Using AI to Rethink the Way Work Gets Done
30:24 Share

哈喽，哈喽。我是马尔科姆·格拉德威尔。我想告诉你们普希金工业公司正在推出的关于1936年奥运会的新系列节目。希特勒的奥运会。法西斯主义、反犹太主义、种族主义、崇高的奥林匹克理想、怯懦的私利、赤裸裸的野心、幻想、妄想，所有这些都在通往历史上最具争议的奥运会的漫长而充满争议的筹备过程中发生了碰撞。德国人上演了一场宣传秀，而美国也对此表示赞同。为什么？

本季的《修正主义历史》讲述的是奥运会背后的故事。无论你在哪里收听播客，都可以收听本季的《修正主义历史》。如果你想在节目公开发布之前收听，请在Apple Podcasts或pushkin.fm/plus订阅Pushkin Plus。

大家好。这是IBM的Smart Talks，一个来自普希金工业公司、iHeartMedia和IBM的播客，主题是换一种方式看待当今最具挑战性的问题。我是马尔科姆·格拉德威尔。今天，我和IBM云和数据高级副总裁罗布·托马斯聊天，他的职责是将新想法付诸实践。

但尽管处于这些技术的尖端，他仍然欣赏古老的问题。有一只兔子和一只海狸，它们正盯着胡佛水坝。海狸对兔子说，不，我不是我建造的，但它是基于我的想法。这个故事的重点是，你知道，想法多如牛毛。是的，这是一个很棒的故事。是的。

每个人都有很多想法。是的。顺便说一句，我们太快就否定了海狸。他是对的。但是你见过海狸坝吗？我的意思是，我知道他是对的。这是他的主意，但他与巨大的水泥胡佛水坝毫无关系。在我的采访中，我们将讨论大流行期间云的重要性以及IBM如何在疫苗分发中发挥作用。敬请期待。

我个人对IBM云和数据高级副总裁的含义一无所知。所以我请罗布用通俗易懂的语言为我解释一下。我们构建软件，软件是我们这个时代的通用语言。

任何将在企业中完成的事情，甚至与消费者的互动，都将通过软件完成。它确实是世界上正在发生的一切的语言。这就是我们所构建的。我们专注于为企业做到这一点。那么你在IBM工作多久了？20年还是21年，我想应该是21年，准确地说。我最初是在咨询公司工作。

然后我转到我们的半导体业务部门，从事咨询工作。真正改变我整个职业生涯的时刻是与任天堂合作，当时我们正在为任天堂Wii设计微处理器。我意识到我们只会做一次，但他们将构建将被复制数十亿次并在世界各地被人们使用的软件。

也许我不适合这个行业。这真的激起了我对软件的好奇心，这让我转到IBM软件业务部门，在那里我工作了大部分职业生涯。所以我在软件行业总共工作了12年、13年。但你已经看到了，我想，所以在软件行业工作了12年。

我这样想对吗？在过去的12年中，软件领域发生的事情比之前软件的整个历史都要多？这是一个公平的说法吗？接近。我会说接近。当然，创新的速度和步伐已经加快。现在，是否有结果？也许这是一个不同的问题。但如果你考虑一下软件可以追溯到甚至我们在50年代建造的第一台大型机，

所以很长一段时间以来，软件领域发生了很多好事。但速度和步伐是我们从未见过的水平，这当然是在过去十年中加速发展的。是的。我的意思是，我记得……

我的父亲是滑铁卢大学的数学家。我记得小时候回家，走进他的办公室，看到一堆计算机卡片。所以在我的一生中，我已经从查看一堆计算机卡片转变为更加……所以我的意思是，我知道这种速度有多快。一年后它就会不一样了，对吧？这就是它的发展速度。

让我们稍微关注一下这一点。现在有什么变化？假设我是一个客户，我来到你这里，我说，你知道，我想为明年和后年做好准备。我应该最关注什么？如果你不介意的话，让我给你讲个小故事。在美国，曾经无法轻松地从一个城市到另一个城市。在那时，

