首席信息官Bhavani Amirthalingam谈人工智能时代的变革驱动力

这位首席客户和技术官坚信，要成功引领大规模转型，从第一天起就必须就采取强有力的变革管理措施。

CREDIT: BHAVANI AMIRTHALINGAM / AMEREN

Bhavani Amirthalingam拥有超过25年的职业生涯，曾在多个行业和地区担任重要技术和行政领导职务。她在World Wide Technology工作了15年，担任这家高科技、高增长公司的首席信息官兼客户解决方案和创新副总裁。随后，她领导了施耐德电气公司（一家名列全球财富100强的能源管理公司）的数字化转型。最近，她在Ameren担任执行副总裁兼首席客户和技术官。她于2018年加入该公司，担任高级副总裁兼首席数字和信息官，之后于2023年加入客户体验和运营部。

在最近一期的Tech Whisperers播客节目中，Amirthalingam介绍了她的职业历程，以及令她成为首席数字信息官并兼任首席客户官，并进入董事会的差异化优势和领导理念。节目结束后，我们又花了一些时间探讨了领导成功的大规模转型需要哪些条件，以及领导者和企业今后应该如何看待和利用人工智能和数据。以下是我们的对话内容，为了简洁明了，内容进行了部分编辑。

Dan Roberts：你在帮助大型企业转变客户体验和提高整个企业的数字商数方面有着丰富的经验，对于其他正在进行大规模转型的领导者，你有什么建议？

Bhavani Amirthalingam：要想转型成功，拥有跨职能团队并制定明确全面的目标极为重要。有时，企业会将转型完全与技术挂钩。但这不是一项技术举措。这不是一项运营计划。它是公司的举措，或者是关乎客户的举措。

首先，让这些转型成功的一个重要因素是，根据整个组织的关键利益相关方，创建一个“二合一”或“三合一”的组织，负责转型并对转型负责——从基层到高层。

其次，组织往往低估了变革管理对转型成功的重要性。他们认为变革管理是项目结束时才做的事情，而这种做法注定会失败。变革管理是在项目一开始就要进行的工作，而且在整个实施过程中和实施后都要始终关注。

变革管理始于明确转型背后的原因，并明确你要共同完成这项工作。你要让那些在前线工作的人，或者是你的客户，你要让他们参与进来，了解他们的观点，这样你就能明白什么对他们是重要的，然后让他们参与整个过程。你需要提前确定并创建这个 “焦点小组”，确保它具有多元化的视角。可能会有某个人是你最好的接受者，因为他想要改变。他们将是最容易接受的人。然后，你可能也会希望碰到某个最难接受的人，因为这可以让你了解他们的顾虑是什么，以及他们为什么会有这些顾虑。

在构建和设计解决方案的过程中，了解和推动变革管理需要从头开始，而不是从第九天或第十天开始，因为很多时候，事情就是在这一天崩溃的。要有良好的主人翁精神，不仅是对技术团队，更是要对那些会影响整个组织的团队和领导的主人翁精神。

人们会被技术迷住。他们已经等待了很长时间，对技术充满了渴望，因此你必须向前迈进。但这样一来，你就没有考虑到变革管理，也没有考虑到你要颠覆和改变的是人们多年来一直沿用的方式。

还有哪些潜在的盲点会影响你的成功？

你可能有正确的目标、正确的举措、合适的团队，每个人都团结一致，你已经有了正确的变革，而且采用率也很高，但你可能无法实现转型的价值。

价值实现是转型的一个重要方面，因此你们必须事先共同确定成功的样子。我们要通过哪些关键绩效指标来说明我们已经达到了X，我们需要达到Y，而我们已经能够达到Y。时间框架是怎样的？过程是怎样的？

然后，当你谈到全球财富500强企业时，就会发现有很多复杂的层面。你必须了解组织动态和文化。例如，组织可能真的是矩阵式的，所以你必须弄清楚你需要做什么才能让每个人达成共识。

你还必须确保首席执行官参与其中，而不是仅仅只有技术领导或运营领导参与。当你考虑这些大型转型时，你希望带来大规模的影响并长期改变组织的数字商数，首席执行官的理解和参与是成功和实现价值的必要条件。

在职业生涯中，你利用数据和人工智能做了很多令人兴奋的事情。对于领导者来说，利用人工智能在影响员工工作方式和改善客户体验方面有哪些机会？

首先，我要说人工智能并不新鲜。早在20世纪50年代，机器学习就已经出现了。20世纪80年代，利用数据和算法来模仿人类学习的方式开始出现，并在2000年代进一步发展为深度学习。计算速度的提升带来了大型语言模型的创建和扩展，现在这些模型已经使人工智能民主化，并在词典中为ChatGPT开辟了一席之地。

