托尼•布比尔（Tony Boobier）是IBM的一位营销主管，其在IT和保险领域拥有超过30年的经验。他目前关注的是一种面向所有行业的融资和风险问题的“采购商解决方案”，其专长是大数据和分析，并越来越多地参与认知分析的实施。布比尔是英国特许工程师学会、英国特许市场学会、英国特许保险学会和英国特许损失调整机构的会员。此外，他还是Analytics for Insurance（暂译为《保险分析》）的作者，该书于2016年出版，尚无中文版本。

　　本书是一本介绍人工智能和认知分析的入门读物，值得商业人士一读。

　　大数据风潮刚刚掀起，而数据驱动决策自动化技术就已经渗透到了我们的个人生活和职业生涯中。本书可以让你打开视野，指导你用内行人的眼光，看看认知系统的全新进展如何改变零售、金融服务、公共事业和传媒等重点行业中的消费者与商业的交互模式。同时，本书还深入挖掘了医药、市场营销、交通运输、法律及更多领域中，个人职业将会受到的影响。

　　本书的内容涵盖以下方面：

　　•提供人工智能发展历程的有益描述，包括它对多个特定产业及职业的影响。

　　•详细勾勒了认知技术在特殊领域应用的完整流程，包括领导力、人员招聘、培训和协作等。

　　•检视了人们用来调整未来预期的途径，包括如何进行消费决策、不同的工作方式等。

第八章 新商业模式

摘要

    在本章中，我们将探讨由于智能系统的应用而可能出现的新商业模式。这些模式可以包括新的价值链、重新定义的雇佣合同以及不同形式的领导力。

    在一个数字化的世界里，未来的商业模式可能不仅仅是对现有流程的数字化复制，而是可以容纳新的、看似混乱的创新系统，它将更加适合波动的市场环境。

简介

    商业模式是一个相对模糊的术语，因为它的定义中似乎存在一定的灵活性。在《新新事物》（The New, New Thing）一书中，作家迈克尔·刘易斯（Michael Lewis）认为，商业模式简单地说就是“你打算如何赚钱”。

    当然，这个话题在过去一直备受关注，德鲁克、波特等人出版了很多相关著作。琼·玛格丽塔（Joan Magretta，哈佛商学院高级研究助理）认为，模式就是商业的运行方法——通过向客户提供产品和服务获得利润。

    模式的概念来自一种理念，即每一个经济活动都可以作为一个单独成分进行建模，就像亨利·福特等人对汽车制造业务进行整合，重新组装零部件，以更高效地创造利润。

    商业模式通常与所谓的价值链相关联。一系列作业或组件共同推动流程从设计、采购、制造到营销、出售和分销的转变。模式或者价值链，在理想情况下不仅需要考虑企业内部问题，还要关注来自组织外部的关键影响。企业所处宏观环境分析（PEST）或态势分析（SWOT）通常对于构建那些将对业务价值产生最大影响的因素是有帮助的。一些人可能会认为，在当前形势下，特别是在变幻莫测的商业环境中，这些传统的分析形式正在变得越来越不适用。这就是预测市场外部环境和客户行为所面临的困境。

    虽然经常有人说我们正在进入或者已经进入了一个被称为第四次工业革命的新时代，但是这个新时代也许还可以被称为“不确定的时代”［此表述来自经济学家约翰·肯尼斯·加尔布雷斯（John KennethGalbraith）］。分析与洞察是理解业务表现和企业外部力量的关键。除此以外，背景分析（analytics in context）可以帮助我们更好地理解市场。当与更精简、更灵活的业务相结合时，背景分析可以让企业经营更具活力，生态系统运行更加迅捷。

    在这种充满活力和灵性的工作方式中，企业通过相对静态的商业模式获利的可能性变得越来越小。丽塔·麦格拉思（Rita McGrath）在《当你的商业模式陷入困境时》（When Your Business Model Is in Trouble）一文中提出建议，当创新只能提供越来越小的增量式改进、难以推出新产品、创新步伐落后于竞争对手时，企业就不得不提高警惕了。“胆大妄为”似乎有了用武之地。

