Learning, Engagement, and Empowerment: 1-800-Flowers’ Amit Shah
36:57 Share

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 AI 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。您可以在 Apple Podcast、Spotify 或您收听播客的任何地方找到 Modern CTO Podcast。鲜花根本不是数字产品。

但是，像人工智能这样的数字技术仍然可以为销售非数字产品的公司提供相当大的价值。在今天的节目中，1-800-Flowers 总裁 Amit Shah 将描述通过像 1-800-Flowers 这样的平台提供的人工智能和机器学习如何使小型公司能够与大型组织竞争。欢迎收听《我和 AI》，这是一档关于商业中人工智能的播客。在每一期节目中，我们都会向您介绍一位在人工智能领域进行创新的个人，

我是 Sam Ransbotham，波士顿学院信息系统教授。我还是麻省理工学院斯隆管理学院人工智能与商业战略大创意项目的客座编辑。

我是 Shervan Kodabande，BCG 的高级合伙人，我与人共同领导 BCG 在北美的 AI 实践。麻省理工学院斯隆管理学院和 BCG 共同研究人工智能已有五年时间，采访了数百名从业人员，并对数千家公司进行了调查，了解在整个组织中构建、部署和扩展人工智能能力以及真正改变组织运营方式需要什么。

今天，我们邀请到了 Amit Shah。Amit 是 1-800-Flowers 的总裁。Amit，欢迎。我们很高兴能了解更多关于您正在做的事情。非常感谢 Simon 和 Shervin。很高兴来到这里。Amit，我们之前聊过，发现我们都与佐治亚州有一些联系，你和 Shervin 和我，但你现在在长岛。你是 1-800-Flowers 的总裁。请告诉我们一些关于你职业生涯的经历。

我最初在麦肯锡担任分析师，麦肯锡以帮助教授个人和集体规模的解决问题能力而闻名，然后在东北地区的一系列初创公司工作，最终在我的职业生涯早期加入了 Liberty Media Pro Flowers 集团，并且我非常参与，我想说的是，在增长黑客的前沿。

这就是我走向目前职业生涯的原因，因为我看到了增长黑客和黑客的心态，他们寻求持续变化、持续改进和持续渴望提供最佳客户体验，实际上，这两种心态最终都成为任何高管层或大型董事会的最关键因素。从营销角色开始，

然后过渡到总裁职位，营销背景一定有所不同。作为总裁，你的营销背景对你有什么影响？这是一个很好的问题，Sam。发展到领导营销以外的多个职能部门和同事的角色，真正突出的是两个关键要素。首先，我认为营销传统上被视为

作为赋能和加速解决问题的职能能力之一。营销正在成为一个增长职能，而增长正在成为公司的关键差异化因素。因此，我希望继续看到营销领导者的加速

实际上承担更多领导责任，并最终开始掌舵，因为增长已成为必不可少的货币和必不可少的差异化因素。这是一个方向。然后我想说第二个方向，它为我们的人工智能对话提供了信息，那就是

我觉得营销领域的人实际上比很多同行更了解上下文，并且更实际地使用机器学习来进行高级问题解决

。因此，我认为我作为 1-800-Flowers 总裁的领导角色中，拥有这种独特的才能和独特的心态，这得益于我接触到的这种高质量和大量的解决问题的能力，这围绕着我们周围许多增长和营销领导者。让我们来解决一个显而易见的问题。鲜花本身根本不是数字化的。1-800-Flowers 如何特别使用数字数据和人工智能？

目前，我们是一个拥有 15 个品牌的平台。因此，如果您考虑一下，您就会知道，我们是一个赋能参与的平台。我们在人类表达和参与的整个范围内发挥作用，从生日到同情，以及介于两者之间的所有内容。

这就是我们是谁。我们认为，我们已经建立了一系列全明星品牌，以真正推动参与平台。因此，如果您考虑一下现代组织的差异化因素，那不仅仅是采用技术的能力，这已经成为一个门槛，而是面对深层问题时能够胜过竞争对手解决问题的能力。

因此，当我想到人工智能时，我想到的是我们在这一领域的竞争力。我们是更好的问题解决者吗？我将给您一个很好的例子。20 年前，当我开始我的职业生涯，作为麦肯锡的一名年轻分析师时，精通 Excel 的人和不精通 Excel 的人之间存在明显的区别，对吧？这是一种工具，它使人们能够

大规模决策和决策沟通。当我想到人工智能及其五年后的力量时，我认为每一位新员工实际上都会拥有一个 AI 工具包，就像我们过去获得 Excel 工具包一样，以便更好地解决问题，并更好地将其传达给客户、同事和任何利益相关者。因此，对我来说，人工智能不是技能问题。这是一个心态问题。

