Keeping Humans in the (Feedback) Loop: Orangetheory Fitness’s Ameen Kazerouni
24:05 Share

Orangetheory Fitness (OTF)首席数据和分析官Ameen Kazerouni认为，人工智能的作用不是取代人类专家，而是帮助他们做出更好的决策。这就是OTF在工作室健身课程中收集心率和遥测数据的原因：以便人工智能算法可以将这些数据转化为反馈，使人们能够根据自己的锻炼情况做出实时选择，并使教练能够提供个性化建议。在本期节目中，Ameen与Sam和Shervin一起描述了OTF如何使用数据收集和算法为其会员创造量身定制的健身体验，并解释了在实施人工智能时保持人类参与反馈循环的关键原因。在此处阅读剧集记录。我和AI是麻省理工学院斯隆管理评论和波士顿咨询集团合作播出的播客，由Sam Ransbotham和Shervin Khodabandeh主持。我们的工程师是David Lishansky，协调制作人是Allison Ryder和Sophie Rüdinger。通过加入我们的LinkedIn小组“AI for Leaders”（mitsmr.com/AIforLeaders）或关注LinkedIn上的“我和AI”与我们保持联系。嘉宾简介：Ameen Kazerouni是Orangetheory Fitness的首席数据和分析官。在他的职业生涯中，Kazerouni有机会在多个领域使用机器学习，包括临床研究、医学影像、数据仓库设计、电子商务，以及现在的健康和保健。他目前专注于将大量数据转化为可扩展的客户解决方案和战略举措的挑战。他的核心信念是“构建体验，而非算法”，这促使他的团队提出具有可衡量影响的现实世界用例的可扩展解决方案。在业余时间，Kazerouni喜欢了解人工智能的最新方法和Netflix上最新的喜剧特辑，花光积蓄来扩展他的智能家居，并通过量化自己使用任何和所有可穿戴健身技术来走上成为仿生人的道路。我们鼓励您对我们的节目进行评分和评论。您的评论可能会用于“我和AI”的材料。我们想知道您对“我和AI”的感受。请参加一个简短的两道题的调查。</context> <raw_text>0 今天，我们播放的是由我们的朋友Modern CTO Podcast制作的一期节目，他们最近很友好地邀请我作为嘉宾参加。我们讨论了生成式人工智能的兴起，在技术方面取得成功的意义，以及领导者在指导技术实施工作时需要考虑的一些因素。在Apple Podcast、Spotify或您收听播客的任何地方都可以找到Modern CTO Podcast。

实时数据收集意味着组织可以根据指标做出更多明智的选择。但是，他们什么时候仍然需要人类？在今天的节目中找出答案。我是来自Orange Theory Fitness的Amin Khazrani，您正在收听我和AI。欢迎收听我和AI，这是一个关于人工智能和商业的播客。在每一期节目中，我们都会向您介绍一位使用人工智能进行创新的人。我是Sam Ransbotham，波士顿学院的分析学教授。

我同时也是麻省理工学院斯隆管理评论的AI和商业战略客座编辑。

我是Sherwin Kodabande，BCG的高级合伙人，我与人共同领导BCG在北美的AI业务。麻省理工学院SMR和BCG共同研究和发表关于AI的成果已有六年时间，采访了数百名从业人员，并对数千家公司进行了调查，了解构建、部署和扩展AI能力以及真正改变组织运营方式需要什么。

今天，Shervin和我很高兴能邀请到Orange Theory Fitness的首席数据和分析官Amin Kazarouni。Amin，感谢您加入我们。欢迎。谢谢，Sam。很高兴来到这里。期待这次谈话。目前，您领导Orange Theory Fitness的数据和分析职能。也许可以告诉我们一些关于这个组织的信息。

当然。Orange Theory Fitness是一种基于心率的全身团体锻炼。它结合了科学、优秀的教练、技术，旨在提供我们认为更充满活力的人生。锻炼旨在激励每位会员取得他们期望的结果。而且，你知道，如果你正在开始你的健康之旅，或者你是一个

经验丰富的健身爱好者。每次OTF锻炼都会创建一个共享体验的社区，但也会使用基于心率的训练，让你以最舒适的方式体验锻炼。老实说，这就是我的角色所在。健身器材和心率监测器会产生大量的逐秒遥测数据，这使我们能够创造

世界上最量身定制、个性化的精品健身体验。这就是Orange Theory。好吧。你用这些数据做什么？你收集了所有这些数据。你拥有它，这个遥测数据。我假设你拥有心率信息，因为你是基于心率的。这个过程是如何运作的？带我们了解一下步骤。大多数……

