在本书中，作者通过对微软以及曾经合作过的众多企业AI转型的观察与思考，结合自身丰富的从业经验，从技术、业务、团队、文化等视角分享了企业AI转型的方法和实践，阐述了业务和技术领袖们如何在这场新兴运动中拥抱AI。基于真实案例，本书将带你了解AI的核心概念，探寻和排序最适合你的企业的AI用例，同时指导你如何在组织和文化层面进行业务转型。你还将看到许多带领公司在AI之路上探寻的领袖们，这些领袖被称为“AI英雄”，他们的故事都充满传奇色彩，故事本身极具价值。

无

你是否曾经因为期待某样事物而急不可耐，度日如年？我8岁时就有过这种经历。那时我正在等待着我人生中的第一台电脑—一台Commodore 64。白天我掰着指头数日子，晚上我甚至经常梦到我坐着一架时空穿梭机直接跨越到未来，这样我就能立即拿到我心爱的电脑了。这应该是我人生中的第一次过度设计了。
电脑的到来给我打开了新世界的大门。我可以通过给电脑下达指令让它做任何事情，这和我以往见过的玩具完全不同。在学会BASIC语言后，我的世界变得更加宽广。我仍然记得我的表兄向我展示通过给变量添加美元符来保存文本行的情景。突然间我就具备了与机器对话的能力了？太难以置信了！在敲了一堆if-then-else语句后，我激动地拉来我的父亲，让他问电脑一个问题。当然这事儿最后没成，他必须准确敲出我写在代码里的某个问题才行。很遗憾，当时我的表兄不知道机器学习、神经网络或者自然语言处理这些概念。当然那时候几乎也没有人知道。
时间来到15年后。在大学里，我终于有机会接触这些激动人心的概念。我迫不及待地要将这些新知识付诸实践—不是简单地手工输入指令再执行，而是通过大量例子来教会一台机器，这主意实在是太棒了！我弄来了一只带摄像头和记号笔的机械臂，打算用机器学习来完成我的考试。在我的设想中，这套系统应该能跟人下井字棋，系统通过识别纸上的棋盘计算出最优解，然后移动机械臂在棋盘的对应位置画记号。最后这变成了一场灾难。
在那个时候，使用神经网络这类技术来完成这种项目是不可能的：首先，完成识别棋盘和棋子这类目标探测任务的算法还不够健壮；其次，当时大部分的电脑配置太低，无法运行这么复杂的程序。我只能回去敲了一堆if-then-else通过考试，拿到学位。
这次的挫折并没有打消我对电脑的热情。用成千上万的if-then-else及其他类似的编程语言结构精心编写的程序同样可以完成了不起的事情。在毕业后作为开发者的岁月里，我构建了诸如共享软件、虚拟现实3D引擎、生产线产品追踪软件、发电厂和机场监控系统等不同的程序，这一切的一切都需要我耐心地逐条输入指令。
在那段日子里，我发现了一家公司，这家公司的产品使我的工作变得更容易。与当时的大多数人不同，我与微软的羁绊并不是从操作系统开始的。在我的概念里，微软并不是“那家开发出DOS或Windows的公司”，而是一家提供开发者工具的公司。那台我所钟爱的、为我打开新世界大门的Commodore BASIC就是基于Microsoft BASIC的。Microsoft BASIC是微软的第一款产品，那时微软还是家小公司。随着事业的发展，我使用的工具也在不断更新。先是发现了Microsoft Quick Basic，然后是迷人的Visual Basic，接着我又先后投入了Visual Studio C++和C#的怀抱。
我实在是太喜爱这些帮助开发者编程的产品了，所以我离职加入了微软，从一名程序员转变成一个帮助他人编程的人。那已经是18年前的事情了。在微软的日子里，我有幸在一个致力于帮助开发者的团队里工作，继而负责了我所钟爱的Visual Studio的业务和市场工作，推出了Visual Studio Code、Visual Studio Online和.NET Core等产品。真是做梦也没想到，我最后会来创造当年初出茅庐时所崇拜的那类工具。
就在几年前，有件事引起了我的注意。原来被看作软件开发死胡同的人工智能突然又出现在了新闻中：研究社区的神经网络的发展和云端提供的强大算力相结合后，正在取得惊人成绩。2015年，微软的一个研究团队开发出了一个在图像识别方面比人类更强的深度神经网络，借助强大算力，该神经网络可以瞬时获得结果。接下来的几个月，破纪录的成果在新闻上已经司空见惯，语音识别、机器阅读甚至翻译都达到了人类同等水平。这所有的成果都源自人工智能（AI）的重生。
