AIPB框架的利益

AIPB框架的最终目标是帮助人们理解如何制订人工智能愿景和战略，将人工智能应用到实际场景，最后执行人工智能的战略并获得最大的成功。正如你将在本书后面看到的，AIPB框架还通过围绕人工智能准备度、成熟度和其他关键性考虑因素进行关键性的评估，来帮助和指导人们发现差距并做好人工智能计划。

AIPB框架通过弥补差距带来以下的利益：

●聚焦原因

●聚焦人与企业

●聚焦整体统一

●聚焦可解释

●聚焦科学

让我们逐个讨论AIPB框架的独特优势，以及它们如何端到端地为人工智能创新打好基础。这些想法将在本书中得到进一步的阐释。

聚焦原因

了解市场和机会的传统方法包括初步市场研究，但我认为主要依靠市场研究难以有足够的创新。人们并不知道自己想要什么，而市场只会告诉你已经有了什么。

史蒂夫·乔布斯便深谙此道，而且还不断地创造出全新的产品，直到人们开始使用时才知道这是他们想要的功能。史蒂夫·乔布斯和其他人是怎么做到的？通过理解问题和需求，或者换句话说，理解背后的原因。因此，我强烈建议聚焦问题和需要研究的要点。这为真正的创新和打造优秀产品提供了更好的途径。

所有的相关人员都应该理解为什么；换句话说，所有的利益相关者都应该理解背后的原因。在企业中，员工和部门通常受不同目标和KPI的激励。真正的创新需要有一颗名为“为什么”的北极星，需要共同的愿景和理解，而不在乎特定员工或部门的目标和激励。

“为什么”有助于制订可以实现的愿景和战略。许多现有的框架都专注于创建要点列表、填充纸质或电子画布，包括一些基于画布的人工智能和机器学习框架。

别误会，所有这些框架都具有指导意义，但不幸的是，它们都具有一些我认为应该改变的相同特征。具体来说，它们并没有特别关注如何制订愿景或战略。

聚焦人与企业

大多数企业框架都聚焦于企业，而AIPB框架则同时聚焦人与企业。人对企业或者产品的成功至关重要，本书将深入讨论该主题。

有些框架和企业已经认识到了这一点，并开始使用“以客户为中心”和“聚焦客户”这样的词语。有些企业甚至说我们处在客户时代。这是朝着正确方向迈出的一大步，但是AIPB框架在这方面做出了两项改进。

首先，并非每个从产品中实现价值的人都是客户，他也可以是用户或捐助者。此外，“客户”听起来好像把人贴上了货币符号。以人为中心或聚焦于人才是AIPB框架的目标。

人与企业并非相互矛盾，也不代表零和博弈。人与企业有着不同的目标，通常可以同时实现。优秀的产品应该能够同时让人与企业实现目标，AIPB框架展示了如何做到这一点。AIPB框架没有把焦点从企业转移到人身上，反之亦然。AIPB框架致力于为两者制订愿景和战略。

聚焦整体统一

大多数企业和创新框架涉及的人有限，因此专业知识的广度也有限。它们倾向于聚焦在单个过程或其子集上，而这些过程又是更大整体的一部分。AIPB框架独一无二，通过创建统一和整体的框架来改进自身，从而驱动强大和协作的方法来推动创新。现在来讨论AIPB框架的整体统一。

AIPB框架是统一的，因为它要求具有适当专业知识的人员根据AIPB框架阶段性的特定需要进行协作，必须包括的不仅是高管和业务线负责人。优秀的高管和经理在领导力、战略、指导和决策方面可以提供很多见解，即使他们通常没有某些专业领域所需要的具体专业知识，包括理解和掌握许多关键性考虑因素。鉴于此，无论职务高低，只要是合适的人，便都应该让其参与。请注意，我用了“协作”而不是“共识”一词。这对我来说区别很大，本书稍后会进行讨论。

本章前面列出的一些框架假定一组具备所有必要专业知识的人将共同聚集在一起以实现框架（例如填充画布）。然而，也有人提出了一个观点，强调跨职能协作的必要性，并给出应该参与的人的类型，但框架可能只聚焦在整体创新过程的子集上。

在使用创新框架时，AIPB框架认为应有企业中五组人员的代表：管理者、设计师、构建者、测试人员和科学家。图2-3显示了这一点。

AIPB也是一个整体框架。AIPB框架的目标是整体和端到端，而不是专注于创新过程中的一个阶段或其子阶段。AIPB框架还包括框架范畴和阶段，方法范畴的每个阶段都有各自相应的输出。图2-4显示了三个评估范畴，图2-5显示了方法范畴每阶段的过程和输出。

在我看来，创新框架必须包括所有这些被认为是不可或缺的范畴和阶段。公司高管——例如C级高管——就是一个很好的企业类比。C级高管的共同任务是在时间维度上从财务、运营两个角度对公司有一个端到端的全局（整体）观；也就是，深入了解公司的历史、现状和未来（例如目标、计划、投资和战略）。

对于端到端创新的全部过程，AIPB框架同样要有全局观，包括应该对准的方向（愿景和战略）、对实际执行过程的监督以及对未来的规划。AIPB框架还可以在适当和有益的情况下纳入现有框架和模型。这意味着模块化，而且在这个意义上不要过于强调规范，就像公司的没必要规定软件开发人员必须使用持续集成框架一样。

聚焦可解释

当涉及人工智能和机器学习时，可解释性就变得非常重要，这是正确的。这两种技术在原理和结果上非常模糊。提高人工智能的可解释性是一个艰巨的目标，而AIPB框架的输出应该是可解释的。

基于画布的框架的缺点之一是聚焦于在画布上编写文本和创建要点列表。这样的内容通常需要向那些不参与该过程以及对此不太熟悉的人做进一步的解释。不太可能把一张填好的画布交给没有参与过该过程的人，仅通过快速阅读就能彻底理解其具体包含的内容、价值及含义，也不需要对AIPB框架所产生的可解释输出做更多的解释。

我非常重视每件事情的原因，以及在所有关键利益相关者之间产生共同的愿景和理解。我认为，创新框架的输出应该有助于以一种高度可解释的方式促进该进程。

聚焦科学

因为创新的、新兴的和最先进的技术（诸如人工智能和机器学习等），是AIPB框架的关键要素，并且其本质具有探索性和实验性，因此AIPB框架聚焦科学非常重要。因为这是基于统计和概率的领域，或者换句话说，存在着某种形式的不确定性。这意味着整个计划和使用人工智能技术的过程在很大程度上具有不确定性，因此最好用诸如科学方法的科学概念和过程来表示。

为什么这是AIPB框架的优势呢？这是期望管理带来的好处；也就是说，它有助于设定适当的期望。有一些规律和定理在本质上证明了无法预先知道诸如最佳算法、精确数据、最佳数据特征和最佳模型性能等。AIPB框架认识到了这一点，并帮助设定相应的期望。