Orange Theory工作室的会员会佩戴我们称之为OT-Beat心率监测器的设备，这是一种专有的可穿戴技术。这有两个目的。一是它会给你一个关于你表现如何、你在工作室输出的强度水平的实时反馈循环。但它也允许教练看到你在工作室输出的强度水平，并有效地提供一种个性化的健身体验

在工作室、团体环境中的训练体验。我的角色专注于解锁遥测数据，并帮助进一步个性化体验。一个非常酷的例子是，我们最近推出了一种个性化的最大心率算法，会员现在在工作室体验更加量身定制的体验。这使我们能够

使用专有算法来确定最大心率（这是一个生理学术语，指你的心脏所能达到的最大输出）对于每个会员来说是多少。

而最大心率的百分比会告诉你你正在进行哪种心率区域的训练。因此，无氧训练与有氧训练具有不同的生理影响。在不同强度区域花费的时间已被证明对寿命和整体健康有不同的影响。能够根据每个会员进行个性化设置

我们能够使工作室的体验更加量身定制，而大多数利用最大心率的地方都依赖于通用的基于年龄的等式。而且你知道，正如你所能想象的那样，并非每个30岁或40岁的人都有相同的心脏。诸如此类的事情就是一个例子，说明我们如何使用这些数据为我们的会员量身定制体验。

这是一个超级酷的例子，对吧？不是你年龄和性别的平均值。而且它也按10的倍数分组，对吧？是的，完全正确。就像所有40到50岁的男性都具有完全相同的体能一样。所以这真的很酷。是的，是的。它使体验更安全。它让你更了解你在做什么，你的能力是什么。你会看到随着时间的推移，你的心肺健康会随着这个项目而提升。

我喜欢你所说内容中固有的东西，即快速反馈，对吧？几秒钟内，你就会得到反馈。但从更广泛的象征意义上来说，你一直在提出的内容是，随着你构建AI算法，越来越多的实验。它不仅仅是算法，也是实验，因为你会得到反馈。构建AI的理念

依赖于反馈的AI模型，你也在根据快速反馈将其转化为实际用例。这里面有一些诗意。我以前没这么想过，但绝对有诗意。我认为人工智能算法的优点之一是，它们非常依赖于以前看到的东西和持续的反馈循环来变得更聪明，

这正是Orange Theory体验所依赖的，随着会员变得更强壮，我们也变得更聪明，并确保我们与他们一起进步。更多地告诉我们一些关于你的数据科学开发理念，以及你如何平衡实验与更系统的方法，在发布算法之前使其完美。让我们了解一下权衡，以及你和你的团队是如何考虑这个问题的。

我喜欢这个问题。而且我甚至会把它从开发算法之外再往前推一步。我坚信公司已经

开始如此依赖于收集尽可能多的数据，只要他们的计算能力、存储成本、董事会和投资者允许他们这样做，公司就会收集数据。我认为发生的事情是，一旦你拥有了数据，人们的期望就是让我们跳到机器学习，让我们跳到AI。我认为这些，你们在关于什么是AI，什么是机器学习，这些词是什么意思方面进行过多少次辩论？

我的理念是去寻找那些平凡的、重复的任务，并尽可能地使用你的数据首先将它们自动化。去寻找你的利益相关者和垂直领域基于直觉而不舒服地做出的直觉性决策，并希望基于数据做出这些决策，并使这些数据民主化、干净且在线可用。

在那之后，你开始整个机器学习之旅。我认为当涉及到机器学习、AI和特别是开发算法时，

这实际上取决于你工作的环境和领域，你是否关注精度，你是否关注召回率。这实际上取决于预测的影响是什么。但总的来说，我总是倾向于，如果足够安全，就进行实验和学习，而不是依赖训练和验证集来追求完美。这是我的经验法则。

还有一些有趣的事情，我知道你已经稍微转向思考你的组织如何使用数据，但也许回到你在工作室中如何使用数据，你如何整合外部的数据？比如说，我一直都在训练和努力改进，但你不知道的是，我伤了脚或拉伤了腿部肌肉。这种外部信息是如何进入的？

Sam，我非常喜欢这个问题，因为我有两个答案。一个是教练是Orange Theory的英雄。我们思考这个问题的方式是，一个班上有20到30个人，但是

你不想把它看作是团体健身，而是把它看作是，可能至少我认为它是补贴的私人训练。所以你和教练之间有相当好的私人关系。而且我不会构建任何算法来取代你告诉教练，“嘿，我昨晚伤了脚。你认为我应该怎么做？”我们工作室有替代性的低冲击有氧运动器材，所以你不会