    马克· 约翰逊（Mark Johnson） 在他的《白地策略》（Seizing theWhite Space）一书中，借鉴现有经验提出了以下激进的商业模式。

    部分化（Fractionalisation）。例如，像分时享用所有权一样，出售某物的部分使用价值。

    免费增值。就像领英（LinkedIn）一样，对基本服务免费，对优质服务收费。

    低接触。通过大幅度降低服务质量来降低价格。

    其他创新模式包括发债、捆绑、众包、租赁和订阅。约翰逊的主张是，一个组织不应该只盯着它的同行，而应该看看别的群体或企业在干些什么。

    由此也可以得出结论，虽然世界各地的市场成熟度不同，企业都应该关注本土之外的新商业模式。当前的模式通常是由本地传统和排外行为结合的产物，而真正的创新很可能受到非本地因素的影响。

    例如，以下这种方法在消费品零售行业中变得越来越普遍：把商业街的商店当作商品展示的橱窗，而真实的交易却在网上进行。这似乎已经成为亚洲部分地区的商业模式。在这种新的商业模式中，商品是去中介化的（直接销售，不需要任何中间商），现有的商业街分销渠道遭到了蚕食。

    由于这种销售方式的存在，商业街的零售商在多大程度上会面临威胁？为商品提供一个展示橱窗可能会刺激网上销售，但零售商如何确定实体店的存在对在线购买有积极的促进作用？在前文中，我们讨论过购物中心正在发展成一种更广泛的购物体验，但是商场里的店铺难道不需要继续营生吗？我们能有效地将特定地点的消费者客流量与在线购物量关联起来吗？

    因此，新商业模式可能不仅会威胁到现有的分销渠道，而且还会影响那些传统渠道的雇员。在“不确定的时代”里，不仅管理者和领导者会受到影响，商业模式或价值链本身所涉及的所有人也都不能幸免。

    如果我们认为商业将变得更加灵活，人工智能诱发的商业模式在本质上是动态的——始终处于不断变化的状态之中，那么这难道不会对劳动力构成影响吗？

    零时合同——雇主不向雇员承诺最少工作时数的合同，到目前为止，被认为会对仓库或快餐店等较低级别的服务岗位产生影响。在供需不平衡的不确定环境中，这是雇主管理工作负载需求的理想方法。那么，什么时候零时合同会被引入到对更高级别岗位（专业类或管理类）的管理中呢？有些人可能会提出，高级别岗位的职能只能由长期薪金雇员（salaried employees）担任，稳定性非常关键，所以必须保持传统的合同方式。但我们不应该视之为理所当然。

    正如本书在前文指出过，如果产业和职业变革在即，那么这种变化势必会影响到雇主和雇员之间的关系或劳动合同。因此，工作的概念以及由此产生的报酬的概念也将不可避免地发生变化。

    也许我们什么都不做就能得到报酬？ 2015 年，芬兰决定采用一种名为基本收入（basic income）的商业模式，重复曾经在印度、巴西和纳米比亚进行过的一项实验。基本收入模式并不是一个新概念，它是由社会工程师克利福德·休·托马斯少校（Major Clifford Hugh Thomas）在100多年前提出的。根据目前的方案，芬兰政府每月向一小部分公民支付一定数额的钱（2016年为560欧元），不管他们是否有工作。这个实验的目的是看看那些拥有金融保障的公民，是否还愿意为社会做贡献。

    因为商业文化依赖于新教的职业伦理，因此什么都不干却白拿钱是一种异端。然而，美国最成功的投资大师之一沃伦·巴菲特（Warren Buffett）却认为，有一种趋势不可阻挡，即“少数具有非凡才能的人将得到整体经济回报中越来越大的份额，而那些平庸之才会像商品那样大众化，从而导致财富的减少”。

    也许我们应该问一个严肃的问题：“平庸之才”究竟是什么意思？当然，这些所谓的平庸之才会具备一些基本的技能，例如生产线上那些可以由机器人操作的技能。平庸之才可能还掌握一些具体的分析能力，如投资管理能力，甚至一些医学分析能力，但这些都可以被自动生成的人工智能取代。驾驶汽车、飞机或火车属于平庸之才的范畴吗？我们是否应该更多地根据人们拥有的非凡才能来考虑他们的个人价值？如果是这样的话，那么这些非凡才能将会是什么？未来是否会出现工匠、创意艺术家和发明家的复兴？在特定地区，市场成熟度会在何种程度上对平庸一词产生影响？人工智能会产生拉平效应吗？