从长远来看，那些采用并理解这是一种心态和技能游戏，实际上将比其同行参考群体更具竞争力的公司。是的，这非常有见地，而且很正确。这几乎与我们与谷歌的 Will 进行的对话完全一致。这完全是关于心态的，但我认为，对于许多公司来说，这仍然令人望而生畏，

他们仍然将其视为技术问题，视为技术黑盒，因为我们需要大量数据，我们需要大量数据科学家，当然，您确实需要这些。但是，您还需要关注正确的问题，以及问题的定义以及如何解决这些问题。然后，您如何改变实际用户的思维方式？因为我可以想象……

您已经能够改变两种群体的思维方式，例如消费者的思维方式，20 年前他们不会与任何数字平台分享生日等信息。但当然，你已经改变了这种心态，包括我自己。

但你也一定改变了这么多实际上参与平台开展业务的夫妻店当地花店的思维方式和工作方式。你能对此发表一些评论吗？这有多难？我认为，Sherbin，你提出了这个问题的关键所在。当我们谈论心态转变时……

对心态甚至技能的接受的蜕变，它确实需要一种多利益相关者的方法。当然，我们非常自豪地支持 4000 多名花店组成的社区，他们正在支持 Main Street 企业。我想说的是，美国 Main Street 企业成功的最后几个据点之一就是花店

它在社区中扮演着非常重要的角色，不仅作为社区中所有重要场合值得信赖的提供商，而且我认为它也是人工智能背景如何发展的一个灯塔。让我给你举几个例子。问题归结为，我周围的环境是否变得更有竞争力并不断发展？我想对小型花店和我们这样的公司来说，

被 Facebook 和 Google 等平台所包围，这些平台是为提取每次点击的最高收益而设置的富含拍卖的机器学习环境，这意味着任何寻求增长、寻求接触客户的企业主都已经受到机器学习和人工智能的影响。因此，当我考虑这个多利益相关者环境时，

授权，我考虑的是我们如何授权美国腹地的最小花店与这种环境演变竞争？我们如何授权，你知道，小型商业实体获得这种力量？我认为这就是心态的来源。因为这需要首先了解上下文已经富含 AI 和 ML。

第二点是，除非你能对它做出回应，否则你总是处于失败的一方。因此，我们的想法是，通过提供这些服务套件，通过与我们的花店社区、我们的供应商社区紧密合作，我们实际上是在在一个快速发展的环境中为他们提供相关性，在这个环境中，接触他们的客户本身就是一个机器学习问题。

你如何做到这一点？其中有多少是通过平台技术驱动的？有多少是老式的体力劳动、关系管理和与这些小地方紧密合作？有多少是技术解决问题，而有多少是人员、流程和变革管理等方面？

一个非常强大的起点是认识到如何基本上大规模收集数据并进行推断。我给你举个简单的例子。在我们平台上设置提醒程序实际上是一个永久性的冷启动问题。让我解释一下这意味着什么。这意味着，例如，如果您访问我们的网站或任何花店的网站，并且假设您来表达

祝您姐姐生日快乐，她一周后生日。你可能会来挑选一个花束。假设她喜欢白色百合花。你会点击白色鲜花、白色花束，然后选择一个彩色百合花束并送给她。大多数公司都会记录这些数据，并说下次 Sherwin 来到我们的网站时，让我们给他展示白色鲜花。

例如。但可能是你的下次访问实际上是在情人节之前。你在这里买花，情人节的花通常是红色或粉红色的，你正试图表达这一点。因此，你给我们的所有点击历史记录，你给我们的所有数字面包屑，用于解决机器学习问题，实际上是无关紧要的，因为你又开始了一个冷启动结果。而这个个性化的现实

你知道，解决这个结果所需的数据量之大、决策之多，才能创造更好的客户体验，这就是我们赋能利益相关者真正实现的目标，对吧？这是一个方面。第二个方面是我们刚才谈到的，目前客户受到极其昂贵的影响，我想说的是，富含拍卖的环境，对吧？

由少数几个主要平台控制。要在这些平台上玩耍，您需要具备基本能力。例如，我们采用许多先进的算法交易和算法模型来了解在一天中的任何时间、一周中的任何一天和一年中的任何月份，您应该出价多少才能最大限度地提高您的收益并最大限度地降低您的客户获取成本。

这些数据集、这种复杂性、这种投资几乎超出了许多本地化业务和结果的范围。因此，建立联盟、信任更大的实体的问题也将在未来变得越来越重要。因此，当我们考虑我们的使命和愿景时，我们受到我们能够发挥什么作用的启发