我曾有机会利用人工智能改善客户体验，让客户更深入地了解自己的能源使用情况；通过预测和预防故障来提高资产性能，并有针对性地进行维护以提高可靠性；通过检测煤气和热水器泄漏来提高客户和员工的安全性；通过优化电路电压来降低低收入客户的账单等等。我对领导者的建议是，确定潜力和影响最大的领域，评估数据的准备情况，建立或部署利用人工智能的现有解决方案，并从计划一开始就重新思考人们将如何利用这些新功能以不同的方式工作。

关于生成式人工智能，我们可以采取多种方法。首先，你可以成为一个接受者，了解目前你所拥有的现有软件平台中的嵌入式功能，并确定如何利用这些功能为组织服务。例如，你目前用于软件开发的平台现在已具备人工智能功能——你如何利用这些功能来简化协作套件、客户关系管理、劳动力等应用的开发和功能？

第二种方法可以是“整形器”，即利用一个现成的大型语言模型创建一个私有、安全的实例——本质上就是为企业创建自己的ChatGPT版本，并根据公司的特定数据进行微调，以实现企业的特定用例。你可以为整个企业的不同职能构建助手。第三种可能是制造者，你可以建立自己的大型语言模型，这种模型可能既昂贵又复杂，但却能为你的企业创造差异化价值。

各行各业最常见的两个用例是提高开发人员的工作效率和提高呼叫中心客户服务代表的工作效率。其中一个例子是对通话后的工作进行总结。你可以提高生产力、效率和互动方式，这样你就可以把时间花在更重要的、只有你才能做的事情上。关键在于确定具有最大业务价值和影响的用例，并且明确能够如何改变工作方式，从这些功能中受益。在建立这些能力的过程中，你必须时刻铭记网络安全。

人的因素将变得更加重要，而不是相反。牢记这一点并提高我们员工的相关技能非常重要。人工智能不会夺走每个人的工作，但正如哈佛商学院的Karim Lakhani所说：“人工智能不会取代人类——但拥有人工智能的人类将取代没有人工智能的人类。”

请与我们谈谈领导者应该如何理解数据质量在人工智能部署中的作用。

数据质量是人工智能有效部署的基石。没有数据质量，扩展人工智能解决方案就如同建造大楼而没有坚实的地基。领导者必须优先考虑对数据质量和管理的投资。使用高质量数据训练算法需要大量时间，但这对于大规模实现预期的成果是必不可少的。试点项目往往揭示了扩大规模的可行性；然而，从商业的角度，并非所有项目扩大规模都有意义。关键是要在设计可持续架构时考虑到最终目标，确保可扩展性与业务目标相一致。

领导者应将数据质量视为战略资产。高质量的数据可确保算法得到有效训练，从而提高人工智能应用的准确性和可靠性。建立强大的数据管理框架以确保数据的完整性、安全性和合规性至关重要。这一基础可为人工智能系统提供支持，使其能够随着业务需求的发展进行调整和扩展。

你认为人工智能将如何影响业务的各个方面？

我认为，业务的方方面面都会以某种形式或方式受到影响。打个比方，想想互联网、移动、社交媒体和云技术在过去25年里是如何改变了我们的工作和生活方式。人工智能将对我们的日常生活和业务运营方式产生更大的影响，而且我认为这种变化将更加迅速。

无论是应对气候变化的挑战，还是找到治愈癌症的方法，这些能够改善人类生活的大型复杂问题有可能在我们的有生之年内解决，我对此感到由衷的兴奋。想想制药行业，药物研发需要多长时间。我认为人工智能的使用将大大缩短这个过程。在产品创新方面，根据行业的不同，你所提供的服务或产品本身可能会经历重大演变，甚至从根本上被颠覆。因此，非常重要的一点是，你也要关注你所提供的 “产品”，并从这个角度去思考。

听到你如此充满活力而乐观地谈论人工智能，这非常有趣，因为许多人对人工智能的态度要焦虑得多。

考虑到人工智能在解决我们目前无法解决的疾病方面的潜力，这令人振奋。然而，这种进步并非没有风险。网络安全和数据隐私是必须解决的关键问题。实现人工智能的数据中心的能耗对我们的净零碳目标提出了挑战。尽管存在这些挑战，但我相信，我们将制定必要的保障措施，继续利用人工智能为人类造福。我相信人工智能将有助于解决人工智能带来的一些挑战。