文 | 中外管理传媒 王爽

管理解读 | 刘百功

人工智能（AI）正以前所未有的速度重塑各个行业。当某电商平台的推荐算法每11.6秒自我进化一次，当智能系统开始参与战略决策，一场关于AI的无声革命正在几乎每个企业上演。AI的学习和应用，会为企业管理带来的变革与机遇？

AI如何赋能决策？

中外管理传媒：在AI辅助决策的场景下，如何确定管理者与算法各自的决策权重？是否需要开发新的决策机制？

刘百功：在企业决策机制方面，不同规模的企业存在显著差异。小企业往往依赖决策者凭借个人经验“拍脑袋”做决定。大型企业通常有一定的决策流程，包括：首先收集数据，接着进行数据分析，之后制定公司目标与决策标准，再寻找并筛选可行方案，随后将各方案与决策标准进行对比分析，从中选出最符合决策依据与标准的方案，最后还要对选定方案的潜在风险进行评估。

随着AI算法的发展与应用，未来的决策模式将发生变革。AI能够深度参与数据收集过程，协助制定决策标准，甚至可以辅助筛选方案、评估风险。然而，决策目标的确立是AI难以触及的领域，因为人工智能无法理解和定义企业决策背后的核心目的与价值追求。因此，我认为未来的决策趋势，必然是人工智能与管理者理性决策的深度协作。就像普智咨询提出的“AI加管理咨询的双螺旋”理念，强调的正是两者协同合作，相互赋能，共同推动企业决策的优化与升级。

中外管理传媒：AI在决策领域，可能带来哪些颠覆性创新？

刘百功：决策机制需因行业而异。

对于传统行业而言，采用传统决策方法并辅以AI技术作为辅助，基本能够满足决策需求。

但对于零售行业，尤其是互联网平台型零售企业，情况则截然不同。这类企业需要依据消费者习惯的变化，以及竞争对手发布的信息，迅速做出即时决策。以某平台公司的产品推荐机制为例，其推荐算法大约每11.6秒就会更新一次，这充分体现了互联网平台业务面向C端客户时，对决策时效性的极高要求——必须根据不同场景和数据情况，快速做出反应。

目前，AI能够在模拟环境中对决策的有效性进行验证。但值得注意的是，无论AI技术多么先进，其模拟结果与现实场景之间始终存在差距。这是因为AI模型和算法所依据的变量，是基于过往经验提取的有限信息。但是，在实际场景中，企业面对的变量会不断变化，且变量数量往往远超AI模拟时所涵盖的范围。特别是消费者习惯更迭、社会关系变动、竞争对手策略调整等因素，不仅数量庞大，而且具有极强的动态变化特性。

组织进化的“暗战”

中外管理传媒：在推进AI转型过程中，如何处理“培养数据型人才”与“传统员工转型困境”之间的冲突？

刘百功：我认为，传统企业员工并不存在明显困境。企业应积极推动全体员工拥抱AI，鼓励大家大胆使用。

首先，可以系统梳理现有的大模型及各类AI工具，分析其适配场景，明确哪些适用于人力资源部门、哪些适用于财务工作、哪些能助力生产管理，然后引导员工先行试用。在使用过程中，不断总结经验，探索最高效的应用模式，这是企业迈向AI应用的关键第一步。

正如我常提及的，在充满不确定性的环境下，需秉持三个原则：挖掘更多可能性，做出最优决策，更重要的是付诸行动，以实践探索未来，切忌只停留在理论层面，核心在于切实应用。

在数据人才建设方面，单纯依靠企业内部从零基础培养员工，不仅难度大，且耗时较长。因此，通过招聘引入专业人才，是更为可行的途径。

然而，招聘具备算法、人工智能专业背景的人才存在双重挑战：其一，此类人才往往薪资要求较高；其二，他们可能对企业具体业务缺乏深入了解。因此，我建议传统企业在转型过程中需牢记，AI作为工具，必须与业务深度融合。企业应将AI专业人才与熟悉业务流程的员工进行搭配，组建协同工作小组，采用共创模式，共同参与决策制定，并联合构建运营管理的流程与制度体系，以此实现技术与业务的有机统一。

