数字化转型与人工智能

当今最大的组织变革驱动因素是被称为数字化转型的计划。简而言之，数字化转型的目标是简化企业和组织。

数字化转型的基本思想是基于数字技术驱动的改进来改变工作和业务流程。而且，通过这种方式，您可以使您的公司更有效率。

因此，很明显将人工智能视为数字化转型过程中的变革驱动因素。

但是，人工智能以不同的动力工作，因为人工智能变化的核心与数字技术不同。人工智能推动基于知识而非数据的变革。这可能看起来只是一个学术声明，但它使一切变得不同，本文将告诉您为什么会这样。

数字化转型的基本前提是技术是变革的驱动力。因此，名称为“数字”和“转型”。这个想法是技术有潜力推动指数变化，而不是组织对变化有内在阻力。

这个概念可以在下图中说明。技术变革通常会呈 S 型发展。智能手机是具有创造技术驱动变革潜力的技术的一个明显例子。

Apple 的 iPhone 已经上市十多年了，它是在遵循 S 形变化的生命周期中成长的技术的一个例子。

第一代 iPhone 是革命性的，但仍有许多缺点。他们只是没有充分利用平台的潜力，因此技术变革曲线开始时有点平坦。

使用智能手机，但速度慢，但难以查看电子邮件，应用程序很少等。

iPhone 4、5 和 6 的推出带来了显着的改进，你可以说它们处于变化曲线的陡峭部分。智能手机的整体硬件和软件潜力正在展现，应用程序生态系统正在发展，并且该技术对大量主流受众的用途变得很明显。

今天的新 iPhone 都比以前的 iPhone 更好，但变化很小，改进相对较小。iPhone 作为一项技术现在处于技术变革图表的顶端。

因此，三相曲线如下：

校准：引入技术，但必须首先找到它的真正潜力。

规模化：技术潜力正在显现，被广泛使用。

从革命到进化：边际改进不断发生，但它们的重要性却越来越低 对数组织变化。

随着时间的推移，组织变革的动力遵循不同于技术变革的另一种动力。

这里的基本思想是，随着时间的推移，在组织中引入重大变革将变得越来越困难。

许多领域都存在阻力，例如：

企业管理

企业文化

人类基本行为

组织权力职位

员工知识

当前的工作流程和流程

IT系统设计

这并不意味着根本不可能进行组织变革。这只是意味着任何变化都将以对数速率发生，而不是以技术驱动的变化可能出现的指数速率发生。

有许多研究证实了上述动态。最著名的是Martec 定律。数字化转型的潜力。

技术可以创造的变革速度与组织可以创造的变革速度之间的差异称为数字化转型。该间隙在此图中用蓝色阴影标记。

该图有两个与数字化转型相关的关键点。也就是说，数字化转型有两个层次：

无法实现的数字化转型潜力

实际的数字化转型潜力

最后一部分是数字化转型可能带来的转型。您可以看到，潜力在于技术可以推动什么，以及组织在正常情况下愿意实施的变革速度。

破裂的旅游公司 Thomas Cook 就是一个例子，说明如何陷入致命的困境，没有意识到您的数字化转型潜力。

托马斯库克传统上通过位于英国各地高街商店的大量当地商店办事处在英国销售旅游产品。

托马斯库克的问题之一是管理层完全意识到商业模式已经过时。他们知道应该将更多的销售额转化为在线渠道。

但是，在商店购买旅行的文化对公司的 DNA 如此重要，以至于管理层不敢挑战它。通过这种方式，组织阻力导致无法推动重大的数字化转型。

这不仅仅是托马斯库克的情况。一般来说，经历指数变化的最大障碍不是无法获得最新技术。核心问题是公司适应最新技术现实的能力。数据不是最好的技术变革驱动力

数字化转型概念的另一个主要障碍是变化是基于数据的。我们都被教导数据为王，数据越多越好，等等。所以数据本身是一个问题，听起来可能有点奇怪。但事实并非如此。这是为什么。

