1. 轉變
   1. 從孤立的工作到跨職能的合作
      1. 由擁有多種不同技能和觀點的跨職能團隊來 開發人工智慧
      2. 業務和營運人員與分析專家並肩工作，處理廣泛的組織優先要務，而不只是各自獨立 的業務問題
   2. 從經驗驅動決策到數據驅動決策
      1. 使用一種演算法，把數億個選項，整理成數百萬個情境，再用另一種演算法，把數百萬個情境濃縮簡化為數百個
   3. 從僵化和厭惡風險到敏捷、實驗和適應性
      1. 讓小型人工智慧團隊能在幾個星期內打造出最精簡可行產品
2. 成功的4項任務
   1. 解釋原因
      1. 領導者必須提供一個願景，圍繞一個共同的目標團結每個人
   2. 預見變革的障礙
      1. 將人工智能計劃與看似障礙的文化價值觀相結合
         1. 展示如何將專業知識和技能與AI產品推薦相結合以改善客戶體驗
   3. 為系統整合和採用科技編列預算
      1. 將分析預算的一半以上用於推動工作流程重新設計，溝通和培訓等活動
   4. 平衡可行性，時間投資和價值
      1. 考慮如何將不同時間線的專案結合起來以實現價值最大化
3. 組織調整
   1. 關鍵任務如何歸屬
   2. 軸心
      1. 把大部分的人工智慧和分析能力，整合放在一個「軸心」
         1. 由分析長或資料長領導負責資料治理、人工智慧招募和培訓策略，以及與第三方資料和人工智慧服務、軟體供應商合作
   3. 軸輻
      1. 把這些能力分散安排在中心單位和事業單位裡，採取混合模式「軸輻」
         1. 採用人工智慧有關的任務，包括終端使用者的訓練、工作流程重新設計、激勵方案、績效管理和效益追蹤
   4. 輪輻
      1. 把這些能力分散配置，主要安排在各個事業單位裡「輪輻」
         1. 負責和人工智慧有關的系統及標準。這些應由公司的行動方案的需求來驅動
   5. 灰色地帶
      1. 設定人工智慧專案的方向、分析它們要解決的問題、打造演算法、設計工具、與終端使用者一起測試這些工具
   6. 人力
      1. 人工智慧能力成熟度
      2. 把分析高階主管、資料科學家、資料工程師、使用者介面設計師、用圖形詮釋分析結果的視覺化專家等，都安排在一個軸心單位裡，並視需要而派往各個輪輻單位
   7. 商業模式
      1. 成立人工智慧專家交流會，把這些交流會整併在軸心單位中
4. 教育組織裡的每個人
   1. 領導者
      1. 高層次了解人工智慧如何運作，以及確認和排定人工智慧機會優先順序的方法
   2. 分析者
      1. 資料科學家、工程師、架構師和其他員工，負責資料分析、資料治理，以及建構人工智慧解決方案
   3. 翻譯者
      1. 如何運用分析方法來處理商業問題，以及開發人工智慧使用案例
   4. 終端使用者
      1. 如何使用那些工具
5. 強化變革
   1. 言出必行
      1. 積極鼓勵新的工作方式
   2. 當責
      1. 解決商業問題
   3. 追蹤與促進
      1. 比較使用和不使用人工智慧做出決策的結果，可鼓勵員工使用它
   4. 為變革提供激勵誘因
      1. 表彰貢獻
   5. 檢查
      1. 檢查員工的激勵措施是否與人工智慧的使用真正方向一致