    不仅商业模式的改变势在必行，管理者和领导者在这种新范式中的表现方式也需要改变。旧的管理模式和领导模式真的已经寿终正寝了吗？

    我们不妨大胆地假设，管理者和领导者所做的工作不属于平庸之类。评估和指导员工业绩表现的智能人才管理工具难道不会影响未来管理者和领导者的工作吗？

    我们甚至可以假定管理者和领导者的角色将由人工智能来担任。管理和领导都是商业模式的功能，而不专属于个人的责任，而功能是可以在某种程度上实现自动化的，这是不是很合逻辑？

增强技术还是自动化？

    埃森哲公司在2016 年的《人工智能的商业价值转化》（Turning Artificial Intelligence into Business Value Today）报告中，将未来相对不确定的商业模式总结成两种选择：增强技术和自动化。埃森哲借此暗示人工智能有两个主要目的。

    提供更多详细见解，协助（或增强）人类行为和决策，从而使决策更加准确及时。

    用自动机器人替代由人类承担的简单工作任务，即实现自动化。

    增强技术接受起来更容易些，因为它意味着人类仍然会在与机器的某种合作关系中发挥作用。然而，自动化正威胁着一些工作岗位（尤其是那些在本质上相对常规、可以被机器人替代的工作）以及谋生手段。埃森哲公司强调，随着一些工作岗位的消失，另一些工作有望被创造出来。

    这份报告将工作任务分为四种类型。

    结构化的、稳定的、低容量数据。

    非结构化的、不稳定的、大容量数据。

    例行的、可预测的、基于规则的工作。

    非例行的、不可预测的、基于判断的工作。

    该报告由此提出，有四种新的解决方案或新型商业模式可能会出现，它们是效率模式、有效性模式、专家模式、创新模式。

    在这种分类之外，还有粒度级别的建议，这意味着每种解决方案都没有清晰明确的定义。许多现有的和新的模式将是不同模式的混合体。同样重要的是，人们已经进一步认识到，人工智能并不是一个“简单”的技术问题，它同时也是一个文化和社会问题。7

    我们在这里对商业模式给予了特别关注，然而我们知道，现有的业务流程很可能被新的机器学习和功能颠覆。对这个事实的反思也很重要。

    采用现有的商业方法，然后对此进行技术性或数字性的解释，可能是不够的。

    我们应该随时准备迎接新的、根本性的办法，这就是颠覆性技术的本质。这些激进的想法将被联通的速度、系统集成的程度和适用的机器智能水平驱动。这些新方法也将受到人类对这些自动化和增强技术的反应及行为的影响。

    例如，如果病人知道医生正在使用人工智能来辅助诊断他们的健康状况和病症，那么到什么时候他们将决定去掉医生这个中间人，单独和机器打交道？如果由于经济环境的复杂性和波动性，很多投资决策正在由机器进行增强，那么除了一种温暖的感觉，人类还能提供什么呢？

    对机器更加依赖是一种灾难性的滑坡，这与依赖卫星导航高度相似。司机们可能会说，如果卫星导航系统失灵的话，他们按地图开车的本领一定可以恢复。然而，如果地图阅读量减少，那么地图的销量难道不会下降？纸质地图最终不会消失？传统的导航方法不会失传？

    我们也可能会错误地认为，计算机还不能自己悟出经营之道。

    这个问题可以从以下几个方面来考虑：具有核心财务数据访问权限的高级财务绩效管理工具可以比以往任何时候都能更准确地计算产品、服务和渠道的收益率；所谓的系统沙盒功能（sandbox capabilities）可以对不同场景进行建模；情感分析功能方便组织了解市场需求；机器人投资模型将提供关于风险及回报的更到位的理解。有什么理由去阻碍一个独立系统集合所有这些功能来共同推动（甚至仿效）卖方流程的创新呢？

    传统的线性价值链模型正在变得冗余，这一点已经越来越被人们认可。未来的智能企业需要考虑多重内外部因素，确保它们不仅可以在服务和价格方面满足客户需求，还能应对工作环境的复杂性（见图8—1，图略，详见纸书）。