在催化这些结果、赋能和加速这些结果方面。因为无论我们谈论的是 Main Street 上的花店，作为美国最后一家独立的重要企业之一，还是我们谈论的是试图去殡仪馆向他们表达一些非常私人的事情的人，这些时刻都定义了我们和我们所居住的社区。

我们认为，你知道，我们在帮助实现这一愿景方面发挥着重要作用。我们看待这一愿景，不仅仅是财务或交易结果，我们将其视为整个社会的成果。例如，你知道，我们有免费的电子贺卡，你现在可以访问我们的网站并发送。我们真的希望你真正地向某人表达，嘿，你在想着那件事。因为我们认为这对我们来说更重要

欣赏和赋能这种表达，随着时间的推移，希望这能让你与我们作为品牌建立更深层次的联系，与我们作为平台建立更深层次的联系，然后利用我们来表达这种情感。

但情感本身的赋权是我们使命和愿景中非常重要的一部分。回到人工智能，我之所以谈到规模化解决基本的个性化问题，是因为我们所有的表达最终都是个性化的表达。因此，除非您正在采用和部署这些技术以及这种心态，

客户来这里是为了表达和联系。你不会以赋能最终客户为首要目标的方式看待问题或解决方案。你的背景中是否有某些方面塑造了你对客户的看法？或者这可能影响了你如何让人们以客户为首要目标的心态工作？我认为这融合了我的人文教育和对推动问题解决的渴望，以及

当我克服各种领导挑战和级别时，作为我的技能组合的关键特征和属性。我从鲍登学院的人文教育中汲取的一个关键教训是关于这个学习商数和首先拥有 LQ 心态的重要性。因为人文科学真正迫使你做的事情

是采用持续学习和提出比职能能力更深层次的问题。我认为，随着时间的推移，实际上，当机器开始执行重复性任务时，决策也将成为一个非常重要的伦理选择。

当我指导大学生并发表演讲时，我总是指出优先考虑非常认真地学习你的非技术课程并考虑人文教育。因为我认为领导者 10 年后、15 年后面临的开创性问题，不仅仅是围绕着他们的能力，而是围绕着他们的思想深度以及他们学习能力的优劣。

好吧，作为一所专注于人文教育的大学的教授，我完全同意这一点。但我也想考虑一下，有没有一个例子？所以你提到你试图了解个体客户以及这有多难。因为在你的情况下，这不仅仅是他们上次做了什么，我们预测他们会做更多同样的事情。事实上，上次我告诉他们与他们这次要做的事情完全相反的事情。所以你能给我们举一些例子说明你如何使用人工智能来了解客户的需求吗？

你学到了哪些东西，以及你如何建立你的组织来学习这些东西？这非常困难，无论人工智能领导者和生态系统如何谈论它，主要是因为三个原因。我认为所有商业领袖在考虑人工智能采用时都会面临三难困境。首先是从拥有跨职能和胜任的团队开始。

通常，您在组织内部发现的是，团队已经被占用，特别是数据科学和机器学习能力非常难以找到和资助，我想说。第二个问题是数据集嘈杂且不完整。因此，当我们谈论人工智能的基本要素时，在大多数公司中，实际上，数据是极其孤立的。

极其难以加入，而且往往不完整。第三个，这是一个更不断发展的方向，那就是它必须在其最终状态下是可以解释的，对吧？它必须作为一个堆栈值得信赖。因此，我们发现实际上正在快速发展，我认为这对于大多数组织来说都是非常真实的，那就是采用人工智能即服务。

我认为大多数公司都可以很快开始回答你的问题，Sam，通过采用人工智能即服务，然后提出一个非常简单的问题。明天我可以使用我目前没有使用的这个堆栈更好地解决哪些一两个问题？

当您开始查看底层时，会有非常有趣的结果。我说的一个问题是我们的冷启动问题。因此，我们正在开发一个推荐系统，该系统非常成功，它利用了许多神经学习和非常稀疏数据集的学习来进行推断，对吧？

我们发现的另一个地方是预测，例如。预测是一项非常困难的工作，特别是如果您能想象到，例如，情人节实际上会根据一周中的哪一天而变化。所以去年是星期五，今年是星期天。与母亲节相比，母亲节总是在星期天，

这具有非常深远的业务影响作为结果。因此，预测是将此投入其中的完美候选者。但心态，再次，你是否正在测试和学习？在某些情况下，早期对机器学习的尝试不会比你的基于决策的引擎更好。但我们已经看到，即使在中期内坚持不懈，也会产生非常不对称的回报。

