德思勤想｜如何利用AI引领企业高效转型？《AI行动方案》给出行动指南

如何应用人工智能（AI）技术

提高企业组织的效率？

怎样利用AI和数据驱动型决策

打造全新的产品和商业模式？

如何在企业的核心业务流程和企业运营中

系统地部署AI工具？

AI时代的领导力真谛又是什么？

——这些问题不仅关乎企业的未来发展，更直接影响着行业的竞争格局和市场的整体走向。

新兴科技公司正凭借原生数字化的优势，深度布局AI领域。同时，一些颇具远见的老牌企业也在积极探索转型，尝试踏上AI的快车，期望通过全力押注这项技术从根本上改变其业务、流程、战略、客户关系和企业文化。尽管这些企业仅占大公司总数的不到1%，但它们却是各自行业的佼佼者，横跨消费、金融服务和医疗健康等多个行业。它们争分夺秒，以期实现更明智的决策、更优质的客户关系、更出色的产品和服务，获得更高的价值，进而打造符合新时代需求的商业模式。

在此背景下，巴布森学院的校长特聘教授托马斯·达文波特（Thomas H. Davenport）和德勤AI战略负责人尼廷·米塔尔（Nitin Mittal）联袂推出了《AI行动方案》这部力作。

本书特色

战略视野与实践案例相结合：

本书不仅揭示了传统企业如何利用AI创造新的竞争优势，还阐述了打造AI型组织的三种主要战略原型和四条替代路径。通过结合德勤、平安、空客、壳牌、沃尔玛、迪士尼等多家世界知名企业的案例分析，为中国其他企业的AI转型之路提供可借鉴的路径与要点。

全方位指导企业AI转型：

本书从业务、流程、战略、客户关系和企业文化等各个层面，详细指导企业如何落实部署AI，为企业打造AI型组织、成为AI驱动的公司、加快形成以AI为引擎的新质生产力，提供了行动方案和路线图。

广获业界专家的高度评价：

本书获得了360集团创始人周鸿祎、德勤中国人工智能研究院联席主管合伙人范为与尤忠彬、哈佛商学院教授马尔科·扬西蒂等业界专家的高度评价。

作者简介

托马斯·达文波特

巴布森学院信息技术与管理学校长特聘教授、牛津大学赛德商学院客座教授、麻省理工学院数字经济倡议研究员，以及德勤AI实践高级顾问。他在《哈佛商业评论》《麻省理工斯隆管理评论》《金融时报》等媒体上发表了300多篇文章，在《华尔街日报》《福布斯》等媒体撰写专栏，曾被《咨询》杂志评为全球25位顾问之一，被《财富》杂志评为全球50位商学院教授之一。

尼廷·米塔尔

德勤咨询公司负责人，德勤AI战略负责人。在专注于AI之前，他与一些医疗健康和生命科学公司的合作历程长达15年，帮助它们在业务中采集和分析数据。他是2019年纽约AI峰会年度AI创新者奖的获得者。他擅长为客户提供咨询建议，通过数据和AI推动企业转型，进而使企业获得竞争优势。

两位作者凭借与众多领先企业的合作以及对这些公司进行深度剖析的经验，对AI在商业领域的应用与影响进行了全面而深入的研究。达文波特凭借在定量分析领域的深厚底蕴，以及在“数据分析竞争”领域的卓越贡献，为企业提供了独特的视角来审视AI技术的应用。米塔尔作为德勤在美国的数据分析和AI负责人，拥有丰富的实践经验，曾领导多项战略计划助力企业借助AI实现转型。

本书展现了两位作者与众多企业合作的故事，通过分析德勤、平安、空客、壳牌、沃尔玛、迪士尼等企业的AI实践案例，揭示AI与商业战略和商业模式、关键流程、组织、变革管理以及成熟企业当前的技术架构之间复杂的相互作用，发掘竞争和运营的新方式，帮助企业快速行动，决胜人工智能转型。

