當管理遇上AI，會發生什麼？

人工智慧將會將管理(management)從一門藝術轉變成藝術與科學的複合體。

這麼說並不是因為我們未來會從科幻小說所描繪的機器人統治者那裡接受命令，而是因為專業型人工智慧將能讓我們以一種 Peter Drucker(著作等身的管理思想大師，被譽為”現代管理學之父”)那樣的早期理論家才能想象的方式將資料科學應用到人類工作互動中。

我們已經見識過了專業型人工智慧的力量：IBM 的沃森在 Jeopardy 中碾壓了最好的人類選手，而谷歌 DeepMind 的 AlphaGo 最近也以 4:1 的成績擊敗了世界頂尖圍棋棋手李世石。儘管這些專業型人工智慧不能通過圖靈測試，但它們可以以我們的生物大腦無法匹敵的速度處理和操作大量資料。而在管理方面：在未來五年內，我預計，有遠見的企業組織將會使用專業型人工智慧構建一張複雜、綜合性的企業“知識圖譜(knowledge graph)”。

正如“社交圖譜(social graph)”代表了一個線上社交網路中人際關係的互聯，知識圖譜代表的是公司內部所有資料和通訊的互聯。專業型人工智慧將會在整個組織中無處不在，索引每一份文件、每一個資料夾和檔案。不僅是這樣，它們還將坐鎮於通訊流之中，收集我們所有的工作產物，從電子郵件到檔案分享再到聊天資訊。當你儲存一個提案、與同事分享它、通過企業訊息應用討論它時，人工智慧會將這些場景連線起來。這聽起來似乎有點“老大哥”的意味，但其好的影響在於：為知識工作者提供強大工具，用於收集、理解和應用資訊。

專業型人工智慧甚至將幫助我們改善工作效率的痛苦之源——開會。人工智慧將會把會議記錄下來、轉錄、並存檔在知識庫中。開會時，任何時候，只要有人自願處理一項任務專案，人工智慧就會記錄並追蹤那些承諾，而且會自動將專案的最終完成情況與認領這項任務的會議聯絡起來。聽起來遙不可及?

事實上，用於分類、模式匹配和建議潛在相關資訊的人工智慧技術已經成為了我們日常生活的一部分。每次，在谷歌的搜尋框中鍵入查詢時就會遇到它們，其自動完成為你提供一組選擇;或每次你在亞馬遜上檢視某件產品時，該網站的人工智慧也會推薦你可能喜歡的其它產品。

知識圖譜的興起將會以三種主要方式影響管理實踐：

1. 有意義的組織儀表盤

目前，組織儀表盤(organizational dashboards)——管理人員監控的、以及用來指導決策的資訊集合——受限於易於從現有系統中提取或匯出的結構化資料(如收入、應用下載和工資資訊)。這些回顧性的指標確實存在價值：幫助管理者瞭解他們的業務中發生了什麼或確定故障檢修的熱點。但是，人工智慧生成的知識圖譜將能極大擴充套件這些儀表盤的範圍。比如，管理者將能獲取內部通訊中的情緒分析，確定哪些問題被討論得最多、正在考慮什麼風險，以及人們正計劃在哪裡部署關鍵資源(無論是資本還是關注)。

人工智慧驅動的儀表盤將能提供前瞻性的預測智慧，能為管理決策帶來全新水平的見解。計算機不會為我們進行決策，但它們可以過濾巨量資料並突出其中最利益相關的事物，在這種程度上，管理者就可以使用人類智慧繼續鑽取以得到結論和採取行動。這是 MIT 媒體實驗室負責人 Joi Ito 提出的所謂”延展智慧(extended intelligence)”的一個例子，即認為智慧是一種網路現象，而且使用人工智慧是為了增強——而非取代——人類智慧。

2. 資料驅動的績效管理

目前的績效管理流程有非常糟糕的錯誤漏洞。德勤釋出的一份研究發現，只有 8% 的組織相信他們的年度稽核流程是值得為之努力的!造成這種不滿意的很大一個原因是缺乏支援客觀的績效管理的資料。要管理績效，你必須要先測量它;而在大部分組織中，測量大多數人的績效根本是不可能的。高層領導者可能會基於公司的整體績效進行估計;像銷售這樣的特定職能有客觀可量化的績效標準，但其它大部分工作依賴的是主觀的標準和分析。

在資料缺乏時，組織的內部政治和無意識的偏見可能會產生重大影響，從而導致有偏見的、不準確的績效管理。知識圖譜能讓管理者識別誰才是推動企業業績的真正貢獻者。你能知道誰做出了進入一個新市場的關鍵決策，又是誰實際解決了關鍵的行動事項使其成為了現實。如果績效管理是一部電影，它就會少些《角鬥士》，多些《點球成金》。然而，即使知識圖譜降低了猜測和直覺的作用，人類管理者仍然需要參與其中，根據更好的資料訓練基於資訊的判斷。這樣做能帶來更有效的人力資本配置，因為人們能更好地匹配適合他們能力的專案，而最好的人才也能被部署到最有影響力的專案中。

3. 增加人才流動

隨著我們在人力資本分配上越做越好，組織將需要在增加人才流動上做出更好的工作——不管是在組織的內部還是外部。在網路時代，人才往往會流向對其有最高附加值的專案。每一個這樣的”責任之旅”(指僱主給出回報的道德承諾後，僱員為僱主的特定任務執行有限時間的工作)將使企業和工作者雙雙受益。但人們不是即插即用的裝置;他們需要時間才能在一個崗位上變得高產(很大程度上是因為需要時間構建進入一個新網路所需的連線)。

知識圖譜將會使入職和發展方向遠遠更快速和高效。在工作的第一天，工作者就能通過知識圖譜不僅瞭解他的工作描述，而且還能瞭解他需要使用到的關鍵網路節點。不再是簡單地拿到一堆檔案然後被介紹給他的同事，一位入職的人工智慧會問這樣的問題：”在新辦公室的搬遷上我該和誰合作?它該在什麼會議上進行討論?我們下一次進度會議在何時舉行?”

它也能提問了解過去的事情是如何完成的(即：”讓我看看我的前任所做工作的主題標籤雲。那種分配在過去 12 個月裡是如何演變的?”人工智慧甚至可能讓正在離職的員工複查和標註應該被交給繼任者的關鍵檔案。在今天的工作場所，這種隱性知識通常需要幾周或幾個月才能積累下來;而在人工智慧的幫助下，員工在接受新工作角色的前幾個小時內就能獲取和處理這些知識，然後也能應用這些知識。

儘管有所有這些人工智慧的潛在好處，但也有一些非常聰明的人在擔憂人工智慧的潛在危害——不管是在創造經濟位移中還是實際衝突中(例如，如果人工智慧被應用到了武器系統上)。這就是為什麼我，以及我的朋友 Sam Altman、Elon Musk、Peter Thiel 和 Jessica Livingston 共同資助 OpenAI 專案的原因——是為了最大化開發”友好型”人工智慧的機遇，使其幫助人類，而不是傷害人類。

人工智慧已經存在並將繼續發展;在管理等領域，利用專業型人工智慧延展人類智慧是我們朝著”人工智慧提升人類未來”的世界繼續進步的一種方式。

選自：MIT Sloan Management Review，作者：Reid Hoffman

來自：機器之心