作为一名开发者，这些成果再次拓展了我的视野。就犹如当年我的表兄教我的美元符那样，深度学习这样的AI技术为我打开了全新的领域，我不再需要一行行地键入指令，而是可以专注于设计一个能自学的算法。我曾经创建的那些应用—从给我父亲的聊天程序，到大学里的井字棋机械臂，再到生产监控或发电厂软件—都能通过这些技术重新定义并大幅改进。
当这次变革拉开序幕时，我在事业上做了个重大决定—我离开了深爱的开发者工具团队，转而带领另一个初创团队，在微软负责AI业务和产品化。在那之前，我的目标是帮助开发者和组织用计算机编程，而现在，我的目标是帮助开发者和组织教育计算机。在微软，我们复用了之前的工作方式：专注于构建帮助开发者更容易完成工作的工具。借用我们的大老板Satya Nadella的话：我们的工作是帮助其他人变得很酷，而不是让我们自己显得很酷。
这种工作方式使得我有机会与全球成百上千的技术和业务组织领袖会面，他们都在尝试拥抱AI。从我们的角度来说，我们希望理解他们的需求，从而为他们提供正确的解决方案。不过在实际的沟通中，对话内容丰富多彩，我们会在其中分享各自的知识和遇到的挑战。
在这些会面中，我经常被问到的问题是：那些拥抱AI成功和失败的企业间有什么区别？人们正在寻找正确的组织结构、最理想的用例或神奇的技术来帮助他们利用好这个时代最重要的技术范式转变。
我也经历过类似的心路历程。我曾尝试找出某些公司比其他公司更成功的核心原因。当然，我会在这本书里分享所得，包括那些成功公司的组织模型、技术和用例。你可以用这些知识塑造适合本公司的战略来引入AI。但除此之外，我发现这些了不起的公司背后都有一群了不起的人，他们都由各自的企业文化激励着。正如我有幸与我的客户共同经历的数字化转型一样，AI转型也是由真实的人驱动的：有愿景的业务领导，能将愿景转化为技术的技术领导，能将愿景实现的开发人员、数据科学家和其他雇员。根植于他们组织内部的文化把所有人串联为一体。
本书讲述了这一路走来，我对微软（当然也包括那些与我合作过的企业）自身AI转型的见闻与思考。同时，你还有机会更深层次地接触AI背后的技术，甚至依照本书附录自己动手创建你的第一个应用。不过在那之前，你会了解到我所遇到的一些成功公司的战略和文化，以及背后的那些英雄。我有幸认识他们中的一些人，还知道那些塑造他们成为领导者的个人故事。这些故事会穿插在本书各章之间，作为后续话题的引子—这些人都超级酷，希望你会跟我一样受到他们的激励。
本书排版约定
本书使用如下排版约定：
斜体（Italic）
用于新的术语、URL、邮件地址、文件名和文件扩展名。
等宽字体（Constant width）
用于程序列表以及段落中的程序元素，例如变量名、函数名、数据库、数据类型、环境变量、表达式和关键字等。
O’Reilly在线学习平台（O’Reilly Online Learning）
近40年来，O’Reilly Media致力于提供技术和商业培训、知识和卓越见解，来帮助众多公司取得成功。
我们拥有独一无二的专家和革新者组成的庞大网络，他们通过图书、文章、会议和我们的在线学习平台分享他们的知识和经验。O’Reilly的在线学习平台允许你按需访问现场培训课程、深入的学习路径、交互式编程环境，以及O’Reilly和200多家其他出版商提供的大量文本和视频资源。有关的更多信息，请访问http://oreilly.com。
如何联系我们
对于本书，如果有任何意见或疑问，请按照以下地址联系本书出版商。
美国：
O’Reilly Media，Inc.
1005 Gravenstein Highway North
Sebastopol，CA 95472
中国：
北京市西城区西直门南大街2号成铭大厦C座807室（100035）
奥莱利技术咨询（北京）有限公司
要询问技术问题或对本书提出建议，请发送电子邮件至bookquestions@oreilly.com。
本书配套网站https://oreil.ly/theAIorganization上列出了勘误表、示例以及其他信息。
关于书籍、课程、会议和新闻的更多信息，请访问我们的网站http://www.oreilly.com。
我们在Facebook上的地址：http://facebook.com/oreilly
我们在Twitter上的地址：http://twitter.com/oreillymedia
我们在YouTube上的地址：http://www.youtube.com/oreillymedia

