回想互聯(lián)網的興起，每當一種新平臺興起的時候，都需要新行業(yè)的公司具有一種不同的DNA。換句話說，即使西爾斯(Sears)或梅西百貨(Macy's)這種線下零售公司開設了網站，它們也不能算是電子商務互聯(lián)網公司。全新的組織結構和不同的思維方式成就了亞馬遜，并在隨后的二十年中徹底改革了電子商務格局。

實體店+網站 =互聯(lián)網公司

之所以這樣說，很大程度上是因為有太多新的職能、方法和過程都需要開發(fā)新的技能，這些技能是老兵不能或不愿意做到的，如A / B測試和快速實驗。

剛剛涉水互聯(lián)網的傳統(tǒng)公司可能并不重視A / B測試和實驗。這既導致數(shù)據(jù)工程師需要不斷使用可擴展框架來搭建現(xiàn)有系統(tǒng)，以便部署常規(guī)實驗，還導致需要大量數(shù)據(jù)學家每天(而不是每小時)解讀這些實驗的結果。數(shù)據(jù)科學在網絡時代擁有嶄新和獨特的功能，其作用之大史無前例。

此外，產品的開發(fā)周期也發(fā)生了意外的變化。網絡使公司真真切切可以隨時部署新產品。西爾斯(Sears)每季度推出一個新的產品目錄;亞馬遜可以每天(甚至每小時)推出一個新的“產品目錄”。這些互聯(lián)網所具備的新屬性需要不一樣的準備和規(guī)劃才能被充分利用。團隊之間如果可以相互協(xié)作，把握好軟件推出節(jié)奏，不僅能與用戶快速升級或修復系統(tǒng)，還能快速收集用戶反饋、改進產品。

新組織的核心特點包括創(chuàng)建“產品經理”角色以及提升工程師的話語權。工程師團隊將有主動權，不再被動接受銷售與營銷團隊的命令。

突然間，在產品開發(fā)階段建立并擁有主要話語權的工程師就被奉為英雄了(本身確實應該如此)。產品經理的誕生令既有技術又有敏銳商業(yè)觸覺的個人有了崛起的機會——他們也同樣了解如何與工程師交流，或者與設計師討論用戶界面需求，與銷售和營銷人員暢談客戶需求。更重要的是——他們能夠應對內外所有質疑，將產品交付到用戶手中。

互聯(lián)網公司+ 深度學習 = 人工智能公司

傳統(tǒng)實體企業(yè)不能僅靠開個網站就馬上能變成一個電子商務公司。同樣地，傳統(tǒng)互聯(lián)網公司要變?yōu)橐患?ldquo;人工智能公司”，只是建立一系列神經網絡是不夠的。成功的人工智能平臺轉型需要新的組織、職能和方法。這在有機器人技術參與的領域表現(xiàn)尤為明顯：自動駕駛汽車、工業(yè)自動化(工廠、倉庫等地的機器人)、自動最后一英里投遞等等。

數(shù)據(jù)網絡效應

在這個時代，數(shù)據(jù)的地位比起其在互聯(lián)網年代變得更加重要。有戰(zhàn)略性地獲取數(shù)據(jù)將是人工智能時代最重要的事情。注入培訓框架從而產生習得模型的極其大量的差異化數(shù)據(jù)集將成為新的人工智能公司的主要競爭優(yōu)勢。很多公司很有可能使用硬件來收集這種數(shù)據(jù)。他們可能投入巨款出售硬件，將產品滲透到特定市場(住宅、汽車、辦公室市場等)。硬件的存在將對這些公司產生數(shù)據(jù)網絡效應，也就是說，假以時日，這些公司將在各自領域從其他競爭對手中贏得復合競爭優(yōu)勢。

一家公司獲得的縱向數(shù)據(jù)越多，他們的模型和所做出的自動化決策就越好。這些必須是“良好”、“干凈”的數(shù)據(jù);而不是無用數(shù)據(jù)的輸入輸出。更優(yōu)的產品能被更好地利用，轉而提供更多的數(shù)據(jù)——這就是數(shù)據(jù)生命周期的優(yōu)勢。