    表8—1（表略，详见纸书）还扩展了新商业模式的构成成分。

时间问题和地点问题

    未来的商业模式将通过定位系统预测用户行为。这意味着资产（包括人力资产）的物理位置将变得更为重要。人工智能系统需要了解所有东西的位置构成——关键信息。即便是在虚拟世界里，“每个物体和每个人都在某个地方”仍然是一个基本事实。在过去的10 年中，GIS 从一项幕后业务发展成了一个更有意义的要素。毕竟，哪家公司不想知道客户在哪里，资产在哪里，最好的市场在哪里，以及如何使供给与区域需求相匹配？

    由于这个原因，GIS 公司越来越趋向于同分析软件供应商紧密合作，共同创建双向地理分析。分析软件供应商感兴趣的是可视化质量的提高，这正是GIS 公司的特殊才能所在。地图不就是特定数据和信息的可视化样本吗？

    有效的可视化有助于将复杂的、多层次的信息转换成更易消化的内容。

    建成环境为我们提供了无数机会，来展示传统的数据和信息是如何被捕获的（通过建筑信息模型）。这些数据还可以通过无人机或其他固定装置等远程设备进行补充，为资产、街道甚至产品线提供合成图片。这些技术不仅可以用来获取肉眼可见的现有信息，而且还可以提供资产的永久记录，比如墙体内不可见的公用设施和系统。

    使用建筑信息模型涉及的一个特别问题是，承包商或业务人员没有将资产（如管道）放置在图纸指示的地方，因此建筑信息模型记录的位置与实际位置不匹配的情况时有发生。使用远程设备将有助于确保安装的准确性。看起来，人类在这一过程中的作用非常有限。

    独立机器人系统也需要有位置感，不管是它们自己的物理位置，还是受影响的第三方（如人类和车辆）的位置。有些资产是相对静态的（就像建筑物或零售货架）。其他受影响的资产（如人类员工）要灵活得多，也更难以进行实时跟踪，因此更可能面临的是计算能力和联通性的问题，而不是可用技术的问题。

    许多GIS 公司使用的分析法仍然停留在历史领域及实时数据领域——预测性分析的使用相对有限，认知分析和机器学习技术的使用就更少了。采用前瞻性思维非常重要，甚至重要到了需要将互补性公司纵向一体化的程度。

    也许谷歌是个例外，它已经将谷歌地图应用到了搜索引擎和其他算法中，以提供特定的位置建议（如你喜欢的最近的餐馆）。这个领域显然还存待进一步开发，但不是由技术人员或商人来实现，而是由那些富有想象力的人来实现，他们能在分析环境和定位环境中看到商业解决方案。

    这种情况可能出现在Geovation Hub，这个机构由英国国家测绘机构——地形测量局（Ordnance Survey）2015 年在伦敦建立。8 地形测量局发现定位分析的市场规模仅在英国每年就达到22亿英镑（估计到2020年将达到30亿英镑），而全球的市场规模则为140 亿美元。定位分析市场还将反过来在相关技术和服务领域创造一个“副产品”市场，这个市场的规模到2020 年预计仅在英国就将增长到360 亿英镑其中：

    防御系统市场规模40亿英镑。

    安全系统市场规模27亿英镑。

    信息和通信技术市场规模23亿英镑。

    休闲行业市场规模17亿英镑。

    保险行业市场规模17亿英镑。

    鉴于全球市场规模巨大和定位分析的重要性，Geovation Hub 显然是一个值得复制的模型。定位分析将继续发展演变，这对满足人工智能时代的需要非常关键。这种演变的出现需要以下条件：

    弹性云功能，不存在存储和计算能力的挑战。

    额外数据，来自设备及其他有机来源（如众包等）。

    经改良的图像识别技术，包括红外线扫描技术。

    设备及卫星成本降低。

    对业务问题以及可行性解决方案有更全面深入的理解。

    正如传统分析所经历的那样，未来的趋势是GIS 产业将沿着与人工智能产业平行的道路发展。在这条路上，两者会有某种程度的交融合流。但就目前而言，这些行业似乎都在各行其道，而交融只是时间问题。