经管

如今越来越多的公司都变成了软件公司，可以预见，在不久的将来，更多的业务都将变成AI业务。在这本实用指南中，作者阐述了业务和技术领袖们如何在这场新兴运动中拥抱AI。
基于真实案例，本书将带你了解AI的核心概念，探寻和排序最适合你的企业的AI用例，同时指导你如何在组织和文化层面进行业务转型。你还将看到许多带领公司在AI之路上探寻的领袖们，这些领袖被称为“AI英雄”，他们的故事都充满传奇色彩。
通过学习本书，你将：
■ 定义一套综合性战略，将AI带入每个应用、每个业务流程中并带给每个员工。
■ 演进你的公司架构、数据资产和技能，从而全面拥抱AI革命。
■ 理解AI将给公司业务带来的道德挑战，加快负责任的AI发展文化建设。
■ 通过易于学习的速成课程，帮助业务领袖探究AI的核心技术。

David Carmona，微软人工智能与创新部总经理，负责领导微软AI的整体市场，并负责公司和开发者层面的AI产品、服务及创新的整体战略，在技术行业拥有20多年的经验。他在15年前加入微软，在雷德蒙德（微软总部）担 任过各种技术和业务领导职务。

“ 本书高度关注企业如何将AI集成到其工作流程和业务模式中，作者是一位在AI领域耕耘多年的专家。”
——Neal Ungerleider
顾问兼记者

[美]大卫·卡尔莫纳（David Carmona） 著：大卫·卡尔莫纳（David Carmona）负责领导微软AI的整体市场，并负责公司和开发者层面的AI产品、服务及创新的整体战略，在技术行业拥有20多年的经验。他在15年前加入微软，在国际上和雷德蒙德（微软总部）担任过各种技术和商业领导职务。

