• 【理上网来·喜迎十九大】人民军队的制胜之本力量之源 2018-12-07
  • 中国警察被要求自觉接受监督 习惯在镜头下执法 2018-12-07
  • 国务院税则委员会发布关于对原产于美国500亿美元进口商品加征关税的公告 2018-11-30
  • 巢湖市第三届少儿器乐比赛圆满落幕 2018-11-30
  • 2018年3月下旬认真负责的鉴定专家(76人) 2018-11-23
  • 【理上网来·喜迎十九大】不忘初心、继续前进,勇于全面深化改革 2018-11-23
  • 山西11选五前三直遗漏黄仁宇的理想国和AI驱动的未来企业

    山西新11选5任五遗漏:黄仁宇的理想国和AI驱动的未来企业

    从万物连接到万物智能,组织中的数据洪流让数目字管理变成不再遥不可及,让黄仁宇的“理想国”在技术上成为可能,我们对此做好准备了么?

    作者:高飞、周雅 来源:科技行者 2018年11月9日

    关键字:人工智能 企业管理

    黄仁宇在写他的大历史观中,提到了数目字对于庞大帝国管理的重要性,数目字代表管理者对组织的信息传透。知己与知彼在兵法中从来同等重要,知己代表组织可见力,直接决定管理者对组织的掌控力。在可以预见的将来,人工智能,将通过“虚拟化身”成为组织里人类的AI同事,驱动组织进化。从万物连接到万物智能,组织中的数据洪流让数目字管理变成不再遥不可及,让黄仁宇的“理想国”在技术上成为可能,我们对此做好准备了么?

    注:本文原发于《清华管理评论》杂志,在赛博故事刊登时,内容、标题有篇幅修改。

    黄仁宇的理想国和AI驱动的未来企业

    作者 | 高飞、周雅 图片设计 | 孙梦吟

    来源 | 清华管理评论 原文编辑 | 周扬

    平台 | 赛博故事(ID: cybergushi)

    国家的兴衰,企业的成败,说到底莫过于“管理”二字。

    以史为鉴,我们不妨先把时间倒回到1500年前。“公元1587年,在中国为明万历十五年,论干支则为丁亥,属猪。当日四海升平,全年并无大事可叙”,黄仁宇在《万历十五年》开篇中说,“这实在是平平淡淡的一年”。但就在同年,“1587年,在西欧历史上为西班牙舰队全部出动征英的前一年”,草蛇伏线,灰延千里,之后的世界格局的走向,东西方势力的消涨,300年后中国封建王朝的土崩瓦解,全在于这些平淡日子里的“末端小节”当中。

    穿越时光,让我们把视线停留在其中某个平淡日子的“末端小节”上。明朝中叶的一天,皇帝又收到数件来自各地的奏折,文字像往常一样冗长无比,按黄仁宇的话说“又是用儒家传统的观念和语言来加以表达,很不容易弄清其中的问题主次和真正含义”,于是和平常一样,名为秉笔太监的宦官,作为皇帝的私人秘书,开始整理奏折关键词和摘要,供皇帝阅读,然后再交内阁大学士们批答。最后这些政令通过层层体系,回到奏折的来源地。这层层公文流转的过程,处于核心决策层的皇帝知道了一件事的大致印象,这还是运气好的时候,因为很可能在另外一天,他连大致印象都没不掌握,只是看到了来自秉笔太监的一时好恶的评价,但这依然不是最糟糕的,因为如果是魏忠贤“在位”,皇帝大概连看奏折的机会都没有。但是无论有没有印象,下发出去的批示却是实打实的“奉天承运皇帝诏曰”。

    黄仁宇对这种情况总结说,这些王朝的“传统的官僚政治表面管辖广泛,实际掌握不深,其行政效率靠由上至下加压力,并非循照经济原则,所以只能铺摆场面,对数目字无法精密核算”。而如此庞大的疆域,如果不用数目字的方式去管理,帝国的走向最后难免会流于失控。

    数目字管理到数据管理:AI带来的透明组织

    对于黄仁宇的数目字管理,后来有两种理解,一种是字面意义的“数字化管理”之意,通过数字统计来制定决策,作家王小波称之为“统计数字”管理。从事黄仁宇作品编辑多年的徐卫东的看法则更深入,“数目化的英文是‘mathematical management’,所以数目化管理更准确的说法应该是‘精确化管理’——各种有形无形的社会资源可以公平地加加减减,也就是说,整个社会资源均可如实计算,整合进一个记录系统进行自由流动和交换”。