    对人工智能公司和GIS 公司来说，用更好的算法来解决关键的商业、国内和地缘政治问题，难道不比根据不同的（虽然是互补性的）观点来重新设计解决方案更靠谱吗？

语境洞察

    没有任何企业（或个人）能在真空中或在泡沫中运作。现有的分析模型存在一个风险，那就是它是内向的，没有充分考虑更广泛的外部环境。企业不仅渴望了解客户的需求和他们准备付出多少，也需要更好地理解外部商业生态系统——竞争对手、供应链、环境及政治因素，这些可能会影响企业的赢利能力。

    如果股东们在一家公司的投资价值正在缩水，那么让他们知道缩水的速度是否慢于这家公司的竞争对手或其他市场部门，这也会让他们感到安心。

    我们应该试着理解信息在语境中的真正含义。必应（Bing ，微软公司推出的全球领先的搜索引擎之一）将语境定义为“构成事件背景、陈述或理念的各种环境，在这些环境中，事件、陈述或理念的含义可被充分理解”。这个定义的核心是如果没有语境洞察，现状或情形就不能被“完全理解”。

    充分理解难道不是既对今天的决定很重要，又对机器学习环境很重要吗？很自然，决策主要是在知识环境有所欠缺的条件下做出的，但归根到底这难道不是在一定程度上进行判断的全部意义所在吗？然而，在一个以人工智能为导向和依靠算法驱动的环境中，缺乏语境洞察会不会带来新的问题？

    技术人员可能会辩称，现有数据中的缺陷是可以通过对投入的完整性进行加权弥补的，一些银行已经在用数据质量评分进行上述操作了，但是语境的意义不仅仅在于理解那些立即可用的数据。要获得正确答案并有效使用算法，人工系统难道不需要理解外部世界正在发生的事情吗？

    真正有效的各层级分析需要对外部环境进行理解。高级生态系统中的决定可以在孤立状态下做出，这是不可思议的。语境考虑的不仅是当前正在发生的事情，也包括过去发生了什么，以及未来可能发生什么，这是对自动化系统的一大要求。也许语境是经验和直觉在技术上的等价物。

    当考虑未来时，我们该不该期待人类的经验和直觉被电脑内存替代呢？

    如果由字节驱动、存储在云端某处的自动化系统将取代人类的智力、经验和直觉，那么人类的未来究竟会是什么样？工作及其他一切事物新的本质将会是什么？经验、资格和专业机构将起什么样的作用？电脑的这些功能会让我们在智力上和情感上处于一个更好还是更坏的位置？

双关语和沟通

    随着机器系统逐渐成熟，它们和人类以及相互之间的沟通能力也会逐渐提升。当前，我们关注机器和人类之间的交互，因为人机之间沟通的水平和质量将最终定义我们与机器之间的关系。

    机器系统与人类交互的主要困难之一是现存语言种类众多。尽管可进行短语翻译的系统已经存在，但其功能需要进一步的完善，以便未来的交互可以有效地进行。

    基于短语的翻译系统主要存在以下两个问题：

    翻译是基于短语而不是具体的单词。因此，这种翻译较为粗放，还被戏称为一把“钝刀”。

    词汇量有限。

    解决方案已经近在眼前了。2016 年，谷歌推出了一款谷歌神经机器翻译系统（Google Neural Machine Translation，简称GNMT）。这是谷歌翻译的一个功能扩展，添加了所谓的“神经网络”和“机器学习”。通过这些附加功能，谷歌神经机器系统创建了自己的语言——谷歌称之为国际语（Interlingua）。国际语可以让谷歌神经机器翻译系统对语气和语境进行有根据的猜测，并据此提供更准确的译文。值得一提的是，通过使用一种中介性的内部语言，机器似乎有能力不经明确指导就可以把一种语言翻译成另一种语言。

    国际语的概念并不新鲜，连这个名字也不新鲜，它诞生于1937—1951年。作为一种所谓的国际性辅助语言（如世界语），它能让不同语言的人进行交流。它也被称为工作语言或桥接语言。国际语背后的原理是它能识别出大量的不同语言中的单词，因此能够被很多人理解。

    国际语是一个复杂的概念，但实际上谷歌工程师更关注的是内部翻译网络的运作方式。他们表示：“网络必须对句子的语义或意义进行编码，而不是简单地进行‘逐句翻译’。”他们甚至认为，这可以被称作“一种创造力”。

