您對人工智能所能夠影響的業務轉型成果持樂觀態度嗎?您是否預見到了您的組織將從具有數據驅動決策的輔助智能的基礎發展到下一代的增強智能中來，即您的組織設計機器將能夠增強人類的智能和交互?一切皆有可能。但一切都必須以人為基礎，由人來驅動文化。
你還需要設定愿景，啟用跨職能協作，以及對文化的設計。
愿景，協作，文化。這些都是建立一個世界級的AI卓越中心所需要的支柱。無論您是否對標準化和集成、利用數據資產或度量業務價值感興趣，卓越中心(COE)都可以提供組織成功所需的治理或資源平衡。
愿景：一堂價值集中的課
要真正把握卓越中心背后的愿景，需要讓我們首先回到它的根源上來。卓越中心起源于公元前221年的中國秦朝。卓越中心建立在權力集中的概念之上，集中體現了權力的系統性和一致性。這種集中的好處包括直接的責任和義務、明確的決策，以及相信集中的權力更能促進掌握這種權力的個人的利益。緊隨這些優點之后的是缺點，包括決策不是由最了解問題的資源做出的，由于信息傳播緩慢而導致的推遲執行，以及排除本可有助于作出更好決策的某些資源。
在工業革命期間，我們看到了新的制造概念開始出現--具體地說，是從家庭生產制(生產系統)到工廠系統的轉變。家庭生產制把材料運送到了農村的生產者那里，他們經常在家里進行工作。這種分散的方法以相對較高的價格提供了質量合理但并不一致的產品。而工廠系統使用了機器大規模地集中生產貨物。這種新方法降低了成本，提高了工人的效率。工廠制的采用也提出了一個新問題：我們應該在哪里生產?
協作：AI卓越中心的結構與區位理論之間的相似之處
AI卓越中心與組織的其他部分之間的協作程度直接受到AI卓越中心的組織設計的影響。區位理論專注于預測經濟活動的理想地理位置。簡而言之，企業應該位于何處?我們關注差異成本嗎?生產和銷售之間的距離摩擦會是一個問題嗎?這些概念似乎深深地植根于舊的制造業世界--而今天的企業高管則很少談論或提及這個問題。
有趣的是，我們也可以發現在設計開創性的AI卓越中心的結構時和區位理論之間的相似之處。三個有趣的區位理論有助于我們理解建立AI卓越中心所固有的組織設計考慮因素。
•德國經濟學家Alfred Weber建議，制造工廠應該設在成本最低的地方(最低成本理論)。Weber理論考慮了運輸、勞動力和集聚性等的成本。
•Harold Hotelling是美國數理統計學家，也是一位頗具影響力的經濟理論家，他發展了Hotelling理論。這一理論引入了行業位置不能脫離同類行業來理解的原則，他建議在客戶附近(集約化)。地理上的相互依賴將企業的地理位置與企業的經營能力和盈利能力聯系了起來。
•專注于區域和城市經濟學的德國經濟學家August Lösch研究了區位經濟學。Lösch的理論解釋說，制造工廠應該設在能使利潤最大化的地方(盈利區)。
Weber、Hotelling和Lösch的理論都普遍認為，企業應該被吸引到凈利潤最大的地方。從表面上看，這似乎是常識。當我們將這一概念應用于AI卓越中心時，我們更關心的是持續的價值交付，而不是利潤。我們現在要思考的是，在我們的組織中，最大的價值產生在哪里?
文化：為AI卓越中心找到依歸
歷史并不能很好地預測未來的成功。然而，理解它并將過去所犯的錯誤考慮在內也沒有壞處，這樣您的組織就不會以原始的形式重復這些錯誤了。
我們得出了以下的觀察結果：
•集中的技術能夠有效地分發信息，最小化信息發生變化的機會。
•分散的方法有助于員工招聘，因為他們具有自定義和分布式的性質。
•區位理論引入了企業應該位于價值最大化的地方的概念。
將這些概念外推，讓我們將它們也應用到AI卓越中心中來。當我們從AI卓越中心回歸到現實時，我們發現了以下幾個有用的經驗：
•AI卓越中心的集中管理對于持續傳達組織愿景最為有效。
•分散的員工參與模型有助于共同創建所有權并加速AI卓越中心的組織采用。
•AI卓越中心應該有集中的功能報告(強硬的)，但它也必須在產生最大價值的地方(業務內部)嵌入操作(柔性的)。
當我們設計和建造我們的AI卓越中心時，這些概念為我們提供了富有洞察力的原則，以提高耐用性、彈性和加速采用。具體地說，智能組織的設計對于支持組織價值、信念和行為的演變，以及支持以人工智能為先的思維方式和以數據為中心的文化是至關重要的。
建立“人工智能優先”的思維模式完全是關于文化和人的，而不是關于技術和數據的。而在擁有“人工智能優先”的心態，合適的人才，并有人工智能文化的支持的情況下，你的AI卓越中心能夠很好的衡量其價值嗎?
衡量AI卓越中心的價值
你可以通過設定遠景來定義你的AI卓越中心的成功。確定AI卓越中心將用于制定未來決策的原則。AI卓越中心的期望是什么?AI卓越中心的基本價值主張是什么?如何共同創造價值以深化共享所有權?
一旦定義了愿景，你就可以將重點轉移到如何實現協作上來。AI卓越中心團隊可以如何與現有的內部組織結構(團隊、部門)的協作?人工智能領域的領軍人物何時會被確定并參與其中?如何激勵AI社區的參與?
現在可以開始設計文化轉型了。你需要了解“數據即資產”的文化臨界點是如何定義的?什么基準顯示了行為上的文化轉變?個人績效計劃如何與人工智能優先的心態相關聯?哪些傳播和媒體形式將用于教育和宣傳?
規劃人工智能研討會、確定人工智能試點以及創建一個人工智能系列講座，這些都可以促進人工智能的采用，并使您的組織實現人工智能。然而，你可能很難知道將能夠在何時取得進展。以下問題可以幫助你評估你的AI計劃是否對價值實現產生了積極的影響：
•有領袖能夠將人工智能程序與業務結果聯系起來嗎?
•現有的業務冠軍是否被視為了AI社區的一部分?
•人工智能試點是否在數量上提高了價值實現?
•組織資源能否清楚地說明它們是如何為AI社區的知識做出貢獻的?
•資源是否能夠訪問組織，并根據人工智能優先的思維方式解釋其角色是如何變化的?
•隨機調查的組織資源是否能夠澄清企業AI卓越中心的價值主張?
•AI卓越中心是集成到現有的業務流程中了，還是作為組織價值創造的局外人坐在了替補席上?
您的技術合作伙伴將建議您通過制定數據資產清單、審查技術堆棧和探索跨豎井區域的共享技術來開始AI卓越中心之旅。這些在適當的時候都是必要的，但是AI卓越中心的成功總是始于人和結束于人的，而不是數據。你需要設定愿景，啟用跨職能協作，以及對文化的設計。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號