八大能力助力企业玩转人工智能

企业需要具备哪些组织能力才能成功应用及部署人工智能?

8项组织能力

1 . 数据管理：具备捕获、存储、组织、标记、访 问和治理数据的能力，以搭建可 供人工智能技术应用的基础设 施架构

2 . 信息及 络安全：具备完善的信息系统管理架构、 前瞻性的信息及 络安全部署 和应急响应机制，为人工智能及 其他新兴技术的发展提供稳定 可靠的 络环境

3 . 高级分析：对规模巨大的数据进行分析，根 据可视化分析和数据挖掘结果做 出预测性的判断，获得数据驱动 的业务洞察能力

4 . 应用场景识别 ：有完善的创新生态圈、组织架 构、流程和数据，能够快速识别 市场需求和有效实施人工智能 的场景

5 . 人工智能领导力：领导层阐明愿景，设定目标，部 署战略，以积极和支持的态度自 上而下地引领人工智能的应用 与部署

6 . 新兴技术：在企业范围内持续发现、探索新 兴技术，并通过应用、智能解决 方案和数据平台创造价值

8 . 敏捷开发：一种实验式的开发方式，跨职 能团队采用迭代、循序渐进的方 法，共同协作，有效推进人工智 能解决方案的落地

八项组织能力主要围绕人为因素及技术因素

在这八项组织能力中，围绕人为因素的 能力包含:人工智能领导力、敏捷开发、 企业创新管理;围绕技术因素的能力包 含 :高 级 分 析 、数 据 管 理 、新 兴 技 术 、信 息及 络安全、应用场景识别。

数据管理、信息技术及 络安全在人工 智能发展道路上至关重要

调研结果显示，受访企业高管认为这八 项能力对于推动人工智能发展都是重 要甚至非常重要的(平均分3~5/5)。

在八项能力中，数据管理是受访企业最 重 视 的 能 力( 平 均 分 4 . 3 / 5 )，人 工 智 能 学习、分析的基础是海量数据，数据管 理能力的重要性不言而喻。然而，目前 大部分受访企业的数据管理竞争力普 遍 不 强( 平 均 分 3 . 3 / 5 )，面 临 着 许 多 问 题，例如信息化基础差导致数据采集失 败、无法筛选有效数据、设备缺乏互联 导致信息孤岛等。因此，许多受访企业 正在不断培养自身的数据收集、清洗、 储存、访问、保护能力，为人工智能的技 术和应用发展奠定坚实的基础。

受访企业认为信息技术及 络安全能 力的重要程度略低于数据管理(平均分 4 . 3 / 5 )，数 据 的 质 量 和 安 全 是 未 来 发 展 人工智能的瓶颈之一，是保障人工智能 战略长远健康发展的钥匙。值得一提的 是，为了应对新冠肺炎，许多企业不得 不采取互联办公的模式，保障员工的安 全，这无疑增加了信息技术和 络安全 风险，值得重视，企业应及时采取风险 规避措施。

此外，受访高层对“高级分析”、“人工智能 领导力”和“应用场景识别”能力的重要性 也表示高度肯定(平均分4.1~4.2/5)。

信息技术与媒体行业的总体竞争力最高

我们调研了各行业企业对其组织能力 水平的自评，信息技术与媒体行业在总 体能力的评估中平均竞争力最高。信息 技术与媒体行业巨头和独角兽企业们在 深耕人工智能市场方面积累了成熟的经 验，拥有海量数据的优势和较完善的基 础 设 施 ，再 加 上 5 G 浪 潮 迅 猛 来 袭 ，都 使 得该行业企业在数字化发展方面具备 良好的组织能力。紧随其后的是金融业 和制造能源业。我们期待人工智能在这 三个行业中的光明前景。医疗健康业、 零售业、基础设施及与运输业竞争力则 稍显弱势，但差距不大，如果有针对性 地提高相关能力，在人工智能的成功部 署与应用上未来依然可期。