众所周知，技术类书籍很容易成为催眠的读物，但本书绝非如此。毋庸置疑，AI是时下最热门的话题之一，它正在用一种前所未有的方式改变着我们的世界。作者David Carmona具有极为丰富的从业经验，他通过对微软等众多企业AI转型的观察和思考，从技术、业务、团队、文化等不同视角提炼出企业AI转型的方法和实践。书中生动地讲述了很多AI英雄的故事，这些故事本身就极具价值与意义。此外，书中关于AI的伦理文化的阐述，也让我们深受启发。
在本书的翻译过程中，不免引发我们对于当下市场的认识与思考。对于现代企业而言，软件早已融入业务的各个方面，成为运营效率、产品和商业模式的关键组成部分。很多公司实质上都是软件公司，企业全面数字化所带来的次级效应就是数据增殖，这为智能系统在数字化时代的崛起创造了完美的环境。在这个以客户满意为主导的数字化商业时代，许多公司都在积极寻找方法构建AI能力，将创新理念转化为优质客户体验并促进业务快速发展，以应对充满不确定性的外部环境。如何才能更好地服务客户？AI在其中如何发挥作用？如何顺利完成AI组织转型？所有人都在认真寻求这些问题的答案。
作为专业咨询顾问，我们在与客户的交流中需要从战略层面来思考组织转型的蓝图，从流程、工具、团队层面来梳理转型路径，用全新的AI工具箱来定义组织内部的职能。AI转型框架的构建代表了软件乃至商业的深远变革。然而我们也经常遗憾地看到，很多组织低估了向AI组织过渡的复杂性，因此在转型过程中偏离了正确的方向，最终与成功渐行渐远。
本书作为一本极具价值的参考指南，会让所有与AI转型有关的团队大为受益。它不仅适用于企业的管理者、经营者、技术人员，还适用于人力资源团队和市场团队，以及所有在AI转型中的实践者。
我与另外两位译者安丛和代晓文既是工作中的同事，又是生活中的好友。她们作为非常专业的项目管理专家和商业分析师，承担了本书的主要翻译工作。我们都来自湖北武汉，在本书翻译期间，一起克服了新冠疫情所造成的困难与阻碍，同心协力完成了翻译工作。
最后，我要感谢我们的家人，他们的理解与支持使我们得以心无旁骛地致力于本书的翻译；感谢机械工业出版社华章分社负责本书审校工作的编辑们，他们精益求精的负责态度极大地提高了译文的质量。

万学凡
2020年于武汉

推荐序一
当每一个行业都开始拥抱变革，数字化不再是一个选项而是必需，快速发展的AI技术正推动AI进入数字化主航道。
我一直在从事数字化战略和策略咨询相关的工作。面对不同的行业、不同的企业、不同的领导者，我常常需要回答这些问题：如何来做数字化变革和创新？技术如何赋能我的业务？像AI这样的新技术如何和我的业务融合？回答这些问题并不容易，需要持续探索。偶然的机会，我的同事向我推荐了本书，书中的案例、方法、超越技术之外的组织和文化视角，让我有了很多感触。
第一个故事，共鸣
三年前，我和我的团队服务于一家全球著名的油品公司。我们的课题是在ToB业务线上找到数字化创新切入点，并且客户期望将数据和AI技术作为利器。在充分沟通之后，我们决定采用端到端的用户旅程，梳理典型场景，从典型场景中寻求突破。最终，这样的方法和过程取得了很好的效果。我们围绕一个高频出现的保障场景，采用基于数据的预测技术，让这家油品公司的ToB业务快速开启数字化进程，并成功打造出一款产品。这是当我读到本书的用例部分以及之后的横向流程时，产生强烈共鸣的原因，相信翻译本书的几位同事会和我有同样的感受。
第二个故事，假如
另一个故事发生在一家大型农牧企业，当时我和我的团队正帮助这家企业的决策者规划面向大型供应链的数字化转型方案。由于中国农牧业的特殊性，传统的供应链技术和来自海外的机械化基础上的行业数字化经验，在这个案例中无法工作，使得这个项目俨然成为一个新的行业命题。AI技术仍然是我们最终方案的亮点，围绕AI，我们找到了非常多有趣的场景，也让我们开启了对这个行业的新的探索。所以我在想，假如当时能了解到类似本书中的行业AI场景，那我们的工作会变得容易许多，思路也会更加开阔。
第三个故事，启发
最近，我在做企业架构方面的思考，也在和几个大型车企频繁交流，共同探索中台架构下的组织设计模式。在这个过程中，我们讨论的很多话题都聚焦在：工作组织模式如何从项目制走向产品制，前台团队和中台团队的业务和职责边界如何划分，以及转型过程中的员工思维如何转变。本书中超越AI技术本身的思考，无论是人员转型、合作文化还是人才文化，都带给我很多启发，也推荐转型中的践行者们从本书中汲取营养。
最后，向本书作者及书中提及的AI英雄们致敬。
马徐
ThoughtWorks企业架构与解决方案部 合伙人