上跑步机，然后开始尝试以每小时8英里的速度跑步。事实上，教练在每次课程开始前都会说的一件事是，如果你有任何骨科问题，请告诉我等等。所以，我认为我从我的职业生涯中了解到的一件事是，数据是有价值的，用它来做决定真的很好。但是，如果有一个可以扩展地提供答案的人参与其中，那么

很可能很难用算法击败这位专家。所以不要妨碍专家。第二个答案是，假设你喝了很多咖啡因，或者你前一天跑了一个马拉松，或者你……

睡得很不好。所有这些外部因素都会影响你在工作室的心脏输出。因此，实时反馈循环允许你和教练调整自己。我们鼓励的一件事是，如果你感觉不好，就“休整一天”，引用一下。绿色代表区域被分成颜色，橙色和红色代表无氧区域。

区域，四区和五区，绿色代表你的三区，蓝色代表你的二区。所以我们建议不要争取在橙色和红色区域待12到20分钟。看看你的心率区域，听取实时反馈循环，如果需要，就休整一天。所以

这是一个有点回避问题的答案，但我们有教练，我们有会员，我们有实时反馈循环。当有一个像这样的直观的答案摆在你面前时，我认为你不应该用算法来干预，这就是我们的想法。我认为这不是一个回避问题的答案，因为历史上你有一个……

好的，你可以有一个私人教练，或者你可以参加团体课程。我认为我个人之所以能识别出这一点，是因为你可以一对一地教导某人，就像一位家教一样，或者你可以在一个巨大的教室里教导某人。我只是对像这样的应用程序感到兴奋，这些应用程序让我们能够将这两者最好的方面结合在一起。我在教育领域渴望看到这一点，但我可以看到在这方面取得很大的进展。当然，我也和Peloton谈过。他们开始考虑如何才能

在规模上获得个性化的体验。这似乎正是你真正想要做的。绝对的。我无法说得更好。我认为这正是它。我非常喜欢这一点。这完全是关于快速反馈，这是在任何系统中建立专业知识的基石，对吧？无论是国际象棋，还是跑步，还是机器学习，你越能结合实验和快速反馈以及人类参与其中，对吧？

并在不同的行业中应用它，你将为个性化的一切释放更多机会和价值，不仅仅是健身或购买裤子，还有教育和所有一切。你在这里发现了什么。

绝对的。在我之前的职业生涯中，我在零售业工作。当你想到机器学习和深度学习在零售业中的作用时，你会发现你试图在网站上重现线下的购物体验。例如，我们如何策划这个？我们如何创造一个私人购物者？我们如何创造这种精品体验？我们如何正确预测尺码？我们如何使用AR，以便你可以看到鞋子在你脚上的样子？我们一直在努力弥合这一差距。

并回到真实体验是什么样的，个性化但规模化。我认为秘诀在于快速反馈循环、使用大量数据的算法支持，但同时也避免绕过专家，即参与其中的那个人。没错。我认为这非常关键，Sam，因为我记得当我们做了

AI报告的前几年，比如在2018年、2019年。很久以前。仍然有很多……我的意思是，这只是三年前的事，但直到今天，很多人仍然认为AI是取代人类的东西，是必须自动化的东西。我们越狭隘地思考这个问题，就越……

我们放弃的结果，我们剥夺了越多的成功员工和人类。而且，我们也放弃了更多未解决的机会，因为我们认为，好吧，我没有办法完全取代这里的人类，所以我不会这样做。有很多这样的事情，它不仅仅是AI与人类，而是AI和人类。是的。

你知道，我认为有些公司混淆了，他们的产品就是AI。当你想到AI时，你会想到特斯拉，以及所有参与其中的不同行业。但是，产品中有一个非常核心的部分，它是一个独立的知识产权，它深深植根于人工智能和AI。

这并不是世界上的大多数人将如何使用人工智能。我认为这正是你刚才谈到的关键区别之一，Shervin，人们试图以这些公司使用AI的方式来使用AI，并将它们视为黄金标准。但我们的产品不是AI。我们的产品是一种经过精心策划、科学支持、教练启发的健身体验，它只是在部分由AI增强。

是的，Shervin和我对此非常兴奋。我不想剧透太多，但我们正在考虑AI的许多用途，而不仅仅是你谈到的这种AI海报用途。我的意思是，是的，我们都被看起来很酷的波士顿动力机器人所吸引，但还有很多事情不是那个水平。而且这些事情有很多价值。我认为你开始捕捉到其中的一些。我想从这个问题开始过渡

