公司如何跟上行业发展？ 答案是“创新”。即使各公司使用其现有业务模式“做事正确”，但如果他们不接受创新突破，也会失去竞争力。1 实际上，研究表明：自 2000 年以来，《财富》500 强中有 52% 的公司已破产、被收购或不复存在。2开展业务并培养创新的能力对于长期成功至关重要。 创新型公司通常引领其行业的市场份额、吸引顶尖人才，并打造尖端的产品和服务。
在 Microsoft通过三种主要方式来实现创新：
“有意义的”创新意味着创新是有目的的 - 不是为了创新而创新。 微软旨在通过在整个公司中树立创新思维，从而为有意义的创新奠定基础。 另外还有一个业务团队，致力于通过技术创新解决难题。
根据微软的经验，领导一家创新型公司不仅需要研发。 当今，大多数创新型公司营造了一种使员工能够发掘新想法的文化。 这在很大程度上取决于有远见的领导层是否愿意鼓励试验、试错、协作和创意。 务必认识到失败是持续学习和创新的重要组成部分。
在 25 年前，微软建立了专门致力于创新的公司部门：Microsoft Research。 Microsoft Research (MSR) 在全球设立了八个实验室，为 1000 多名研究人员提供支持。 按照设计，他们可以自由地追求新想法，而无需承担日常业务运营的负担或担心失败。
为了助力 MSR 取得成功，微软聘请了来自各个领域的人员，而不仅仅是技术专家。 微软既鼓励进行专注于一般科学进步的“好奇心驱动”研究，也鼓励进行与现实世界中业务挑战相关的“部署驱动”研究。
在整个创新过程中，微软鼓励研究人员与高层领导保持一致。 达成上述目标的一种方式是通过每两年召开一次的全天会议，称为“颠覆性技术评审”(DTR)。 DTR 使研究人员可以传达其最新和最伟大的发现。 然后，高层领导可以使用该信息来告知现有产品路线图并确定新的商机。 多年来在 DTR 上介绍的许多项目（例如 Xiaoice 和 Azure Sphere）现在都是 Microsoft 产品或当今产品的一部分。
借助有意义的创新文化，你的组织可以制定远大目标。 下一步是将你的愿景和研究变为现实。
有时，将研发与现实世界的业务需求联系起来可能会遇到挑战。 为了有助于克服这一障碍，微软通过三种方法来缩小差距。 第一种方法是确保基层员工可以分享与其工作相关的想法。 第二种方法是通过市场测试研发中的原型。 最后一种方法是确保对研究项目进行衡量并持续跟进。
微软发现营造一种各个部门和各级员工都能分享其想法的公司文化是有益的。 采用这种文化的公司展示了一种三管齐下的方法来达成这一目标：
为了确定新想法是否有实际市场潜力，微软有一个多学科团队，致力于为 Microsoft、合作伙伴和客户培育解决方案。 该团队与产品组密切合作，以评估技术本身及其带来的业务价值。 虽然目的是实现每个解决方案都能进入主流市场，但团队仍将从失败的项目中受益，因为这些项目会为将来的工作提供信息。
通过定期进行评审和反馈，将梦想创意变成可行的步骤。 这将证明一个项目的价值，并确保它按计划进行。要依据衡量的有用 KPI 可能包括新的 IP 和专利、新的客户或合作伙伴关系、改进的功能以及对产品组战略的更新。
微软认为负责任的创新不在于技术可以做什么，而在于技术应该做什么。
在 Microsoft已经确认应该用于指导 AI 开发的六项原则：公平、可靠和安全、隐私和安全、包容、透明以及问责。微软还确立了一套治理做法来实现负责任的 AI。 这包括建立治理机构、制定 AI 政策以及为工程团队提供可操作指南和工具。
如您所知，对于组织而言，创建一个专注于学习而非收益的多学科创新团队非常重要。 组织应在整个创新过程中确保关键利益干系人掌握最新情况。 最后，组织应找到愿意与他们一起探索新解决方案的客户。
Rimes Mortimer 指出，企业领导者在推动创新方面扮演着至关重要的角色。 Rimes Mortimer 说：“您必须能够启发别人，必须树立人们可以理解并相信可以实现的愿景。” 企业领导者必须致力于投入时间和资源来推动其整个企业内的创新。
Rimes Mortimer 还论述了 Clayton Christensen 撰写的 《创新者的窘境》(The Innovator’s Dilemma) 一书。 在这本书中，Clayton Christensen 强调指出，企业通常是因为其没有超越核心能力进行创新而失败。 解决这一问题意味着，即使领导者看不到立即的投资回报，他们也必须对颠覆性技术进行投资。
对“传统”技术计划进行投资的经济性是很好理解的。 通常，组织会将项目成本与收益的净现值 (NPV) 进行比较。 如果 NPV 大于零且符合预算限制，则该项目获得批准。
人工智能 (AI) 需要不同视角。 的确，如果你利用 AI 来改进或自动执行现有流程，当然可以采用传统方式来衡量 ROI。 但 AI 计划的一些特征使得难以估算其成本和收益。