回到20世纪50年代，有一个决定说，让我们实际构建基础设施来连接美国的每个城市。结果是50多年的工作，4000亿美元，我们现在拥有48000英里的高速公路连接所有这些城市。但真正的影响比这更深远，因为你可以通过建造立交桥来消除交叉路口的交通拥堵。

围绕着第一步只是连接美国所有城市的理念，建立了所有这些二阶业务，酒店、加油站、你在加油站购买的咸味零食、快餐、休息区。因此，整个经济都是围绕着第一步只是连接美国所有城市的理念建立起来的。而这正是现在软件正在发生的事情。它正在连接企业，

以及以前从未连接过的方式的个人。而我们仅仅处于所有由此产生的二阶效应的开始阶段。软件中最大的问题是数据。就像你拥有所有这些分散的城市，并且你正在建造高速公路来连接这些城市一样，每家公司都拥有所有这些不同的地方的数据集

这是一个非常棘手的问题。但在解决数据问题之前，人工智能对企业来说将不会成为现实。这是我现在花很多时间研究的一件事。深入探讨这个短语“数据问题”的含义。我认为每个个人都希望他们与之互动的任何公司，无论是他们的当地银行、餐馆还是当地洗衣店，无论是什么，

他们希望这家公司了解他们。这就是当你的城镇只有一家杂货店，店主认识你，他们知道你想要什么的时候的整个想法。我认为每个人都希望这种程度的参与。

而这就是软件实现的。而其基础是数据。今天每个企业面临的最大问题是如何理解我的数据，它告诉我关于我的客户的信息，它告诉我关于我的产品的信息。所以这从根本上来说是关于我们如何

以更好的方式生活。你谈到的是，我是一家大公司，我有不同的数据集，它们都在不同的位置，它们之间无法相互沟通，我无法将它们组合起来并理解它们。这就是你所说的数据问题吗？正确。即使我可以将它们组合起来并连接起来，数据也不是可用的形式。一个数据说是M.格拉德威尔，另一个说是马尔科姆·G。是同一个人吗？也许是，也许不是。嗯哼。

这真的很困难，因为这些系统是随着时间的推移建立起来的。我们与一家名为Wunderman Thompson的公司合作。他们本月刚刚与我分享的一个故事是与Peloton合作。因此，Peloton收集了很多数据，即你所谓的来自自行车或跑步机的第一方数据。如果我没记错的话，我认为你是一个跑步者。而WPP，Wunderman Thompson拥有所有这些第三方数据，即他们对消费者了解什么？正确的。

因此，仅仅是连接这两个数据集，构建预测模型，然后将其转化为广告活动，人工智能部分实际上相对容易。实际上是连接数据、使数据合理化、清理数据。这是没有人谈论的真正困难的部分，因为我们所看到的只是……

结果。是的。等等，为了让我理解这一点，这非常有趣。所以假设你，罗布，是一个Peloton用户。所以我们有一个来自自行车的数据流，它表明你骑自行车，让我们假设，我将奉承你，每天一个半小时，以某种疯狂的速度。

两者都不是真的，但请继续。我今天确实做了半个小时，但我必须告诉你，速度非常慢。我正在查看你的，无论我收集什么，我都假设Peloton从自行车上收集了很多生理和使用数据。由此，我们可以大致了解，

你是谁，你的运动兴趣是什么，你的健康状况如何，所有这些事情。Wunderman的旧商店想知道，我如何利用你这种运动员的形象

来帮助你获得你会回应的广告信息？这就是问题吗？它可以带给我，但更有可能的是，因为显然他们对所有这些数据进行了去匿名化处理。更重要的是，好吧，那么我们如何找到其他人像罗布一样？那个人的属性是什么？然后我们如何与他们联系

以一种让我们感觉像是在与他们交谈而不是与一群人或群体交谈的方式。大多数公司想要做的第一个预测是下个月或下个月或下个月我的销售额会发生什么。我们发现这往往是多达50或100个不同输入的结果。有多少人访问网站？有多少人打电话给呼叫中心？

