一、制定组织的 AI 愿景（Develop Your Organization’s Vision for AI）
学完本单元，你将能够：定义什么是 AI 战略以及它为何重要；识别战略干系人并组建一个 AI 卓越中心；阐述如何制定组织的 AI 愿景；评估组织对 AI 的就绪程度。
商业的新前沿（A New Frontier in Business）
AI 是一次结构性的巨大转变（tectonic shift），已经对企业产生重大影响。毫无疑问，未来几年 AI 将彻底改变我们的工作方式。但我们仍处于这场技术革命的早期，许多组织不确定该如何前进：什么时候才是入局的最佳时机？如何找到合适的 AI 用例？投资回报是否足够？数据是否就绪？风险如何？组织又需要怎样演进？
认识 Coral Cloud Resorts（Meet Coral Cloud Resorts）
Coral Cloud Resorts 的商业智能副总裁 Alex Wu 对这些问题再熟悉不过——它们一直让他彻夜难眠。Coral Cloud 是一家奢华酒店集团，在世界上一些最迷人的目的地经营着度假村。Alex 一直在独自尝试 AI，畅想着 AI 将如何颠覆酒店行业。
但说到 Coral Cloud 的 AI 现状：公司上一次在销售和服务业务部门落地若干预测式 AI 解决方案，已经是相当久以前的事了，而且目前没有任何新的试点项目在推进。总体而言，Coral Cloud 卡在了调研阶段——评估着更新的 AI 技术，却无休止地讨论着如何起步。Alex 知道，Coral Cloud 缺乏 AI 的愿景和方向，他怀疑一份 AI 战略能帮助组织理清自己到底想达成什么。
掌握 AI 成功的关键（Learn the Key to AI Success）
事实上，Alex 无意中发现了决定 AI 成败的一个重要因素。大多数组织在 AI 上栽跟头，问题出在哪里？它们被困在技术本身，却没有把 AI 工作与真实的业务目标挂钩。如果你无法证明自己的 AI 项目能创造价值、影响盈亏，你围绕 AI 在组织内好不容易积攒的势头就一定会开始消退。而一旦势头消失，想再为未来的 AI 计划争取支持就会变得极其困难。
定义 AI 战略（Define an AI Strategy）
这就是制定 AI 战略如此重要的原因。简单来说，AI 战略就是你的组织用 AI 交付业务价值的路径。在本模块中，我们跟随 Alex，看他在组织中发起正确的对话、帮助干系人明确 AI 的方向。在本模块过程中，Coral Cloud 将：
- 定义组织的 AI 愿景；
- 评估风险并建立 AI 治理；
- 识别并评估 AI 用例。
这些努力的成果，就是 Coral Cloud Resorts 崭新的 AI 战略。
制定你的数据战略（Create Your Data Strategy）
组织很难在没有数据战略的情况下制定出成功的 AI 战略。毕竟，数据是一切 AI 系统的基石。
如果还没有，请开始思考你在数据质量、管理、基础设施、统一、治理、可扩展性等方面的组织实践路线图。归根结底，扎实的数据战略能让组织从 AI 投资中榨取最大价值。关于数据战略与就绪度的更多信息，参见 Resources 部分。
组建战略干系人团队（Assemble Strategic Stakeholders）
此刻你或许会好奇，Coral Cloud 该如何统筹制定 AI 战略所需的全部工作。Alex 明白，Coral Cloud 要想在 AI 上取得成功，就必须超越临时性的努力和一次性的方案——是时候采取一种承认 AI 对企业具有战略重要性的整体方法了。
Alex 与其他高管合作，在 Coral Cloud 建立一个AI 卓越中心（center of excellence，也称 council、advisory board 或 committee）。
目标是组建一支多学科的领导团队，在技术、数据、部门专业知识和业务需求方面都具备专长。委员会的组成因组织而异，但通常应涵盖以下领域的领导层：
- 业务部门（销售、市场、支持等）
- 信息技术
