曾几何时，一项简单技术型工具就能成为企业的优势来源，沃尔玛上世纪80年代的物流跟踪系统就是一个例子。而如今的人工智能则不同，算法本身无法为企业带来竞争优势。纯粹的算法都散布在公共平台上，企业能够轻易地使用这些开源软件平台，如谷歌的TensorFlow。由埃隆•马斯克（Elon Musk，特斯拉创始人）等人创建的非盈利组织OpenAI正致力于推动人工智能工具和研究的广泛普及。许多杰出的人工智能研究人员在加入百度、脸书和谷歌等公司时，仍坚持保留发表研究成果的权利。
人工智能并未磨灭传统竞争优势来源——如市场地位和关键能力，而只是对这些优势重新进行了定义（参阅图2）。因此，企业需要以动态的视角看待自身优势。例如，通常企业因为一些相对稳固的优势赢得市场份额、占据领先地位：企业独有的资产、分销网络、客户接触和规模等。但在人工智能时代，我们需要重新定义竞争优势。
关于人工智能如何改变传统竞争优势，我们来看三个例子：
数据。人工智能的强大应用离不开数据。脸书、谷歌和优步等人工智能先驱为打造自己的“优势领域”，正在通过远超传统数据收集的方式，获取用户和他人的当前和未来数据，作为人工智能应用的原材料。这些公司因其规模大，能够向算法输送更多训练数据，不断改善算法的表现。例如在全面实现自动驾驶汽车的竞赛中，优步的优势在于能够每天从司机身上收集1亿英里的批量数据，这些数据最终能够用于改善公司的出行服务。脸书和谷歌则能够利用自身规模和深度来加强广告定位。
然而，并非所有企业都能成为脸书、谷歌或优步，但这并没有关系。企业能够建立、获取和利用共享、租用或补充的数据集，即使这意味着与竞争对手合作，但能帮助企业补充资产、建立自身优势领域。共享不是一件坏事，关键在于打造一个无懈可击、得天独厚的开放与封闭数据组合。
客户接触。人工智能改变了客户接触的方式。不论是地理位置优越的实体店还是客流量高的网店，都要屈服于人工智能生成的洞察。例如，大型零售商能够利用人工智能引擎分析忠诚度、销售点、天气和位置等数据，从而设计出个性化的营销活动和促销优惠。商家甚至能够在客户自己尚无意识的情况下就预测出客户的路径和偏好，从而方便地为客户提供熟悉的、补充性的或全新的购买选项。利用这些优惠活动的暗示效应，企业能够在保持成本几乎不变的情况下提高收入。
能力。能力在传统方式下被细分为多个独立的优势来源，包括知识、技能和流程。而基于人工智能的自动化将这些领域整合成了一个连续的循环，包含执行、探索和学习三部分。随着算法吸收更多数据，其输出质量会得到提升。同样，对于人类而言，跨部门团队能够依据客户和终端用户的快速反馈而迅速设计并完善原型，这种敏捷工作方式使得各项传统能力之间的界限变得更为模糊。
人工智能和敏捷本质上均为迭代，两者的产品和流程均为连续的循环。算法能够从经验中吸收教训，能够让企业对未知领域的快速、广泛的探索与已知领域的开发相结合，在高度不确定性和快速变革的环境中繁荣发展。
除了重新定义某些竞争优势来源以外，人工智能还能提高决策速度和质量。在处理某些特定任务时，机器的输入数量和处理速度超出人类数百万倍；预测分析和客观数据取代了人类的直觉和经验，成为许多决策的核心驱动因素。股票交易、在线广告、供应链管理和零售定价都在往这个方向快速发展。
当然，即使出现类似于工业革命时期的颠覆（但这一次的颠覆速度肯定更快），人类也不会被淘汰。首先，系统开发工作还是需要人来完成。例如，优步公司招聘了数百名自动驾驶汽车专家，其中约50名来自卡耐基梅隆大学机器人研究所；人工智能专家如今成为了华尔街需求最大的招聘对象。其次，人类拥有机器当前不具备的常识判断力、社交技能和直觉。即使将常规工作交给机器人去做，未来很长时间内仍需要人工参与以确保质量。
在被人工智能激发的新时代里，企业的优势来源发生变化，战略问题与组织、技术和知识问题相互转化。因此，灵活的组织结构和敏捷性成为了应对大规模快速变革的关键所在，不管对人还是对机器均是如此。
可扩展硬件和适应性软件是人工智能系统充分利用规模和灵活度的基础。常见的做法就是建立中央智能引擎和分布式半自动化代理。例如，特斯拉的自动驾驶汽车能够向一个中央单元输送数据，由中央单元定期更新分布式软件。
企业的致胜策略在于关注敏捷性、弹性雇佣以及持续的培训和教育。专注于人工智能的企业很少会聘用大量传统类型的全职人员，开放式创新和签约合作形式正在普及。某创新移动银行的首席运营官曾坦白，自己最大的难题便是将公司领导团队成员变成善于管理人与机器的经理人。
