转型和人工智能

在过去的几年里，我们都在忙于转型。现在有了 AI 这个大东西。它与我们转型的其余部分有何关系？我们应该改变还是重新考虑我们的转型计划？

简单的答案是否定的，但有一些微妙之处。面对变化，我们进行转型是为了提高灵活性，我们接受未来将发生重大变化和颠覆。人工智能突然要求的关注只是对这一信念的证实。你甚至可以测试自己：你的公司能否快速有效地应对人工智能所代表的突然破坏性入侵？如果是这样，你的转型可能比你想象的要远。正如我们一直说的那样，适当的应对需要建立灵活的治理流程、实验能力、创新文化以及实现所需的良好实践、安全性和弹性的自动化。

再深入挖掘一下，我认为人工智能需要锻炼一些我们可能还没有使用过的经过改造的肌肉。几天前，我看了一场精彩的演讲，讲述了一家公司通过组合来自多个内部数据库的数据并使用它来调整法学硕士，可以利用生成式人工智能做些奇妙的事情。嗯——多年来，他们一直在尝试合并来自这些数据库的数据来提供分析，但没有成功。生成式 AI 并不能神奇地解决这个问题！生成式 AI 为我们提供了使用数据获取价值的革命性方法。但是使用它仍然需要解决我们一直遇到的问题——至少是预转换。

合并数据的方式可能存在几个问题。首先，数据可能既存在于技术孤岛中，又存在组织孤岛——组织孤岛通常会拥抱他们的数据，避免愉快地将其用于集成。其次，该组织可能没有为隐私控制而设计，因此在制定隐私决策和建立防护栏时可能涉及大量工作。第三，数据可能被锁定在专有的遗留数据库中，难以提取和合并。第四，数据的质量可能不可接受，或者可能无法将一个数据源的记录与另一个数据源的记录进行匹配（缺乏通用标识符）。

第五个考虑因素可能是最大和最有趣的考虑因素：仅仅是在提取和合并数据方面缺乏投资。IT 部门正忙于构建新功能；他们不可能什么都做！合并不同数据所涉及的工作可能根本不在任务清单上，也可能不 是 “优先事项”。 它可能正在陷入治理或优先顺序的漏洞。

以变得更加敏捷为目标，转型可能已经有助于克服这些限制。随着传统技术的更新，提取数据可能会变得更容易（或更省时），因此，对于有限的IT容量，机会成本不会那么高。既然生成式人工智能使数据的潜在价值更高，因此提高治理流程的灵活性可能会使公司更容易将重点转移到转移数据上。让每个人都支持重要业务目标的文化转变将减少数据拥抱；精心设计的隐私方法将使数据广泛可用，同时仍能控制访问权限。

人工智能并没有真正改变数字化转型性质的另一个原因是，转型已经使公司转向更好的创新管理。通过降低实验的成本和风险并改变文化以鼓励试验，各组织正在使持续创新成为可能。生成式人工智能为我们提供了许多强大的创新新机会，而这正是用它创造商业价值所需要的。生成式人工智能的成功最终取决于组织的创新能力。

有一点不同：我们需要将人工智能视为一组我们可以使用的工具，还需要将人工智能视为一种使用技术实现业务成果的全新方法。我们一直都知道有些任务实际上是无法用软件完成的，而且我们一直在这些限制下工作。人工智能使一系列全新的应用成为可能和实用。以识别手写数字这样简单的方法为例。我们当中没有人能创建算法和编写软件来做到这一点，至少，效果不佳。对于机器学习来说，这是一项相对简单的任务。我们当中没有人能像萨尔瓦多·达利那样编写软件来创建奶牛抽雪茄的图像。但是稳定扩散可以做得很好。

因此，人工智能打开了一系列 IT 以前无法解决的业务问题。而且它涉及一种完全不同的编程和操作模型。它需要深入了解问题是否适合 AI 解决方案，以及它们是否比传统 IT 技术更可取。它需要不同的技能，转型组织需要为发展这些技能做好准备。

人工智能将数字化转型的重点转移到数据上。如上例所示，我们需要想办法在整个企业中提供数据，打破孤岛，阻止数据拥抱，确保数据质量，并使数据摆脱传统技术的影响。你几乎可以想到数据在人工智能中起着代码的作用。过去，我们主要从代码的角度来考虑敏捷性（能够在业务需求变化时快速调整我们正在编码的内容）；现在我们可以从数据以及是否可以轻松访问所需数据流的角度来考虑。

数据需要与代码不同的治理控制。它需要深思熟虑的隐私保护方法（DevOps 中的 “向左移动”）。它需要控制措施来确保负责任的行为和准确性（代码通过测试套件时是 “准确的”；数据呢？）。我们需要就数据差距、用于训练的数据选择以及用于数据管理的工具做出决定。

作为一个职业，我们对数据有点懒散。我们允许关系数据库保存所有数据，即使我们没有以关系方式使用这些数据也是如此。如今，对某些类型的数据使用键值数据库、时间序列、文档或图形数据库或仅使用普通的旧非结构化数据更有意义。数据来自许多媒体——有了人工智能，我们可以充分利用图像数据和声音数据。

数字化转型为纠正我们在数据管理方面的许多传统做法提供了机会。迁移到云端时，公司通常以 “工作负载” 来构建项目。但是，也许他们需要更多地围绕数据及其位置和特征来制定计划。除了在迁移到云端时重构代码外，人工智能的重要性日益提高，这表明公司还应考虑重构数据。

我们可以假设人工智能可能内置于我们所做的一切和使用的每种工具中。这是否会改变我们的数字化转型计划？几乎没有。转型是要提高灵活性和响应能力，以应对组织中的变化。但是人工智能提醒我们，转型不仅涉及代码和基础架构，还涉及数据。