- 安全
- 工程
- 数据科学
- 商业智能
- 法务
- 财务
- 运营
组建跨职能团队的一大好处是促进协作。各个部门不太可能再各自为政地推进碎片化的 AI 解决方案，而不考虑公司层面的问题，比如重复劳动、集成、可扩展性、治理和安全。此外，它还能避免「开发 AI 解决方案的技术团队」与「试图达成具体业务目标的部门」之间脱节。
明确委员会的职责（Establish the Committee’s Responsibilities）
新组建的 AI 梦之队下一步是定义自己的章程。他们承担哪些职责？经过漫长讨论，他们决定该团队将负责：
- 定义组织的 AI 愿景
- 争取高管支持
- 识别战略障碍
- 建立 AI 治理
- 评估潜在用例并构建 AI 路线图
- 就核心 AI 与数据能力做决策
- 分配资源
- 为规模化与组织变革做规划
- 推动采用
- 复盘成果并演进战略
你的卓越中心可能与 Coral Cloud 的不同，但终极目标是一致的——通过实现更好的业务成果来兑现 AI 的承诺。关于如何创建 AI 卓越中心，参见 Resources 部分。
拥有一个集中的 AI 委员会不应成为创新的障碍。因此我们建议对 AI 战略采取双管齐下的方法：
- 自下而上（Bottom-up）：让 AI 触达每位员工，允许他们试验。这能激发热情、增进对技术的熟悉度，并催生潜在的用例。你可以把最好的想法集中起来并规模化。
- 自上而下（Top-down）：由领导层提供方向，定义整体 AI 战略，把愿景转化为价值。
定义你的 AI 愿景（Define Your AI Vision）
现在卓越中心已经就位，Alex 带头在所有战略干系人之间确立一个共同的 AI 愿景。团队将设定业务目标，并统一大家对 AI 雄心的共识。
确立业务目标（Establish Business Goals）
Alex 深知AI 的优先级来自业务优先级，所以他鼓励干系人审视 Coral Cloud 未来几年最关键的经营目标，并思考 AI 能在哪些领域发挥作用。以下是首要目标：
- 将客人满意度评分提升 15%；
- 将酒店入住率提升 20%；
- 将运营成本降低 5%；
- 将交叉销售转化率提升 15%；
- 实现 10% 的同比营收增长。
在给 AI 用例排优先级时，务必战略性地思考哪些项目能为企业创造最大价值。你将在后面的单元学到更多关于发现和排序用例的内容。
统一 AI 雄心（Align on AI Ambitions）
接下来谈谈「雄心」：罗马不是一天建成的，AI 组合也不是。Coral Cloud 的领导团队决定采取渐进式的 AI 转型路径：
- 短期（Short-term）：从能提升生产力、改善员工满意度的内部小规模试点项目开始。通过定制能轻松融入现有工作流的开箱即用 AI 方案来快速试验。在把 AI 方案交付给客户之前，先建立内部对 AI 的支持、提升采用率，并积累重要经验。
- 中期（Mid-term）：为员工和客户实施现成（turnkey）与定制相结合的 AI 方案，这些需要更多的投入和 AI 成熟度。面向员工的方案可聚焦前台和后台用例；面向客户的方案可涵盖个性化、AI 代理等。
- 长期（Long-term）：把 AI 融入研发与产品开发，打造 AI 驱动的产品和服务。这些项目需要大量时间与投入，但最终可能带来颠覆性的成果和竞争优势。
Coral Cloud 不想过于狭隘地只盯着短期项目，从而错失新的营收机会、颠覆行业的创新或全新商业模式。组织会先落地一些 AI 速赢项目，同时为更具变革性的转变做好规划。
你的组织准备好拥抱 AI 了吗？（Is Your Organization Ready for AI?）
至此，Coral Cloud 已经定义了它的 AI 愿景，但他们是否具备正确的人、流程和技术来兑现这些远大目标？组织的 AI 成熟度处于什么水平？
Alex 使用 MITRE 的 AI 成熟度模型与组织评估工具指南（PDF）来评估 Coral Cloud 的 AI 成熟度。结果表明，公司在这条路上还有很多工作要做，但 Alex 发现，审视 AI 成功所必需的组织变革类型很有帮助。请务必在你的组织也做一次评估，并了解 AI 成熟度的不同阶段。