1. 数据管理：具备捕获、存储、组织、标记、访问和治理数据的能力，以搭建可供人工 智能技术应用的基础设施架构

在2018年至2025年之间，全球数据总量 将从32.5ZB迅猛增长到180ZB，快速增 长的数据总量对企业的数据管理能力 提出了更高的要求。数据是人工智能项 目的核心，尽管人工智能技术本身具有 很强的学习、判断、分析和决策能力，但 要保证高精度，需要依靠大量高质量的 数据进行训练并优化算法。因此，数据 管理能力往往是影响人工智能项目优 劣的一个重要因素。在本次调研中，企 业高管也纷纷表示，数据管理能力是他 们最看重的组织能力。

数据获取并非易事

数据的获取、清洗、储存、访问权限设 置以及对数据提供者的隐私保护等，都 是企业在人工智能应用过程中面临的 重要挑战。数据的获取作为数据治理基 础若受到阻碍更会直接延缓人工智能 的发展。例如，医疗健康行业企业希望 收集患者个人数据进行人工智能建模和 训练，但此类数据非常分散，且涉及患 者个人隐私，企业真正可获取的相关数 据十分有限，这就在一定程度上影响了 企业发展高阶人工智能。

数据管理对象多元化

部分受访高管表示，如何使数据资产化 也是目前面临的一大难题。企业内部各 部门、各业务系统之间在数据层面的“横向贯通”存在着数据不完整、定义不 规范、标准不一致等诸多问题，在企业 内部形成了一个个“数据孤岛”，数据价 值难以发挥。此外，当前企业数据管理 和应用的主要对象仍以结构化数据为 主，但随着 交媒体、人脸识别等新兴 技术的进一步成熟，图像、语音、视频等 非结构化多元数据将会在越来越多的 应用场景中被深度应用并发挥业务价 值，目前部分企业尚不具备系统化地采 集、保存和处理多元化数据的能力。

数据隐私是企业面临的商业风险之一

多位企业高管表示数据隐私是企业面 临的商业风险之一。人工智能技术对大 数据的依赖意味着发展人工智能可能 会涉及客户隐私和敏感数据，尤其是在 与第三方企业的合作中如何保护客户 数据，这是当前部分企业面临的挑战。 目前大中华区市场消费者对数据隐私 的重视程度与西方国家相比较低，从而 导致企业收集数据的难度也较低，但以 后这一门槛会逐渐升高。企业需要严格 遵守国家和政府出台的个人信息隐私保 护法规，在进行数据信息收集时，严格 履行告知义务。部分领先企业已经制定 了完善的数据管理规范，例如，根据保 密程度对数据进行分级，对保密程度较 高的数据仅进行本地部署，或对信息进 行处理后再上传到云端。

数据管理活动生态化

随着大数据的迅猛发展，数据管理范 围正在从企业内部向生态化转变。企 业需要与终端设备提供商、基础设施提 供商、 络服务提供商、数据服务提供 商、数据服务零售商等一系列利益相关 方共同构建大数据生态服务体系。这一 发展趋势在此次新冠肺炎防控中被进 一步强化。 格化管理的需求将推动医 联体、医共体、远程医疗的发展，未来 行业内的数据会更加多元化、生态化。

2. 信息及 络安全：具备完善的信息系统管理架构，前瞻性的信息及 络安全部署和应急响 应机制，为人工智能及其他新兴技术的发展提供稳定可靠的 络环境

随着数字业务的增长，全球企业遭受 络攻击的风险呈指数级增长。在全球 告中，21%的受访者表示，其组织曾在 2018年遭遇 络安全漏洞，导致未经授 权的访问。企业正在为 络安全漏洞付 出沉重代价:全球 告表明，20%的企 业损失超过5,000万美元，且69%的企 业认为人工智能将是应对 络攻击的 必要手段。