推荐序二
AI走向主流只用了几年时间，现在它就在我们身边，几乎无处不在。在AI之前，我们已经有了专家系统，依靠具有确定性的先验知识和规则，能处理简单的任务。但是专家系统有一个致命的短板，如果遇到未覆盖到的场景，机器就不知道如何处理。当机器具备AI能力，尤其是在深度学习技术走向主流后，AI迅速在视觉、语音等领域有了巨大突破。尽管如此，真正了解AI的人并不多，能够掌握AI的人就更少了。让机器获得智能，想想就足以让人兴奋。
记忆里，AI概念的炒作大概从2016年开始，市面上对AI概念的热情突然极其高涨，如果在介绍自己公司的业务时没有涉及AI概念，都会担心被认为落伍。但是，大数据或机器学习等相关领域的专业人员对提及“AI”一词十分谨慎，这个概念太大，太过抽象，为了避免在沟通交流中引起不必要的偏差和混乱，会尽量避免使用这个术语。几年间，伴随着Gartner AI技术成熟度曲线逐渐延伸，诸多AI技术已跨过泡沫化的低谷期，在这个过程中落地并诞生了无数新兴产业，而且不断涌现出新创意。简而言之，AI技术的想象空间仍然巨大。
那么对于大多数的非AI专业人士，如何了解AI，然后驾驭并使用AI呢？
关于AI的书籍汗牛充栋，这些书籍大都围绕AI的定义或者如何从技术上实现AI等来讲解。AI概念本身足以让专业外的人士难以理解，加之这些内容中还夹杂着机器学习、神经网络、算法模型等晦涩的术语，如果一脚踩进技术实现细节的泥潭，不利于在漫长的学习曲线上爬升。
本书在内容上直接跳过AI的定义和技术实现，使用最少的必要概念和技术术语，通过以往微软的成功案例和AI超级英雄们的生动故事来授人以渔。本书开头就给出了AI核心能力清单，拿着这个看似大而全的清单时，你自然会问道：该怎么让我的组织具备并使用这些AI能力呢？
首先，你或者你所在的组织需要有能力来使用AI。作者将组织的AI转型看作一段旅程，这个旅程先后会涉及技术改造、业务转型、人员转型。
然后，你需要为AI这台“机器”注入燃料—数据。
人工智能的三大推动力—算法、计算力和大数据，缺一不可。其中，算法部分能借助的外力很多，包括众多机器学习的开源项目、成熟的云厂商解决方案等，如果有能力定制或者调优机器学习模型当然会更好；计算力部分花钱可以解决，主要的约束条件就是你愿意投多少钱；大数据部分我认为难度最大，大数据是AI的基础，并且只能依靠组织自身来解决，没有办法速成，也不能花钱采购第三方解决方案，甚至外包都无法解决。数据质量的高低是人工智能最终效用的天花板。否则，只会出现Garbage In，Garbage Out（垃圾输入，垃圾输出）的局面。
从你的所有信息化功能中收集尽可能多的规范数据，逐步完善数据规范和流程（这就是数据治理的过程，当然数据治理不止于此）。
最后，在高质量数据的土壤上，我们可以对照AI能力清单，选择合适的AI能力种子，精心“培育”，期待收获的果实。
按照人工智能的能力来划分的话，可以分为三个层级：弱人工智能、强人工智能、超人工智能。尼克·波斯特洛姆（Nick Bostrom）将超人工智能定义为“在科学创造力、智慧和社交能力等每个方面都比最强的人类大脑聪明很多的智能”编辑注。当前的人工智能还只能解决特定领域问题，仍处于弱人工智能的层级，还有很长的一段路要走。完全不用担心走在AI前沿的人领先太多，现在动手才是关键。
吴瑞诚
斗鱼大数据负责人