在下一个单元，Coral Cloud 将直面一个关于 AI 的重大担忧：风险，以及如何缓解风险。
二、建立 AI 治理（Establish AI Governance）
学完本单元，你将能够：列举与 AI 相关的一些风险；解释什么是 AI 治理；盘点组织当前的 AI 使用情况；评估组织的 AI 风险；列举 AI 风险缓解策略的示例。
AI 的风险（The Risks of AI）
谈到 AI，几乎不可能不承认伴随技术而来的风险。我们都听说过安全威胁、对不准确性和偏见的担忧、数据泄露的可能性、对声誉受损的恐惧等等。
更复杂的是，技术正以极快的速度发展。难怪根据 Salesforce《Trends in AI for CRM report》，68% 的人认为 AI 的进步让公司的可信度变得更加重要。
但在很多情况下，AI 革命的速度超过了组织适应变化的能力。而这正是让 Alex——我们的 AI 倡导者、Coral Cloud 的高管——担忧的事情之一。Coral Cloud 如何才能确保它以值得信赖的方式采用 AI？
治理的必要性（The Need for Governance）
你大概已经猜到，对 AI 的信任从根本上与其治理绑定在一起。让我们来了解什么是 AI 治理。
AI 治理是一套政策、流程和最佳实践，帮助组织确保 AI 系统以负责任、可扩展的方式被开发、使用和管理，从而最大化收益、缓解风险。
在本单元中，我们跟随 Alex，看他与 Coral Cloud 的 AI 领导团队一起建立 AI 治理。你的组织可能已经有一个或多个专门负责监督治理的团队。如果你不打算用 AI 委员会来集中化 AI 治理，请确保现有的任何内部治理机构都具备必要的 AI 专业知识，以增强现有实践并弥补差距。
制定负责任 AI 的原则（Develop Principles for Responsible AI）
在 Coral Cloud 开始构建治理项目之前，Alex 鼓励领导团队退后一步，思考如何始终聚焦于「负责任地开发 AI」这一承诺。他们的北极星是什么？
许多采用 AI 的组织发现，确立负责任 AI 原则（responsible AI principles）很有帮助。借助一套 AI 原则，企业可以明确自己对 AI 的立场，并思考技术对员工、客户和整个社会的影响。这个北极星在员工之间建立了共识，让你的 AI 原则能够应用于业务的每一个层级。
作为灵感，可以参考 Salesforce 的可信 AI 原则（Trusted AI principles）。但要记住，你组织的 AI 原则应与公司的使命和价值观保持一致。与其他组织略有重叠是正常的，但不要跳过这些功课：制定属于你自己的原则、获得干系人的认可，并公开承诺践行这些价值观。
原则固然重要，但如何把它们转化为负责任的 AI 实践？大多数组织一开始以临时的（ad hoc）方式治理 AI，随后努力才逐渐正规化。欲知更多，可参阅 Salesforce 的 AI 伦理成熟度模型（AI Ethics Maturity Model）。
审视监管环境（Survey the Regulatory Landscape）
Coral Cloud 的领导团队已经准备好深入治理，但大家心里都悬着几个问题：AI 的监管情况如何？法律到底要求什么？
目前，围绕 AI 的法规是一张由新兴指南和政策拼凑而成的「补丁图」，因地区和行业而异。政府和监管机构正在努力追赶技术的飞速进步，这使得哪怕只是预测几年后的规则手册都颇具挑战。
尽管存在不确定性，你仍可采取一些主动措施。遵循本单元的最佳实践，并持续关注 AI 监管趋势。定期查阅监管机构和行业组织发布的内容，以便尽早洞察潜在的立法变化。当新要求出现时，这些机构也能提供支持与资源。
盘点组织的 AI 使用情况（Inventory Your Organization’s AI Usage）
为了推进 Coral Cloud 的治理工作，Alex 建议他们盘点组织目前是如何使用 AI 的。
