在全球有超过250家的子公司、产品销售170多个国家的医药产品大厂强生（Johnson & Johnson），近期发布了全球首支只需施打一剂、且冷藏保存即可的COVID-19疫苗，强生首席信息官Jim Swanson在今年Nvidia全球GPU技术大会（GTC）中表示，疫苗在短短一年半就研发成功的一大关键，正是AI结合数字分身的运用，先通过虚拟软件模拟分子架构，再通过AI验证模拟结果，大幅将疫苗生产效率提升4倍；也不只是疫苗，强生在制药业、医疗设备开发、顾客端的健康看护、连内部运行都大规模运用AI。强生不只让2千位资料科学家更善用AI，更通过一套做法，要让13万员工都具备资料科学素养。
Jim Swanson指出，导入AI得先创建一个观念：“开发AI模型永远不会一次到位，”从训练资料、问题的假设、算法开发等不同环节的选择，都可能成为模型表现不佳的原因，因此他认为，企业必须创建起资料科学的迭代学习方法，而第一步，就从问对问题开始，找出试图通过AI来回答或解决的问题，且要谨记，“如果没有人可以针对问题创建相应的答案，那就不要去创建模型，一定先把问题找对。”
接着，必须创建起一个可以迭代、重复使用的模型开发流程，不只是因为找到问题后，投入AI开发会面临重复试验的过程，将开发完成的模型投入使用后，也会不断找到新的问题，滚动开发新的模型、产生新的洞察。因此，Jim Swanson建议，企业需要具备AI开发的基础技术架构（technology foundation），包括创建起用于存储资料与模型的数据库、能够快速访问数据的API，甚至是资料偏误、算法漂移等监测机制，才有办法扩大AI开发的规模，比如强生自己的做法，是直接采用了市售MLOps解决方案，来创建能够迭代循环的AI开发流程。
借由创建起一套企业开发AI的基础技术架构，强生要推动资料科学走向民主化，Jim Swanson表示：“强生并非拥有一群具高度技术能力的资料科学家，而是创建起AI技术基础架构，让资料科学家更能发挥所长。”尤其，确保有一套AI开发技术架构，是扩大AI开发规模时的关键任务。
同时，强生也提出了“双语资料科学家（bilingual data scientist）”的概念，这边的双语资料科学家，指的并非同时具备Python与R语言的技能，而是同时拥有领域知识（Domain Knowledge）以及资料科学、资料工程、软件工程等技术能力，这也是为什么强生要创建起AI开发的基础技术架构，如此一来，才能更有效的赋能资料科学家，通过AI开发工具与流程快速创建起AI模型，将领域知识应用到AI开发上，更大规模的实现双语资料科学家的目标。
为了推动资料科学的民主化，强生更成立了一个人信息料科学委员会（Data Science Council），主要负责推动三项任务，第一，持续通过一套AI规划，找到对的问题来开发AI；第二，创建起可以支撑并加速AI成功上线的技术基础；第三，不只要找到人才，更要培养企业内的人才增长与独当一面。尤其在人才的部分，Jim Swanson认为，除了培养资料科学的相关人才，也需要教育实际上采用AI服务的业务人员，使他们乐于接受AI，并且能运用开发完成的AI模型，来辅助业务执行，才能在企业内真正推行AI落地。
强生目前拥约2,000位资料科学家，但有13.5万名员工。Jim Swanson指出，要落地AI，必须将数据科学的技术嵌入到业务的工作流程中，同时取得业务单位的反馈来改进模型，加速驱动数据飞轮；不过，若资料科学团队在企业内成为孤岛，与业务单位脱节，就算开发出世界上表现最好的AI模型，业务单位也不愿意使用。换句话说，强生需要进一步培训业务人员具备数字能力，更要培养业务单位具备AI的思维，才能让2,000名员工的研发成果，成功推动13.5万名员工来使用。
除了创建资料科学委员会，强生每年也会制作企业影响报告，点出资料科学带给企业的影响，借此来唤起员工的注意（awareness），促成更多AI的开发与采用、解决更多困难的问题。且为了集思广益，强生也举办企业内的AI黑客马拉松，来征求提升AI模型预测准确率的点子，也要借此机会将不同领域的专家聚集在一起，一同解决一个重大问题，产出一个具影响力的结果。
最后，Jim Swanson企业在导入AI的过程提出三点建议。第一，他认为，无论是刚开始导入AI的企业，或是高端应用AI的企业，都必需要创建起企业自行开发AI的核心能力，就算一开始是采购AI解决方案，后续也需逐渐培养企业内的AI开发技能。其次，是业务单位时常会有担忧，认为AI可能会影响、甚至取代自己的工作方式，企业应该去理解不愿采用AI背后的抗拒心理，来进一步说服业务单位视AI为一种支持，而非取代。第三，则是要在企业内创建敏捷的文化，通过不断迭代、演进、获得洞察的方式来学习新知，培养敏捷文化来促进企业增长。