名家点评

这本书强调“建立AI驱动是公司生死存亡的关键”，与我个人的观点不谋而合，我们要从内心深处相信AI的力量，建立AI信仰，行动上All in on AI（全力押注AI），不断提升“含AI量”。这本书是一份AI行动方案，不仅剖析了AI如何重塑企业竞争优势，更提供了通往AI型组织的战略路径，为企业在新一轮技术变革中抢占先机提供了启示。此外，书中收录的先行者案例和经验，也为各类寻求向人工智能转型的公司提供了参考。

——周鸿祎

360集团创始人

这本书讲述了企业如何利用AI创造新的竞争优势，阐明了通往AI型组织的三大战略原型和四条替代路径。在本书撰写过程中，德勤中国团队安排了领先客户的访谈调研，以获取AI在企业实际应用中的真实反馈。以平安集团为代表的中国领先企业展现了卓越的智能化转型实践，备受全球关注。在国家推动“人工智能+”行动的大背景下，这些宝贵的经验和洞察为中国企业打造AI型组织、成为AI驱动的公司、加快形成以AI为引擎的新质生产力，提供了行动方案和路线图。

——范为、尤忠彬

德勤人工智能研究院联席主管合伙人

大多数组织只触及AI可能实现的事情的表面。如果你想了解将AI作为变革性商业资源意味着什么，请阅读这本书并遵循其建议。

——马尔科·扬西蒂（Marco Iansiti）

哈佛商学院教授，《AI时代的竞争》作者

主要章节

本书深入探讨了企业应如何运用AI技术，并提供了丰富的成功案例分析，帮助读者理解AI驱动的公司如何在实际操作中运用AI。全书分为七个章节：

第1章

AI驱动意味着什么

论述了一家AI驱动的公司需要具备哪些条件，包括公司运用的特定技术、实现价值的方式，以及定义一种全力押注AI 方法的构成要件，并通过介绍平安集团和星展银行的案例进行了具体说明。

第2章

人性的一面

聚焦于人性在AI实践成功中的重要作用，探讨了领导力、行为和变革对AI实践的影响，并介绍了星展银行、摩根士丹利（Morgan Stanley）、罗布劳（Loblaw）和CCC智能解决方案（CCC Intelligent Solutions）等公司的领导力实践以及壳牌、德勤、空客、蒙特利尔银行、礼来（Eli Lilly）和联合利华（Unilever）等公司在提高管理层和员工对AI理解和采用方面的经验。

第3章

战略

着重介绍了AI如何实现或变革商业战略，提出了三种主要的战略原型，并通过罗布劳、丰田、摩根士丹利、平安、空客、壳牌、SOMPO、安森保险（Anthem）、费埃哲（FICO）、宏利保险（Manulife）、前进保险和Well等公司的案例展示了这些原型在实际中的应用。

第4章

技术和数据

讨论了技术和数据在AI应用中的关键作用，具体介绍了现代的、面向AI的技术基础设施和数据环境，以及AI工具箱中的所有工具，包括AI数据、AutoML（自动机器学习）、MLOps（机器学习运维）、传统技术，以及扩展AI应用。以星展银行、克罗格公司（Kroger Co.，及其子公司84.51°）、壳牌、联合利华、安森保险和空客等公司的实践为例进行了说明。

第5章

能力

关注了AI能力的评估和排名，详细介绍了不同战略原型下的能力模型，并以平安、丰业银行、宏利保险、前进保险和安森保险等公司的能力为例进行了深入剖析，同时介绍了合乎伦理的AI能力，并将联合利华作为主要案例进行了分析。

第6章

行业用例

聚焦于不同行业的AI用例，将用例分为“常见”和“不常见”两类，并提供了沃尔玛、希捷、第一资本、美国政府和新加坡政府、克利夫兰诊所、辉瑞、诺华（Novartis）、阿斯利康（AstraZeneca）、礼来和迪士尼等早期积极采用者的案例，展示了AI在不同行业中的实际应用。

第7章

成为AI驱动的公司

最后提出了四条可供选择的路径，帮助企业成为AI驱动的公司，并通过德勤、CCC智能解决方案、第一资本和Well等公司的案例展示了这些路径的具体实践。

本书虽非全力押注AI的标准配方，但相信其中的案例和经验能为每家公司各具特色的智能化转型提供有益的参考和启示，并激发更多企业积极行动，跟上AI时代的步伐。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】