在搞清楚风险来自哪里之前，很难恰当地评估风险。因此，盘点所有 AI 工具、了解它们融入业务流程的程度，是个好主意：
- 识别 AI 技术：列出当前使用的所有 AI 技术，从简单的自动化工具到复杂的机器学习模型，一个都别漏。也别忽略集成在第三方服务和软件中的 AI。
- 记录用例：为每项 AI 技术记录其具体用例。理解每个 AI 方案做什么、为何使用它，有助于你评估其影响和重要性。
- 绘制数据流：追踪数据如何流入和流出每个 AI 应用。包括输入数据的来源、AI 修改或分析了什么，以及它把输出数据发送到哪里。
- 明确所有权：把每项 AI 工具的所有权分配给具体的个人或团队。明确谁对每项工具负责，能确保问责，也简化未来的审计和评估。
- 定期更新：让 AI 盘点成为一份「活的文档」，随时更新以反映新的 AI 部署或对现有部署的改动。这能让盘点保持相关性，对持续的合规也很有用。
Coral Cloud 的领导团队相信，这份盘点能挖出组织当前所有「正规」的 AI 使用方式。但那些未经授权的使用呢？未经批准的 AI 工具（又称影子 AI，shadow AI）会给企业带来重大风险。可参阅 CIO Magazine 关于「如何防范影子 AI 带来的灾难」的文章。
如果你的企业已经在使用不少 AI 工具，盘点可能要花些时间才能完成。但盘点过程不应阻碍组织探索 AI 用例和实验。只要确保对任何 AI 试点项目都做风险评估，同时并行推进全公司的 AI 审计即可。
评估 AI 风险（Evaluate AI Risks）
现在 Coral Cloud 有了 AI 盘点，团队可以开始评估组织来自 AI 的风险了。这是建立治理的关键一步，也能帮你为监管要求做好准备。一些政策（如欧盟 AI 法案）采取基于风险的方式来治理该技术。所以如果你尽早实施风险评估流程，就更有把握满足合规要求。
下面来看看 Alex 和 AI 领导团队如何评估组织的 AI 风险。
识别并分类风险因素（Identify and Categorize Risk Factors）
审视 AI 盘点。针对每一个用例，头脑风暴出潜在风险。让来自组织不同部门的干系人都参与进来，因为他们可能会看到你没考虑到的风险。列好清单后，把风险归入合乎逻辑的类别，如技术、伦理、运营、声誉、监管等。使用对你的业务有意义的类别。
评估影响与可能性（Assess the Impact and Likelihood）
对每个风险，评估它一旦发生会给企业带来的潜在影响。然后判断每个风险发生的可能性。这些因素可以评为低、中、高三档。历史数据、行业基准和专家意见在做这些评估时很有价值。
给风险排优先级（Prioritize Risks）
用影响和可能性来给风险排优先级。一种常用方法是使用风险矩阵，把可能性与影响绘制成图，帮助你聚焦于高影响、高概率的风险。
如果你不确定如何上手，可以从 NIST AI 资源中心网站下载 Google DeepMind 的 AI 风险管理框架模板，或者上网研究其他示例。要记住，每个组织都必须制定一套与其特定情境相关的框架，这些情境可能包括地理区域、行业、用例和监管要求。
制定风险缓解策略（Develop Risk Mitigation Strategies）
现在 Coral Cloud 的 AI 委员会已经完成了评估，准备实施一些策略来缓解所有这些风险。下面按风险类型列出了一些防护措施示例，但请注意这并非穷尽清单。
技术（Technical）与安全（Security）：
- 安全政策与协议
- 异常检测系统与回退方案
- 安全的 AI 基础设施、租户与托管
- 网络安全红队演练（red-teaming）
数据（Data）与隐私（Privacy）：
- 访问控制
- 数据匿名化与加密技术
- 定期数据审计
- 数据滥用政策
- 数据质量标准
- 数据清洗与验证流程
伦理（Ethical）与安全（Safety）：
- 负责任 AI 原则
- 可接受使用政策
- 伦理红队演练
- 偏见评估与缓解工具
- 模型基准测试
