数字时代的企业AI优势：IT巨头的商业实践

图书标准信息

• 作者 [美]托马斯·H.达文波特（Thomas H.Davenport） 著
• 出版社 机械工业出版社
• 出版时间 2020-08
• ISBN 9787111658771
• 定价 89.00元
• 装帧 其他
• 开本 其他

【内容简介】

本书不仅概述了统计机器学习、神经网络、深度学习、自然语言处理（NLP）、基于规则的专家系统、物理机器人以及机器人过程自动化（RPA）等强大的技术，更解释了它们是如何使用的，以及大型商业企业（如亚马逊、谷歌、脸书）所做的人工智能工作，并概述了成为认知型企业的战略和步骤。适合管理者、CEO和那些为他们的企业寻找人工智能开发指南的人阅读。这本书主要关注企业如何利用人工智能/认知技术来获得商业利益和竞争优势。

 

 

第一章概述认知技术在大型组织和供应商中的总体使用背景。该章还介绍了七项关键技术和示例应用程序。

 

 

第二章探讨企业中人工智能所面临的一些机遇和挑战。提供了一项认知感知调查，几乎90%的受访者认为，认知技术对企业的产品和服务不仅“重要”而且“非常重要”。所有的受访者都认为认知技术会推动自身或行业的实质性变革。此外，还举例说明了认知技术在许多企业中的应用。

 

 

第三章描述大型企业的现状及人工智能的应用，讲解三种人工智能能力，即流程自动化、认知洞察力和认知互动，以避免认知技术之间的混淆和重叠。还提出了构建“认知型企业”的关键能力。

 

 

第四章介绍认知策略，描述人工智能战略的制订过程，以及与人工智能构建者相关的关键决策和人工智能系统的内容，给出涵盖多种认知策略的目标和过程，特别强调公司应该深入讨论人工智能能力对公司业务的意义。

 

 

第五章讨论人工智能任务、组织结构和业务流程三大主题，还给出认知技术目前可以执行的八种类型任务，并对每种类型的技术进行了描述。

 

 

第六章描述智能机器世界所需要的工作和技能，列举大规模自动化和大规模扩充的案例，指出组织在自动化方面可以采取的五个替代步骤。

 

 

第七章讨论认知技术的技术途径。从技术挑战、开发人工智能技术策略、实施认知策略、实施认知平台等方面提出了认知技术的战略观点，作为人工智能决策的指导。还讨论外部数据问题，这对于所有涉及认知技术的公司来说都将变得越来越重要。

 

 

第八章探讨人工智能的组织、社会和伦理含义，讨论在采用人工智能方面政府可能扮演的一些角色，指出人工智能及其相关技术具有良好的潜力。还提到人工智能认证的必要性，并给出人工智能认证的实例。

 

【作者简介】

托马斯・H. 达文波特（Thomas H.Davenport）
美国巴布森学院（Babson College）信息技术与管理专业杰出教授，获哈佛大学哲学博士学位，并先后授课于哈佛商业学院、芝加哥大学和波士顿大学。曾任埃森哲战略变革研究院主任，研究领域广泛，包括信息和知识管理、再造工程以及信息技术在商业中的应用。著有 Process Innovation: Reengineering Work through Information Technology等。2000年，他被CIO杂志评选为“新经济十大杰出人物”。

【目录】

推荐序

 

译者序

 

前言

 

第一章 人工智能时代慢慢到来  1

 

第一节 逐渐实现认知  8

 

第二节 AI/认知技术  11

 

一、统计机器学习  13

 

二、自然语言处理  16

 

三、基于规则的专家系统  18

 

四、物理机器人  18

 

五、机器人流程自动化  19

 

第三节 AI与厂商群体  20

 

一、谷歌  21

 

二、Facebook  21

 

三、IBM的沃森  22

 

第四节 这本书里有什么  24

 

参考文献  25

 

第二章 AI走进企业  28

 

第一节 认知技术在商业中的广泛理论基础  30

 

第二节 更多行业、更多功能  32

 

第三节 为什么只有大公司和科技初创企业  36

 

第四节 不仅仅是试水，但也没深潜  38

 

第五节 对公司来说还有哪些困难  41

 

参考文献  44

 

第三章 今天的企业在做什么46

 

第一节 认知项目全景图  47

 

第二节 AI能力的三种类型  48

 

一、流程自动化  48

 