并且极其重要的是要宣传和理解这些回报。因为正如我所说，大多数现代公司发现自己身处的环境已经充斥着机器学习。

因此，你提到的三件事中的两件事都涉及跨平台。这是人们一起工作的主意。你从数据角度和团队角度都提到了它。矛盾之处在于，并非每个人都能一直从事所有工作。否则，这不是一个团队。那是整个组织。那么，你如何在你的组织中建立这种良好的跨职能融合，而不是让每个人都参与到所有事情中呢？

我想说，说实话，这是一个充满抱负的张力领域。当您试图将心态转变为技能时，

这不仅仅是关于如何组建团队以及如何找到解决方案，而是关于如何最终销售您的愿景以及如何让人们热情地相信这一愿景。因此，我想说我们早期尝试组织的方式更像是命令和控制，我们当时说的是，嘿，如果你有数据科学背景或分析背景，也许你适合这个。

我认为，随着时间的推移，我们意识到学习系统在其核心具有自组织原理。因此，现在我们更多地考虑的是，正如我所说，早期只是向每个人推出 Excel。如果我们将人工智能即服务推广给每个人呢？你知道，如果有人只是在安排会议，他们是否会通过人工智能即服务获得更多授权？

他们自己是否会找到一些新颖的解决方案来解决一些根本没有被认为足够重要的问题？我之所以这么说，Sam，并不是为了暗示没有一个连贯的关于可以通过人工智能解决的问题的清单，以及组建跨职能团队并做到这一点。我认为这是比较容易的部分。

但我建议，并且，你知道，鼓励我的同行参考组真正考虑的是，心态的真正授权和真正转变将发生在您将人工智能推广到每个端点时，对吧？就像我们不会三思而后行地向每位新员工推出电子邮件一样。为什么我们要限制自己，并限制自己将人工智能仅视为专家的领域？

这是一种解决问题的方法。这是一种解决问题的心态。这是一个操作系统。你可以在上面构建应用程序。我认为这很有见地，因为无论你为聪明而好奇的人提供什么，最终都会变得更好。

这对任何组织来说都是一个非常好的挑战。为什么不提供一套人工智能产品，让外行用户能够自助使用呢？根据你的观点，另一件我想说的是，欣赏失败作为更好学习的重要输入。我认为，在我采用人工智能优先的心态时，我深刻地尊重和庆祝失败

作为一种组织货币。如果您考虑组织内部员工的历史，所有起源故事和随后的故事都围绕着成功。但在我看来，人工智能优先的心态是如何真正集体地拥抱，你知道，不是通过张贴海报来表达，你知道，快速奔跑并快速失败，

这些并没有真正改变人们的活动、行为以及他们对职业轨迹的接受程度，就像庆祝失败一样。我之所以这么说，是因为所有机器学习，未来的所有学习实际上都具有成功结果和失败结果之间非常健康的平衡。

因为失败的结果实际上与成功的结果一样多地教会了系统。我认为关于失败的观点非常重要。你如何将其付诸实施？我祈祷很多，我也经常抛硬币，但这是一个非常重要的问题。我认为这必须从领导层开始。我认为这必须从对决策极其困难的非常非常人性化的表现开始

即使对于领导者来说，也要非常公开地承认他们的决定没有带来成功的结果。因此，我认为我生活中一个关键的教训，而且我一直试图非常深入地遵循这个教训，就是围绕着彻底的透明度，围绕着确保人们理解这些是我做出某个决定的原因，并且我足够开放，以至于

最后，对于任何输入，对吧？无论它是否成功。这就是在领导层开始实现这一结果时的一种方法。第二，我认为非常重要的一点是，你如何激励这一结果？例如，你知道，我们有一个内部称之为红队的常设团队，

例如，它与主要的增长团队对抗。因此，如果主要的增长团队有 1 亿美元用于营销，我会给一个实际上与传统智慧背道而驰的红队 10%。它与传统智慧背道而驰的原因实际上是为了建立一个失败的语料库，然后可以作为我们从花费这 1 亿美元中学到了什么的陪衬。这再次是一个非常重要的部分，

提高团队的集体 LQ，对吧？因为如果一切都是通过共识来完成的，我们从行为经济学和许多已完成的研究中知道，这不是最佳的决策结果，对吧？这是一个例子。那么，你如何建立团队结构和激励机制呢？然后我想说的最后一件事，最近对我来说是一个学习，是如何将其转化为 ESG 或伦理目标？

