这一页讲的是人工智能在管理中的应用，涵盖决策支持、虚拟助手、自动化等领域。

这一页讲的是人工智能（Artificial Intelligence, AI）在管理中的应用场景。图中展示了多个关键领域：例如决策支持（Decision Making），AI通过分析数据帮助管理者做出更准确的决策；虚拟助手（Virtual Assistant），AI可以通过自然语言处理与用户交互，提高工作效率；自动化（Automation），AI驱动的机器人可以完成重复性任务，降低人工成本。此外，还包括用户认证（User Authentication）和人脸识别（Face Recognition），这些技术在安全管理和身份验证中起到重要作用。图中的连接线展示了这些功能模块如何通过AI技术协同工作，形成一个智能化的管理系统。举例来说，企业可以利用AI实现智能客服系统，既能快速响应客户需求，又能减少人工投入。这些技术的应用不仅提升了管理效率，还推动了企业的数字化转型。

这一页讲的是课程 INFOYS 703: Managing with AI 的回顾与介绍，重点是课程主题和学习内容的概览。

这一页讲的是课程 INFOYS 703: Managing with AI 的总体介绍。这门课程主要围绕如何利用人工智能（AI）进行管理展开，重点关注 AI 在商业管理中的应用和影响。本页标题为 'Introduction to the course'，表明这是课程的开篇部分，旨在帮助学生了解课程的核心内容和目标。课程可能会涉及 AI 技术的基本原理、管理实践中的具体应用，以及如何通过 AI 提升决策效率和业务表现。这一部分为后续学习奠定了基础，帮助学生明确学习方向和目标。例如，学生可能会学习如何使用 AI 工具优化供应链管理或提升客户体验。

这一页讲的是人工智能（AI）技术在商业和管理中的应用。重点在于理解如何利用AI技术满足商业需求，包括AI对商业的意义及企业如何利用它。

这一页讲的是人工智能（AI）技术在商业和管理中的应用。课程目标是帮助学生理解如何利用AI技术来支持商业需求。关键问题包括：AI对商业的意义（What does AI mean for business?），以及企业如何有效利用AI技术（How can organizations take advantage of it?）。通过这些探讨，学生可以了解AI技术如何提高效率、优化决策流程以及创造新的商业机会。例如，AI可以通过数据分析帮助企业预测市场趋势，从而制定更精准的营销策略。这一页强调了AI技术在现代商业中的重要性，为后续学习奠定了基础。

这一页讲的是学习成果，包括如何使用 AI 工具决策、数据要求、工具生命周期及伦理法律问题。

这一页讲的是学习成果，主要围绕 AI 工具和解决方案在组织中的应用展开。首先，学生需要能够清楚表达 AI 工具如何融入更广泛的业务或组织决策流程。其次，强调数据要求的重要性，需考虑组织内部、跨组织、技术、法规及社会角度的背景。接着，学生需掌握制定和应用适当要求以选择合适的 AI 工具，从而提升业务价值或运营效能。此外，理解 AI 工具的生命周期，包括开发、部署、维护及淘汰阶段，是关键知识点。最后，识别使用 AI 工具时的伦理、法律及合规影响，例如数据隐私、算法偏见及遵守相关法规的重要性。这些学习成果为学生在实际工作中正确使用 AI 技术奠定了基础。

这一页讲的是针对不同背景学生的学习建议。技术背景学生需关注 AI 工具的商业与管理方面；非技术背景学生应理解关键 AI 技术。所有学生都需进行深入研究与案例分析。

这一页讲的是针对技术背景和非技术背景学生的学习建议，以及所有学生的共同要求。对于技术背景学生，建议他们准备好学习 AI 工具在商业和管理方面的应用，这强调了技术与业务结合的重要性。对于非技术背景学生，建议他们学习关键 AI 技术的高层次理解，这有助于他们在非技术领域中运用 AI 的潜力。对于所有学生，这门课程要求进行深入的研究和市场分析，并通过商业案例的详细分析为 AI 战略提供建议。最终目标是让学生能够在商业环境中做出战略性决策，合理利用 AI 技术。例如，学生可能需要分析一个企业如何利用 AI 优化供应链，从而制定有效的实施策略。