如果我有面对面的销售团队，他们会进行多少次销售电话？我正在开展多少个营销活动？如果你采用所有这些不同的数据点，通常是50个或100个，你将它们输入模型，那么第一个月你就会看到模型有多接近。然后你调整。第二个月，你就会看到模型有多接近。

这些模型随着时间的推移会变得非常好。我们认为我们可以帮助公司根据所有这些不同的数据来源、所有这些不同的输入来预测他们在一个月、一个季度、一年内的财务业绩。我认为这对每家公司来说都非常有价值。那么IBM的作用是什么？你已经向我描述了这个问题。你们进来，然后说，我们会做什么？几年前，我试图思考什么是正确的隐喻

这样我就可以向我们的客户解释这一点，并构建了我称之为“人工智能阶梯”的概念。所以把它想象成你朝着人工智能迈出的阶梯。最底层是收集数据。所以你必须能够收集所有数据。我将使用图书馆的类比。这只是，你必须获得书籍。你必须将书籍放入图书馆。这就是收集。

接下来，你必须组织这些数据。回到图书馆的类比，这就是卡片目录。那么所有不同的数据集在哪里？我可能有五份相同数据的副本。我怎么知道这是相同的副本？也许一个被借走了。也许一个在缩微胶卷上。这些实际上都是企业中存在的问题。所以你必须收集数据。你必须组织数据。

然后你必须分析数据。所以你实际上是开始做数据科学、机器学习。在图书馆的隐喻中，这就是你展示畅销书列表或展示流行杂志标题的地方。然后阶梯的顶部是我所说的注入。那么你如何利用这些模型……

将它们注入业务流程中。所以是这四个步骤，阶梯。你必须收集、组织、分析、注入，

我们构建的软件可以帮助客户完成阶梯的每个台阶，帮助他们进行收集。我们实际上构建了我们称之为数据目录的东西来帮助你组织你的数据。所以我们帮助他们完成阶梯的所有台阶，因为最终你可能听说过IBM沃森。这是我们的AI平台。一旦你完成了这些事情，你就可以使用人工智能并获得非常好的结果。想象一下，如果有人来自……

白宫来到你这里，说，我们即将在这个国家做一些我们从未做过的事情，或者在这个国家70年来没有做过的事情，那就是尝试在尽可能短的时间内为每个人接种疫苗。我们有多种三类，最终可能还有四五种不同类型的疫苗，由数万个地方政府机构向具有广泛风险因素、紧迫性的人们接种，

既有疾病等等等等。你能帮助我们尽可能高效、经济有效和社会有意识地做到这一点吗？这就是你正在谈论的那种任务吗？现在，这在某种程度上与数据问题一样多是一个物流问题。不过，让我向你描述一下围绕此问题存在的一个数据问题，因为我们正在与CVS合作……

关于COVID疫苗的推出。哦，你参与其中。是的。因此，如果你在CVS实际进行接种，他们最大的问题是每个人都有问题。CVS无法雇佣足够的人来回答你提出的10个问题、我提出的10个问题、你表弟提出的20个问题，以及

他们来到我们这里，说，我们能否使用人工智能来回应我们收到的所有询问，并实际帮助人们找到他们可以在有资格时获得疫苗的地方？所以我们为他们构建了一个人工智能代理，它现在每天都在处理疫苗的推出。这始于数据。

他们有一个存储不同问题数据的地方。我们已经训练了关于语言的模型，这意味着我们可以理解不同类型的问题，什么是真正推断的、暗示的、以及什么是陈述的。这是一个真正的数据问题。这就是我们在这个当前情况下花费大部分时间研究的地方。是的。所以当你说这是一个数据问题时，意思是说你从……

试图通过查看数据并利用数据来尝试预测某人可能会提出的所有可能的问题来预测。这就是你的意思吗？正确。是的。然后根据这些输入训练机器学习模型，以便在提出问题时，我们有很高的概率给出正确的答案。是的。构建该系统需要多长时间？现在，这是关于加速的现代软件的奇迹。我们在45天内完成了这项工作。你说真的吗？

