曾鸣：智能商业的潮涌

本文来自微信公众号湖畔大学三板斧（ID：hupansanbanfu），作者：曾鸣

本文为“曾鸣学习季”模块二

我看到的未来是什么？

在此之前，我想强调的是，我们今天看到的大趋势，不仅是一个十年的趋势，很可能是未来二十年、三十年，甚至是五十年的大趋势，是人类社会从农业文明到工业文明到智能时代一个全新开端。

从这个意义上，今天仅仅是智能商业核聚变的开始，我们还有太多的挑战和机会。

智能商业的三个特征

我把这一批代表性的互联网企业叫做智能商业，因为它们有三个非常典型的特征。

第一个是利用互联网和算法的优势，低成本实时地服务海量用户。

这是非常重要的标准，否则不可能达到今天的规模，也无法具备强大的盈利能力。

第二个是满足每一个用户的个性化需求。

比如：搜索。用户的每一个关键词都能得到不同的内容，而且过去十年，根据用户的搜索历史以及个人性格特征和背景资料，搜索结果越来越精准。

再比如：淘宝。利用过去几年人工智能技术的突飞猛进，已经做到“千人千面”。这种个性化的精准程度，在两个维度得到急剧提升，一是颗粒度越来越细，二是时间段越来越准。

第三个是服务自我更新、自我提升的速度非常快。

机器可以像人一样快速学习，甚至比人在很多领域的效率提升速度更快。我们看到这些企业一旦上路之后，服务的效率，服务的水平，服务的满意度得到快速提升。

以前大家认为阿里巴巴是一家运营主导的商业公司，但离开技术不可能有今天的阿里巴巴。所以本质上，这些公司是利用最前沿的技术全面改变商业效率的技术驱动型公司，其中最核心的是利用了互联网和算法重构了整个商业的逻辑和运营规律。

网络协同 & 数据智能

未来的商业就是智能商业，它有两个重要的组成部分——网络协同和数据智能。

两者互为阴阳，网络协同会推动数据智能的发展，数据智能会驱动网络协同的扩张。

人类社会发展到今天，我们创造的社会价值，很大程度上不是源于个体大脑的发达程度，而是社会协同化的能力越来越强，这是我们这个时代最大的优势。

展开介绍以上两个核心概念：

第一个核心是，网络协同。

网络协同就是大规模、多角色的实时互动解决一个特定的问题。原来我们的做法是通过命令、科层制或者一个简单的市场（比如价格）信号的调整来完成。但今天则是通过大规模的、并发的、多角色的实时互动来实现。

我举两个具体的【案例】帮助大家理解网络协同具体的运营规律。

案例一：维基百科

维基百科是一个非常开放的知识共创平台，原则上全世界任何人都可以在上面贡献你的思想和内容。与此同时，每一个人都有权修改任何一个词条，甚至恶意地攻击。

通过一套简单的协同工具和协同规则，人类历史上第一次出现了一个没有中央政府协调的、大规模的、自发的协同，完成了一项了不起的任务，就是一个在线知识库。

案例二：淘宝

淘宝不是零售，是赋能卖家的一个平台。淘宝之所以能够创造这么多奇迹，其中一个重要原因是淘宝最终演化成了一个社会化协同大平台。

早在2006年，淘宝意识到店铺装修、图片质量对销售额的影响很大，淘宝提供了一个旺铺功能，由于发现卖家的需求千变万化，淘宝又做了一个历史性的决定：淘宝提供给商家免费的旺铺基础功能，把个性化的旺铺模板设计开放给社会。

随后淘宝上出现了一批独立的软件工程师，并逐步演变成了盈利性的软件企业，后来又衍生出各种各样的软件服务商。

今天的淘宝卖家只需要有一个API的链接，就能调动相关的数据，调动相关的服务，在线同时和几百个服务商合作。所以淘宝本身就是一个非常复杂的协同网络，创造了巨大的社会价值。