    但是无论哪种理解,只要涉及计算和决策,都需要一个共同基础——可以准确衡量价值、能够反映客观现实的“数目字”。而这个基础,对于一个国家管理是必要的,对于一个组织管理是必要的,对于一个运行在万物互联的现代社会的现代企业管理,更是需要的?;迫视钏?,“凡事用数目字管理的社会,已不是道德问题,而为一种技术问题”。而就在新的科技革命和产业革命方兴未艾的今天,“技术”可能将不再是一个问题,这让数目字管理的可行性产生飞跃。在人类历史上,管理者也会第一次发现,自己的企业会变成一个接近于自己完全可见的“透明组织”,企业的每一个动态都可以呈现在管理者眼中。而推动“透明组织”形成的技术,就是井喷式爆发的大数据,和由大数据驱动的人工智能。

    美国互联网数据中心的数据显示,互联网上的数据每年将增长50%,每两年翻一番,世界上90%的数据是过去的几年才产生的。更激进的预测是——人类社会从现在开始每一年产生的数据,都将超过之前所有年份产生的数据的总和。早在1980年,著名未来学家阿尔文·托夫勒便在《第三次浪潮》一书中,将大数据定义为“第三次浪潮的华彩乐章”。这些数据并非只是人们在互联网上发布的文字、图片和视频,还有全世界的工业设备、交通工具、仪器仪表、监控装置上的传感器所产生的数据,而测量的对象,也不仅包括各种设备、物体、空间的位置、温度、湿度,也包括一个企业组织中的核心管理对象——人自身的一举一动的观察。

    黄仁宇的理想国和AI驱动的未来企业

    图:数据是人类创造的增长速度最快的东西,并让人工创造智能成为可能

    通过无线通讯,大数据让现代企业的管理者不会像明朝皇帝一样,需要一个漫长的信息传递反射弧,才能了解来自组织末端的情况,而是可以几乎实时的得到组织的不同地理位置、职能单元和分支机构反馈的数据。孙子兵法曰:“知己知彼,百战不殆”,“知己”和“知彼”在兵法中,被放到了同等重要的位置,而这些数据就是知己的关键。

    但是仅仅有看似可以反射企业全貌的数据,并不能自然得到一个“透明组织”,有两座大山矗立在管理者和这些数据之间,这就是 “理解和效率”,大部分由“01”代码组成的数据是不能被人类直接理解的,人类看不懂机器的记录;而另外一部分可视化的数据,我们又没有足够的时间去处理,一个摄像头一天内拍摄的画面,也需要一个人一天的时间来回顾。正如同明朝皇帝面对无数奏折就出现的文字信息过载,面对浩瀚无边的数据,人类更会出现数据认知过载。这就是大数据之外的另外一个能力—— “人工智能”。人类面对浩瀚的数据有多么无力,人工智能面对无边的数据就有多么饥饿。

    人工智能并不是一个新事物,从60年前达特茅斯会议产生这个概念开始,人工智能已经经历过三次低谷巅峰,现在我们看到的已经是第四次人工智能浪潮。这次人工智能浪潮的支撑力量来自三方面:AI算法的演进、计算能力的提升和数据资源的井喷,数据则是一个关键因素。就像人类总结经验是依靠学习和复习一样,人工智能正是利用海量的数据,总结和发现只有人类才能发现,甚至人类也无法感知与认知的事物、因素和规律。由于机器的学习是依靠统计学原理,因此,数据量越大,机器的学习能力就越强,得出的结论就越准确。

    组织的核心是人,要实现管理者所替代的“透明组织”,就要实现“人”的透明性。但是人天生偏偏是不透明的,在小说三体中,人心的不可参透性,成为地球人反击三体人的秘密武器。心理学家荣格则把人类的意识分为自我、本我和超我。其中只有自我是能被直接感知的,本我和超我都隐藏在外在表现的水面之下。如果说对于小企业还可以依靠管理者的观察,对于大型组织的管理者,可能只能依靠每年一次的“360度环评”才得以管中窥豹。但是,有了全视角观察组织的大数据,有了可以把这些数据翻译为信息结论的人工智能,双剑合璧,人将是可能被读懂的,“透明组织”的可能性增加了。

