本书阐述了认知分析和人工智能对培训、实施、领导力和个人发展影响，针对建立新的商业模型以及个体如何为未来做准备给出了建议。
本书窥见了在零售、金融服务、公用事业等产业中的认知技术和人工智能的进展将如何改变客户与企业互动的方式，以及专业人士可能需要面向未来进行调整的诸多方面。
本书基于广泛的调研与科学数据，借助了大量的调研结果、统计数据以及图表，内容严谨，参考价值较高。
作者托尼•布比尔在IT和保险领域拥有超过30年的经验，尤其擅长大数据分析，并越来越多地参与认知分析的实施，在大数据和分析领域有较强的发言权。
【内容简介】
本书是一本介绍人工智能和认知分析的入门读物，值得商业人士一读。
大数据风潮刚刚掀起，而数据驱动决策自动化技术就已经渗透到了我们的个人生活和职业生涯中。本书可以让你打开视野，指导你用内行人的眼光，看看认知系统的全新进展如何改变零售、金融服务、公共事业和传媒等重点行业中的消费者与商业的交互模式。同时，本书还深入挖掘了医药、市场营销、交通运输、法律及更多领域中，个人职业将会受到的影响。
本书的内容涵盖以下方面：
提供人工智能发展历程的有益描述，包括它对多个特定产业及职业的影响。
详细勾勒了认知技术在特殊领域应用的完整流程，包括领导力、人员招聘、培训 和协作等。
检视了人们用来调整未来预期的途径，包括如何进行消费决策、不同的工作方式等。
【作者简介】
托尼•布比尔（Tony Boobier）是IBM的一位营销主管，其在IT和保险领域拥有超过30年的经验。他目前关注的是一种面向所有行业的融资和风险问题的“采购商解决方案”，其专长是大数据和分析，并越来越多地参与认知分析的实施。布比尔是英国特许工程师学会、英国特许市场学会、英国特许保险学会和英国特许损失调整机构的会员。此外，他还是Analytics for Insurance（暂译为《保险分析》）的作者，该书于2016年出版，尚无中文版本。
【目录】
鸣谢
序：威灵顿与滑铁卢
引言
开篇 我们所称的工作究竟是什么
摘要
简介
要工资还是要自由
工业化的兴起
Z 一代和馥芮白社会
失业的影响
取代工作的需要
结论
*章 高级分析导论
摘要
简介
商业智能
高级分析
规范性分析
商业规则
认知分析
分析输出的准确性
结论
第二章 人工智能
摘要
简介
图灵测试
达特茅斯会议
后达特茅斯时代，人工智能的冬天、奇点
人工智能的春天来了吗
人工智能如何工作
电脑有创造力吗
结论
第三章 人工智能对前沿产业的影响
摘要
简介
金融服务业
保险业
汽车行业
关键性进展
向零创新
人工智能及汽车制造
媒体、娱乐和电信行业
零售业
结论
第四章 人工智能对后发产业的影响
摘要
简介
建筑业
增强现实技术
无人机和遥感影像
承建商工厂及设备
员工行为
建筑业文化变迁
公用事业和基础设施适应性
建筑业小结
公用事业
电力
天然气
水
污水
智能家居，智能基础设施?