随着欧洲发布《通用数据保护条例》 (GDPR)，大中华区两岸三地均从政策 层面将信息安全纳入国家/地区战略。 以中国大陆和香港为例，2017年6月1日， 《中华人民共和国 络安全法》正式实 施， 络安全有法可依、强制执行， 络 安全市场空间、产业投入与建设步入持 续稳定发展阶段。香港则成立了 络安 全及科技罪案调查科，负责处理 络安 全问题。

信息及 络安全被视为最重要的人工智能组织能力

受访企业认为信息及 络安全是企业最 有竞争力的组织能力(平均分3.5/5)，有 35%的企业认为该公司的信息及 络安 全能力较为一般，还有巨大提升潜力。 从行业维度来看，金融服务产业在该能 力上一骑绝尘(平均分3.9/5)，制造业 及能源行业其次(平均分3.8/5)。在访 谈中，多数企业均表示，尽管两岸三地 政府都有相关政策文件强调信息及 络安全的重要性，但可落地执行难度较 大。外资背景的组织通常严格遵循欧洲 《 通 用 数 据 保 护 条 例 》( G D P R ) 来 控 制 未来可能存在的政策风险，本地企业则 摸着石头过河。

人工智能与信息及 络安全相辅相成

尽管人工智能作为数字化工具的一种， 受到信息及 络安全的限制，但由于人 工智能在防御领域的天然优势，使得 人工智能反哺 络安全成为企业关注点。69%的全球企业认为人工智能将是 应对 络攻击的必要手段。欺诈检测、 恶意软件检测、入侵检测、 络评分风 险和用户/机器行为分析是改善 络安 全的五个最高人工智能用例，成为人工 智能 络安全防护的突破口。51%的全 球企业正在广泛使用人工智能进行 络威胁检测，以极大程度提升 络风险 预测及应对能力。根据实验统计，人工 智能发送推文的速度比人类快六倍，成 功率是人类的两倍，人工智能技术将传 统 络安全分析师从不堪重负的手工操 作中释放出来。

疫情正在改变人们的工作方式，并迫使 企业改变自身的运营模式，在互联办公 的新常态下，企业更多依赖于互联 云 上解决方案或升级原有的远程解决方 案，但同时也增大或引入了新的外部安 全威胁和 络安全风险，包括远程访 问、BYOD等。根据 告编写委员会收 集到的资料，疫情爆发后， 络钓鱼、勒 索软件和 会工程攻击出现频率显著增 加。同时，我们发现已出现新型钓鱼方 式，黑客利用与疫情相关的域名或把疫 情信息作为文档附件“诱饵”，引导用户点 击进入钓鱼 站，实施攻击。 络安全 作为企业实施人工智能目前最关心的能 力和最迫切的需要，决不能被忽视。

3. 高级分析：对规模巨大的数据进行分析，根据可视化分析和数据挖掘结果做出预 测性的判断，获得数据驱动的业务洞察能力

人类技术发展突飞猛进， 会运作的效 率不断提高，信息的不对称性也大大减 少，从而促使企业的竞争环境越来越复 杂。企业需要具备快速应对市场变化的 能力，预测和战略规划也成为了企业经 营“求稳”的重要手段。针对不同的应用 场景，人工智能可以结合机器学习、深 度学习、数据挖掘、预测模型等技术， 提高企业的高级分析能力，赋能管理层 做出更加高级且复杂的思考和判断，从 多方面找到解决问题的策略，进行需求 预测，及时修正企业的发展方向，也就 是我们常说的让企业“拥有智慧大脑”。

企业的高级分析能力现状

在针对成功部署人工智能所需的8项组 织能力的调查中，高级分析以平均4.2/5 被视为第三重要的组织能力，但在其竞 争力自评中，大中华区企业的平均分只 有3.2/5，是8项组织能力中重要性和竞 争力差距最大的一项能力。许多受访的商业领袖强调，其所在企业已经在构建 数据中台以整合企业内外部的数据，但 能从中获得的业务洞察十分有限。