我们谈了很多关于人类参与循环、实验、假设驱动等方面的重要性。也许可以告诉我们一些关于运营模式以及在一个不是AI产品公司，而像你这样拥有强大使命的公司中的工作方式。将一个用例付诸实施需要什么？

我认为这实际上归结为三件事。拥有数据。你无法回避没有数据。投资。我认为公司犯的一个大错误是在早期没有投资数据工程师，认为你只需要在原始数据集上撒上AI这种神奇的粉末，它就会产生一些东西。我认为数据工程师是一种关键商品，

你想要尽早投资，这样你的数据才能达到你实际可以使用的地步。因此，这项投资非常重要。无论它来自哪里，都需要做出一个认真的决定来投资你的数据实践，如果你真的想建立一个的话。最后是认同。当产品不是AI时，你正在说服领域专家，在我们的例子中，是长期从事这项工作、在这些研究领域接受过正规教育的健身专家，他们

总是比你更了解产品，一个算法将帮助他们并使他们的工作更容易。我认为这种关系可以是一种美好的伙伴关系，也可以是一种极其对抗性的关系。

在我担任Orange Theory的职务期间，我努力追求的一件事是与我们的模板设计团队、我们的锻炼设计团队建立牢固的伙伴关系，因为归根结底，他们是产品的保护者和设计师。而我们，再次强调，只是一个支持他们的工具。他们的认同非常关键，因为他们对算法的理解最终会转化为教练的学习和发展材料。归根结底，我们有

遍布24个国家的数千名教练正在解释我提到的最大心率算法。他们解释的不是数学，而是运动生理学，是运动生理学的一部分。这需要认同。就像AI、数据团队和健身团队需要步调一致。否则注定会失败。

那么，就你监督、雇用和招聘的技术团队的人才和团队而言，这意味着什么？

很难找到，这就是它的含义。我认为在这个领域人才已经稀缺。我认为在像Orange Theory这样有使命感、有目标的公司中，你可能会认为很难找到，但实际上更容易，因为如果你找到一个与使命一致的人，他们几乎会为有机会将这种技能应用到他们认为是

工作之外的事情而感到兴奋，但我们也专注于我们的

数据组织是一个独立的实体。我有我的职位，首席数据和分析官，负责一个数据组织，向我们的首席执行官汇报工作。我们还有我们的首席数字和技术官负责一个独立的数字和技术组织。真正强大的是，我们能够互相借鉴，一个团队为另一个团队提供构建模块，反之亦然。你想象得到

创造了一种有趣的工作体验，实际上推动了很多速度，并推动了一种非常酷的伙伴关系，也很高兴成为其中的一员。所以我认为这一切都关乎伙伴关系、认同和团队间的合作。

说得很好。我的意思是，我们这里有一个特别的环节，我们会问你五个快速问答式的问题。只要告诉我们你脑海中想到的第一件事。关键是像直觉一样，无论你想到什么，都简短地回答。准备好接受挑战了吗？让我们开始吧。好的。你最引以为豪的AI时刻是什么？当我们使用线性回归解决它的时候。我喜欢。好的。

你对AI有什么担忧？缺乏与领域专家的协商。说得很好。你最喜欢的不用技术的活动是什么？远足。这是一个问题吗？是的，很简单。我本来想说Orange Theory，但里面技术太多了。你小时候想从事的第一个职业是什么？环境生物学家。你对未来AI的最大愿望是什么？

更多访问权限。很好。实际上，我有一个后续问题。谁的访问权限？谁需要访问权限？

我认为，如果AI的一些更简单的部分能够解锁公司收集的数据的决策，那么更容易利用，而无需投资组织所需的财务和人力资本，那就太好了。我认为世界的整体效率将会提高，你知道吗？是的。更多开源的东西。是的。是的。是的。

我的意思是，这非常有见地，也很有趣。感谢您抽出时间与我们见面。是的，感谢您的到来。感谢您的邀请。这很有趣。我真的很享受。在下一期节目中，我们将与PayPal高级数据科学和分析总监Katera Kodeverde交谈，她负责Venmo和Honey的数据团队。请加入我们。

感谢收听我和AI。我们相信，就像你一样，关于AI实施的对话不会始于本播客，也不会止于本播客。这就是为什么我们在LinkedIn上专门为像你这样的听众创建了一个小组。它被称为AI for Leaders。如果你加入我们，你可以与节目创建者和主持人聊天，提出你自己的问题，分享你的见解，并了解更多关于AI的信息。

并获得来自麻省理工学院SMR和BCG关于AI实施的有价值资源的访问权限，你可以通过访问mitsmr.com/AI for Leaders来访问它。我们将把链接放在节目说明中，我们希望在那里见到你。