许多CEO意识到，AI具有彻底改变组织运作方式的潜力。比如说，可以想象未来的零售商在客户订购之前就把当天刚刚生产的根据客户需求配置的产品送上门。这似乎是科幻小说里才会出现的场景，但现在已经有AI能够将其变为现实。
目前的障碍是企业尚不知如何做出改变适应这样的未来。公平地说，许多企业一直努力纳入数字技术，有些公司的确由此令服务客户和生产制造的方式发生了转变。
不过，要想发挥AI的全部潜力，企业必须重新设想其商业模式和完成工作的方式，不能只是单纯地把AI加在现有流程上、让流程自动化或增加内容。而且，虽然AI可以在各个部门所在地分别部署，列出长长的具体用途清单（即用例），但这并不会驱动公司运营和收益发生改变，反而会让AI规模化难度加大、成本增加，因为相隔遥远的各个团队都必须在获取利益相关者认同、培训、变革管理、数据、技术等方面进行重新设计。
但这并不意味着企业应当用AI一次性彻底改造整个组织。这样几乎肯定会以失败告终。彻底改造是一个非常复杂的过程，牵扯到太多变化的部分、利益相关者和项目，无法在短时间内实现有意义的影响。
我们发现，合适的方法是找准一个重要的部分，进行彻底的重新思考。在一个核心流程、阶段或职能（我们称之为一个域）方面引入变化，会带来重大的绩效提升，这是单独在某个地区引入变化所无可比拟的。这样还可以让每个AI项目建立在前一个项目的基础上，例如在利益相关者相同的情况下进行数据再利用或推进技术能力。我们看到，这种方法激活了域内改变的有机循环，让领导者和员工看到效果，最终形成在更大的组织内部启用AI的强大动力。此外，这种方法还促使员工形成“持续改进”的思维方式，这一点非常重要，因为AI技术发展迅速，组织要将AI转型视为一个持续的过程，而不是一次性的任务。
无法充分利用AI的公司势必被边缘化——汽车制造、金融服务等几个行业已经出现了这种情况。好在去年疫情迫使各企业迅速调整工作方式，许多公司（甚至是分析能力有限的公司）已经开始发展把握AI机遇所必需的技能。现在的难题是如何运用相应技能做成更大的项目。
本文以作者为几百个客户（其中有一些是世界级大企业）提供咨询的经验为基础，为企业介绍扩大AI规模的方法供参考。
步骤一 制定战略
要为AI项目确定合适的规模可能很难。我们建议CEO找准能让AI在合理时间内发挥重大影响的业务领域：相对容易找到内部倡导者、说服利益相关者以及组建团队，而且有很多相互联系的活动和机会，可以重复利用数据和技术资产。（要确定项目规模是否合适，请参见边栏“表明你对AI的设想太宽泛或太狭隘的迹象。”）
潜在影响。选定的域应当有一定的规模，足以显著提升公司营收或客户、员工的体验。我们提供咨询的一家航空公司找到了十个符合这一标准的主要业务域：货运、空乘、营收管理、电子商务、客户服务、机场、维护、路网规划、运营和人才。该公司从货运开始，确定了一组可以在约18周内完成的AI项目。第一个项目可以提高货运量和重量预测的准确程度，增加货运空间的利用效率，借此增加约3000万美元的额外利润。
另一个例子里，某电信服务提供商选择重新设计其客户价值管理流程（涉及公司与客户互动的所有方式），利用AI去理解和应对每个客户独特的需求。这个项目很快令执行营销活动所需的时间减少了75%，客户流失率降低了3%。公司预计，至2021年年底，项目促成的改善可以让利润增加7000万美元。
相互联系的活动。适合开展AI项目的业务域，会有一组明确的业务活动，对其进行校正可以解决系统性问题，如长期效率低下（如贷款批准耗时长）、高度易变（激烈波动的消费者需求）和频繁错过机会（难以将产品带给客户）等。在很多情况下，AI解决方案可以通过借助AI获得的洞见和组织上获得的改善这两个方面，从根本上解决这些问题。
航空公司找到了六项密切相关的货运活动：商谈运费、分配空间、预约、记录、管理地面操作和交付货物、结账。客户满意度和定价都取决于为临期预约安排货运空间的能力、实时追踪货运情况的能力和运输速度等因素。对这六项活动进行重新配置，将相关数据输入AI支持平台，公司就能够减少系统性的浪费，并让客户体验大幅度提升，等于同时提高利润和声誉。
倡导者和团队。有潜力的业务域可以找到以下几项：
● 内部业务部门的AI倡导者，负责整个相关价值链（在上述航空公司是货运副总裁）
● 专职的高级业务人员（在航空公司是高级货运负责人及其两名直接下属），担任“产品负责人”（负责交付解决方案）、翻译者（连接分析与业务领域的人员）和变革领导者（负责变革管理工作）