因为我从我们拥有的新员工、利益相关者群体中看到的是，这不仅仅是关于学习，而是在我相信的背景下学习。因此，我越来越新的理解必须围绕着，嘿，如果我们摄取人工智能模型，它们是可以解释的吗？它们是去偏见的？

我可以确保团队理解我们可能做出的某些选择可能没有直接的业务回报，但实际上与我们的愿景和使命更一致？好吧，我们开始讨论时谈到了夫妻店花店，这引起了我的共鸣。实际上，我没有提到，但我妈妈拥有一家花店。所以夫妻店在这个点上实际上是字面意思。Amit，我们非常感谢你今天抽出时间与我们交谈。

感谢您抽出时间与我们在一起。是的，非常感谢你。这很有见地。谢谢。我喜欢这次谈话。谢谢你们。感谢。当然，Amit，这很有趣。让我印象深刻的一件事是

我们谈论的是，哦，是的，机器可以从过去学习等等，等等，但对他们来说，每个场景都有一些冷启动问题。因为每个假期都不一样。每次有人来找他们时，他们都会因为不同的原因得到一些东西。如果他们知道根本原因，那它就不是冷启动，但他们并不总是知道。当我们访问任何普通的协同过滤平台，如 Netflix 或其他地方，甚至像 Uber 和 Lyft 这样的交通工具时，

这些人比 1-800-Flowers 更能利用我们的历史。这是一个冷启动。并将此与他们需要的情感意识联系起来，因为根据定义，这些都是他们参与的非常人性化的体验。

如果他们搞砸了，那就不好。是的。此外，这是一个冷启动，根据定义，这意味着这是一个学习机会，因为冷启动问题与学习问题相同。如果你有很多冷启动问题，那么这是否意味着你基本上必须对非常快速的学习速度感到满意，并且

这就是你的成功。因为否则，是的，一切都是同情，或者一切都是我真正真正了解的人口统计数据。而不是适应所有这些情况。另一个正在出现的话题是他谈论了很多的研究，那就是学习商数的概念，对吧？你知道，我们问他关于团队的问题，他说，

他们非常关心的是个人想要学习的愿望、意愿和能力。这与人工智能本身非常吻合，因为人工智能完全是关于学习的。人类和机器相互学习的概念，这也是我们工作的一个主题，我发现他对此的理解非常有见地，他说，

在许多方面，它也符合他关于心态和文化变革的观点，因为他还谈到，你知道，这不仅仅是关于技能或技术。更重要的是改变工作方式、改变运营模式以及改变你对人工智能、这项技术可以做什么和应该做什么的心态。

他认为这将像现在非常普遍的 Excel 电子表格一样普遍的工具和能力。没错。因此，学习、持续学习和适应性的重要性，我认为在他所说的话中相当优雅。好吧，你不会和我争论的。我的意思是，我是一个教授，我是一个学者。所以我认为……是的，你喜欢学习，对吧。我倾向于认为学习是一件大事。是的。

但更重要的是，他还提到了人文思维在学习中的重要性。我和你，我们经常取笑我们的工程背景。但正如我们看到这些技术越来越容易使用一样，它确实突出了人类的重要性以及人类与机器合作的重要性。

我认为，如果我们回到20或30年前，那时有很多关于IT消亡以及IT无关紧要的讨论。你还记得那个阶段吗？但是，不，那并没有发生。我的意思是，随着IT变得更容易使用，公司只是想要越来越多的IT。而这是这种趋势的自然延伸。是的，我认为这种技术提升竞争水平，使人类能够在更高水平上运作，然后人类发明更好的技术，从而使这一水平不断提高的概念，是

技术发展中的一种常见主题。你知道，国际象棋就是一个很好的例子，因为如果你看看20年前，你谈到，萨姆，20年前，IT的消亡，就像20年前，25、30年前几乎就像国际象棋中计算机的消亡一样，因为人们认为不可能。对吧？就像人类不可能被计算机击败一样。然后

卡斯帕罗夫输给深蓝后，游戏规则改变了。但随后发生的是，国际象棋棋手变得更聪明了。因此，国际象棋的ELO等级，也就是最高等级的国际象棋棋手的等级一直在稳步提高，因为人工智能帮助人类变得更聪明了。

4 感谢收听。下次，我们将与万事达卡首席数据官Joanne Stonier谈谈万事达卡如何利用设计思维来确保其人工智能的使用支持其整体业务战略。感谢收听《我和AI》。如果您喜欢这个节目，请花一点时间给我们写评论。

如果您给我们发送截图，我们将向您发送MIT SMR关于人工智能的最佳文章合集，限时免费。请将您的评论截图发送至[email protected]。