一、课程背景

71%的组织和领导者认为人工智能和机器学习是“游戏规则改变者”。人工智能(AI)与所有其他新兴技术截然不同,它能极大地改变组织的运作和竞争方式。  如果说“互联网 ”浪潮深刻改变了商业世界

的信息传递效率,  而“AI ”则极大改变真实的生产效率;

人工智能提供了大量具有几乎无限潜力的功能,包括自动执行重复性任务、提供预测性见解、实现个 性化客户体验、优化供应链管理以及改进风险评估。随着人工智能不断改变现代业务的方方面面,拥抱人

工智能的组织将能够解锁新的机会,提高运营效率,推动可持续增长,从而获得竞争优势。

只有领导和管理者们充分理解如何利用该战略机会,并给出清晰战略指导,AI才能在组织内释放出 真正价值。人工智能不会取代商业领袖,但了解人工智能的商业领袖将取代那些不了解人工智能的商业领 袖。 越来越多的商业领袖开始关注 AI,并渴望快速理解:  AI 会带来哪些机会,哪些工作会被 AI 改变,自

身和组织应当如何应对?

但关于 Al,作为非技术业务领导者,需要了解什么?

相对于不断从技术角度解说人工智能,  理解如何将其应用于业务更有价值。为了帮助管理者快速理解AI,了解数据驱动业务的架构方法,识别AI创造竞争优势和改变运营方式的机会。本课程融合**新的AI 赋能战略工具,让管理者实际体验,进而了解AI**新能力及其对业务战略的作用,帮助建立决策信心。

实践研讨将帮助高管团队探索和试验使用人工智能,主动利用数据提取业务价值,  探索 AI 业务机会。

这门面向企业商业决策者、管理人员、运营人员的非技术AI 课程,由全球领先科技企业的商业应用方

案专家和 AI 科技顾问共同研发,基于科技 商业的双重视角,提供了对 AI 商业洞察,以及实施原则。这 课程既可以作为 AI 科技的快速使用指南,帮助业务精英更好理解抽象 AI 技术要素和快速落地场景,也可

作为 AI 商业战略创新导航,帮助业务领袖们设计 AI 时代的业务增长新动力。

二、课程特点

不懂原理,就不会举一反三,难以行远;思维不变,就无法做对决策,难以突破;不去实践,就只能

1

纸上谈兵,难以落地。企业对 AI 成功赋能业务的共识是“秘密武器 业务驱动“。前者是要求企业在竞

争对手之前,快速构建独特应用。后者是避免企业缺乏业务思维,**终只限于聊天机器人程序的浅尝辄止;

不同于市面上大多数的“科技报道”和“技术原理”的资讯整理课,这门思维 实践课程,将帮助组 织为 AI 快速融入商业竞争力做好准备。**帮助商业领袖理解 AI的商业潜力,了解 AI发展趋势和应用 场景,识别利用 AI 创造竞争优势,  探索根本上改变业务运营方式的机会,建立决策信心,为AI 应用做好

业务准备。激发领导者朝着正确方向思考,清晰而自信地采取下一步行动。

课程提供了系统画布工具,帮助组织高效创建基于数据驱动决策的智能业务模型,帮助非技术背景的 业务管理团队快速获得预测建模的基本技能。并**了解如何使用数据提取业务价值,实践研讨利用AI

技术机会,帮助业务管理者探索和试验 AI,以及熟悉 AI 核心能力;

授课形式:理论讲解 案例分析 案例实战 互动答疑;突出理论特点,注重案例分析与实战体验;理

论讲解 20%,案例分析 30%,实战体验 40%,互动答疑 10%。

三、课程收益

1.     赋能推动企业数字化转型的管理者团队,** AI 新工具,深化数字化转型;

2.     创建“AI 驱动”思维模式和战略,快速聚合 AI 创新商业机会;

3.     利用 AI 科技,盘活数据资产,超越现有商业模式;

4.     成为公司中首先发现 AI 的人,找出 AI 可为业务带来**大影响的机会。

5.     帮助决策者/管理者们清楚理解,人工智能业务的发展路径和阶段。

6.     了解如何组织和管理成功的 AI 项目,规划企业 AI 旅程,从战略到组织,从机会到举措。

7.     帮助决策者/管理者们驾驭 AI 的法律风险和道德黑箱,推动负责任的 AI 规划。

8.     快速掌握人工智能的技术概念,能与技术团队和伙伴专业沟通,避免 AI 项目的风险

9.……

2

四、 课程模式

1.中文教学

2.     课题研讨

3.     实战体验

4.     互动答疑

五、受众对象

1.     CEO、CIO、CDO 等负责将 AI 整合到组织业务战略的管理者;

2.     有兴趣探索跨业务职能的 AI 机会的管理者;

3.     推进传统的产品和服务创新,商业模式创新负责人;

4.     推动企业数字化转型的业务负责人和技术专家;

5.     落地执行企业数字化转型战略、以及 AI 赋能的业务部门;

6.     市场营销、客户服务、 产品研发、体验设计部门的业务负责人

四、 课程内容

*每模块半天时间,可根据客户特定需求,在两天课程内容基础上,和老师交流后进行专业订制;

时间

主题

内容

价值

**天

认知

AIMindset

为何是 AI:从大数据到人工智能,理解业务数据的种类、

不同处理方法、构筑数据螺旋;

**实际案例探索AI的商业应 用,了解核心概念,  比如什么是机器学习,   多模态,   SORA的 “涌现”意味什么?  注意力机制 是什么?谁是  Anthropic 、Cohere和  HuggingFace,这 些技术如何结合……?