● AI团队，如数据科学和工程专家、设计师、业务分析员和敏捷开发管理者（这些专业人士也可以来自组织的中心团队）
● 一线用户或知识型员工群组，负责日常活动（在航空公司是遍布美国、亚太地区和欧洲的250个销售和预订代理商）
从业务域周期的各个环节选派人员（无论原本的职位是什么）担任负责人，会促使他们带着激情和动力投入项目。要想让员工在制定解决方案时不拘泥于日常业务、协助项目克服必然出现的意外障碍，这些因素至关重要。
可重复使用的技术和数据。选择运营AI模式所需的数据和技术有所重叠的多个业务域，这点也很重要。团队不必每次都从头开始，可以重复利用已经为AI准备好的数据或部分代码，就会轻松很多。一个业务域内最初一两个模型需要创业投资，但后来的新项目就可以建立在之前的基础上，大幅度减少开发时间和成本。我们这里说的资源，在数据层面是公共库和元数据定义，技术层面是机器学习脚本、从遗留系统提取数据的应用程序编程接口（API），以及数据可视化功能。
高管团队通常会确定约8到10个可以通过AI实现转型的域。完成这一步之后，我们建议进行进一步遴选，根据可行性和商业价值将范围缩小至一到两个。
航空公司的CEO及其直接下属用12周的时间召开了一系列战略会议。他们讨论了不同行业的公司如何利用AI实现创新，制定了在15个月内用AI实现营业利润两位数增长的目标，确定了最先着手于哪些业务域以及所需资源。每位高管都询问了自己域内的专业人士，了解该领域可以如何达到利润目标，并评估自己提议的潜在价值和可行性。货运领域的三位高管，与IT和财务人员一同拟订了更好地利用飞机货运空间的方案、预期收益，以及在数据可用性、技术和人才等方面实现该方案的可行性。
步骤二 构建团队
每个业务域内负责AI项目的团队应当配备设计、建立和支持新的工作方式需要的所有人员——商业、数字化、分析和IT功能。在很大程度上，只要团队清楚自己的目标，而且获得相应的资源，就能运用敏捷方法自行安排工作。管理层的作用，除了建立团队以外，还有确保每一个从其他业务单元调过来的员工都能完全融入，以及消除组织层面上所有可能影响团队成功的障碍。
我们研究过的许多案例里，团队需要的大部分成员已经在目标业务域内工作，团队领导者只需要把他们带到项目上，然后从公司其他部门调来必要的技术人才就可以了。上文提到的航空公司里，销售、客户服务、运营和财务人员都参与了货运转型，其中大部分人原本就是向业务部门汇报工作。转型进行期间，数据科学家和数据工程师等AI专业人士从公司的AI卓越技术中心调到团队，直接向货运部门高级主管（即新AI的产品负责人）汇报。
部分情况下，企业必须直接从组织不同部门调来其他非技术人员。举例来说，某能源公共事业零售商尝试利用AI改进客户价值管理，如怎样定位客户、提供什么产品或服务、通过何种渠道提供，以及如何检验新创意等。该公司必须正式将之前没有联系的营销专业人士从各个渠道、各个团队调到一起。否则，要在各自独立的部门之间协调他们的工作，会造成延迟和断裂，因为请求和批准都是在部门层面进行；还会迫使相关人员兼顾两边的工作，无法完全投入。
AI项目团队一般可以由单个小团队负责，独立完成所有工作。不过，如果相关任务涉及的范围相对广泛，需要十多个成员，团队可能就不够灵活了。这种情况下，可以将团队分为若干小组，由一个小组提供技能共享。上文中的电信公司将新的客户价值团队分为四个业务小组，分别负责预付费客户、后付费客户、客户获取和客户保留，给每个小组下达任务：至年底减少20%客户流失或提升20%交叉销售。由数据工程师和开发者组成的数据处理小组为这四个小组提供支持，建立可以重复利用的技术和资产，开发新的AI分析模型。
步骤三 像往常那样重新设想业务
如前所述，充分发挥AI的功用，需要彻底改造商业模式、职位与职责以及运营流程，换用新的思考方式和工作方式。我们发现，通常企业最适合运用基本原则或设计思维，从关键目标或难题出发逆向作业。例如，企业可以想象五星级的客户体验是怎样的，然后再探讨如何实现的细节。
航空公司的货运团队，首先采访销售和预订代理商，了解他们在客机上如何分配空间、如何决定是否接受货运请求。代理商如何确认可用的货运空间？他们依赖其他哪些信息，如何权衡不同信息的重要程度？决策时关心哪些问题？
团队发现，传统方法存在着预测不准确、需要代理商猜测取消预订情况等问题（货运预订和客运不同，取消不产生费用，因此常有飞机货运空间看似订满实则空置的情况）。货运预订代理商还担心超额预订会影响客户满意度。为避免冲突，代理商往往等到起飞当天才为客户预订货运，导致运载能力未能充分利用，错失机会。