    在一个案例中,一个企业在员工上下班打卡中,使用了人脸识别系统。但是这个系统不只是能用于对员工本人的确认。在AI的帮助下,它的额外功能是能够对人类的几十种微表情进行识别。经过一段时间的统计,这个AI系统就可以根据员工上下班时的心情变化,得知员工整体和个体的心理状态。从而在员工还没有对工作状况进行任何反馈的情况下,让管理者提前预知某个员工状态。更有甚者,系统可以根据员工的网络痕迹(输入和输出信息),分析员工的工作状态、强度和效果。企业对人的管理,不再是临时性收到信息、阶段性评估程度,周期性给予反馈,而是可以几乎做到实时得知员工状态,实时进行管理决策。这其中一定涉及相当程度的隐私问题,但是毫无疑问,这对于人力资源管理来说,毫无疑问是一场信息爆炸,企业管理者也很难抵御让企业的个体,企业中的人,在自己眼前更加透明的诱惑。美国的亚马逊公司在物流体系中对库房的工人管理,正在使用类似的方法,通过自动化装置统计员工在分拣货品等每一个动作的速度、频次和效率,有员工对媒体Business Insider说,感觉自己工作“like a robot”,而或许某一天这类工作真的会被“robot”所代替。

    如果把企业管理的外延从员工扩大到顾客,进行客户关系管理,AI一样正在将市场变得更加透明。根据至顶网的一篇分析报道,流媒体音乐巨头Spotify的整个业务都是基于数据的,人工智能保存了更多的客户数据,并通过分析数据发现各种趋势,预测每个客户喜欢什么样的音乐,每位Spotify用户都会获得一个个性化的“每周发现”播放列表,这是使用人工智能数据为用户挑选音乐的典型。这项服务因其对客户心情和音乐品味的准确把握而备受好评。在Spotify面前,客户在音乐喜好的一举一动都是透明的。多米诺骨牌一定会一张张地倒下去,更多透明的组织,更多透明的市场必将慢慢浮现出来。

    人际关系到人机关系:知识的第二生产者

    企业管理的终极目的,是着眼于能让企业获利的竞争力。有了人工智能的帮助,很多原来需要人力才能完成的工作,将很大程度上可以通过机器的自动化动作来完成,这无疑将创造巨大的竞争力和商业价值。根据麦肯锡全球研究所的分析,利用大数据、人工智能在各行各业能产生显著的财务价值。美国健康护理产业利用大数据每年产出3,000亿美元,年劳动生产率提高0.7%;欧洲公共管理每年价值2,500亿欧元,年劳动生产率提高0.5%;全球个人定位数据服务提供商收益1,000多亿美元,为终端用户提供高达7,000亿美元的价值;美国零售业净收益可增长6%,年劳动生产率提高0.5-1%;制造业可节省50%的产品开发和装配成本,营运资本下降7%。

    但是效率的提升,只是人工智能对企业帮助的半壁江山,人工智能还能帮企业做的更多,那就是知识创造。在管理学大师德鲁克眼中,竞争力的来源是知识。他判断,知识会成为社会的关键资源,知识工作者将成为主要的劳动力。在他的后期重要著作《下一个社会的管理》中,对知识的重要性做了集中性阐述:

    现在,价值由“生产力”与“创新”来创造,二者都将知识运用于工作之上。在这种知识社会中,其主导力量一定是“知识工作者”,正如资本家知道如何将资本用于生产一样,他们是懂得如何将知识用于生产的管理人、专业人士和雇员。知识是今天唯一有意义的资源。传统的生产要素,如土地(自然资源)、劳动力和资本,虽然至今仍未消失,但它们已经处于次要地位了。现在,只要有了知识,土地、劳动力与资本就会纷至沓来。

    自人类诞生以来,知识创造和技术创新的主体都是人,我们学会了钻木取火,区别于动物、甚至原始人的“食草木之食,鸟兽之肉,饮其血,茹其毛。”