互联性、贫穷和饥荒
公共服务行业
教育行业
警务行业
医疗保健行业
农业
科技行业
结论
第五章 人工智能对职业的影响
摘要
简介
工作与职业
能力的重要性
莫伊韦克悖论为何对专业人士构成威胁
管理
财务办公室
法律职业
销售和营销
零售商
商业媒体
出版业
运输业
工程师与建成环境
医疗行业
数据中心
企业家
结论
第六章 风险和监管
摘要
简介
风险是什么
技术与系统故障
数据安全及私隐
员工失误与欺诈
程序、系统和策略不当
声誉风险
外部风险
金融风险
人工智能及合规前景
角色、监管科技和原谅机器
结论
第七章 实现路线图
摘要
简介
员工培训的新思路
机器人和过程自动化
实施框架
大爆炸式转型可行吗
结论
第八章 新商业模式
摘要
简介
增强技术还是自动化？
时间问题和地点问题
语境洞察
双关语和沟通
面向新市场的新商业模式
结论
第九章 应对未来
摘要
简介
人工智能的现有岗位
人工智能的未来角色
人工智能教育
个人成功能力
计算机能创新吗
与机器人共生
长者护理和机器人
接受计算机指令及建议
机器人规则
结论
第十章 个人重塑策略
摘要
简介
个人重塑的需要
改变有多难？
活动及会议的重要性
特许经营权的自由——从雇员到所有者
我们能应付无所事事吗
第三龄思维
结论
附录A 实施流程图
附录B 受人工智能影响*的职业
附录C 人工智能专业机构名录
注释
【免费在线读】
第八章 新商业模式
摘要
在本章中，我们将探讨由于智能系统的应用而可能出现的新商业模式。这些模式可以包括新的价值链、重新定义的雇佣合同以及不同形式的领导力。
在一个数字化的世界里，未来的商业模式可能不仅仅是对现有流程的数字化复制，而是可以容纳新的、看似混乱的创新系统，它将更加适合波动的市场环境。
简介
商业模式是一个相对模糊的术语，因为它的定义中似乎存在一定的灵活性。在《新新事物》（The New, New Thing）一书中，作家迈克尔·刘易斯（Michael Lewis）认为，商业模式简单地说就是“你打算如何赚钱”。
当然，这个话题在过去一直备受关注，德鲁克、波特等人出版了很多相关著作。琼·玛格丽塔（Joan Magretta，哈佛商学院高级研究助理）认为，模式就是商业的运行方法——通过向客户提供产品和服务获得利润。
模式的概念来自一种理念，即每一个经济活动都可以作为一个单独成分进行建模，就像亨利·福特等人对汽车制造业务进行整合，重新组装零部件，以更高效地创造利润。
商业模式通常与所谓的价值链相关联。一系列作业或组件共同推动流程从设计、采购、制造到营销、出售和分销的转变。模式或者价值链，在理想情况下不仅需要考虑企业内部问题，还要关注来自组织外部的关键影响。企业所处宏观环境分析（PEST）或态势分析（SWOT）通常对于构建那些将对业务价值产生*影响的因素是有帮助的。一些人可能会认为，在当前形势下，特别是在变幻莫测的商业环境中，这些传统的分析形式正在变得越来越不适用。这就是预测市场外部环境和客户行为所面临的困境。
虽然经常有人说我们正在进入或者已经进入了一个被称为第四次工业革命的新时代，但是这个新时代也许还可以被称为“不确定的时代”［此表述来自经济学家约翰·肯尼斯·加尔布雷斯（John KennethGalbraith）］。分析与洞察是理解业务表现和企业外部力量的关键。除此以外，背景分析（analytics in context）可以帮助我们更好地理解市场。当与更精简、更灵活的业务相结合时，背景分析可以让企业经营更具活力，生态系统运行更加迅捷。
在这种充满活力和灵性的工作方式中，企业通过相对静态的商业模式获利的可能性变得越来越小。丽塔·麦格拉思（Rita McGrath）在《当你的商业模式陷入困境时》（When Your Business Model Is in Trouble）一文中提出建议，当创新只能提供越来越小的增量式改进、难以推出新产品、创新步伐落后于竞争对手时，企业就不得不提高警惕了。“胆大妄为”似乎有了用武之地。
