人工智能将如何改变公司战略：亚马逊思维试验

2017 年 10 月 20 日 大数据文摘 认真学习的

大数据文摘作品

作者：Ajay Agrawal、Joshua Gans、Avi Goldfarb

翻译：Happen

AI将如何改变公司战略？

这是我们三个人在公司高管那儿听到最常见的问题，它回答起来并不简单。AI从根本上来说是一项预测技术。随着AI预测成本越来越低，经济学理论需要更频繁、广泛地用到AI预测，预测补充的价值——例如人类行为判断——将不断提升。这对战略来说又意味着什么？

我们可以用亚马逊的思维实验来说明这个问题。很多人都能够熟练地在亚马逊网站上购物，这和大多数的在线购物平台一样，你选择一些商品然后加入到你的“购物车”并付款，然后亚马逊再将商品寄给你。此时，亚马逊的商业模式就是“购物再送货”模式。

大多数顾客在购物时都会留意到亚马逊的推荐引擎，因为它会根据AI预测到的你想买的东西来提供购物建议。目前亚马逊的AI对数以百万的商品的预测还算是比较出色的，虽然它们远不够完美。在我们的例子中，AI在5%的时间里能够精确地预测到我们想买的商品。换句话来说，在它每20件商品的推荐中，都能压中1件顾客想买的产品，这个结果还算可以。

现在我们来讨论下亚马逊思维实验。

想象一下亚马逊AI收集到的个人信息超越我们的想象：不管是我们在网站上的那些搜索和购买行为，还是其它的一些在线和离线的信息，比如我们在“Whole Foods”超市的购买行为等。它不仅知道我们买了什么，而且还知道我们购物时间、地点、付款方式等等。

你可以想象一下AI使用这些数据来改进预测。我们认为这种改进类似于在音响上转动音量旋钮。但在这里指的不是调整音量，而是提高AI预测的精度。当亚马逊的数据科学家、工程师、机器学习专家们不知疲倦地提高了预测机器的精度，亚马逊的战略又会发生什么改变？

当他们“转动旋钮”（提高精度）时，AI的预测精度在某个时刻将跨越一个阈值（上了一个台阶）。这会使亚马逊有兴趣去改变自己的商业模式。由于它的预测变得足够准确，它将预测出你想购买的物品并主动送货上门，而不是等待你去选购，这对亚马逊的盈利是莫大的好处。每个星期，亚马逊都会给你寄一些它预测你想要的物品，然后你就可以从送货箱子里挑选出你想留下的物品，从而舒服、方便地在家里购物。

这种做法对于亚马逊有两种好处。首先，预测性送货带来的便利性使你不太可能再从竞争零售商那里购物，因为在你去别处购物之前，商品就已经便利地送到你家了。其次，预测性送货会推动你购买一些你正在考虑购买但周围可能没法获取的物品。在这两种情况下，亚马逊都将获得更高的市场份额。所以，提高预测精度将改变亚马逊的商业模式，从“购物再送货”转变成了“送货再购物”。

当然，顾客并不想处理退货的麻烦。因此，亚马逊将投资商品退货所需的基础设施——有可能是一队货车，负责每周接送一次，方便地收集那些顾客不想要的商品。

问题来了，如果这是一种更好的商业模式，为什么亚马逊还没有落实呢？也有可能他们正在做这件事，但是如果现在就开始部署、收集和处理退货的成本可能会超过市场份额的收益增长。假如，今天顾客退回了95%的送货商品，他们不仅会很恼火，从商家角度来说，亚马逊也会为此付出昂贵的代价。所以，对于亚马逊来说，预测还没好到能采取新的商业模式的程度。

你可以想象这样一个场景：因为公司预感总有一天这种模式会盈利，所以在预测精度达到盈利程度前，亚马逊就采用新的战略。通过快速启动，亚马逊AI将更早获得更多数据，并提升更快。亚马逊意识到越早开始，竞争对手就越难赶上。更好的预测将吸引更多的顾客，而更多顾客也会为AI提供更多训练数据，那么更多数据将产生更好的预测等等，从而形成一个良性循环。换句话说，AI的回报将越来越多，因此采取这种战略的时机非常重要。过早采用可能代价昂贵，但是采用太晚可能是致命的。

这里的关键点在于：调整预测机精度对于战略是有重大影响的。

在这个例子中，它使亚马逊的商业模式从“购物再送货”到“送货再购物”，激发运转退货服务（包括一队货车）的垂直整合，加快投资以占据先发优势从而回报更多。这一切都源于预测机精度调整这一单一行为。

很多读者可能对Blockbuster及Borders这样的公司结局很熟悉，但他们低估了在线顾客行为在线上购物环境和数字化商品配送及服务中变化速度能如此之快。又由于在商业互联网的早期（1995-1998），这种技术最初采用较慢，最终使得他们陷入了自满的泥沼。

在AI迅速发展的今天，一些公司正在做早期押注，他们期待预测机调整一旦势头较好，将带来巨大回报。很多人都知道谷歌公司在2014年用5亿美元收购了DeepMind公司一家收入甚微的公司，但它开发了一款AI能够以超人类水准来玩的Atari游戏。

可能少数读者也发现了越来越多传统公司开始在AI回报上押注。在2016年，通用汽车公司用超过10亿美元收购了AI初创公司Cruise Automation；在2017年，福特汽车公司给AI初创公司ARGO AI投资10亿美元；John Deere用30亿美元收购了AI初创公司Blue River——这三家初创公司相比收购价格来说都收入甚微。通用汽车公司、福特汽车公司以及John Deere都在AI指数级增长的表现上押注，并期待这些付出能够给他们的商业战略带来重大影响。

战略家们面临两个问题。首先，他们必须投入更多时间来更好地理解预测机器的调整如何更快更长远地改变他们的领域和应用。其次，他们必须投入时间来写一篇基于调整AI预测结果来选择商业模式和战略的论文，类似于我们为亚马逊做的思维实验。

因此，什么是开启AI战略的首要主题呢？你可以闭上眼睛，想象你的手指正放在预测机器的调整按钮上，然后回想Spinal Tap的不朽名言“调到1”（也就是调到最大）。

上述内容都来自于即将出版的书籍《预测机器：人工智能中的简单经济学》（哈佛商学院出版社，2018年4月）。

优质课程推荐：《人工智能的数学基础》

往期学员评价（by 郭承坤）

人工智能技术当下发展迅猛，层出不穷的新算法和新工具让人目不暇接。但是支撑其发展的基础——数学理论，却一直未变。只有掌握了数学原理，才能将机算法运用自如。

《人工智能的数学基础》课程，从线性代数、概率论基础讲起，结合迭代法讲解机器如何求解数学模型，阐述从传统统计学习模型到如今深度学习模型的发展逻辑。