    但是进入21世纪,现在知识创造者的主体除了人之外,增加了“大数据与人工智能”??萍疾坎砍ね踔靖赵?018年的科协年会上说,“科技创新的范式正在发生变化,过去我们讲实验科学、理论分析、计算机模拟,今天还有一个大数据研究。”王部长所讲的大数据研究,就是图灵奖获得者吉姆·格雷(Jim Gray)所提出的科学研究的“第四范式”。吉姆·格雷(Jim Gray)是一名航海运动爱好者,2007年1月28日,他驾驶帆船在茫茫大海中失联了,就是17天前的1月11日,在加州山景城召开的NRC-CSTB(National Research Council-Computer Science and Telecommunications Board)大会上,他发表了留给世人的最后一次演讲“科学方法的革命”,提出将科学研究分为四类范式,依次为实验归纳,模型推演,仿真模拟和数据密集型科学发现(Data-Intensive Scientific Discovery)。其中,最后的“数据密集型”,也就是现在我们所称的“科学大数据”([1]。

    黄仁宇的理想国和AI驱动的未来企业

    图:几千年来,人类对科学的发现经历了四个阶段,基于数据,我们看到了第四种范式(注[2]

    古希腊学者阿基米德在发现浮力问题计算方式的时候,喊了一声“尤里卡”(希腊语:有办法了),人类以往的知识创造就在一个个“尤里卡时刻”中出现了,爱迪生发明电灯泡,神农氏尝百草,除了科学家和探索者的研究积累,还充满了“尤里卡时刻”的直觉和灵感。不过机器智能创造知识的过程没有“尤里卡”灵感,但是他们依靠365天、24小时不休息地吃进数据,用统计学的方法,心理学的理论,用他们自己的方式来创造知识?;鞔丛熘?,已经不是预言,而是已经成为现实。

    2016年3月,Google旗下DeepMind的AlphaGo程序和李世石进行了人机围棋大战,最终以4:1取胜(当然,之后AlphaGo又战胜了世界围棋第一人柯洁)。DeepMind的创始人,也是AlphaGo之父AlphaGo(阿尔法狗)之父Demis Hassabis在英国剑桥大学演讲中回顾了人机对战的第二局的第37步: 

    在过去的3000多年里,人们认为在第三根线上落子和第四根线上落子有着相同的重要性。但是在这场游戏中,大家看到在这第37步中,阿尔法狗落子在了第五条线,进军棋局的中部区域。与第四根线相比,这根线离中部区域更近。这可能意味着,在几千年里,人们低估了棋局中部区域的重要性。

    黄仁宇的理想国和AI驱动的未来企业

    图:Alphfago证明了只要有可计算的数字,必是人工智能可以挖掘知识的领域

    Demis Hassabis的说法,代表着机器智能,发现了人类从来没有发现的知识,尽管围棋程序本身是由人类创造的。人工智能,正在成为企业知识的第二生产者?;诘谒姆妒?,谁掌握更多的数据,谁就会在机器创造知识的过程中掌握先机。同以往企业的管理更多只是对内部资源的管理不同,有了物联网的万物互联,有了大数据对于客户行为的实时追踪,有了云计算的平台资源共享,未来企业能够管理的对象外延发生了巨大的变化。企业的产品、服务、顾客和合作伙伴,都成为企业能够管理的目标对象。而数据就在企业生态的不同角色之间流转,突破了企业内外部边界。对于企业而言,只掌握和分析内部数据,是不完整不充分的,对知识创造也是不利的。正因如此,全球互联网公司都在积极地通过收购、合并、合作,建立自己的生态网络,扩展自己的联盟,这些合作背后的一个原因固然是流量的获取和客户的锁定,但是另外一个重要原因就是数据资源的获得和共享。

    对于大企业而言,只有自己的生态足够大,才能保证无论数据流动到哪,企业都可以追踪和使用。另一方面,对于中小企业,也只有加入一个大生态,才能得到以自己的技术实力难以获得的创新资源。第四范式之下,麦特卡夫定律将起更大的作用,数据越多,知识创造能力越强,赢者通吃效应让产业颠覆者的出现更加艰难。无论国内国外,你会发现,在科技互联网领域,已经很久没有新的腾讯、Google和Facebook出现的苗头了。

    当知识不只由人类创造,决策不止是由人类做出,未来组织的内部关系也会发生变化。如果说AI时代之前的企业管理只有一种关系,即基于人与人之间的Human-TeamWork——人际关系,未来将新增一个将机器智能包含在内的Human-Machine-Relationship——人机关系,以及基于生态合作的Enterprise-Ecosystem-Network?;谡馊止叵?,未来公司的核心能力也将发生变化,它们来自三方面,简称:R-E-D,分别代表着信任力(Reliance from human)、生态力(Ecosystem ability)和技术力(Deploy of technology)。