- 模型透明度（如可解释性与引用出处）
- 为 AI 生成内容加水印
- 反馈机制
- 审计日志
运营（Operational）：
- 风险评估
- 事件响应计划
- 变更管理
- 文档与全公司教育
- 指标与监控
- 对新的 AI 产品与功能进行内部伦理审查
合规（Compliance）与法务（Legal）：
- 合规协议与培训
- 法务咨询与合同
Alex 和 Coral Cloud AI 领导团队的其他成员都清楚，不可能规避所有与 AI 相关的风险。相反，他们的目标是开发出让组织有信心「风险能被有效识别和管理」的流程与工具。如果你想了解如何在组织中实施 AI 治理，可查看世界经济论坛的实施与自评指南。
改进你的治理实践（Improve Your Governance Practices）
Coral Cloud 的 AI 委员会深知治理是一个持续的过程，而非一次性项目。以下是组织可以提升风险管理能力、更好地适应不断变化的监管环境的做法：
- 培训与教育：实施 AI 合规培训，并衡量教育项目的成效。
- 文化：培育伦理 AI 文化，鼓励团队思考他们工作更广泛的影响。
- 监控与复盘：定期监控已实施风险管理策略的有效性，并根据需要调整。随着新风险的出现和现有策略需要打磨，这一点至关重要。
- 文档与报告：详细记录所有风险缓解活动。这些文档对监管合规至关重要，对内部审计也很有用。为治理举措制定指标，并向干系人汇报发现。
接下来，是时候深入 AI 战略中最激动人心的元素之一了：识别 AI 用例并排定优先级。
三、识别 AI 用例（Identify AI Use Cases）
学完本单元，你将能够：解释什么才算一个好的 AI 用例；构建一份排好优先级的 AI 待办清单（backlog）；选择你的第一个 AI 项目。
把 AI 引入你的业务（Bring AI to Your Business）
AI 有能力变革企业的所有领域，包括销售、服务、市场、法务、人力资源、财务、信息技术、产品开发、运营等等。但你的 AI 项目要成功，就必须为业务选择合适的用例。所谓合适的用例，是与组织目标一致、能创造真实价值的用例。如果不谨慎选择 AI 项目，它们可能无法达成预期成果，甚至根本不会被落地。
让我们回到 Coral Cloud，看看他们如何构建排好优先级的 AI 用例待办清单。
收集用例创意（Gather Ideas for Use Cases）
首先，Coral Cloud 的 AI 委员会想开始为潜在用例收集创意，有几种方法能激发创意灵感：
- 内部众包（Internal crowdsourcing）：鼓励员工试验并提交建议。你可以举办黑客松和工作坊、开展调查、设立创意交流网站，或建立社区（如 Slack 频道）来促进教育和知识分享。
- 业务流程评审（Business process review）：对所有业务流程做深入分析，找出低效之处、痛点和自动化与 AI 能产生显著影响的领域。
- 用户研究（User research）：让用户研究团队在构思阶段就参与进来，确保潜在 AI 用例解决的是用户的真实问题。
- 数据分析（Data analysis）：你的数据专家可以评估模式、施展数据魔法，为 AI 用例找到创意。
- 市场趋势与研究（Market trends and research）：借助市场研究寻找缺口和机会、预判买家行为的变化、研究市场风险。做竞争分析，了解竞争对手在用 AI 做什么，从而评估你自己 AI 路线图的优劣势。
Coral Cloud 的 AI 领导团队采用了其中几种方法来启动构思过程，收集了广泛的创意。
Coral Cloud 的用例（Coral Cloud’s Use Cases）
得益于公司全面且协作的方法，Coral Cloud 产出了一份令人印象深刻的潜在 AI 用例清单。让我们看看其中几个：
销售（Sales）：
- 自动化获客（Automated prospecting）：部署一个 AI 代理，帮助销售创建新商机、触达并筛选潜在客户、代销售预订会议 → 提升营收。