发现并了解了当前流程的问题，团队随即规划了理想的流程，如为代理商提供所需信息，帮助他们决定是否预订、超额预订的安全范围、提前多久预订，以及职责上的变化。随后，团队用了几周时间开发出AI控制面板的原型，为代理商提供必要的信息，并迅速迭代，吸纳同时开发出的预测模型提供的数据。团队选出12条航线的代理商，代表公司由1500条航线组成的全球网络测试该AI系统。他们安排了使用传统流程的对照组，对比依照系统推荐的实验组货运利用率和利润有何差异。为了建立对新系统的信赖，高管消除了无法保留预订的航班可能对代理商造成的一切负面影响。
现在所有代理商都可以访问这个AI面板，查看货运空间尚未充分利用的航班。他们可以一目了然地看到近期航班货运的利润数据。综合反馈令AI系统可以不断从代理商接受或拒绝货运请求的决定中学习，代理商的决定则是基于自己关于货物尺寸和重量平衡问题、客户供应链变化、贸易路线以及其他因素的知识。这组新工具为代理商提供信息，让他们有信心在出发日期之前售出货运空间。
步骤四 适应组织和技术方面的改变
大部分情况下，新的AI流程和模型需要大规模的组织变革，如采用跨领域合作和敏捷思维方式等。我们的研究表明，能够制定有效变革管理方案的企业在AI方面获取回报最高，例如让领导者亲自示范所需行为，如果能让CEO等高管参与则效果更好。
再以前文提到的能源公共事业零售商为例。该企业投资帮助员工学习新技能，以便在新环境中一同高效工作，承担新的领导责任；根据新的责任，调整AI项目团队成员的目标和奖励机制；安排人员填补团队成员原本所在部门的职责。
公司必须升级技术以支持AI，但不必提前对IT基础设施或数据结构进行大的调整。我们建议企业关注能够促成和加速AI发展的技术，根据团队工作重点分配额外的投资。例如使用云端数据平台和API、微服务以及其他现代运维工具，可以帮助企业以两三倍的速度发展新的业务能力。
上文中的电信提供商建立了云端平台，存放现有业务和客户服务系统的原始数据，比原本的数据储存系统更方便数据工程师和数据科学家使用。公司还采用了新的分析工作台，帮助数据科学家更快地训练和部署新的模型，还有为其AI客户价值管理系统提升数据收集、分析及建模效率的工具。这些措施令公司得以利用未经整理的数据和更复杂的方法，提升了工作效率。
分配额外的技术投资时，团队应当规划好将来需要的能力、数据和资源，确定何时需要，根据需求逐一解决。例如上述电信供应商团队，在设计客户价值管理系统时，发现需要新技术，用于自动处理外部直接信息，并为销售人员提供与客户对话的实时指导。
团队还应当考虑AI项目可能对上下游流程造成的影响，采取相应措施。例如航空公司的AI团队为管理者开发了工具，监督货运装卸情况，有效地支持新的销售和预订流程带来的更大的货运量。
连锁反应
等到AI项目在初期业务域内发展成熟，组织找到了重新设想部分业务的节奏，就可以扩大规模了。初期项目打下的技术基础和获得的技能——例如，如何打破界限，如何将决策所需时间从几星期缩短到几小时，如何建立数据驱动的团队——有助于在新的业务域开展AI项目。
这个时候，公司可以同时在多个域内开展项目。重点仍然是以之前的项目为基础。在此前提下，公司可以优先选择数据和技术共通的业务域，如供应链和物流，或者不同部门的同一业务域。能源公共事业零售商估计一个产品部门改善客户价值管理的工作（在几个月内实现了前所未有的增长，客户利润提升12%，客户保留率提升20%）有近80%可以在其他几个业务部门再利用，加速其发展。
本文介绍的几家公司尚处于全面AI转型的初期阶段，但已经踏进了新时代的门槛。这些公司看到了新的可能性，大胆尝试，在相应的业务域获得了可观的回报，以及零散的AI运用所无法实现的新能力，相关的方法和经验之后都可以再利用。经历过这个初期阶段，这些公司在其他领域的AI发展速度会加快，AI能力会迅速升级，最终将会发现曾经想象的未来其实并没有那么遥远。
蒂姆·方丹是麦肯锡悉尼办公室高级合伙人，麦肯锡旗下高级分析公司QuantumBlack亚洲负责人。布赖恩·麦卡锡是麦肯锡亚特兰大办公室合伙人，麦肯锡数字转型及知识发展议程负责人之一。塔米姆·萨利赫是麦肯锡伦敦办公室高级合伙人，麦肯锡数字全球分析领导者之一。
蒂姆·方丹（Tim Fountaine）
布赖恩·麦卡锡（Brian McCarthy）
塔米姆·萨利赫（Tamim Saleh）| 文
蒋荟蓉 | 译 时青靖 | 校 李源 | 编辑