您对人工智能所能够影响的业务转型成果持乐观态度吗?您是否预见到了您的组织将从具有数据驱动决策的辅助智能的基础发展到下一代的增强智能中来，即您的组织设计机器将能够增强人类的智能和交互?一切皆有可能。但一切都必须以人为基础，由人来驱动文化。
你还需要设定愿景，启用跨职能协作，以及对文化的设计。
愿景，协作，文化。这些都是建立一个世界级的AI卓越中心所需要的支柱。无论您是否对标准化和集成、利用数据资产或度量业务价值感兴趣，卓越中心(COE)都可以提供组织成功所需的治理或资源平衡。
愿景：一堂价值集中的课
要真正把握卓越中心背后的愿景，需要让我们首先回到它的根源上来。卓越中心起源于公元前221年的中国秦朝。卓越中心建立在权力集中的概念之上，集中体现了权力的系统性和一致性。这种集中的好处包括直接的责任和义务、明确的决策，以及相信集中的权力更能促进掌握这种权力的个人的利益。紧随这些优点之后的是缺点，包括决策不是由最了解问题的资源做出的，由于信息传播缓慢而导致的推迟执行，以及排除本可有助于作出更好决策的某些资源。
在工业革命期间，我们看到了新的制造概念开始出现--具体地说，是从家庭生产制(生产系统)到工厂系统的转变。家庭生产制把材料运送到了农村的生产者那里，他们经常在家里进行工作。这种分散的方法以相对较高的价格提供了质量合理但并不一致的产品。而工厂系统使用了机器大规模地集中生产货物。这种新方法降低了成本，提高了工人的效率。工厂制的采用也提出了一个新问题：我们应该在哪里生产?
协作：AI卓越中心的结构与区位理论之间的相似之处
AI卓越中心与组织的其他部分之间的协作程度直接受到AI卓越中心的组织设计的影响。区位理论专注于预测经济活动的理想地理位置。简而言之，企业应该位于何处?我们关注差异成本吗?生产和销售之间的距离摩擦会是一个问题吗?这些概念似乎深深地植根于旧的制造业世界--而今天的企业高管则很少谈论或提及这个问题。
有趣的是，我们也可以发现在设计开创性的AI卓越中心的结构时和区位理论之间的相似之处。三个有趣的区位理论有助于我们理解建立AI卓越中心所固有的组织设计考虑因素。
•德国经济学家Alfred Weber建议，制造工厂应该设在成本最低的地方(最低成本理论)。Weber理论考虑了运输、劳动力和集聚性等的成本。
•Harold Hotelling是美国数理统计学家，也是一位颇具影响力的经济理论家，他发展了Hotelling理论。这一理论引入了行业位置不能脱离同类行业来理解的原则，他建议在客户附近(集约化)。地理上的相互依赖将企业的地理位置与企业的经营能力和盈利能力联系了起来。
•专注于区域和城市经济学的德国经济学家August Lösch研究了区位经济学。Lösch的理论解释说，制造工厂应该设在能使利润最大化的地方(盈利区)。
Weber、Hotelling和Lösch的理论都普遍认为，企业应该被吸引到净利润最大的地方。从表面上看，这似乎是常识。当我们将这一概念应用于AI卓越中心时，我们更关心的是持续的价值交付，而不是利润。我们现在要思考的是，在我们的组织中，最大的价值产生在哪里?
文化：为AI卓越中心找到依归
历史并不能很好地预测未来的成功。然而，理解它并将过去所犯的错误考虑在内也没有坏处，这样您的组织就不会以原始的形式重复这些错误了。
我们得出了以下的观察结果：
•集中的技术能够有效地分发信息，最小化信息发生变化的机会。
•分散的方法有助于员工招聘，因为他们具有自定义和分布式的性质。
•区位理论引入了企业应该位于价值最大化的地方的概念。
将这些概念外推，让我们将它们也应用到AI卓越中心中来。当我们从AI卓越中心回归到现实时，我们发现了以下几个有用的经验：
•AI卓越中心的集中管理对于持续传达组织愿景最为有效。
•分散的员工参与模型有助于共同创建所有权并加速AI卓越中心的组织采用。
•AI卓越中心应该有集中的功能报告(强硬的)，但它也必须在产生最大价值的地方(业务内部)嵌入操作(柔性的)。
当我们设计和建造我们的AI卓越中心时，这些概念为我们提供了富有洞察力的原则，以提高耐用性、弹性和加速采用。具体地说，智能组织的设计对于支持组织价值、信念和行为的演变，以及支持以人工智能为先的思维方式和以数据为中心的文化是至关重要的。
建立“人工智能优先”的思维模式完全是关于文化和人的，而不是关于技术和数据的。而在拥有“人工智能优先”的心态，合适的人才，并有人工智能文化的支持的情况下，你的AI卓越中心能够很好的衡量其价值吗?
衡量AI卓越中心的价值
你可以通过设定远景来定义你的AI卓越中心的成功。确定AI卓越中心将用于制定未来决策的原则。AI卓越中心的期望是什么?AI卓越中心的基本价值主张是什么?如何共同创造价值以深化共享所有权?
一旦定义了愿景，你就可以将重点转移到如何实现协作上来。AI卓越中心团队可以如何与现有的内部组织结构(团队、部门)的协作?人工智能领域的领军人物何时会被确定并参与其中?如何激励AI社区的参与?
现在可以开始设计文化转型了。你需要了解“数据即资产”的文化临界点是如何定义的?什么基准显示了行为上的文化转变?个人绩效计划如何与人工智能优先的心态相关联?哪些传播和媒体形式将用于教育和宣传?
规划人工智能研讨会、确定人工智能试点以及创建一个人工智能系列讲座，这些都可以促进人工智能的采用，并使您的组织实现人工智能。然而，你可能很难知道将能够在何时取得进展。以下问题可以帮助你评估你的AI计划是否对价值实现产生了积极的影响：
•有领袖能够将人工智能程序与业务结果联系起来吗?
•现有的业务冠军是否被视为了AI社区的一部分?
•人工智能试点是否在数量上提高了价值实现?
•组织资源能否清楚地说明它们是如何为AI社区的知识做出贡献的?
•资源是否能够访问组织，并根据人工智能优先的思维方式解释其角色是如何变化的?
•随机调查的组织资源是否能够澄清企业AI卓越中心的价值主张?
•AI卓越中心是集成到现有的业务流程中了，还是作为组织价值创造的局外人坐在了替补席上?
您的技术合作伙伴将建议您通过制定数据资产清单、审查技术堆栈和探索跨竖井区域的共享技术来开始AI卓越中心之旅。这些在适当的时候都是必要的，但是AI卓越中心的成功总是始于人和结束于人的，而不是数据。你需要设定愿景，启用跨职能协作，以及对文化的设计。
版权声明：本文为企业网D1Net编译，转载需注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
京公网安备 11010502049343号