下面是我们经常用来回答这个问题时用的一个思想实验。很多人对在亚马逊上购物都不陌生。跟光顾其他在线零售商一样，你会上他们的网站买东西，添加东西到购物车，付款，然后亚马逊就会把东西寄给你了。现在亚马逊用的商业模式是先买后运（shopping-then-shipping）。

很多消费者在购物的时候都已经注意到了亚马逊的推荐搜索引擎，它会向你推荐一些公司 AI 预测到的你可能会买的商品。考虑到需要推荐的商品有上百万种，现在亚马逊的 AI 算是做得不错的了。但是，现在的 AI 推荐引擎远非完美。拿我们（作者们）自身为例，亚马逊的 AI 有 5% 的概率准确预测到我们想买的东西。换句话说，实际上它每推荐 20 个商品我们就会买其中的一个。这已经不错了！

再来说思想实验。想象一下亚马逊的 AI 收集了更多我们的信息：除了我们在亚马逊上的搜索购买记录，它还会收集在网上的其他数据，包括社交媒体数据，以及线下在全食超市（Whole Foods）中的购买行为数据。它不光会知道我们买了什么，还会知道我们什么时间会去商店，都在哪购物，我们怎样付款，等等一系列的数据。

现在，想象下 AI 会用这些数据来改进其预测。我们认为这种改进类似于在扬声器表盘上打开了音量旋钮。 但是不同于调高音量，这次是提高了 AI 的预测准确性。那么当亚马逊的数据科学家，工程师和机器学习专家们都在不知疲倦地提高预测机器的准确性，它的战略又会有怎样的转变呢？

在某个时候，当他们转动旋钮时，AI 的预测精度将跨越一个门槛，到这时亚马逊就会有兴趣改变其商业模式了。 当预测变得足够准确时，不同于被动等待，直接向你运送预期你想要的货物，就变得更有利可图。每星期亚马逊都会把预期你想要的物品打包送过去，然后你就可以舒适方便而又足不出户的从中挑选出想要物品。

这个模式对亚马逊来说有两个好处。首先，预测性运输的便利性使得你不太可能从竞争的零售商那里购买商品，因为商品在你去其他地方购买之前就已经方便地交付到你的家中。其次，预测性航运也会推动你去购买那些你正考虑购买但可能还没买的物品。在这两种情况下，亚马逊均会获得更高的市场份额（share-of-wallet）。将预测准确性提到足够高，将会促使亚马逊的商业模式从先买再送变成先送再买。

当然，消费者也不想面对退还所有不需要物品的麻烦。因此，亚马逊可能会投资用于货物退还的基础设施，也许会用一批派送式卡车，方便每星期一次地收集客户不想要的物品。

如果这是一种更好的商业模式，那为什么亚马逊尚未采用呢？好吧，这么讲吧，或许他们正在朝这个方向努力。但是如果现在就实施的话，回收物品的收取和处理成本将会超过市场份额增加带来的收益。例如，目前而言我们需要返回 95％运输给我们的物品。这对我们来说很麻烦，而对亚马逊而言是昂贵的。现在 AI 的预测准确度尚不足以支持亚马逊开展新的商业模式。

可以想象的是，即使在预测准确度尚不足以使其盈利的情况下，亚马逊也选择采用新策略，因为预计公司在将来某个时刻就会开始赢利。越早的推出新模式，AI 就会更快的拿到更多的数据，并且更快的提高预测准确性。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购物者，更多的购物者则会产生更多的数据来训练 AI，更多的数据又会生成更好的预测，诸如此类地形成一个良性循环。换句话说，会产生 AI 递增收益（increasing returns to AI），因此采用这种策略的时机很重要。采取太早可能花费太大，但采用太晚可能是致命的。

剖析的关键还是要回到 AI 预测准确性对策略的重大影响上。在上述例子中，预测准确性的提高将亚马逊的商业模式从先买后运转变成了先运后买，激发了垂直整合经营退货服务（包括卡车）的动机，并加速公司的投资时机以获得先发制人带来的 AI 叠加回报优势。 所有的这一切都只是由于拨动了 AI 预测准确性的表盘。

大多数读者将会熟悉像“Blockbuster”和“Borders”这些公司，由于低估在线消费者转向情景购物和数字化分销商品及服务的速度尝到了苦果。 或许是由于类似技术在商业互联网的初期（1995 - 1998 年）采用率比较低，忙于自鸣得意的他们忽视了潜在的危险。

如今就 AI 而言，一些公司正在进行早期投注，并推测 AI 预测模型准确性一旦开始提高就会势不可挡势的开始变得更快。 大多数人都知道 Google 在 2014 年以 5 亿美元收购了 DeepMind，一家几乎没有盈利，但是开发了一个能很人性化去玩 Atari 游戏的 AI。或许也有一些读者意识到，越来越多的传统公司也下注在 AI 预测准确度的转变速度上。 在 2016 年，通用汽车用超过 10 亿美元收购了 AI 创业公司 Cruise Automation。在 2017 年，福特以 10 亿美元收购了 AI 创业公司 Argo AI，而美国迪尔公司（John Deere）以 3 亿多美元收购了 AI 创业公司 Blue River Technology。相比于被购买时的价格，这三家创业公司之前产生的收益都可以忽略不计。通用汽车，福特和迪尔公司都正下注呈指数级增长的 AI 表现，以这些价格收购这些公司，预计会对他们的业务战略产生重大影响。

综合考虑，决策者面临两个问题。首先，他们必须投资于更好地理解 AI 预测准确性的变化何时又会以什么样的速度影响他们所在行业及应用的转向。第二，他们必须投资于概论的提出，提出当 AI 预测准确度改变后如何进行战略经济转型的多种备选方案，类似于之前我们对亚马逊展开的思想实验。

那么，一起来启动 AI 战略的主题吧？闭上你的眼睛，想象你的手指正放在你预测机器的表盘上，让我们一起轻轻拨动表盘，超越现在（in the immortal words of Spinal Tap, turn it to eleven，译者注：这是一句来源 This Is Spinal Tap 电影中的习语，意味将提升到另一个高度，也意味超越现在，基于维基解释）。

以上想法均改编自我们即将出版的《预测机器：人工智能的简单经济学》（Prediction Machines: The Simple Economics of Artificial Intelligence）一书（哈佛商学院出版社，2018 年 4 月）。

原文链接

https://hbr.org/2017/10/how-ai-will-change-strategy-a-thought-experiment?imm_mid=0f734b&cmp=em-data-na-na-newsltr_ai_20171016