編按：為了增加訂閱戶的看片時間，降低顧客流失率，網飛（Netflix）使用人工智慧推出一種功能，自動播出一部影集的下一集，或推薦同類型的電影。如今，類似這樣的客製化及個人化服務已經變得非常普遍。（本文摘自《領導者的數位轉型》，作者為馬可．顏西提Marco Iansiti、卡林．拉哈尼Karin R. Lakhani，以下為摘文。）
創立時就重視顧客體驗
網飛利用人工智慧的力量，已經徹底改變媒體業的面貌。該公司的核心是以人工智慧驅動的營運模式：由軟體基礎設施蒐集資料，用這些資料來訓練演算法，讓演算法去執行種種流程。演算法的影響力幾乎已經涵蓋公司每個層面，包括用戶體驗的個人化，為客戶推薦影片的概念、協商內容合約等等。
事實上，早在20多年前網飛創立之初，就不僅止於向消費者展示影評，還會根據消費者的觀看紀錄產生推薦影片，在新DVD問市當天寄給用戶。也就是說，當時網飛就已經認知到使用資料來改進顧客體驗的重要性。
網飛早年致力於開發一個推薦引擎，根據用戶的觀看紀錄、對影片的評價、背景相似觀看者的喜好等資料，作為向用戶推薦影片的基礎。網飛不僅在內部使用這些資料，也和製片公司分享其用戶的觀看與評價資料，這讓網飛和華納家庭娛樂公司（Warner Home Video）及哥倫比亞三星影業公司（Columbia TriStar ）洽談合作時，能夠談出更好的財務條款。
串流服務提升客製化的體驗
網飛一路快速成長，在2007年推出串流服務時，訂閱用戶數達到800萬人，串流服務使得可取得的用戶資料大增，該公司的分析團隊也廣泛的善用這些資料。在提供郵寄DVD租借服務的年代，網飛可以追蹤某位用戶租借過哪些影片、看了多少天才歸還、對每部影片的評價，但對用戶實際觀看影片的行為依然所知有限。
進軍串流服務後，網飛開始有能力追蹤完整用戶體驗，例如觀看到幾分幾秒時選擇暫停、倒轉或跳過什麼內容，使用什麼裝置觀看等等。這些行為資料幫助網飛研判應該向這位觀眾展示電影的哪個小縮圖（是的，就連小縮圖也是根據觀眾對特定類型的作品、演員等因素的喜好來提供個人化服務），來預測觀眾的可能偏好。網飛也透過更進階的分析，預測影響顧客忠誠度的因子。
為了增加訂閱戶的看片時間，降低顧客流失率，網飛使用人工智慧推出一種功能，自動播出一部影集的下一集，或推薦同類型的電影。如今，類似這樣的客製化及個人化服務已經變得非常普遍，網飛的前傳播長艾佛斯（Joris Evers）在2013年告訴《紐約時報》：
網飛有3300萬個版本。
意思是每個用戶的網飛體驗都是個人化及客製化的。
網飛也使用資料及演算法來決定自家公司的創作內容。該公司首次於2013年運用預測性分析功能，評估與獨立製片商媒體權資本公司（Media Rights Capital）合作推出《紙牌屋》（House of Cards）的客群潛力，這部影集是描述一位參議員如何進軍白宮的虛構故事。
網飛的原創內容副總何蘭（Cindy Holland）在受訪時指出：「我們運用預測模型幫助我們了解一個構想或特定議題的潛在觀眾群有多大。我們有一個作品體裁結構模型，能幫助我們知道哪些領域的節目有商機。」
人工智慧工廠的基本組件
2010年時，網飛開始採用人工智慧工廠，有系統的將資料分析及人工智慧應用在推薦引擎上。到了2014年，更進一步根據連網速度、使用裝置、偏好的影片類型等因素了解用戶行為，研判應該從邊緣伺服器上快取哪些電影和電視節目，縮短節目與用戶之間的網路距離，提升個人化的串流媒體體驗。目前網飛在全球190多個國家擁有約1.5億個訂戶，影片庫中已經累積超過5500個節目，所使用的頻寬占全球網際網路流量的15％。
網飛及其他領先公司的經驗，凸顯出人工智慧工廠的一些基本組件的重要性：
．資料匯流（data pipeline）
此流程以有系統、可持續、可規模化的方式，蒐集、輸入、清理、整合、處理與保全資料。
．開發演算法（algorithm development）
演算法產生有關於事業的未來狀態或行動的預測，這些演算法及預測是數位型公司運作的心臟，驅動一家公司最重要的營運活動。
．實驗平台（experimentation platform）
透過實驗平台機制，人工智慧工廠可以檢驗有關預測及決策的各種假設，以確定演算法建議的改變方案。
．軟體基礎設施（software infrastructure）
這些系統把資料匯流嵌入一個堅實的模組化軟體和運算基礎設施裡，並視需要及適切性，把它連結至內部及外部使用者。
若說資料是人工智慧工廠的燃料，那麼基礎設施就是輸送燃料的管路，演算法就是執行工作的機器，實驗平台則是把新燃料、新管路與新機器連結至現有營運系統的閥門。
