对于那些希望将当今的人工智能决策置于更长期的技术背景下的领导者来说，这是一个有用的参考。
评论
Aggarwal 调查了人工智能的发展及其与更广泛的工业变革的关系。本书旨在让商业读者无需高等数学或编程即可理解基本思想。当领导团队在评估特定应用程序之前需要通用词汇时，其广泛的范围使其成为有用的定向资源。
随身携带这本书的最重要原因是视角。令人信服的演示只是投资决策的一部分。领导者还需要了解正在解决的问题、可用信息的质量以及将能力融入日常运营所需的工作。将人工智能视为一种工具会鼓励人们提出这些实际问题。
考虑一个说明性团队决定是否自动接收文档。有用的问题不在于它的软件是否可以称为人工智能，而在于它是否能够处理实际文档、识别不确定性并改进整个流程。仍然需要有人来解决异常。这就是本书的历史视角变得有价值的地方：它将注意力从新颖性转移到工具变得有用的条件上。同样的规则可以帮助个人选择能够解决重复出现的问题的技术，而不是增加另一种干扰。
广度也是一个限制：长期的历史视角无法决定特定的模型、架构或供应商是否适合今天。用它来构建查询，然后根据代表性工作测试当前的能力。一月份的选集作为参考读物尤其有价值，而不是不经改编就遵循的食谱。
以下是我们对本书思想的实际应用。选择本周要尝试的一项行动，然后反思发生了什么变化。
将想法付诸行动·在工作中
上班要带的三样东西
从任务开始，而不是从技术开始
选择一个经常出现的瓶颈并描述所需的结果，但不提及人工智能。将可用方法与结果进行比较，以便团队可以解释为什么特定工具是合适的。
创建共享词汇表
要求业务和技术同事使用相同的工作流程解释预测、自动化和人工审核。在这些误解成为交付假设之前，记录它们的含义有何不同。
测量整个过程
跟踪检查和纠正输出所花费的时间以及生成它们所节省的时间。一起审查代表性样本；更快的个人步骤应该可以使整体服务更好。
工作日之外
生活中需要注意的三件事
解决日常烦恼
确定一项消耗注意力的日常任务，例如整理笔记。尝试使用一种工具来完成该任务，并根据它所消除的工作量来判断它，而不是根据它看起来有多令人印象深刻。
学到足够的知识来提出更好的问题
当遇到一个新的人工智能功能时，询问它使用了哪些信息，产生了什么，以及哪里可能出错。了解它的作用比记住技术标签更有用。
保持自己的判断活跃
使用生成的解释作为起点。根据可靠来源检查重要主张并写出您自己的结论，这样方便就不会取代理解。
问你的团队一个问题
如果技术和运营团队使用相同的定义，哪个业务决策会变得更加清晰？
从阅读到实践
Genellipse如何提供帮助
Genellipse 可以帮助将广 泛的人工智能雄心转变为优先用例评估。我们可以一起绘制工作流程，使用 GeneData 评估数据准备情况，使用 Cortex AI 确定适当的自动化，并在 6 周内就重点 MVP 达成可衡量的验收标准。产品的适用性和范围在交付前与合作伙伴确定。
探索相关服务这些评论是在 2026 年 9 月回顾性编写的。月份标签组织了阅读系列，并非原始出版日期。个人评分由Abdollah Dehnashi提供；评论和实际应用是为首席执行官角准备的。