推荐序三
最早听到机器学习和人工智能，大概是在2016年左右，那时候我们这个小团队正在云南一个叫作沙溪的安静偏远的小镇上开发新产品。也许是和大山田野在一起待的时间久了，内心对近些年层出不穷的新鲜技术概念有些本能的排斥，就算人工智能可以帮助AlphaGo编辑注战胜李世石，但是对我们这样的小团队有什么用呢？
时间很快来到2017年，那一年我们的团队协作产品Tower遇到一个棘手的安全问题：产品的邀请注册通道被一些恶意用户利用来发送非法小广告。这些小广告在当年就像互联网牛皮癣一样，沾上了就很难甩掉。这些群发小广告的内容看起来很简单，无非是一些什么注册某某网站、赠送多少积分，在最嚣张的时候，这些小广告一天能发送出上万份，既骚扰用户，又浪费我们的资源，着实讨厌。为了去掉它们，我们先从简单的关键词匹配做起，人工筛查敏感词，放进过滤词典，用这种小米加步枪的方式打退了一波攻势。但是很快，这些小广告就披着各种伪造外壳卷土重来了，它们使用了中英文混杂、特殊符号分隔文字、中文同音字、日文、甲骨文等先进的手段，搞得我们这个十来人的小团队疲于应付。
眼看一款优秀的协作产品就要沦为坏人作恶的工具时，一位小伙伴突然灵光乍现：何不试试机器学习？经过几天的突击，我们决定兵分两路：一路人马导出后台小广告，建立人工分类数据标签；另一路人马将数据灌入不同的学习算法，进行模式识别训练。就这样过了大概一周，我们打造出了一位专治网络牛皮癣小广告的“老中医”—人工智能过滤器。
这个简单的机器学习过滤器在完美地运行了两个月后就结束了它的历史使命，并不是没有小广告了，而是国内的云计算平台纷纷使用机器学习优化了垃圾信息识别接口，我们终于又可以专注于产品和业务本身了。
回想从2008年以来，我们这支创业小团队一直在享受着信息革命带来的技术红利。Web 2.0时代，我们使用互联网技术帮助大型运营商改进其系统体验；移动互联网时代，我们利用微博和微信的传播快速获客；云计算时代，我们享受着企业数字化转型带来的旺盛的市场需求。先进的科技一次次地赋能我们这样的小团队，让我们能够在精简的状态下，用精益的方式探索市场新的增长方向。时间来到2020年，市场从未如此强烈地渴求新的技术的诞生和成熟，人工智能会是下一个赋能企业的技术革命吗？
与其等待风起，不如躬身入局，来自微软的大卫·卡尔莫纳用本书为未来企业的人工智能化绘制了一个路线图，从技术改造、业务渗透到组织转型，本书为你提供了将人工智能系统性地落地的建议和方向。人工智能会是未来企业的一切吗？本书也许不能给你答案，但是一定能给你不少启示，就如同它带给我的一样。
阅读愉快。
古灵
Tower创始人




