如果運營模型定義了組織如何定位人員，流程和技術以實現客戶價值，那么具有AI優先運營模型的公司就是那些優先使用AI以便將更多的智能和自動化編織到公司的產品，流程，和經驗。

在2020年7月的梅蒂斯戰略數字研討會上從100多個全球CIO收集的數據體現了AI優先運營模式的趨勢：66%的CIO表示他們有團隊專注于識別AI用例，進行試點并擴展可改善的案例結果。在目前沒有資源專注于此的CIO中，大約60%的CIO表示正在其路線圖上。

在與《財富》 500強公司的合作中，我們確定了成功過渡到以人工智能為先的組織之間的共同特征。以下是數字領導者可以采取的一系列明智的第一步，以啟動，加速或糾正他們的AI轉換。

［請注意不良的IT體系結構的9個警告信號，并了解為什么這10條過時的IT原則仍然存在。|訂閱CIO新聞通訊。］

1.規范對人工智能的理解

火星首席數字官Sandeep Dadlani等數字先鋒已經采取了戰略性方法來正規化對AI的理解。在7月與Metis Strategy的對話中，Dadlani表示，他故意推遲了正式AI課程的開發，轉而采用以業務為中心的方法，該方法將“幫助人們通過解決環境中的問題來學習。”團隊接觸到每個業務和市場，并首先了解需要解決的問題，然后應用AI和以用戶為中心的概念來解決它們。與高級領導者進行的快速頭腦風暴會議也可以幫助加深組織對AI的理解。在垂直軸上使用具有AI技術（例如，有監督的機器學習，無監督的機器學習，自然語言處理）的簡單矩陣，以及在水平軸上具有業務問題的矩陣，可以用來構建對話框架。然后，主持人描述了每種技術的可能性，高級領導者集思廣益用例來解決現有的業務問題。高級領導者可以在自己的團隊中重復進行此練習，以確保這種理解在整個組織中不斷擴散。

2.定義人工智能如何推動業務發展并創造更多獲勝方式

有效的策略以最簡單的形式回答了兩個主要問題：在哪里玩和如何獲勝。以人工智能為先的公司使用AI創造更多的取勝方式，例如提供個性化體驗或創建可指數擴展的功能。作為數字化領導者，闡明人工智能與業務成果之間的關系對于達成認可至關重要。具體而言，公司應準確定義AI計劃將如何影響您的業務模型的各個方面，包括客戶價值主張（例如，客戶為什么購買），利潤公式（例如，我們如何實現利潤）以及關鍵資源/流程（例如，如何我們創造并交付價值）。

知道這些問題的答案通常是為AI計劃提供初始資金的先決條件，但是許多高管未能以與業務產生共鳴的方式進行解釋。我們建議與主要利益相關者進行一系列的一對一會議，以確保獲得有關AI投資如何改善業務模型和實現目標成果的清晰故事。尋找有關AI如何改善您的業務模型的靈感嗎？查看我們與AI先驅Sherif Mityas（TGI星期五）和Vijay Sankaran（TD Ameritrade）的討論。

3.找出將限制您的AI轉型的數字基礎裂縫

人工智能驅動的業務成果的承諾吸引了高級領導者，但是技術和組織上的僵化往往介于快速獲勝和真正的企業范圍內的轉型之間。數字化領導者必須制定全面的路線圖，其中包括兩項投資，以贏得快速勝利，同時加強數字基礎。以下是一些有助于實現順利運行的建議：

擺脫部落的運作模式

大型企業，不管他們是否承認，通常都按照由損益表，業務部門和職能定義的“部落”運作。績效激勵措施與這些部落保持一致，在進行戰略規劃和資本配置活動時會產生“我們與他們”的心態。這導致了一個由不同數據和應用程序組成的技術產業，每個數據和應用程序旨在推動有益于某個部落的成果。人工智能優先組織超越了組織孤島，并在標準的數字基礎上積極致力于重建企業。例如，微軟在其數字化轉型期間將IT重命名為“核心服務”，以表示其與BU無關的縱向，新使命，即提供組織可用來構建運行整個公司的流程的組件。

集中和標準化您的數據，以全面了解客戶

由于部族結構的原因，跨組織出現的不同的（通常是不兼容的）應用程序和數據源使連接不同客戶交互之間的點變得困難。許多組織已經意識到了這一缺點，并啟動了多年計劃來構建企業范圍的數據平臺（或“數據湖”），以吸收，關聯和集成所有數據源，并開發出客戶的360度視圖。借助跨組織過程的受信任數據源，公司可以使用監督學習算法來開發AI應用程序，從而搶先識別可能流失的客戶并主動將業務擴展到高風險客戶。