运营模式的关键组件进行了数字化和重新设计，并开发了复杂的数据平台和人工智能你不必成为一个软件初创公司来数字化你的关键业务元素，但你必须面对烟囱式的、分散的传统信息系统给它赋能，并重构公司文囮

富达投资正在利用人工智能为重要领域的业务流程赋能，包括客户服务、客户洞察和投资建议它的人工智能计划建立在多年的努力の上，将数据资产整合到一个数字核中并围绕它重新设计组织。虽然这项工作并没有结束但是人工智能的影响已经在公司的许多高价徝应用案例中得到了明显的体现。为了与亚马逊竞争沃尔玛正围绕人工智能重建其运营模式，以集成的、基于云的架构取代传统的、烟囪式的企业软件系统这将使沃尔玛能够在各种强大的新应用程序中使用其独特的数据资产，通过人工智能和数据分析让越来越多的任务洎动化、并提升效率在微软，纳德拉正将公司的未来押注于运营模式的整体转型

重新思考战略和能力 

随着以人工智能为驱动的企业与傳统企业发生碰撞，塑造和控制数字网络的能力越来越能定义竞争优势（参见2019年1 - 2月的《哈佛商业评论》，“为什么有些平台蓬勃发展洏有些却不能”）。擅长连接企业、聚合数据、并通过分析和人工智能提取其价值的组织将占据上风传统的网络效应和人工智能驱动的學习曲线会相互强化，相互促进你可以在谷歌、Facebook、腾讯和阿里巴巴等公司看到这种动态。这些公司已经成为强大的“中心”企业它们通过许多网络连接来积累数据，构建必要的算法以增强不同行业的竞争优势。

与此同时聚焦传统行业分析的传统战略分析方法正变得樾来越无效。以汽车企业为例他们正面临着各种新的数字威胁，从优步到Waymo每一种威胁都来自传统行业的边界之外。但是如果汽车行業的高管们能超越传统思维，把汽车看作是高度互联的、由人工智能驱动的服务那么他们不仅可以保护好自己，还可以通过车内的商业機会、广告、新闻和娱乐信息、基于位置的服务等来释放新的价值

曾经给高管们的建议是，在熟悉的行业里坚持做自己熟悉的生意。泹算法和数据流的协同效应并不尊重行业边界而那些不能跨越这些边界利用客户和数据的组织可能会处于很大的劣势。战略需要聚焦的鈈是行业分析和公司内部资源的管理而是公司跨行业建立的联系和公司正在使用的网络中的数据流。

所有这些变化对组织及其雇员都有偅大影响机器学习将改变几乎所有工作的性质，无论职业、收入水平或专业领域毫无疑问，基于人工智能的运营模式将会对就业造成實实在在的影响几项研究表明，目前的工作可能有一半将被人工智能系统取代对此我们不应该感到太惊讶。毕竟长期以来，运营模式已经被设计成让许多工作任务是可预测和可重复的例如，检查时扫描产品、制作拿铁和去除疝气的流程都可以标准化不需要太多的囚类创造力。虽然人工智能将使很多工作变得更加丰富并产生各种有趣的机会，但似乎不可避免的是它们也将在许多职业中造成广泛嘚混乱与调整。

这种混乱与调整不仅包括工作的替代还包括传统能力的削弱。在几乎每一种情况下人工智能公司都在挑战高度专业化嘚组织。在人工智能驱动的世界中竞争能力与专门化关系不大，而更多地与数据来源、处理、分析和算法开发方面的通用功能有关这些新的通用能力正在重塑战略、业务设计，甚至领导力如今，在非常多样化的数字和网络化公司中战略看起来都很相似，经营业绩的驅动因素也是如此行业专长变得不那么重要了。当优步寻找新的首席执行官时董事会聘请的是一位曾运营过数字公司的人，运营的是艾派迪公司而不是一家豪华轿车服务公司。

我们正在从一个不同行业拥有不同核心竞争力的时代进入一个由数据和分析塑造、由算法驅动的核心竞争力时代——所有这些都托管在云端，任何人都可以使用这就是为什么阿里巴巴和亚马逊能够在零售和金融服务、医疗保健和信用评分等完全不同的行业展开竞争。这些部门现在有许多类似的技术基础并使用共同的方法和工具。战略正从传统的构建基于成夲、质量、品牌价值、专门化和垂直专长等方面的差异转向打造基于商业网络位置、独特数据积累和复杂分析部署等方面的优势。

尽管咜可以释放出巨大的增长但消除运营约束并不总是一件好事。无摩擦系统容易不稳定一旦运行就很难停止。想想一辆没有刹车的汽车戓者一个不能减速的滑雪者数字信号——例如，病毒式的模因（meme）—可以通过网络迅速传播而且几乎不可能被阻止，即使是最初发布咜的组织或控制网络关键枢纽的实体也不例外在没有摩擦的情况下，一个煽动暴力的视频或者一个虚假或被操纵的标题，都可以通过各种各样的网络迅速传播到数十亿人的手中甚至可以通过变形来优化点击率和下载。如果你有信息要发送人工智能提供了一种奇妙的方式来接触大量的人，并为他们个性化信息但市场营销者的天堂可能是公民的噩梦。

数字运营模式在创造价值的同时也可能聚集与放大傷害即使意图是积极的，潜在的负面影响也是巨大的一个错误就能使一个庞大的数字网络遭受毁灭性的网络攻击。如果不加以检查算法可能会在大规模范围内加剧偏见和错误信息。风险可能被大大放大想想数字银行正以一种前所未有的方式聚合消费者储蓄。蚂蚁金垺目前管理着全球最大的货币市场基金之一它受托管理数亿中国消费者的储蓄。由此带来的风险是巨大的尤其是对于一个相对未经验證的机构而言。

数字的规模、范围和学习创造了一系列新的挑战——不仅仅是隐私和网络安全问题还有由市场集中、就业调整和不平等加剧造成的社会动荡。例如那些监督企业的机构，也就是监管机构正在努力跟上所有这些快速的改变。

在人工智能驱动的世界里一旦产品与市场相匹配，用户数、参与度和收入就会飙升然而，越来越明显的是无约束的增长是危险的。拥抱数字运营模式的企业潜力巨大对它们造成广泛伤害的能力也需要认真对待。平衡好这些机遇和威胁将是对企业和公共机构领导力的真正考验

Marco Iansiti 哈佛商学院企业管悝教授，负责技术、运营管理部门和数字创新为许多科技公司提供咨询服务，包括微软、Facebook和亚马逊等与卡里姆·拉克哈尼(Karim Lakhani)合著了《人笁智能时代的竞争》。

卡里姆·r·拉克哈尼(Karim R. Lakhani) 哈佛商学院工商管理教授哈佛大学创新科学实验室的创始人和联合主任。他是《人工智能时玳的竞争》一书的合著者之一