決策自動化

決策自動化也將會變得尤為重要。所謂的決策自動化是指機器在無需人手操作下自動決策的能力。一個公司產品實現(xiàn)自動化決策的速度越快，公司的競爭優(yōu)勢就越大。比如，就“最后一公里”的投遞機器人來說，人員需要多久對它進行一次遠程操作呢?如果在機器過馬路或者必須要避讓人行道的障礙物的時候，人類不需要進行遠程的干預，那么這個公司的規(guī)模效益就會更大。

接下來問題就在于，對于管理機器人隊伍的遠程操作員來說，機器人廠家能在多短的時間內使得機器人的自動化比率達到75%，甚至90%。工廠和倉庫也是一樣，這些機器人需要達到最高水平的自動化決策。

新的產品團隊

在這些新興機構里也可能會產生過多衍生角色。產品管理會有所變化，設計也是一樣。在互聯(lián)網和移動工具時代的進程中，各個領域中的大多數(shù)公司都已傾向于不再把注意力集中在硬件方面。取而代之的是現(xiàn)代產品組織的三巨頭：產品、設計和工程。隨著無人駕駛汽車、產業(yè)自動化、機器人、智能家居等的出現(xiàn)和發(fā)展，未來社會將會需要機械和電氣工程師、產業(yè)工程師，甚至還可能需要物理學家和數(shù)學家的潛在需求或許也將會顯現(xiàn)出來。

毫無疑問，還會需要更多數(shù)據(jù)科學家，數(shù)據(jù)科學本身可能成為一項商業(yè)技能，像“編程訓練營”( HackReactor)會訓練數(shù)據(jù)學家來把TensorFlow這樣的行業(yè)標準工具運用在特定的數(shù)據(jù)集上。制定新型建模策略的專家們可能會更像房屋建筑師，他們承包了藍本的構建，但他們甚至可能從不參與實踐。

產品經理的角色

產品經理的角色也會有極大的變化，我猜測產品經理以后會分為兩種類型。一方面，產品經理可能會更強調對項目管理和對目標客戶的產品營銷。這類產品經理會經常地與客戶打交道，更密切監(jiān)控進程并從市場上獲得反饋。他們還會與市場營銷部門更密切合作，進行進入市場前的故事營銷，專注于讓機器人和人工智能對用戶和公司更加友好。

在另一個方面，將會出現(xiàn)一些具備高級技術技能的產品經理，他們的工作與工程部門的聯(lián)系非常緊密(甚至很有可能需要向工程部報告)。在人工智能和深度學習的背景下，這類產品經理需要了解，現(xiàn)在可以做到的事情是什么，為兩年、五年后的需要收集的數(shù)據(jù)做規(guī)劃，來實現(xiàn)更多事情。那意味著將來不只需要建立功能路徑圖，還需要建立一個數(shù)據(jù)路徑圖。除此之外，獲得必要數(shù)據(jù)和審改數(shù)據(jù)集不再是重點——重點是需要從一開始就構建能收集數(shù)據(jù)的產品。產品經理需要弄清楚哪些信號是重要的，然后制造產品來搜集發(fā)出信號的數(shù)據(jù)集。

結論

雖然人工智能將需要時間繼續(xù)發(fā)展和進一步滲透市場，我的確相信深層次學習將影響我們日常生活的方方面面——從我們如何上班、工作的時候如何提高生產力，到我們如何得到食物和如何連接家庭居住空間。組織可以憑此獲得無限機會進行資本化，也需要避免很多問題(參見百視達Blockbuster的破產)。

如果說互聯(lián)網浪潮曾預示過什么，那就是未來將會有很多贏家和輸家。對于現(xiàn)存的企業(yè)，他們的成功很大程度依賴于公司DNA的變化速度以及能否抓緊下一個平臺潮流，并吸取互聯(lián)網產業(yè)的歷史教訓。下一個十年值得拭目以待。