一方面，企业受限于行业特性、规模大 小和业务范围，所能获得的数据量不 同，现有的数据也更多是在运营过程中 产生的与核心业务相关的结构化数据， 对文本、图像、音频等非结构数据的收 集有所欠缺，无法满足发展人工智能所 需的数据基础。另一方面，即使企业投 入大量资金建立了信息系统，但由于各 个系统的数据库结构不同，如果没有数 据工程师、数据科学家、数据分析师等 专业人才来对数据进行组织、分析和维 护，很难产生大量有商业价值的业务洞 察，也不足以辅助管理层进行决策。然 而，目前市场上存在人才缺口，招聘数 据科学家、数据工程师、数据分析师等 人才难度大，竞争激烈。多数企业仍持 观望态度，阻碍了企业高级分析能力的 提升。

整合的数据，灵活的分析，借助商业智 能提高企业的高级分析能力

在高级分析人才匮乏的市场环境下，为 了提高企业的高级分析能力，不少企业 选择了商业智能(Business Intelligence， 简称BI)解决方案。以微软的Power BI为 例，企业可以借助微软的人工智能技 术，帮助非数据科学家的业务人员、管 理人员准备数据，构建机器学习模型， 并从结构化和非结构化数据中快速找 到见解。通常技术人员会按照各个部门 的业务需求事先做好数据仪表盘，前端 业务人员也可以在灵活的操作页面中洞 察分析、生成 表和制定决策。这一过 程可以培养员工利用数字化工具解决 问题的思维，进而提高工作效率，增强 企业自身的数字化“生产力”，为企业人 工智能的发展做好铺垫。

高级分析赋能人工智能，人工智能反哺 高级分析

不同于商业智能侧重于回顾，比如分析 历史数据，高级分析能力更强调用前瞻 的视角，对未来做出预测。在培养企业 的高级分析能力时，数据工程师一般会 负责构建数据收集管道、维护数据架 构、改进数据基础应用程序等工作，而 数据科学家的主要职责是结合业务需 求，组织和分析大量数据，建立预测模 型，并以通俗易懂的方式将数据分析结 果呈现给相关利益方，辅助决策。

可是，随着数据爆炸式增长，要想提升 高级分析预测的准确性，可以借助人工 智能的机器学习技术自主且高效地学 习数据，从而不断优化修正预测模型。 同时，人工智能的自然语义理解技术也 有助于降低数据分析的门槛，可以极大 地方便业务人员快速、有效地进行数据 探索与数据分析，综合提升企业的高级 分析能力。

简单来说，企业的高级分析能力和人工 智能应用的发展呈螺旋式上升的形态， 而提升企业的高级分析能力需要大量 的资金投入。如果企业管理层没有清晰 的数字化战略，就很难在中长期利益和 短期利益之间做出选择，间接对企业人 工智能的发展也产生了阻力。

4. 应用场景识别：有完善的创新生态圈、组织架构、流程和数据，能够快速识别市场需求 和有效实施人工智能的场景

人工智能飞速发展，不论是传统行业， 还是势如破竹的新兴产业，市场格局都 发生了巨变。人工智能属于面向未来的 新技术，应用场景是人工智能发展的主 要驱动力，处在市场中的每一个行业、 企业都在主动投入参与人工智能场景 构建，在产业链各个环节落地开花。

应用场景识别是推动人工智能发展的 关键能力之一

随着企业在人工智能发展道路上的不 断积累，企业的创新模式不再是单纯的 技术驱动，而是技术业务双重拉动，最 终实现新兴技术赋能业务增长。

调研结果显示，受访企业一致认为， 能够快速并准确地识别应用场景对于 人工智能的成功发展也是至关重要的 (平均分4.1/5)。技术是业务的助推 器，如何从业务需求的角度出发，寻找 技术赋能的应用场景，成为企业业务增 长的重要能力。41%受访企业认为自身 在应用场景识别能力上竞争力较高 (平 均分4~5/5)，而17%的受访企业认为自 身目前在应用场景识别能力上竞争力不 足 (平均分1~2/5)，尚有一些上升空间。 横向比较七大行业，在当前5G技术的全 面普及和加速商用大背景下，信息技术 与媒体行业在该能力上遥遥领先于其 他行业 (平均分3.9/5)。