是的。太疯狂了。有多少人参与了这项工作？25、30，大约在这个范围内。这不是一个庞大的团队。关于这类系统的另一件事是，你希望它在第一天就非常好，但你肯定知道它在第10天会更好。它在第20天会再次变得更好。

这些是学习系统。它们确实会随着时间的推移而变得更好。而且，对于真正困难的问题，这就是为什么我喜欢将人工智能描述为赋予人类超级能力的原因。大多数人都想说它取代了人类。我实际上认为它赋予了他们超级能力。因为在这些情况下，你开始将更难的问题转移给人类。因此，你的客户满意度会提高，因为人们正在解决他们的问题。

你会达到100%吗？可能不会，因为总会有某些东西对人工智能来说太难处理了。但我认为你肯定可以继续提升它。是的。或者也许，鉴于你刚才所说的话，更公平地说你不想达到100%？你想为人类之间的互动保留某种类型的问题，因为这最终可能更能满足提问者的需求？

我们经常讨论这个问题。当然，在我参与过的那些项目中，通常是这样的，因为让我们不要忘记，这些都是企业，大多数企业的目标是销售商品。因此，有时销售商品的最佳方式是真正帮助某人解决他们的问题，然后向他们展示你的其他产品如何使他们的生活更加轻松。当你回顾你小组在过去几年中被要求解决的IBM的各种问题时，哪个最难？

我不知道我能说出比其他问题更难的事情。最耗时的那些事情，例如法规遵从性。如果你是一家银行，你有很多不同的法规需要遵守。而且很容易帮助构建可以做出贷款决策的人工智能，是或否，好主意，坏主意，消除该决策中的偏差。这是非常可行的。

我是否符合该个人所在地区的规定，因为他们在邮政编码中，或者在一个州，或者在一个国家？这些问题变得非常困难，因为你将大量的法律与日常业务流程联系起来。这些变得非常困难。是否有客户曾经带着你无法解决的问题来找你？我们太好奇了，以至于永远不会轻易放弃。是的。

更多的是，你知道，这是廉价、快速和良好的三角形，如果你听说过的话。你知道，你只能得到其中的两个。你想让它便宜又快吗？它可能不好。如果你想要它又好又快，它可能不便宜。如果你想要它便宜又好，它可能不快。我认为所有这些情况都归结于这个三角形。所以你有一群人致力于解决这些问题。我很想知道，当你

将某人带入该团队时，你会寻找什么。与将人工智能应用于这些非常复杂的数据领域相关的一组技能是什么？是否存在一组至关重要且稀有、难以找到的特定技能？易于测试的技能是，你是否具备技术能力？你了解Python吗？你了解

机器学习。你可以从某人的工作成果和他们所学习的内容中看出，他们是否具备这项技能？更难的部分是同理心问题。你是否真的能够理解一种情况，理解一个用户并对他们试图做的事情产生共鸣，这样你不仅仅是为机器人构建模型，而实际上是为最终的人类构建这个模型。这很难。

更难测试。然后第三个是，我只是称之为好奇心。某人的阅读面有多广？他们是否了解业务、业务问题？因为这些软技能会对解决这些问题产生巨大影响。所以很容易测试第一个。另外两个比较难测试。世界上最好的数据科学家都具备这三种技能。让我们谈谈……

云。我看到了这个词，“混合云”，我不知道这是什么意思。所以你可以先告诉我这是什么意思，然后把它融入我们一直在进行的对话中吗？所以任何存在超过三年，也许五年时间的公司，他们都有一个保存数据的地方，他们保存他们拥有的不同技术。在许多情况下，这在他们的办公室里，或者在他们办公室附近的某个数据中心。好的。

随着时间的推移，他们还开始在公共云中构建新的数据集或新的软件。IBM云、亚马逊网络服务或微软Azure内部的东西。一旦你拥有多个环境，无论你是否知道，你都拥有混合云。