**学习这些定义当今格局的关键术语和参与者,以便您可以与

团队中的任何人,专业地讨论

AI 未来和可能商业价值;

什么是 AI:AI 的基本原理和核心要素,  什么是机器学习和 深度学习?大数据、训练、算法,模型的普及知识;

什么是 GenAI:基本概念、工作原理、重要里程、发展趋

势、注意力机制、人机协作模式,应用场景;

AI 的新生态:全球和国内主要的大模型产品、功能定位,

使用体验、采纳建议、法律法规;

应用体验: ChatGPT:

w如何有效提问,了解提示词核心技巧;

w尝试快速生成一份媲美咨询公司的行业分析;

3

实践

AIPractice

AI 应用阶段:企业典型 AI 实践(图像、文本、语音和数字 助理),从分析式 AI 到大模型微调的渐进步骤,12 项 AI   应用范式;

了解企业应用 AI 的不同阶段,

和对应 AI 应用和技术热点;

如:什么是 AI 智能体,大模型

为何要向量数据库,什么是

LangChain 框架,如何估算企 业合理的 Token 成本……?

此部分**大量生动案例,  帮助管理者快速了解主流 AI 应用的工程术语和适用阶段,从而管理 者能有信心地规划企业导入 AI   科技的恰当时机和合理预算,内

行地选择适合技术和合作伙伴;

提示词工程/PromptEngineer:AI 如何执行复杂任务,了 解思维链 COT、思维树 TOT、自洽性;什么是 Token?

AI 智能体/Agent:了解什么是 Auto-GPT,从 Plugin 到 FunctionCalling、LangChain 和 RAG,什么是 GPTs?

微调/Fine-tuning:学习微调的概念,了解 HuggingFace 的价值,表示学习和嵌入/Embedding、RLHF、PEFT、

LoRA 概念;

预训练/Pre-training:了解 TensorFlow 和 Rytorch 深度 学习框架和特点、了解 MetaLLaMA 大模型家族;

应用体验:

w某闭源/开源大模型的 API 调用;

w如何规划 Token 的使用成本?

w打造个人自动化邮件助理;

第二天

赋能

AIEnable

组织准备:了解将 AI 技术引入组织面对的 3 个挑战,组织 需要的 3 项工程技术储备,应用成熟度的 4 个阶段;

了解 AI 对企业现有流程和工作   岗位影响和能力应对。学会任务 拆解,识别可被 AI 赋能的任

务,融入商业战略,探索可能  AI 改善机会,达成共识和形成 未来的具体举措;

这是互动性强,参与度高,产出结果激动人心的环节。**可视化画布和游戏化设计的独特体

验,促进管理者结合现实业务来 思考 AI 技术,在轻松互动中发   现 AI 赋能业务机会,并鼓励不   同团队的协作创新,促进跨部门 共识,客观地评估应用效果和风 险,落实重要责任主体;

任务拆解:学习 2 个视角 ,拆解岗位工作,发现可以被 AI 快速赋能的具体任务,  启动人机协同新模式;

赋能业务:  AI 赋能型任务的 5 个特征,将 AI 导入业务的 4 个步骤,探索机会(愿景),场景规划(价值)、数据准   备(采用)、评估举措(风险);

画布实践-1:

探索机会:思考 AI 如何推动企业目标,您期望获得哪些好 处以及如何衡量成功,有哪些业务智能化的机会?

画布实践-2:

场景规划:具体 AI 赋能业务的场景用例,规划 To-Be 业务 价值,统筹业务角色、业务流程、数据流和基础架构;

画布实践-3

数据准备:围绕场景和数据流,盘点和规划所需数据资 产,落实数据源和责任人,建议可用模型和数据需求;

嵌入

AIembed

数智产品:  数智产品的 3 种形态和 4 个特点,5 种典型的 数智化商业模式,国内外主流 AI 产品应用和案例;

学习如何将 AI 功能嵌入到目前产品/服务,带来新价值,赋予   传统产品和服务的新竞争优势,并在 AI 产品的前期,从商业成功的视角,排除落地过程的常见 风险,加速产品上市周期。

精益方法:  了解敏捷实践的背景和定义,成功 AI 产品方 法,精益实践(MVP 1 个循环 3 个适配)

画布实践-4:

**学习和使用精益画布,**真实产品案例,  验证创新   AI 产品和服务的潜在风险,掌握 AI 产品项目的管理方法;