这一页讲的是课程概览(Course Overview)，主要介绍课程的总体结构、内容和目标。

这一页讲的是课程概览(Course Overview)，是课程的开篇部分，通常用于阐述课程的总体结构、主要内容以及学习目标。通过这部分内容，学生可以对课程的主题和重点有一个清晰的认识。这一页可能会进一步详细说明课程的模块划分、时间安排以及学习成果预期。例如，课程概览可能包括课程的核心主题，比如机器学习、数据分析等，并列出每个模块的具体内容，如监督学习(supervised learning)、无监督学习(unsupervised learning)等。了解课程概览对于学生规划学习时间和明确学习方向非常重要。

这一页讲的是如何利用 AI 技术满足商业需求，重点探讨了 AI 的特点、应用场景及其管理方式。

这一页讲的是如何利用 AI 技术满足商业需求，通过 WHAT、WHY、HOW 和 WHERE 四个维度展开分析。WHAT 部分主要讨论了关键的 AI 技术是什么，以及 AI 工具与其他数字工具的区别，强调了这些独特特性对管理的影响。WHY 部分探讨了为什么选择 AI 而不是其他解决方案，分析了 AI 的独特优势和可能面临的挑战。HOW 部分关注如何确保 AI 帮助企业提升竞争力或改进管理，同时提出了应对 AI 风险和挑战的策略。最后，WHERE 部分列举了 AI 的应用场景，包括商业和管理领域，并比较了不同情境下 AI 应用的相似性和差异性。例如，在客户服务中使用 AI 可以提高效率，而在供应链管理中则侧重于优化流程。这张幻灯片通过这四个问题框架，帮助理解 AI 在商业中的全面应用及其管理策略。

这一页讲的是课程大纲，分为四个部分：AI的基础知识、应用场景、技术实现及未来展望。主要内容包括AI的类型、在商业中的应用、数据与决策的关系，以及AI治理和未来影响。

这一页讲的是课程大纲，分为四个主要部分：第一部分“The What?”介绍人工智能（AI）的基础知识，包括什么是AI以及AI的不同类型，帮助学生建立对AI的初步了解。第二部分“The Why? And the Where?”探讨AI的应用场景，重点分析AI在商业战略中的作用及其在不同背景下的应用。第三部分“The How?”详细讲解AI的技术实现，包括数据在决策中的作用、AI辅助决策的机制、人类与AI的相互依赖关系，以及与合规、法律和伦理相关的议题。此外，还涉及AI解决方案的实施及组织中的服务治理问题。最后一部分“Forward outlook”展望AI的未来，讨论其对商业和社会的潜在影响。这张表格按主题列出了课程的主要内容，逻辑清晰，帮助学生全面了解课程结构及学习重点。

这一页讲的是考试的目的，包括理解核心概念和框架，以及在具体商业环境中应用它们的能力。

这一页讲的是考试的目的，重点在于评估学生对核心概念和框架的理解程度，以及是否能够在具体的商业环境中应用这些知识。核心概念（core concepts）指的是学科的基础理论和关键知识点，而框架（frameworks）通常是解决问题或分析问题的结构化方法。考试不仅仅要求记住这些内容，更重要的是能够灵活运用它们解决实际问题。比如，学生可能需要将某个分析模型应用到某个真实的商业案例中，以展示他们的能力。这种能力在商业环境中非常重要，因为它体现了理论知识和实际操作的结合。

这一页讲的是考试的基本信息和要求，包括时间、材料限制和评分比例。

这一页讲的是考试的基本信息和要求。考试时间为三个半小时，允许额外时间，并且可以携带一张手写的双面 A4 纸作为辅助材料。所有问题都与一个特定案例研究相关，案例背景和细节会在信息页中提供。需要回答所有问题，考试占最终成绩的 30%。这一页强调了考试的重要性，并明确了允许的材料范围，帮助学生提前准备。