人工智能必须面向应用场景

现阶段，人工智能逐渐向人类 会靠 近，向通用人工智能过渡，由技术和应 用场景互为推动，协同发展，旨在更好 的解决 会问题，例如企业的运营成本 逐步增加、消费者诉求和行为模式转变 等。这一趋势正在越发的清晰，能够正 确识别人工智能的潜在应用场景是每 个行业、每个企业必将面临的课题。

新冠肺炎迫使企业挖掘人工智能创新 应用场景，是挑战也是机遇

新冠肺炎开始得始料不及，全民“闭门 不出”带来了多方面的影响，包括消费需 求萎缩、劳动力资源减少或成本上升、 企业延迟复工复产、全球供应链冲击 等。对各行各业都造成了巨大冲击，特 别是线下零售、餐饮、交通、文旅等行 业面临严峻挑战。以中国大陆为例，根 据中国旅游研究院测算，预计2020年全 年国内旅游收入负增长21%。

虽然疫情一定程度上阻碍了经济的发 展，但也为传统企业发展人工智能和数 字化转型提供了机遇。部分企业把握住 疫情催生出的新需求和市场空间，开拓 了人工智能的创新应用场景。以中国大陆 为例，已经有超过五分之一的企业表示 已在其业务中应用了大数据和人工智能 技术来减轻疫情危机对其业务的影响。

在 零 售 行 业 ，为 了 保 持 “ 交 距 离 ” ，零 售 企业尝试引进无人售货机，打造无接触 零售模式。利用大数据定位消费者，根 据个性化需求投放商品，支持消费者远 程购买并付款;医疗企业使用人工智能 深度学习算法提升核酸检测效果，并且 通过自然语言处理能力整理非结构化数 据，加速疫苗和新药研发。同时，人工智 能在供应链端也发挥了重要作用，例如 智能物流仓群、以无人科技为代表的最 后一公里配送等，在疫情严重的地区，物 流配送机器人能够代替人直接把物资从 站点送到医院，有效防止了疫情蔓延。

5. 人工智能领导力：领导层阐明愿景，设定目标，部署战略，以积极和支持的态度自上而 下地引领人工智能的应用与部署

与其他新兴技术一样，人工智能是否能 为行业升级带来巨大价值，能够掀起怎 样的商业革新，取决于领导层的支持与 帮助。高层领导者首先需要阐明愿景并 设定目标，确保将人工智能放置在公司 整体战略部署的关键环节，从而进行最 优化的投资分配和员工时间投入，达到 自上而下的领导。

在八项能力的竞争力排名中，人工智能 领导力排名最低

本次调研中关于八项能力的重要性排 名，人工智能领导力以4.1/5的平均分位 列第五，而在人工智能各项组织能力水 平的自评中，人工智能领导力以3.2/5 的平均分位列最后。63%的受访企业表 示，其公司的人工智能领导力处于一般 及以下水平。许多企业领导者已经意识 到，仅仅靠敏锐的商业头脑已经不足以 协助领导层深度了解人工智能所带来的 影响。随着人工智能技术变得越来越复 杂，企业领导者必须能够预见变革，并 发起、策划、支持、管理人工智能应用，及时发现和解决潜在商业风险，并保证 人工智能的落地与企业的长期发展目 标保持一致。

