想象一下在美国国家橄榄球联盟数十万个视频的历史档案中找到某一特定影像。一个赛季就会产生多分钟的比赛录像。如果你把每次赛前、中场和赛后的表演、每一次训练以及每一次媒体采访都包括进来，你拥有的录像片似乎无穷无尽，而这仅仅是一个赛季的内容。
为了让工作人员更容易从所有这些材料中制作精彩集锦和其他媒体，NFL在年12月与亚马逊网络服务公司（AmazonWebServices）合作，使用人工智能来搜索和标记其视频内容。这个过程的第一步需要NFL的内容创作团队教会人工智能（AI）该找什么。该团队为每位球员、每支球队、每件球衣、每个体育场以及它希望在视频资料库中识别的其他可识别的视觉内容制作了元数据标签。然后，它将这些标签与亚马逊现有的图像识别AI系统相结合，亚马逊已经用数千万张图片对该系统进行了训练。AI能够对这两组数据都加以利用，以标记视频库中的相关影像，而内容创作团队只需点击几下就能核准每个标签。员工曾经不得不手动搜索、发现和剪辑每个视频，将其存储在资料库中，然后用元数据标记视频，而亚马逊的AI让大部分过程实现了自动化。
在《哈佛商业评论》之前的一篇文章中（“协作智能：人机合作新模式”，年7-8月），我们描述了一些领军企业如何挑战了技术会将人淘汰这一传统预期——相反，他们利用人机协作的力量来改造他们的业务并提高最终盈利。现在，好几家公司不仅用这种方法在创新上超越了竞争对手，甚至更加果断地转向以人为本的AI技术，并颠覆了创新的本质，正如在过去十年里所践行的那样。
比如，在NFL一例中，AI加速了图像识别过程，但如果没有员工确定哪些数据需要上传，然后核准，系统就会失灵。NFL并未简单地将制作精彩片段的工作交给AI；内容制作专家从事这项工作，但由于人工智能具有快速整理海量信息的独特能力，他们做起此事来速度更快、更轻松。
新的以人为本的AI方法正在改变人们对创新的基本构件的设想。一些公司正在重新确定AI和自动化如何将各种尖端信息技术与能够实现灵活适应力和无缝人机一体化的系统紧密结合。这些开创性的企业正以前所未有的速度投资于数字技术，以应对新的运营挑战和迅速变化的客户需求。根据埃森哲年对多家企业的调查，他们大幅增加了对云服务、AI等方面的投资，而且他们的创收速度是落伍者的两倍。年对多家公司进行的另一项研究表明，数字技术投入排名前10%的公司飞速发展的程度甚至更深，其收入增长速度是落伍者的五倍。
我们已经将我们从这项研究中所获知的东西转化为指导思想，在一个多数企业会将其成功归功于人类而不是机器的世界中，企业领导者可以用这种指导思想去竞争。我们的IDEAS框架要求