了解可培养 AI 就绪文化的特征
成功的 AI 战略必须考虑文化问题和业务问题。 成为 AI 就绪组织需要从根本上转变工作方式、员工之间的关系、员工拥有的技能以及指导行为的流程和原则。 这种转变需要深入组织文化的核心，并且组织必须以整体方法应对此类转变。 领导者应该支持这种文化变革，让组织中的每个人接受和采用 AI。
培养 AI 就绪文化需要：
- 成为数据驱动型组织。
- 赋予员工参与 AI 转型的权力，并创造允许跨职能、多学科合作的包容性环境。
- 创建负责任的 AI 方法，解决 AI 带来的挑战性问题。
当然，这只有通过能够推动变革的强有力的领导才能实现，方法是采用这种转型所需的变革并在整个过程中积极支持员工。 下面，我们分享我们对实现 AI 就绪文化所需进行的变革的看法。
数据驱动
任何好的 AI 系统都依赖于拥有最好、最完整的数据，并能够推理整个数据资产。 换句话说，这取决于数据访问和完整性。
数据访问
由于数据所有权或存储问题，大多数组织以孤立的方式生成、整理和使用数据。 虽然每个部门可能对来自其自身流程的数据有良好的了解，但他们可能会缺少也许与其运营相关的其他信息。
例如，销售部门可能会因为他们缺少由其他部门控制的数据（例如电子商务活动和支付状态），而无法全面了解客户。 在这种情况下，销售人员可能会错误地尝试向客户推销其已通过在线渠道购买的保险单。
通过在整个组织内共享数据，可获得比孤立使用数据时更好的效果。 重要的不再是每段数据，而是汇总数据所得到的结果：统一的客户视图。 借助统一视图，你可以做出更好的决策、更有效地采取行动，以及提供更好的客户体验。 无论是在本地、云中还是在边缘，数据资产都必须可访问才能有用。
数据完整性
数据的质量也很关键。 在此示例中，如果客户数据中充斥着错误（例如不准确的联系信息、无关的数据或重复的数据），那么即使统一了数据也没有意义；销售人员仍然可能在与客户互动时犯下重大错误。
正如数据质量是将客户体验提升至下一级别的关键，它也是实现成功 AI 的关键。 AI 模型的优秀和完善程度仅可达到与其可以操作和从中学习的数据一样的水平。 因此，以确保数据尽可能完善和严谨的方式工作至关重要。
总而言之，成为数据驱动型组织意味着秉持数据共享和严谨的观念，从而驱动你的工作方式和关联方式，并最终驱动你的协作方式。 这让你能够实现 AI 的价值，并更好地应对 AI 带来的挑战。
获得授权
培养 AI 就绪文化意味着使员工能够成为 AI 转型的一部分。 组织应提供以下机会来实现此目标：
支持：需要空间、资源、指导、安全性和支持来改进人们使用 AI 执行的操作。
学习时间：组织应帮助员工获得知识和技能。
试验空间：在此过程中，应鼓励新想法和持续改进。 这种试验必须容忍错误，表扬和认可成功。
它还意味着创造包容性环境，即基于员工在跨越组织边界的跨职能团队中工作的意愿和能力断定的环境。
此外，它还意味着让那些最了解业务的员工成为转型过程的核心部分。 孤立工作的数据科学家通常会创建缺乏能够让 AI 模型成为有效 AI 资源的业务知识、目的或价值的模型。 同样，孤立工作的商务人士会缺乏理解从数据科学角度可以完成的任务的技术知识。 多领域方法很重要。
通过支持包括数据科学家和与业务需求最相关的业务员工在内的跨职能团队，可以创建强大而有效的 AI 解决方案。 其中一个示例是我们取得巨大成功的合规性预测分析工具，这些工具受到财务团队员工的启发并由其开发。 它们成功的原因就在于它们根据与业务需求最相关的人员的见解进行创建。 此示例说明了创建包容的跨组织协作方法的强大力量。
负责
AI 就绪文化的第三个关键要素是培养负责任的 AI 方法。 随着 AI 不断发展，它有可能为我们的生活带来可观的变化，从而引发关于我们想要看到何种未来的复杂而具有挑战性的问题。
就像 Microsoft 战略使命和技术公司副总裁所说：问题通常不是 AI 能做什么，而在于 AI 应该做什么。 组织需要问自己：我们如何设计、构建和使用 AI 系统来对个人和社会产生积极影响？ 我们如何确保 AI 系统公平对待每个人？ 我们如何才能最好地为新的 AI 时代做好准备？
这些问题需要组织考虑其 AI 原则，以及如何在整个公司内确保这些原则。 为了确保负责任的 AI 做法，需要特定的规划，其中应包括 AI 治理模型。 通过这种方式，可以提供透明、可解释且合乎道德的 AI。 模块采用负责任的 AI 原则和做法更详细地讨论了负责任的 AI 对业务的含义。
提示
花点时间思考一下如何确定组织是否已为 AI 做好准备。
现在，你了解了使组织能够接受 AI 的原则，让我们来评估你的组织是否已准备就绪，以及它应如何发展。