- 预测指导（Forecasting guidance）：用 AI 预测销售团队在预测周期结束时能卖出多少 → 提升营收。
客户体验（Customer Experience）：
- 情感分析（Sentiment analysis）：用 AI 分析各渠道的客人评价和反馈，快速识别待改进之处，并在客户不满时及时采取行动 → 提升客人满意度评分。
- AI 客服代理（AI service agents）：在度假村网站和移动应用上部署 AI 代理，快速处理常见问题和事项 → 降低成本、提升客人满意度。
- 简化入住（Streamlined check-in）：用 AI 预采集客人信息，节省时间并个性化入住流程，推荐相关的客人活动和增值服务 → 提升交叉销售转化率、提升客人满意度。
市场（Marketing）：
- 产品推荐（Product recommendations）：用 AI 分析客人偏好和历史行为，发送关于度假村活动与项目的个性化促销信息 → 提升交叉销售转化率。
运营（Operations）：
- 动态定价（Dynamic pricing）：用 AI 分析市场需求、竞争对手定价和历史数据，实时调整房价 → 提升营收、提升入住率。
- 预测性维护（Predictive maintenance）：用 AI 预测度假村设备与设施何时需要维护 → 降低成本、提升客人满意度。
这只是 Coral Cloud 构想出的众多 AI 可能性中的一小部分。想获得更多灵感，可查看 Salesforce AI Use Case Library（AI 用例库），它展示了针对不同业务职能的具体创意。
评估用例（Assess the Use Cases）
现在到了难点。面对这么多创意，Coral Cloud 该如何判断哪些用例真正值得落地？作为商业智能副总裁，Alex 向组织的 AI 委员会介绍了需要权衡的因素：业务价值（Business Value）和实施难度（Ease of Implementation）。
业务价值（Business Value）
如前所述，理想的用例要与组织的战略目标一致，同时还要交付可衡量的业务价值。你可以用内部收益率（IRR）或净现值（NPV）分析、ROI、回收期评估、情景建模、机会成本评估，或任何适合你组织的估算方法来计算该价值。别忘了同时考虑每个用例的短期和长期收益。还要考虑如何利用现有投资。例如，如果你的组织已经拥有一个提供内置 AI 工具的软件平台，先聚焦在该平台上落地几个用例，可能比购买新工具获得更高的 ROI。
同样关键的是，要预先定义用来衡量项目成功的指标和关键绩效指标（KPI）。如果你无法证明项目带来了更好的业务成果，就很难为后续 AI 计划积蓄势头。
实施难度（Ease of Implementation）
除了计算业务价值，组织还应评估一个 AI 项目的实施难度。评估实施投入时，请牢记以下几点：
- 技术可行性（Technical feasibility）：考虑项目的复杂度、大致时间线、可扩展性，以及技术需求——包括所需的技术、基础设施、系统集成、网络安全护栏等。
- 运营就绪度（Operational readiness）：每个用例需要不同程度的 AI 成熟度和专业知识才能实施。还要估算启动项目的变更管理成本；权衡项目规模与范围、所需培训量、对变革的抵触程度，以及对业务运营的潜在干扰等因素。
- 数据就绪度（Data readiness）：评估需要投入多少精力来准备所需数据，使其可用、高质量、统一且治理良好。此外，某些用例可能需要升级你的数据存储能力或数据基础设施。别忘了记录哪些用例可能复用同一批数据集；优先这些用例是从数据投入中获取更多回报的好办法。
- 风险（Risks）：如果你是 AI 新手，试着从低风险、高影响的用例开始。但要平衡速赢与能带来 AI 转型、更稳健伦理 AI 实践的更高风险机会。
- 高管支持（Executive buy-in）：有强领导层支持的用例，实施路径通常更顺畅。