中外管理传媒：当AI系统开始承担核心业务流程，例如智能客服等岗位，原有的员工绩效考核体系需要进行哪些维度的调整？是否需要引入人机协作效率指标？

刘百功：原有的员工绩效考核体系，可从多个维度分阶段进行重构。

在引入人工智能和大模型的初期，员工是否主动使用这些技术，可作为一项考核指标。为鼓励员工积极应用AI，可增设行为性考核指标，例如员工使用AI工具的熟练程度、应用频率等，以此关注员工在技术应用过程中的表现。随着应用的推进，考核重点可逐步转向使用后的工作效率提升情况及绩效达成情况。归根结底，企业经营目标的实现程度仍是最为关键的考核标准。

此外，是否将人机协作效率纳入考核，值得企业探讨。

若以目标为导向，采用结果性指标进行考核即可。只要员工能达成目标，是否进行人机协作无需特别考量。当员工个人工作效率远超人工智能时，直接考核其工作效率即可。

若企业既看重成果，也重视过程中的付出，就需要引入引领性指标或行为指标，对员工在工作过程中的投入进行评估。这种情况下，可将人机协作效率，纳入考核体系。

中外管理传媒：企业为适应AI快速迭代的需求，而进行的管理变革，会带来哪些隐性成本？又该如何应对？

刘百功：组织变革往往伴随着一系列隐性成本。在我看来，首要的隐性成本便是学习成本。企业全员需要经历一个学习过程，去掌握人工智能与业务协同的方法。此外，员工对变革的抗拒也是不容忽视的隐性成本，部分员工因改变工作习惯存在困难，往往不愿采用新的工作方法。

面对这一问题，我通常推荐采用“福格模型”来解决。该模型强调通过三方面举措推动员工积极参与变革：一是培养员工适应变革所需的能力；二是激发员工主动改变的内在动力；三是为员工创造良好的工作环境。

以普智咨询帮助企业进行AI大模型本地化部署为例。完成本地化部署后，员工无需担忧自身想法和工作成果被网络泄露。这便是通过环境机制提供的保障，为员工消除顾虑，助力组织变革顺利推进的典型体现。

如何打赢数据战争？

中外管理传媒：当企业尝试整合销售、供应链等跨部门数据时，遇到的最大制度性障碍是什么？该怎样破除企业常见的“数据孤岛”难题？

刘百功：我认为，数据维度和标准不统一是当前企业，特别是传统企业面临的最大障碍。在传统企业中，各部门普遍存在数据管理问题。以往，数据的衡量维度、标准以及时效性等方面缺乏有效的协同。因此，若要运用人工智能技术，首要任务是梳理清楚业务流程，在此基础上，将业务指标进行标准化处理，促使各部门能够在统一的维度下开展数据收集工作。

企业的数据孤岛现象十分明显，若继续沿用人工填报报表的传统方式，很难打破这一局面。但当数据维度和标准实现统一后，借助人工智能技术，就能实现数据的即时在线化，让数据随时可获取、可调用。如此一来，各个数据端口得以打通，数据孤岛问题也就有望得到解决。

中外管理传媒：面对快速演进的AI技术，企业应建立怎样的技术路线图评审制度，以避免过早绑定特定技术架构，导致企业难以掉头？

刘百功：在数字化转型领域，国家已出台专门的技术路线指导意见。在人工智能方面，目前可参考欧盟等国外的相关指标。随着发展，国内各行业也将陆续推出相应指标。

企业在推进相关工作时，可以综合参考三个层面的标准：一是国家标准，二是国外权威标准，三是行业标准。企业可以在此基础上，结合自身实际，制定具有针对性的发展路线图。无论是依据哪种标准，都要紧密围绕企业战略目标与业务发展路径，规划AI落地实施的具体路径。

当前AI技术的发展态势，恰似互联网技术发展初期阶段。软件的优势在于其具备灵活调整的特性，能够有效规避企业在后续发展阶段面临转型困难的问题。此外，企业还可依托成熟的平台，例如阿里云等专业AI平台开展业务。基于此类平台进行开发，一方面可避免前期过高的成本投入；另一方面，这些大型平台会依据时代发展趋势及业务实际需求，对底层架构予以持续的重构与优化。对于众多中小企业来说，借助这些平台能够显著降低成本与费用支出。