二、认知洞察  51

 

三、认知互动  53

 

第三节 组合类别  55

 

第四节 成为认知型企业的步骤  56

 

一、理解技术与任务  57

 

二、建立在当前分析优势的基础上  58

 

三、创建一个优先级排序的项目集  59

 

第五节 开展试点或概念验证  62

 

一、认知工作再设计  64

 

二、专注于扩大规模并达成生产力收益  66

 

第六节 未来的认知型公司   67

 

参考文献  69

 

第四章 你的认知战略是什么70

 

第一节 认知技术的战略影响  72

 

第二节 问题、争议、机会战略  75

 

一、内部或外部目标  76

 

二、以客户为中心的战略  79

 

三、做好内部决策  80

 

第三节 开发新的或改进产品、服务  82

 

一、IT产品  82

 

二、产品和服务设计  84

 

三、非IT产品和服务  85

 

四、全新产品  86

 

第四节 新业务模式  87

 

一、汽车行业中AI驱动的新商业模式  87

 

二、初创企业和既定商业模式的持续性  89

 

第五节 为什么现有商业模型面对AI仍在坚持  92

 

第六节 认知战略的目标和流程  95

 

一、内容战略  97

 

二、人才战略  99

 

三、合作或收购策略  104

 

四、充满雄心的战略  105

 

第七节 基于国家的AI战略  107

 

第八节 取得战略进展  109

 

参考文献  110

 

第五章 AI任务、组织架构和业务流程  115

 

第一节 创建高颗粒度的预测和分类模型  117

 

一、流程应用  119

 

二、对组织的意义  119

 

三、广泛实施的挑战  120

 

第二节 执行结构化数字任务  122

 

一、流程应用  122

 

二、对组织的意义  123

 

三、广泛实施的挑战  124

 

第三节 操纵信息  125

 

一、流程应用  126

 

二、对组织的意义  126

 

三、广泛实施的挑战  127

 

第四节 理解人类的语音和文本  127

 

一、流程应用  128

 

二、对组织的意义  129

 

三、广泛实施的挑战  129

 

第五节 计划和优化运营  130

 

一、流程应用  132

 

二、对组织的意义  133

 

第六节 感知和识别图像  133

 

一、流程应用  134

 

二、对组织的意义  135

 

三、广泛实施的挑战  136

 

第七节 有目的地、自主地周游世界  138

 

一、流程应用  139

 

二、对组织的意义  140

 

三、广泛实施的挑战  142

 

第八节 评估人类情绪  143

 

一、流程应用  144

 

二、对组织的意义  144

 

三、广泛实施的挑战  145

 

第九节 对流程进行构架和（再）工程化的需求  146

 

参考文献  148

 

第六章 智能机器世界里的职业与技能 151

 

第一节 大规模自动化的案例  152

 

第二节 大规模增强化的案例  155

 

第三节 推进增强化或自动化  161

 

第四节 工作和技能的变化  166

 

一、未来工作的技能  168

 

二、公司和特定岗位的技能战略  170

 

三、是时候开始了  171

 

参考文献  173

 

第七章 认知技术的技术实现  176

 

第一节 技术挑战  176

 

第二节 制订AI技术策略  179

 

第三节 利用来自交易软件厂商的认知能力  181

 

第四节 机器人过程自动化作为入门级策略  183

 

第五节 利用厂商的帮助打造广泛的认知平台  185

 

第六节 建立多厂商及开源的能力  186

 

第七节 准备好数据  188

 

一、为蒙特利尔银行奠定数据根基  190

 

二、葛兰素史克经受的数据磨难  192

 

第八节 利用外部数据  196

 

参考文献  200

 

第八章 管理AI的组织、社会及伦理 202

 

第一节 Facebook的麻烦和AI干预  204

 

第二节 AI公平性与算法偏差  206

 

第三节 AI的透明度和可解释性  210

 

第四节 隐私和数据安全  213

 

第五节 AI的信任与披露  216

 

一、不要过度承诺  217

 

二、披露  218

 

三、模型和算法的认证  219

 

第六节 人类知识和技能的丧失  221

 

第七节 公司变革管理战略  222

 

一、增强化方法有很大帮助  224

 

二、变革管理在什么时候对谁最为关键  225

 

三、认知变革管理的常用方法  227

 

第八节 向国家和公司学习  227

 

第九节 总结和结论  229

 

参考文献 232