Alex 和 Coral Cloud 的 AI 领导团队仔细评估了他们所有的 AI 用例，以便决定哪些值得推进。要记住，一些深入调查和尽职调查会发生在组织启动每个项目的规划阶段。在制定 AI 战略时，委员会只需做足够的功课来估算每个用例的价值和可能需要的投入。
构建排好优先级的 AI 待办清单（Build a Prioritized AI Backlog）
随着 Coral Cloud 的 AI 委员会评估用例，他们把每个用例都加进了项目管理工具。现在他们有了一份包含所有潜在 AI 用例的待办清单，以便跟踪这些项目。下一步就是给待办清单排优先级。
给项目排优先级的方法有很多，一种简单的方法是「影响-投入矩阵」（impact-effort matrix），把业务价值与实施难度进行比较。
让我们看看 Coral Cloud 的用例画在一张简单图表上会落在哪里：
- 速赢（Quick wins）：左上象限的用例是高价值、低投入的。如果你是 AI 新手，选择试点项目时就从这里开始。Coral Cloud 把「简化入住」和「AI 客服代理」放在这里。
- 低垂的果实（Low-hanging fruit）：左下象限的用例是低价值、低投入的。在更重要的项目完成之后、或等待障碍解决期间再处理它们。Coral Cloud 把「情感分析」和「产品推荐」放在这里。
- 豪赌（Big bets）：右上象限的用例可能带来重大转型，但需要大量投入，因而风险更高。Coral Cloud 把「动态定价」和「预测指导」放在这里。
- 无底洞（Money pits）：右下象限的用例是低价值、高投入的，因此不值得追求。Coral Cloud 把「房间内 AI 礼宾」和「个性化娱乐」放在这里。
如果影响-投入矩阵不适合你的组织，可查看 Resources 部分了解不同的优先级框架。
选择你的第一个 AI 项目（Choose Your First AI Project）
完成优先级排序后，Coral Cloud 的 AI 领导团队已经识别出一些可以实施的速赢、高价值项目。他们应该先选哪一个？
在决定试点项目时，Coral Cloud 会牢记以下因素：
- 规模与速度：他们把候选清单缩小到三个项目——能用现成 AI 方案、几乎不需要数据清洗或集成、且在 6 个月内即可交付。
- 风险与成功：选择低风险、高成功概率的项目。展示可衡量的业务成果，将为 AI 项目赢得更多支持。
- 组织契合度：评估哪些项目与组织当前的能力和资源相匹配。
- 采用难度：考虑这些 AI 项目对用户而言有多容易采用，以及需要多少变更管理。
- 可扩展性：考虑哪些用例有可能扩展到其他业务部门或地理区域。
- 学习机会：思考哪些项目能在 AI 部署的不同方面（如数据处理和集成）带来最有价值的经验。
经过漫长的斟酌，AI 委员会最终选定了赢家：来自客户体验团队的「简化入住」流程！做出这个决定后，Coral Cloud 就稳稳踏上了 AI 转型之路。
演进你的 AI 战略（Evolve Your AI Strategy）
开展 AI 试点项目的好处之一，是这些实验的结果能帮你检验和打磨你的 AI 战略。Alex 和 Coral Cloud AI 委员会的其他成员确保在每次 AI 项目发布后都会复盘战略，并每季度重新评估、根据新创意、不断变化的目标和要求，以及 AI 技术的进步来重新排优先级。当然，每次 AI 部署后，他们都会记得更新 AI 盘点以符合合规要求。
想了解 Coral Cloud 为成功规划其 AI 驱动入住体验增强试点项目采取了哪些步骤，可查看 AI + Data: Project Planning 模块。接着继续 Connect Data 360 to Agentforce and Prompt Builder 项目，在那里你将动手实操，一步步跟随 Coral Cloud 的管理员在 Salesforce 中实施该项目。
现在轮到你了！把你在本模块学到的知识用起来，帮助你的组织制定自己的 AI 战略，从而驾驭这场技术变革、构建一条逐步提升 AI 能力的路线图，并用 AI 交付实实在在的价值。手握这份崭新的 AI 战略，你就离 AI 转型更近了一步。