发展人工智能领导力至关重要的两大 因素

很多受访企业高层表示，目前在人工智 能领导力上存在两大问题，一是缺乏能 够推动人工智能战略优先级的决策型 领导，缺少有前瞻性、明确目标和战略 视野的人，领导梯队出现断档现象;二 是企业在推动数字化变革时，领导层对 新事物和新技术的认识不足，接受程度 较低，处于持续的犹豫和观望当中。因 此，虽然很多企业已经开始推进人工 智能领导力的发展，但是收效却不尽人 意。对企业而言，及时填补领导梯队的 空档，是发展人工智能的当务之急;对 于高层管理者而言，拥有积极开放的态 度是推动人工智能战略发展至关重要 的一部分。

企业领导者需要把握时代发展脉搏，赋能 员工实现转型

为增强企业的人工智能领导力，企业管理 者一方面需要提高自身对人工智能的认识 程 度 ，把 握 战 略 发 展 方 向 ，做 好 掌 舵 人 ;另 一方面需要在企业中建立起信任文化，赋 能员工助力企业实现数字化转型。在本次 调研中我们了解到，部分企业的决策层管 理者对人工智能的认识还比较有限，包括 对人工智能技术本身、技术与行业的结合 点以及未来发展趋势等。这种现状会极大 限制企业的人工智能能力发展。

安永2019全球首席执行官展望 告的结果 显示，近五年在企业中新设“首席创新官” 和“首席数字官”已经变成一个新趋势。同 时，企业家们还认为创新能力是与企业持 续增长相关最需要提升的能力之一。企业 管理者应具备创新思维和前瞻性战略眼 光，紧紧把握时代发展脉搏，关注技术发 展趋势，将创新精神纳入战略管理议程中， 设立人工智能发展愿景，并通过设置相应 的具体目标或绩效指标，确保决策执行。

6. 新兴技术：在企业范围内持续发现、探索新兴技术，并通过应用、智能解决方案和 数据平台创造价值

在当今的数字世界中，新兴技术层出不 穷。那些在人工智能领域处于领先地位 的企业也在致力于探索区块链、物联 等其他新兴技术的应用场景。每种技术 都有其自身的局限性和复杂性，如何找 到正确的方法将人工智能和其他新兴 技术相结合是不少企业关注的焦点。

打造企业的“技术雷达”

在大中华区企业主管对其组织能力的 自评中，探索和应用前沿技术的能力处 于 中 等 偏 上( 平 均 分 3 . 4 / 5 )。优 秀 企 业 应保持高度的技术敏感性，以感知技术 新动向，而技术雷达作为一个多维度、 多角度的评估工具，可以指导企业相关 领导者在人工智能项目的开展中，找到 赋能企业价值创造的技术矩阵。有受 访者指出，在引入尖端技术，快速整合 创新趋势的过程中，企业会面临系统集 成、信息孤岛、数据一体化管理能力等 诸多挑战。尽管这种担忧有一定道理， 但一些先进企业在分享其技术雷达演 进历程时，也强调这是一个持续探索的 过程，面对不断增加的人工智能工具和 不断扩大的服务生态系统，技术雷达可 以帮助开发团队完成技术选型，确定所 需资源，以切实可行的方式交付人工智 能项目。

鼓励创新还是固步自封?

从市场上获取到合适的解决方案后，企 业应该调动多方资源助力解决方案成 功落地，而不是让人工智能项目团队孤 军奋战。很多受访者表示，虽然人工智 能技术是企业数字化进程中的关键技 术之一，但在解决具体业务场景的实际 需求时，还需与其他技术相叠加，才能 充分发挥其价值。例如，人工智能算法需要大数据的哺喂，而云计算中的软件 即服务(SaaS)恰恰就是大数据的提供 者。由此可见，这些技术相辅相成，不可 分割。

企业在使用新兴技术时，还需具备敏捷 开发能力，以及在快速迭代中试验和测 试的能力。这种敏捷文化会鼓励研发 人员去尝试那些稳定性稍差、未经测 试，但对企业有潜在价值的新兴技术。 然而，要促使企业进一步实现创新，就 要求领导层具有远见卓识，不要被短期 投资回 率所钳制，这一点在开展人工 智能项目中尤其关键。不少受访企业高 管提到，由于人工智能技术成熟度比较 低，项目的投资回 率相比其他数字解 决方案更不确定。