马克· 约翰逊（Mark Johnson） 在他的《白地策略》（Seizing theWhite Space）一书中，借鉴现有经验提出了以下激进的商业模式。
部分化（Fractionalisation）。例如，像分时享用所有权一样，出售某物的部分使用价值。
免费增值。就像领英（LinkedIn）一样，对基本服务免费，对优质服务收费。
低接触。通过大幅度降低服务质量来降低价格。
其他创新模式包括发债、捆绑、众包、租赁和订阅。约翰逊的主张是，一个组织不应该只盯着它的同行，而应该看看别的群体或企业在干些什么。
由此也可以得出结论，虽然世界各地的市场成熟度不同，企业都应该关注本土之外的新商业模式。当前的模式通常是由本地传统和排外行为结合的产物，而真正的创新很可能受到非本地因素的影响。
例如，以下这种方法在消费品零售行业中变得越来越普遍：把商业街的商店当作商品展示的橱窗，而真实的交易却在网上进行。这似乎已经成为亚洲部分地区的商业模式。在这种新的商业模式中，商品是去中介化的（直接销售，不需要任何中间商），现有的商业街分销渠道遭到了蚕食。
由于这种销售方式的存在，商业街的零售商在多大程度上会面临威胁？为商品提供一个展示橱窗可能会刺激网上销售，但零售商如何确定实体店的存在对在线购买有积极的促进作用？在前文中，我们讨论过购物中心正在发展成一种更广泛的购物体验，但是商场里的店铺难道不需要继续营生吗？我们能有效地将特定地点的消费者客流量与在线购物量关联起来吗？
因此，新商业模式可能不仅会威胁到现有的分销渠道，而且还会影响那些传统渠道的雇员。在“不确定的时代”里，不仅管理者和领导者会受到影响，商业模式或价值链本身所涉及的所有人也都不能幸免。
如果我们认为商业将变得更加灵活，人工智能诱发的商业模式在本质上是动态的——始终处于不断变化的状态之中，那么这难道不会对劳动力构成影响吗？
零时合同——雇主不向雇员承诺*少工作时数的合同，到目前为止，被认为会对仓库或快餐店等较低级别的服务岗位产生影响。在供需不平衡的不确定环境中，这是雇主管理工作负载需求的理想方法。那么，什么时候零时合同会被引入到对更高级别岗位（专业类或管理类）的管理中呢？有些人可能会提出，高级别岗位的职能只能由长期薪金雇员（salaried employees）担任，稳定性非常关键，所以必须保持传统的合同方式。但我们不应该视之为理所当然。
正如本书在前文指出过，如果产业和职业变革在即，那么这种变化势必会影响到雇主和雇员之间的关系或劳动合同。因此，工作的概念以及由此产生的报酬的概念也将不可避免地发生变化。
也许我们什么都不做就能得到报酬？ 2015 年，芬兰决定采用一种名为基本收入（basic income）的商业模式，重复曾经在印度、巴西和纳米比亚进行过的一项实验。基本收入模式并不是一个新概念，它是由社会工程师克利福德·休·托马斯少校（Major Clifford Hugh Thomas）在100多年前提出的。根据目前的方案，芬兰政府每月向一小部分公民支付一定数额的钱（2016年为560欧元），不管他们是否有工作。这个实验的目的是看看那些拥有金融保障的公民，是否还愿意为社会做贡献。
因为商业文化依赖于新教的职业伦理，因此什么都不干却白拿钱是一种异端。然而，美国*成功的投资大师之一沃伦·巴菲特（Warren Buffett）却认为，有一种趋势不可阻挡，即“少数具有非凡才能的人将得到整体经济回报中越来越大的份额，而那些平庸之才会像商品那样大众化，从而导致财富的减少”。
也许我们应该问一个严肃的问题：“平庸之才”究竟是什么意思？当然，这些所谓的平庸之才会具备一些基本的技能，例如生产线上那些可以由机器人操作的技能。平庸之才可能还掌握一些具体的分析能力，如投资管理能力，甚至一些医学分析能力，但这些都可以被自动生成的人工智能取代。驾驶汽车、飞机或火车属于平庸之才的范畴吗？我们是否应该更多地根据人们拥有的非凡才能来考虑他们的个人价值？如果是这样的话，那么这些非凡才能将会是什么？未来是否会出现工匠、创意艺术家和发明家的复兴？在特定地区，市场成熟度会在何种程度上对平庸一词产生影响？人工智能会产生拉平效应吗？