    黄仁宇的理想国和AI驱动的未来企业

    图:R-E-D模型,AI时代的组织驱动力来源

    赢得“信任力”:企业只有获得员工的信任,获得顾客的信任,才能得到她们的数据。欧洲议会投票通过的《一般数据?;しò浮罚℅eneral Data Protection Regulation (GDPR))体现了对消费者隐私的?;?,这更凸显了数据的可贵性和信任力的重要性。

    构建“生态力” :未来数据的流通是没有边界的,它不仅在企业内部流通 ,也在企业外部流通,流动于企业的上下游,也就是企业的生态链之间。对于大企业,如何构建吸引中小企业的生态,对于小企业,如何选择有利于自己的生态,是重要的管理和战略决策问题。

    发展“技术力”:当庞大的数据流动到、创造于企业手中,通过何种技术部署,才能让数据变为自动化的流程,从而降低成本,变为创造性的知识推动创新,将是企业核心竞争力之一。

    未来,我们会看到越来越多的行业加上智能、智慧和科技等前缀、后缀——智能+制造、智慧+交通、智慧+城市、金融+科技……机器智能,终将改变人类社会中的每一个企业,每一个行业,和组织中的每一个人的生产方式、工作方式和生活方式。企业管理的对象,将第一次由人类,扩展到包含在机器智能的第三方。

    机器智能成为企业员工之后,当AI大规模应用企业管理,组织的人才分布也会发生本质变化?;靖呒豆芾砉宋?、中国人民大学商学院教授黄卫伟在与赛博故事交流时,从对华为的观察,给出了自己的判断:AI时代人才的价值贡献,将从工业时代的正态分布变化成为帕累托分布,更多的岗位留给高阶人才,重复性劳动工种的用人比例会持续下降。以华为的智能制造业务为例,“硕博”学位占比正在两位数提升,新增的高端人才普遍面向自动化开发、制造IT、大数据质量预警和智能调度等岗位。更多的岗位属于开发 “智能之物”,更多的员工在人机协同机制下工作。同时,技术驱动的背景下,人力资本增值在华为正在优于财务资本增值,科学技术的基础研究变得越来越重要,这些都在改变企业的运行方式。

    当机器智能可以充当管理助手、战略军师和研发专家,当企业内部由单纯的人际关系,走向人机互动,毫无疑问机器智能已经成为组织内部的新物种。在《连线杂志》的一次专访中,刚刚过世的霍金教授曾未雨绸缪,人工智能可能取代人类,变成一种新的生命形态,新物种。我们创造优化AI新型态之时,新型态的“AI”也在极速重构人类同事的分工、配比和工作方式,一次组织将由跨物种生命构成的管理革命也正在毫无疑问的到来。

    只不过人类是否真做好了准备,迎接AI驱动组织、AI同事和人类员工并存时代的到来?人类在制定决策时,应该如何评估、信任和协调机器的智能判断?当被管理者的一举一动处于完全可见的时候又会如何影响组织成员的内部关系?这些问题似乎还处于未知数的范畴。但是人类百年来的工业革命史表明,在任何一个不确定的时代,我们唯一能够确定的,就是依赖技术进步来推动效率的提升,和商业模式的创新,除面对未知继续前行,并无其它道路可选。

    注[1] :赵斌,《第四范式:基于大数据的科学研究》

    //blog.sciencenet.cn/blog-502444-931155.html

    注[2]: Microsoft Technet France, Azure Brain: 4th paradigm, scientific discovery & (really) big data

    https://www.slideshare.net/TechnetFrance/rec201-stechdaysfinal130213033305phpapp02-19779391


      最新文章
      热门标签
    • 【理上网来·喜迎十九大】人民军队的制胜之本力量之源 2018-12-07
    • 中国警察被要求自觉接受监督 习惯在镜头下执法 2018-12-07
    • 国务院税则委员会发布关于对原产于美国500亿美元进口商品加征关税的公告 2018-11-30
    • 巢湖市第三届少儿器乐比赛圆满落幕 2018-11-30
    • 2018年3月下旬认真负责的鉴定专家(76人) 2018-11-23
    • 【理上网来·喜迎十九大】不忘初心、继续前进,勇于全面深化改革 2018-11-23