所以把它想象成我在多个地方拥有数据集，回到美国高速公路的例子，或者我在多个地方拥有软件应用程序。你必须让它像单个技术环境一样运行。这就是混合云的本质，即我可以将其作为一个单一环境进行管理。现在，平均公司在云方面拥有五个不同的环境。它像一个一样运行。我可以连接数据集。平均公司拥有……这是通过……

设计，因为他们觉得更安全吗？还是因为我们增长IT需求的杂乱无章的性质意味着我们最终会到处都是？这是因为……

每家公司都有很多人工作，每个人都想要自己的东西。事情就是这样发生的。所以这个部门在他们自己的数据中心开始。这个部门在IBM云上开始。这个部门想要Salesforce的CRM系统。这个部门想要使用Azure。这是人的天性。人们只是去做他们想做的事情。有一天你醒来后意识到，嘿，我们有很多不同的云环境。

因此，如果你将你的客户数据存储在Salesforce中，并且你还有这三个其他环境，那么你如何让客户数据来告知你，你知道，你在业务的其他部分正在做什么？这是一个混合云问题。是的。这个问题有多难？我的意思是，作为一个完全天真的局外人，我会说，哦，当然，所有这些云业务都应该使在同一个地方共享东西与你在其他地方拥有的东西变得非常容易。这是不正确的吗？

不幸的是，事实恰恰相反，因为对于纯粹的公共云提供商来说，激励实际上是相反的。对他们来说，这是加利福尼亚酒店。你可以把你的东西带进来，但你可以入住，但我们永远不会让你退房。如果你想取出你的数据，他们实际上会收取巨额费用。所以对他们来说，这是一种策略税，让它变得容易。这也是一个难题，因为

你试图连接不同的数据集。你有一个连接所有这些不同来源的卡片目录吗？这实际上并不容易做到。当你没有这样做时会发生什么，然后你最终会重建一切。因此，你突然开始存储相同的数据五次。这会变得非常昂贵。所以让我们假设我们在2026年进行这次对话。告诉我你对我们将在哪里有什么看法。五年后我们将讨论什么？

我们可能会进行非常类似的讨论。技术将更加先进，但我们已经讨论过很多问题，说实话，这些问题已经存在相当一段时间了。有一个故事，这个人叫查尔斯·汤斯，他是激光的发明者。他讲述了这个故事，有一只兔子和一只海狸，它们正盯着胡佛水坝。海狸对兔子说，不，我不是我建造的，但它是基于我的想法。

这个故事的重点是，你知道，想法多如牛毛。是的。这是一个很棒的故事。每个人都有很多想法。是的。顺便说一句，我们太快就否定了海狸。他是对的。但是你见过海狸坝吗？我的意思是，我知道他是对的。这是他的主意，但他与巨大的水泥胡佛水坝毫无关系。我分享这个故事的原因是，现在很多人都有关于他们可以做什么的想法。

但五年后会有什么不同呢？你会去尝试做什么？我鼓励各公司，你必须愿意接受相当高的失败率，因为如果你尝试很多事情，你知道，也许只有一半会成功。我的意思是，如果我现在看看人工智能，那么我看到公司普遍成功地做了五件主要的事情。这是客户服务。我们已经讨论过了。这是财务预算。这是法规遵从性。我们已经讨论过了。这一个有点难。

这是员工体验、招聘，诸如此类的事情。以及使用人工智能来运行他们的IT系统。使用软件来运行系统。这些是今天的五大事件。我实际上认为这五件事在2026年仍然会是主题，但我们将在每一个方面都更加先进。因为今天它有点像，我们第一次这样做，而我们将拥有一个更先进的系统。

当我们进入2026年时，我认为量子计算届时将实现商业化。这将是一场革命。所以更多内容将在后面介绍。让我们结束一些案例研究。告诉我一些你与之合作过的人的例子，他们的结果非常令人兴奋或出乎意料。我们与Sprint T-Mobile合作过。他们有这样一个经典问题：