推荐序四：数智化转型从建立认知开始
企业正在经历从信息化到数字化，再到智能化的过程。
信息化是将物理世界的业务的局部关键流程、集成点实现到软件里，关注企业内部的管理，将局部的业务数据化，但是大部分的业务还是在线下用人工流程来实现。
数字化是将物理世界的全域业务实现到软件里，是全面的业务数据化，但是核心还是以人的经验、业务流程为驱动。
智能化则是在数字化基础上，通过人工智能的技术实现业务数据化，针对数据进行训练和学习挖掘，从数据中找到更优化的路径，从数据中发现更科学的计划，通过数据去驱动运营，从而把以人设计的流程驱动的业务变成以数据模型、智能算法驱动的业务，这也就是我们所讲的数智化转型。
我在信息化行业工作了20年，一直在咨询公司帮助各行各业的企业做数字化转型，总结了企业数智化转型面临的四个挑战，其中最大的挑战就是对于数据智能的认知挑战，也就是我讲的认知鸿沟。
业务人员不懂数据和人工智能技术，我把这个现象叫作缺乏智能认知。那么缺乏智能认知会带来什么问题呢？
想象一下，如果农民兄弟不知道这个世界上有一种叫无人机的工具，他们敢设想在天上洒农药的手段吗？如果业务人员不懂数据和人工智能技术，不了解他们能用数据和人工智能技术做什么，那么他们提出的需求、想出的业务解决方案都会局限于他们的技术认知，导致无论技术人员开发出多么先进的技术工具，都无法被业务利用起来。
业务无法分享智能技术发展所带来的红利，这是多么悲哀的事情。
缺乏智能认知，也会带来另外一种反向的效果，那就是业务人员过于夸大、迷信技术的能力。比如，业务人员认为人工智能是无所不能的银弹，不论什么问题，只要用了人工智能技术就能迎刃而解。
对数据和智能技术寄予不切实际、超出能力的期望，会导致众多的投资失败，这也不是我这样的数据智能推动者所希望看到的。
所以，让企业管理者和业务人员建立智能认知，是企业开启数智化转型之路的第一件事情。
那么，如何做到呢？
这时候，获悉我的几个同事在翻译本书。
我发现，本书恰好是很多走向智能化转型的企业所需要的，能够解决这个数据智能认知的问题。
本书的作者David Carmona是微软云和企业AI业务的负责人，有着很丰富的企业智能化转型的实践经验。
在本书中他从AI组织的定义、技术转型、业务转型、人员转型、合作文化、数据文明、人才文化、伦理文化和AI英雄9个维度阐述了如何将一个传统组织转型成智能组织，并且用讲故事的方式，将那些晦涩的专业技术架构、算法模型深入浅出地介绍给读者。
为了让整本书的内容更加容易理解，他还描述了多个AI领域的代表性人物，也就是AI英雄，通过这一个个真实的人物故事，让那些看起来枯燥乏味的技术语言变得生动亲切。
我们需要那些在技术领域里钻研精进的工程师，同样需要能够用平实的语言将小众的、看上去高大上的技术术语翻译给广大的企业管理者的布道者，而本书正是很好的企业数智化转型的认知读物。
感谢学凡和安丛、晓文，识别到这样一本好书，并且翻译成中文呈献给中国的数智化转型行业，本书正是这个时间点的我们所需要的。
史凯
精益数据创新体系发明人，ThoughtWorks数据智能总经理

前言1
AI英雄：Julián7
第1章 AI组织的定义11
1.1 AI的兴起11
1.2 AI的能力13
1.3 AI能力备忘单19
1.4 AI组织21
AI英雄：Kriti24
第2章 技术改造：将AI引入每一个应用28
2.1 理解你的应用集28
2.2 利用AI进行软件变革的方法29
2.3 将AI融入应用程序30
2.4 用对话式AI界面创建新的应用35
2.5 对话式AI的策略方法36
AI英雄：Athina40
第3章 业务转型：将AI融入每个业务流程44
3.1 业务部门转型44
3.2 识别和评估用例45
3.3 典型的AI用例48
3.4 横向流程49
3.5 纵向流程57
AI英雄：Tanya67
第4章 人员转型：将AI带给每位员工72
4.1 公民数据科学家的诞生72
4.2 知识大众化73
4.3 AI消费大众化75
4.4 AI创造大众化76
4.5 AI大众化实践78
4.6 管理影子AI79
AI英雄：Chema81
第5章 合作文化：组织团队86
5.1 从项目到产品再到平台86
5.2 平台方法架构团队MLOps88
5.3 创建AI团队92
第6章 数据文化：利用你的数据资产96
6.1 应用技术96
6.2 整合数据资产：数据中心99
6.3 数据驱动文化100
AI英雄：Cristian103
第7章 人才文化：提升组织能力108
7.1 技术部门的技能109
7.2 业务部门的技能110
7.3 所有员工的技能111
7.4 人才发展策略112
7.5 AI组织的招聘114
AI英雄：Cathy115
第8章 伦理文化：负责任的AI120
8.1 负责任的AI原则120
8.2 负责任AI的开发生命周期130
8.3 负责任AI的生命周期实践134
第9章 AI英雄们137
附录A 业务领袖的AI速成课程141