首先，定制 AI 模型需要先期投资，然后才能衡量有效性。 在准备好数据并完成模型训练和测试之前，你无法精确衡量定制模型将如何使你的业务受益。 此外，难以预测模型所需的长期维护量。 所有模型都需要不断监视并定期调整。 但是，如果围绕计划的情况发生了变化（例如业务流程被修正或客户市场发生了重大变化），可能需要进行更全面的再训练。
未知并非全都是负面的。 随着时间的推移，各个模型将以难以事先计算的方式进行改进。 AI 解决方案可能会产生广泛的业务影响，这使得从一开始就估算所有货币成本和收益就变得极为困难。 AI 的核心价值在于业务转型：推动新的业务模型、支持创新服务、创造新的收入流等。
使用 AI 计划时，你需要像风险投资家一样思考。 这意味着愿意投资并承担风险，而不会受制于不确定因素。 但你不必暗中摸索 - 你需要一个框架来帮助确定 AI 投资的优先级。
引入 AI 不仅会改变组织的技术。 AI 将在文化层面颠覆旧有格局：它要求人们以新方式进行协作、获得新技能并采用新流程。 如果不谨慎地处理这种转换，那么即使是最强大的 AI 战略也会陷入困境。下一个问题是：在你的组织中，谁对 AI 任务负责？
每个人在 AI 转换中都有要扮演的角色，而不仅仅是 IT。 重要的是要使你公司中所有职能部门的人员都积极地提出有关 AI 应用的想法。 选择了可行的想法后，在计划设计和实施时推动业务团队和技术团队之间的协作也同样重要。 部署完成后，业务的技术和运营方面的团队需要逐步参与维护 AI 解决方案：
该关系图由三个圆圈组成。 关系图中的顶部圆圈标记为“领域了解”。 左下圆圈标记为“IT 技能”。 右下圆圈标记为“AI 技能”。 三个圆圈都为深蓝色，重叠部分为浅蓝色。 关系图的最中间部分，即全部三个圆圈重叠的部分是一个颜色略深的圆圈。
这是最高管理层的最终责任：负责总体 AI 战略和投资决策，以便建立 AI 就绪文化、变更管理和负责任的 AI 策略。
至于组织中的其他负责人，没有一个模型可以遵循，但微软提供了以下示例来介绍不同角色如何发挥作用。 你需要确定一个适合你战略和目标、企业内团队以及 AI 成熟度的模型。
此人是业务主管，负责组织中特定职能部门、业务线或流程的运维。
此图显示了与 AI 计划有关的业务角色。 有四个蓝色圆圈（下面带有标签），并以正方形形式排列。 左上方的第一个蓝色圆圈标记为“业务负责人”。 在该圆圈中，有一个简单的图标，其中三个人肩并肩站立。 右上方的蓝色圆圈标记为“首席数字官”。 在该蓝色圆圈中，有一个图标，其中一个人穿着西装。 在标记为“HR”的左下方圆圈中，有一个图标，其中三个人围绕单独一个人以表示支持。 在右下方的蓝色圆圈中，有一个图标，其中一个人位于其上有条形图的计算机旁边，指示上升趋势。 该蓝色圆圈标记为“IT”。
首席数字官 (CDO) 是一名变革推动者，负责使用数字流程来监督传统运维的转型。 他们的目标是创造新的商机、收入流和客户服务。
人力资源 (HR) 总监负责组织的文化和人员发展。 他们的广泛任务包括实施文化发展、制定内部培训计划以及根据业务需求进行招聘。
培养“学习文化”： 考虑如何鼓励由领导者倡导的文化，即接受挑战并认识到失败是持续学习和创新的重要组成部分。
设计“数字化领导力”战略： 制定一项计划，以帮助业务线负责人和最高管理层建立自己的 AI 素养并通过采用 AI 领导团队。
为诸如数据科学家之类的新角色制定招聘计划： 虽然提高员工的技能是长期目标，但短期内你可能需要专门为 AI 计划招聘一些新角色。 可能需要的新角色包括数据科学家、软件工程师和 DevOps 经理。
为受 AI 影响的角色制定技能计划： 建立一种 AI 就绪文化需要领导层做出持续承诺，以在技术和业务方面对员工进行培养并提高技能。
尽管首席数字官负责制定和实施整体数字化战略，但 IT 主管负责日常技术运维。
组织中的每个人在 AI 转换中都有要扮演的角色。 在最高级别，领导者需要从战略上优先考虑 AI 用例，并营造一个可以激发创新思想的环境和结构。 归功于业务线和技术团队之间的协作，这些想法得以实现并长期成功。
Microsoft Docs&Learn 提供了一门课程——《衡量组织中的 AI》，在该课程学习路径中，你将大致了解如何管理 AI 组织、团队、部门或卓越中心。 你将学习如何在各级别促进创新、评估 AI 投资并设定投资优先级，了解如何制定 AI 的技术流程，同时熟悉如何在整个组织中分配与 AI 相关的职责。同时有针对性地讨论使用 MLOps 流程创建和管理机器学习 (ML) 模型的最佳做法，使得数据科学家、ML 工程师、软件开发人员和其他 IT 团队之间高效协作。MLOps 对于企业内部扩展 AI 来说至关重要，因为它允许数据科学和 IT 团队协作并大规模简化机器学习生命周期，从构建模型到部署和管理。组织在评估 AI 投资并确定其优先级时需要考虑若干关键因素。
更多AI相关课程请访问：【AI系列课程】
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。