发光的未必都是金子

面对新一轮技术和产业变革浪潮，受访 的企业高管反复强调，要在新技术的刺 激和创新思维的驱动之间找到一个平 衡点，稳步实现智能化转型。尽管人工 智能是当下的热议话题，但领导者还需 牢记自身的业务模型，找到对企业最有 价值的技术突破口。换而言之，技术实 验固然重要，但发光的未必都是金子。

执行的重要性

最后，企业的新兴技术能力还与其执 行力息息相关。很多参与调研的大中 华区企业都基于人工智能的基本概念 和应用建立了强大的商业案例，但技 术能力的局限性使得这些商业案例还 停留在理论阶段，难以落地。

为了加速数字化进程，企业应该及时 为能力不足的员工提供内部培训;推 动信息技术部门和业务部门紧密合 作;并尝试以更迅速、更灵活的方式 解决技术困境。无论是通过技术并购 获取符合企业信息技术标准的新兴技 术，还是通过更改遗留系统使之与新 兴技术相匹配，企业都需要一支有执 行力的团队，帮助企业提升新兴技术 能力。

在各种新兴技术“颠覆”传统管理和商业 模式的背景下，新冠肺炎的爆发无疑给 企业的外部环境增加了不确定性，加速 以人工智能为代表的创新技术应用，已 成为各受访企业的普遍共识。如何构建 创新理念和能力并进行有效管理将成为 未来影响企业核心竞争力的重要因素。

整合创新要素，避免形式化创新

根据调研结果，大中华区企业创新管理 能力的竞争力水平处于中等偏上 (平均分 3.3/5)，但相较于其他组织能力还有很大 的提升空间。部分受访企业高管提到， 虽然企业在积极寻求利用人工智能实现 多维度创新，但在利润回 率上的表现 差强人意。很多企业的人工智能创新草 案都趋于表面和形式，停留在“形式化创 新”阶段。

有效的创新策略必须和企业总体发展方 向相辅相成。领导者和创新团队必须明 确创新战略在整体战略中的重要性;评 估和量化创新项目带来的预期业务增长 和影响;指出创新应该专注的人工智能 领域;确立适当的合作伙伴关系以及创 新协作工具;并设置各创新阶段的评估 和选择标准。倘若明确了这些潜在要素， 创新将会更加契合企业的实际目标。

培养创新领导力

根据安永2019全球首席执行官展望 告，近五年在企业中设立“首席创新官” 成为了新趋势，企业家们认为创新是企 业持续增长最需要提升的能力之一。本 次调研结果也显示，受访者认为创新管 理能力对于企业成功使用人工智能是 很重要的(平均分3.9/5)。

企业创新会涉及各级领导层:董事会需 要在决策上支持企业创新;高层领导需 要加强推动企业革新，而管理层的领导 需要通过将不同创新项目分离的方式， 来优化创新结构，降低企业风险。同时， 企业也需要培养大量创新型技术业务复 合 人 才 。部 分 受 访 企 业 透 露 ，他 们 会 通 过 完善创新绩效、设立创新部门/孵化器、 举办创新大赛等方式，鼓励员工运用创 新的思维模式灵活工作，提升企业的可 持续竞争力。

优化协同创新管理

人工智能领域技术迭代迅速，常规的创 新管理方式很难满足企业的发展需求。 在人工智能创新生态环境中，许多受访 企业需要通过与传统科技公司、互联 巨头、初创企业或顶尖高校科研院所合 作来实现创新。面对这种富于变化且复 杂 的 场 景 ，协 同 创 新 管 理 是 首 选 方 法 。如 何构建多元化的、可落地的协同创新模 式，成为了近几年企业探索的核心话题， 其 中 包 含 盈 利 分 配 、知 识 产 权 管 理 、数 据 所有权管理等。企业要加强人工智能知 识产权保护意识，以及时取得法律的全 面保护。