以上两个例子旨在说明，原来被锁死在供应链里的一个线性沟通的角色，可以在互联网的平台上进行重构，形成网状的实时互动格局，这是企业迈向智能商业最重要的第一步。

第二个核心是：数据智能。

数据智能的本质是机器取代人直接做决策。跟传统的BI（商业智能）部门完全是两回事，后者是分析数据，提供决策支持的，核心的服务人群是高管。

机器取代人做决策，有几个非常重要的前提——云计算，大数据，算法。

如果没有云计算，就没有办法用低廉的成本存储和计算海量数据。因为有了云计算，我们可以处理大数据，因为有了处理大数据的需求，我们对云计算的要求越来越高，两者推动了整个数据行业不断地高速发展。

云计算跟大数据能够发展起来是因为背后的大脑——算法，准确而言是算法工程师。

算法工程师把人的决策过程抽象成一个模型，然后用数学的方法给这个模型找到一个近似的解，再用代码把这个解变成机器可以执行的命令，这样就完成了一个机器大脑的构建。这个模型，最核心的是通过学习海量数据不断优化自己的决策。

因此大数据和算法也是互为阴阳，没有大数据，算法是无米之炊，无水之源。反过来，如果只有数据，没有通过算法引擎进行实时地计算，并产生一个决策的结果，意味着所有的数据都被浪费掉了。

一个数据智能的业务由三个核心部分组成，即算法，数据和产品界面。

算法是大脑，是机器学习的引擎；数据则需要循环，形成一个反馈，我称之为“活数据”，只有活数据才能决定一个商业智能能不能不断优化；最重要的是和用户交互的产品界面。

接下来还是用一个具体的例子来帮助大家理解：谷歌搜索。

搜索如何跟海量的用户实时互动？一个是搜索框，第二个是一个结果页。完成一次搜索只需要三个步骤：输入关键词，出结果页，点击。

这个过程中最重要的就是产品界面，完成实时的客户反馈。一个好的搜索引擎，它已经假设第一排就应该给用户最想要的结果，如果用户越往后点，就说明结果越差。因此用户每一次点击，都是在帮谷歌培训它的机器算法和机器智能。

但是，如果谷歌用传统的方法，每次搜索结束后都要问用户满意与否，什么地方满意，这个业务就转不起来。所以机器学习的反馈闭环必须是业务一个天然的有机部分，用户行为本身留下来的数据在帮助机器学习，这才是一个自然的智能商业的循环。

企业的未来  

我有一个非常重要的推论，未来任何一个企业都是服务企业。因为客户真正要的是服务，不是产品。

换句话说，未来任何企业，都会具备一个互联网的产品界面，用以跟用户发生实时互动，只有这样才算完成了在线化的第一个步骤。

第二个推论，任何一个硬件制造商，未来可能都会是某一个服务组合中的一部分，制造商不再会成为一个独立的企业而存在。

因此对于绝大部分企业来说，未来十年创业，最难的是创造性地发现一种产品和服务的方式，可以把原来离线的用户吸引到线上来，产生持续的互动。谁先完成这个闭环，谁就拥有最大的优势。

再看另外一个典型的应用：阿里小蜜。

过去，阿里非常头痛的一件事情，是客服人员在公司员工中的占比非常高，并随着业务的增长不断攀升。

2016年阿里邀请九家商户，用互联网的方法、人工智能的方法，共创客服机器人，并在当年双十一全面部署，有超过3000家商户选用了阿里小蜜。

现在，淘宝很大部分的话务服务是直接由机器人完成的，而且成功率达到了60%，服务的时间大大缩短。有意思的是，当我们担心人工智能会快速取代很多工种的同时，我们发现它也创造了一个新的工种，我们把它叫做“人工智能训练师”。

完全用数据机器训练出来的智能小蜜，智商大概相当于一个五六岁的小孩，因此淘宝训练了一套工具，把比较优秀的客服人员挑选出来，让他们跟机器互动，帮助后者提高效率。现在这批人成了整个的客服领域薪资水平最高，需求最旺的新物种。

这个例子告诉我们，某个典型的场景可以形成一个机器智能闭环，快速地变成智能商业，取得巨大的突破。

思考：

1.你们的业务有没有实现数据智能？

2.最大的难点和挑战在哪？

3.在服务客户方面，有哪些做得和传统企业不同？

4.是否尝试和第三方企业实现在线协同？