    这种翻译形式产生的影响是，一种包含了机器学习并与人类直接互动的高级系统不太可能被语言问题所掣肘。而且，它还可以让国籍不同、语言不同的人通过同一种系统进行交互。

面向新市场的新商业模式

    世界银行的《2010 年生意经》（Doing Business 2010）对新兴市场给予了关注，认为“在这些市场中，企业要想获得成功，唯一的办法就是毫不留情地削减成本，并接受利润空间接近于零的现实”。11

    这种想法并没有什么新意，尽管越来越多的人认识到，将一个成熟的商业模式植入到发展中国家，并不总能奏效。《新兴市场的新商业模式》（New Business Models in Emerging Markets）一书认为：“企业不要紧盯着现有的产品并把它们植入新的区域，而应该找到那些‘未被满足的需求’，并通过满足这种需求从中获利。它们应该像初创企业一样行事，这样一来，每个市场对它们来说都是新的。”

鸣 谢 

序：威灵顿与滑铁卢 

引 言

开篇 我们所称的工作究竟是什么 

  摘要 

  简介

  要工资还是要自由 

  工业化的兴起 

  Z 一代和馥芮白社会 

  失业的影响

  取代工作的需要

  结论

第一章 高级分析导论 

  摘要 

  简介 

  商业智能 

  高级分析 

  规范性分析

  商业规则 

  认知分析 

  分析输出的准确性

  结论

第二章 人工智能  

  摘要 

  简介  

  图灵测试

  达特茅斯会议

  后达特茅斯时代，人工智能的冬天、奇点

  人工智能的春天来了吗

  人工智能如何工作 

  电脑有创造力吗

  结论 

第三章 人工智能对前沿产业的影响  

  摘要 

  简介 

  金融服务业  

  保险业 

  汽车行业 

  关键性进展

  向零创新

  人工智能及汽车制造 

  媒体、娱乐和电信行业

  零售业 

  结论 

第四章 人工智能对后发产业的影响  

  摘要  

  简介  

  建筑业  

  增强现实技术 

  无人机和遥感影像 

  承建商工厂及设备 

  员工行为 

  建筑业文化变迁  

  公用事业和基础设施适应性  

  建筑业小结  

  公用事业  

  电力 

  天然气 

  水 

  污水  

  智能家居，智能基础设施?  

  互联性、贫穷和饥荒  

  公共服务行业 

  教育行业

  警务行业 

  医疗保健行业

  农业 

  科技行业

  结论 

第五章 人工智能对职业的影响 

  摘要 

  简介 

  工作与职业 

  能力的重要性 

  莫伊韦克悖论为何对专业人士构成威胁

  管理 

  财务办公室 

  法律职业 

  销售和营销 

  零售商 

  商业媒体 

  出版业

  运输业 

  工程师与建成环境 

  医疗行业 

  数据中心 

  企业家 

  结论

第六章 风险和监管 

  摘要 

  简介 

  风险是什么 

  技术与系统故障 

  数据安全及私隐

  员工失误与欺诈

  程序、系统和策略不当

  声誉风险 

  外部风险

  金融风险 

  人工智能及合规前景 

  角色、监管科技和原谅机器 

  结论 

第七章 实现路线图 

  摘要 

  简介  

  员工培训的新思路  

  机器人和过程自动化 

  实施框架 

  大爆炸式转型可行吗 

  结论

第八章 新商业模式  

  摘要  

  简介

  增强技术还是自动化？

  时间问题和地点问题 

  语境洞察

  双关语和沟通

  面向新市场的新商业模式

  结论

第九章 应对未来

  摘要

  简介 

  人工智能的现有岗位

  人工智能的未来角色

  人工智能教育

  个人成功能力

  计算机能创新吗 

  与机器人共生

  长者护理和机器人

  接受计算机指令及建议 

  机器人规则

  结论 

第十章 个人重塑策略 

  摘要 

  简介 

  个人重塑的需要 

  改变有多难？

  活动及会议的重要性 

  特许经营权的自由——从雇员到所有者

  我们能应付无所事事吗 

  第三龄思维

结论

附录A 实施流程图 

附录B 受人工智能影响最大的职业

附录C 人工智能专业机构名录 

注释