为了提高对创新流程的控制，企业可以选 择合适的协作工具(例如协作软件平台)， 营造出多方协同工作的环境，激发创新思 维的多元碰撞。此外，企业可以使用结构 化的方法，根据合作伙伴的类型、规模、 意图和参与度确立差异化的合作形式(即 开放式合作、非独家合作以及严格遵守合 同式合作)。

8. 敏捷开发：一种实验式的开发方式，跨职能团队采用迭代、循序渐进的方法，共同 协作，有效推进人工智能解决方案的落地

考虑到许多人工智能技术目前还处于起 步阶段，很多企业都是在摸索中前行， 为了降低投资风险，有人工智能项目成 功实施经验的公司往往会选择敏捷开 发的方式。这种方式以用户的需求进 化为核心，通过一系列短小的项目进行 概念验证，大大提高了企业挖掘人工智 能潜力的能力。由于项目周期短，项目 组可以快速识别有价值的应用场景，为 后续项目的开展提供指导方向。不断学 习、不断验证的过程丰富了员工自身的 知识体系，促进了企业跨部门的沟通。

处于发布和领先阶段的企业更倾向采 用自上而下或混合部署的模式

大中华区企业敏捷开发的能力处于中 等水平(平均分3.1/5)，在软件开发团队 以外的使用相对有限。然而人工智能项 目往往需要技术部门和业务部门相互 配合，并经过概念验证来证明其确实可 以削减成本，改善客户体验，或者在某 种程度上形成业务差异化。很多受访者 谈到，敏捷、迭代的方式能帮助企业在 概念验证阶段快速找到决策支撑。

为了使概念验证获得成功，企业通常会 建立一个中心部门，按照敏捷开发流 程，与各业务部门协作，发掘出最有前景的应用场景，以便继续监控和投入资 源。这与问卷调查的结果不谋而合，在 人工智能成熟度自评级相对领先(处于 发布或领先阶段) 的企业中, 有78%采用 了自上而下或混合的模式部署人工智能。

在转向使用敏捷开发模式的过程中，该 中心部门的职责可根据各企业的规模 和实际情况而定。有的中心部门会负责 主导项目的开展，有的会负责整合数据 和总结相关经验教训。

敏捷开发帮助企业及时调整方向

采用迭代方式递进开发可以有效降低 项目风险。在人工智能项目正式投产之 前，项目组可以持续地根据用户反馈和 需求优先级来及时识别和校正不符合 预期的结果;在循序渐进的过程中，不 断积累知识经验，透明化管理，避免产 生“黑盒”现象。

与敏捷式项目管理不同，传统的瀑布 式项目管理并不适用于人工智能项目， 因为瀑布式研发跳过了学习过程，缺乏 重要的反馈周期，后期变更成本大。人 工智能领域非常复杂，当项目规模扩大 时，会产生很多早期无法预见的潜在问 题。因此，敏捷开发无疑是企业更好的 选择。

业务部门对敏捷开发尚不熟悉

调查数据显示，大中华区企业对敏捷 开发能力(平均分3.1/5)和重要性(平 均 分 3 . 8 / 5 )的 自 评 分 有 一 定 差 距 。由 此 可见，大多数企业都清楚敏捷开发的优 势 ，但 只 有 少 部 分 企 业( 1 0 % )认 为 自 己 完全具备实现敏捷开发所必须的能力。

一些来自信息技术部门的受访者表示， 跨部门协作对人工智能项目的价值创造 十分关键，但在具体实施过程中，常常面 临全局监控难、资源协调难等各种各样 的问题。企业的敏捷转型需要管理层实 行配套的治理模式和评估方式，也需要 员工欣然面对需求变化，快速响应，形 成自主学习和自我提高的运行机制。