这一页讲的是案例研究背景，主要包括 AI 咨询的背景、AI 工具的背景、业务流程，以及 AI 系统的数据基础。

这一页讲的是案例研究的背景信息，假设你是一名 AI 咨询顾问，为某公司提供相关咨询服务。这页内容列出了咨询需要涵盖的四个主要方面：第一是 AI 咨询的背景和上下文，强调理解企业需求和行业环境的重要性；第二是 AI 工具的背景，说明需要熟悉相关技术和工具的应用场景；第三是业务流程，表明咨询需要关注企业的运营流程如何与 AI 技术结合；最后是 AI 系统的数据基础，强调数据质量和架构对 AI 系统成功的重要性。这些内容为后续的咨询工作提供了清晰的框架和方向，例如在实际案例中，顾问可能需要评估企业的数据是否适合机器学习模型，并提出改进建议。

这一页讲的是考试问题的分布与题型。重点包括总题数为11或12，每题占比约9-12%，并分为1-3部分。题型涉及解释、分析和推荐。

这一页讲的是考试问题的分布和题型设计。总共11或12道题，其中第9题分为9.1和9.2两部分。每题的分值占比约为9%-12%，且每题可能包含1到3个小部分，每部分占比约为3%-5%。题目内容主要集中在五个主题，要求考生进行以下类型的回答：第一，‘identify and explain’，即识别并解释某一概念或现象；第二，‘identify and explain why’，即识别并分析原因；第三，‘explain how’，例如与‘to-be’业务流程相关的分析；第四，针对所选择的AI系统提供详细说明；第五，考虑‘to-be’流程或操作模式，并提出建议，例如人类与AI的互动、人类监督等，同时需要为建议提供合理的论证。这些问题旨在考查学生对AI系统的理解、分析能力以及实际应用中的设计与优化能力。例如，学生可能需要解释某AI系统如何优化业务流程，并推荐改进方案，同时说明人类监督在其中的必要性。

这一页讲的是第6到9章的复习问题，包括AI对组织影响、伦理问题、实施流程设计等内容。

这一页讲的是第6到9章的复习重点问题，主要包括五个方面。第一，解释人工智能（AI）如何改变组织利益相关者应用专业知识完成任务的方式，这部分占9%。第二，描述伦理问题并提出解决这些问题的实际建议，也是9%。第三，设计逐步实施流程，占总分的12%（其中9%为设计部分，3%为额外补充）。第四，提出具体的治理机制，占9%。第五，分析一个具体场景（如某事件），包括相关决策、伦理问题和责任归属，占12%。这些问题旨在帮助学生理解AI在组织中的应用及其带来的伦理和治理挑战，同时考察学生设计和分析复杂问题的能力，例如如何找到解决方案并确保责任明确。

这一页讲的是第12周的考试复习安排和准备建议。重点包括考试形式、内容范围，以及如何利用案例学习和课程知识进行有效准备。

这一页讲的是第12周的考试复习安排，主要针对课程 INFOYS 703 的考试准备。考试是线下进行，时长3小时，额外加30分钟用于技术问题处理。考试模式为 Mode D，使用锁定浏览器，因此无法访问 GenAI 或互联网。考生可以携带一张手写的双面 A4 纸作为参考。考试基于一个 mini-case study（小型案例研究），所有问题都围绕这个案例展开，目的是评估学生如何将课程中的概念和框架应用于具体的商业背景。重要的阅读材料会以 PDF 形式提供，供学生参考。由于这是课程首次安排考试，没有往年试卷可供练习。准备建议包括复习教程中涉及的练习和案例研究，尤其是与具体商业情境相关的内容。学生需展示如何将概念和框架与案例中的问题相结合，而不是简单地复制定义或描述。高分答案需要体现对案例背景的深入理解和应用能力。