数据是推动图表技术部分变化的潜在因素。数字化转型的核心概念是以数据驱动的方式重新设计工作、流程和工作流程。如果你看看是什么推动了技术变革，那就是信息和数据。

下图显示了不同层次的丰富知识。它被称为知识金字塔。

它是一个金字塔，因为上层是基于下层的。随着你的上升，每一步都会增加更多的知识。金字塔从位于底部的数据开始。

数据：原始或无组织形式的事实集合。

信息：已清除错误的有组织和结构化的数据。因此，它可以被测量、分析和可视化。

知识：学习是知识渊博部分的核心组成部分。在这里，您将在洞察力和对数据和信息的理解的基础上进行学习。

智慧：最后一层是智慧。在这里，反思是核心组成部分，也是一个以行动为导向的阶段。

简而言之，您可以说数据和信息描述了世界的本来面目。知识和智慧的概念是向前看，并将自己定位于我们现在和未来可以做的事情。

而这一事实正是人工智能作为变革驱动因素比数字化转型项目具有更大变革潜力的最主要原因。因为 AI 的改变基于知识，而不是数据。AI 可以创建基于知识的更改。

数字化转型项目的基本前提是它们基于方向落后的数据和信息。

人工智能驱动的改进基于知识，而不是数据或信息。它在两个关键领域产生了巨大的差异：

知识还可以改变组织的运作方式，而不会达到今天阻止他们获得技术驱动变革的 S 曲线的限制。

与信息驱动的变革相比，知识可以以更高的变革潜力推动技术变革。 ¨ 人工智能将以全新的方式改变组织。

数字化转型创造变革能力的最大问题是想要变革的组织的惯性。

如前所述，组织中没有单一的变革阻力来源。它来自习惯、文化、员工能力差距、工会、现有流程和工作流程、永久性职位描述、普遍的人类变革阻力、内部政治权力斗争等等。因此，数字化转型过程达到极限的核心原因在于组织部分，而不是技术部分。

托马斯库克应该关闭更多商店，更多地专注于在线销售。这只是技术（电子商务）改变组织（关闭销售网点）的一个例子，但这并没有发生（足够快）。因此，Thomas Cook 受到组织变革阻力和未能适应新技术机遇的影响。那么，是什么让基于知识的改变与众不同呢？

人工智能通过挑战组织中如何解决任务的基本前提来创造组织变革。超简短的解释是，人工智能使您能够自动化知识和自动化决策。

这意味着人工智能将解决当前由工作、流程和 IT 系统执行的任务。

人工智能将在我们的公司中接管这些任务的总和。以及人工智能能够执行的越来越复杂的任务，这将使人工智能能够在数字技术永远不可能实现的水平上创造组织变革。

这方面的一个例子可能是基于语音的聊天机器人，它可以拿起电话并与另一端的某人进行合格的对话。例如，在餐厅预订餐桌。使用人工智能来自动化这些功能将挑战我们的工作。（电话），更改我们的流程（自动预订）并更换我们当前的 IT 系统。

人工智能将在我们的公司中接管这些任务的总和。它还将能够执行将推动变革的日益复杂的任务。

这些因素的动态将使人工智能能够在数字技术永远不可能实现的水平上创造组织变革。在上图中，它被称为知识驱动的变革潜力。

AI 改变组织运作方式的方式意味着适用于数字化转型变革的组织阻力因素将不再有效。

这样做的主要原因是 AI 功能将执行特定任务，补充我们在组织中已经完成的工作。就像电话和预订的例子一样。

因此，我们不会看到人工智能被用作实施全新系统和工作流程的驱动力。AI 将用于执行本示例中的特定镜头。只是比目前的方式更好更高效。这使得抵制比重新设计工作流程和流程更具挑战性。技术变革的新水平。

人工智能驱动的变革与数字驱动的变革处于不同水平还有另一个原因。以技术驱动的知识所能达到的技术水平的质量，从根本上高于以数据驱动的技术所能达到的水平。

区别如下图所示。数据驱动的变化图遵循我们在审查数字化转型可能性时看到的流程。因此，具有递减值的 S 形。

人工智能作为技术变革驱动力

知识驱动技术的一个例子可能是自动驾驶汽车背后的技术。它们背后的软件基于先进的人工智能算法。他们将能够推动的变革比数据驱动技术具有更高的变革潜力。

人工智能将推动业务变革的新水平

技术进步和人工智能提供的新组织机会的总和将共同推动人工智能创造组织变革的机会。

关键在于，人工智能驱动的变革不会受到数字化转型变革所遇到的同样障碍的影响。同时，人工智能带来的技术机会水平将远远高于传统 IT 解决方案所能达到的水平。

总的来说，这意味着人们可以期待类似于下图描述的进步水平。

AI 业务潜力与数字化转型

因此，该水平必须高于数字化转型流程所能达到的水平。这是因为 AI 驱动的动态发生时没有数字化转型的组织限制。而且因为技术潜力更大。

那么最大的问题是这将如何在实践中发生，以及人工智能的变化如何从战略角度展开。