他们必须为他们销售的所有不同电信设备进行售后服务。他们拥有的关于这些不同系统的数据，保修、制造时间、运行方式，分散在1000个不同的数据源中。我们能够为他们构建一个跨越这些系统的人工智能系统，该系统能够智能地引导他们如何进行所有售后服务。

那么，你和我是否在我们的日常生活中感受到了这一点？如果他们没有解决问题，我们会感觉到，因为发生了中断或某些东西无法工作。但他们拥有如此多的数据，他们不可能通过，我认为，典型的方法来做到这一点。所以，这些都是普通消费者每天都看不到的事情，但它们确实会影响我们的生活。你谈论的是什么？例如

蜂窝塔？是的。它可能是蜂窝塔，也可能是电源线，不是电源线，而是位于蜂窝塔旁边的电源盒。可能是任何这些东西。哦，我明白了。所以他们拥有所有这些系统，这些系统可能是在不同的时间购买的，由不同的人制造的，由不同的人安装的。所以你想做的是给他们一个系统，让他们能够实时查看所有这些系统，并找出可能存在问题的地方。

是的。我们称之为预测性维护，对吧？好的。所有迹象都表明，这个系统即将出现问题。他们出去检查一下。是的。果然，确实存在问题。是的。我有两辆车。你能为我建造一辆吗？我们还没有缩小到那个水平，但敬请期待。我们对此持开放态度。为什么不呢？你为什么忽视？我是最终用户。我是一个有两辆车的人。我意识到这一点。

借助混合云和人工智能，当今企业可以挑战其在整个组织中利用数据的方式的局限性。在本期《Smart Talks》中，Malcolm 与 IBM 云和数据平台高级副总裁 Rob Thomas 讨论了可能性以及企业可以采取哪些步骤来访问更多数据以帮助他们做出更明智的决策。 了解更多关于您的广告选择的信息，请访问 https://www.iheartpodcastnetwork.com 查看 omnystudio.com/listener 获取隐私信息。</context> <raw_text>0 这是一个好问题。我们很快就会告诉您。等等，有没有职业体育队与你们合作？多伦多猛龙队。几年前对此进行过相当多的宣传。我是加拿大人。那是我的球队。你现在温暖了我的心。当然。好吧，这真的很有趣。非常感谢你。是的，马尔科姆。感谢您。如果我有机会，我很乐意帮助多伦多猛龙队。

再次感谢 Rob Thomas 就数据和云进行了引人入胜的对话。IBM 的 Smart Talks 由 Emily Rostec 和 Carly Migliore 制作，Karen Shakerji 编辑，Martin Gonzalez 工程，Jason Gambrell 混音和母带制作，Grammoscope 配乐。

特别感谢 Molly Socha、Andy Kelly、Mia LaBelle、Jacob Weisberg、Heather Fane、Eric Sandler、Maggie Taylor 以及 8 Bar 和 IBM 的团队。IBM 的 Smart Talks 是 Pushkin Industries 和 iHeart Media 制作的节目。您可以在 iHeart Radio 应用程序、Apple Podcasts 或您喜欢收听的任何地方找到更多 Pushkin 播客。我是马尔科姆·格拉德威尔。下次再见。

哈喽，哈喽。我是马尔科姆·格拉德威尔。我想告诉你们一个我们在 Pushkin Industries 推出的关于 1936 年奥运会的新系列节目。阿道夫·希特勒的奥运会。法西斯主义、反犹太主义、种族主义、崇高的奥林匹克理想、怯懦的私利、赤裸裸的野心、幻想、妄想，所有这些都在通往历史上最具争议的奥运会的漫长而充满争议的准备过程中发生碰撞。德国人上演了一场宣传秀，而美国也对此表示赞同。为什么？

本季《修正主义历史》讲述了奥运会背后的故事。您可以在任何收听播客的地方收听本季《修正主义历史》。如果您想在剧集公开发布之前收听，请在 Apple Podcasts 或 pushkin.fm/plus 上订阅 Pushkin Plus。 </raw_text>