不仅商业模式的改变势在必行，管理者和领导者在这种新范式中的表现方式也需要改变。旧的管理模式和领导模式真的已经寿终正寝了吗？
我们不妨大胆地假设，管理者和领导者所做的工作不属于平庸之类。评估和指导员工业绩表现的智能人才管理工具难道不会影响未来管理者和领导者的工作吗？
我们甚至可以假定管理者和领导者的角色将由人工智能来担任。管理和领导都是商业模式的功能，而不专属于个人的责任，而功能是可以在某种程度上实现自动化的，这是不是很合逻辑？
增强技术还是自动化？
埃森哲公司在2016 年的《人工智能的商业价值转化》（Turning Artificial Intelligence into Business Value Today）报告中，将未来相对不确定的商业模式总结成两种选择：增强技术和自动化。埃森哲借此暗示人工智能有两个主要目的。
提供更多详细见解，协助（或增强）人类行为和决策，从而使决策更加准确及时。
用自动机器人替代由人类承担的简单工作任务，即实现自动化。
增强技术接受起来更容易些，因为它意味着人类仍然会在与机器的某种合作关系中发挥作用。然而，自动化正威胁着一些工作岗位（尤其是那些在本质上相对常规、可以被机器人替代的工作）以及谋生手段。埃森哲公司强调，随着一些工作岗位的消失，另一些工作有望被创造出来。
这份报告将工作任务分为四种类型。
结构化的、稳定的、低容量数据。
非结构化的、不稳定的、大容量数据。
例行的、可预测的、基于规则的工作。
非例行的、不可预测的、基于判断的工作。
该报告由此提出，有四种新的解决方案或新型商业模式可能会出现，它们是效率模式、有效性模式、专家模式、创新模式。
在这种分类之外，还有粒度级别的建议，这意味着每种解决方案都没有清晰明确的定义。许多现有的和新的模式将是不同模式的混合体。同样重要的是，人们已经进一步认识到，人工智能并不是一个“简单”的技术问题，它同时也是一个文化和社会问题。7
我们在这里对商业模式给予了特别关注，然而我们知道，现有的业务流程很可能被新的机器学习和功能颠覆。对这个事实的反思也很重要。
采用现有的商业方法，然后对此进行技术性或数字性的解释，可能是不够的。
我们应该随时准备迎接新的、根本性的办法，这就是颠覆性技术的本质。这些激进的想法将被联通的速度、系统集成的程度和适用的机器智能水平驱动。这些新方法也将受到人类对这些自动化和增强技术的反应及行为的影响。
例如，如果病人知道医生正在使用人工智能来辅助诊断他们的健康状况和病症，那么到什么时候他们将决定去掉医生这个中间人，单独和机器打交道？如果由于经济环境的复杂性和波动性，很多投资决策正在由机器进行增强，那么除了一种温暖的感觉，人类还能提供什么呢？
对机器更加依赖是一种灾难性的滑坡，这与依赖卫星导航高度相似。司机们可能会说，如果卫星导航系统失灵的话，他们按地图开车的本领一定可以恢复。然而，如果地图阅读量减少，那么地图的销量难道不会下降？纸质地图*终不会消失？传统的导航方法不会失传？
我们也可能会错误地认为，计算机还不能自己悟出经营之道。
这个问题可以从以下几个方面来考虑：具有核心财务数据访问权限的高级财务绩效管理工具可以比以往任何时候都能更准确地计算产品、服务和渠道的收益率；所谓的系统沙盒功能（sandbox capabilities）可以对不同场景进行建模；情感分析功能方便组织了解市场需求；机器人投资模型将提供关于风险及回报的更到位的理解。有什么理由去阻碍一个独立系统集合所有这些功能来共同推动（甚至仿效）卖方流程的创新呢？
传统的线性价值链模型正在变得冗余，这一点已经越来越被人们认可。未来的智能企业需要考虑多重内外部因素，确保它们不仅可以在服务和价格方面满足客户需求，还能应对工作环境的复杂性（见图8—1，图略，详见纸书）。
