LinkedIn联合创始人:人工智能改变公司管理方式
引言:公司如何收集、分析并根据知识采取行动?这方面将取得重大突破,我们正处在变革的风口浪尖。这是委托文章系列的第二篇,该系列的每篇文章都是作者对以下问题给出的回答:「在未来五年内,技术将如何以一种我们尚未见过的方式改变管理实践?」MIT 斯隆管理评论将这些文章发表在了2016 年春夏季的Frontiers(前沿)上。
Reid Hoffman,LinkedIn 执行主席和联合创始人
本文是 MIT SMR(斯隆管理评论)的一部分,对技术重塑管理实践的方式进行了探索。
人工智能将会将管理(management)从一门艺术转变成艺术与科学的复合体。这么说并不是因为我们未来会从科幻小说所描绘的机器人统治者那里接受命令,而是因为专业型人工智能将能让我们以一种 Peter Drucker(著作等身的管理思想大师,被誉为「现代管理学之父」)那样的早期理论家才能想象的方式将数据科学应用到人类工作交互中。
我们已经见识过了专业型人工智能的力量:IBM 的沃森在 Jeopardy 中碾压了最好的人类选手,而谷歌 DeepMind 的 AlphaGo 最近也以 4:1 的成绩击败了世界顶尖围棋棋手李世石。尽管这些专业型人工智能不能通过图灵测试,但它们可以以我们的生物大脑无法匹敌的速度处理和操作大量数据。而在管理方面:在未来五年内,我预计,有远见的企业组织将会使用专业型人工智能构建一张复杂、综合性的企业「知识图谱(knowledge graph)」。
正如「社交图谱(social graph)」代表了一个在线社交网络中人际关系的互联,知识图谱代表的是公司内部所有数据和通信的互联。专业型人工智能将会在整个组织中无处不在,索引每一份文档、每一个文件夹和文件。不仅是这样,它们还将坐镇于通信流之中,收集我们所有的工作产物,从电子邮件到文件分享再到聊天信息。当你保存一个提案、与同事分享它、通过企业消息应用讨论它时,人工智能会将这些场景连接起来。这听起来似乎有点「老大哥」的意味,但其好的影响在于:为知识工作者提供强大工具,用于收集、理解和应用信息。
专业型人工智能甚至将帮助我们改善工作效率的痛苦之源——开会。人工智能将会把会议记录下来、转录、并存档在知识库中。开会时,任何时候,只要有人自愿处理一项任务项目,人工智能就会记录并追踪那些承诺,而且会自动将项目的最终完成情况与认领这项任务的会议联系起来。听起来遥不可及?事实上,用于分类、模式匹配和建议潜在相关信息的人工智能技术已经成为了我们日常生活的一部分。每次,在谷歌的搜索框中键入查询时就会遇到它们,其自动完成为你提供一组选择;或每次你在亚马逊上查看某件产品时,该网站的人工智能也会推荐你可能喜欢的其它产品。
知识图谱的兴起将会以三种主要方式影响管理实践:
1. 有意义的组织仪表盘
目前,组织仪表盘(organizational dashboards)——管理人员监控的、以及用来指导决策的信息集合——受限于易于从现有系统中提取或导出的结构化数据(如收入、应用下载和工资信息)。这些回顾性的指标确实存在价值:帮助管理者了解他们的业务中发生了什么或确定故障检修的热点。但是,人工智能生成的知识图谱将能极大扩展这些仪表盘的范围。比如,管理者将能获取内部通信中的情绪分析,确定哪些问题被讨论得最多、正在考虑什么风险,以及人们正计划在哪里部署关键资源(无论是资本还是关注)。人工智能驱动的仪表盘将能提供前瞻性的预测智能,能为管理决策带来全新水平的见解。计算机不会为我们进行决策,但它们可以过滤巨量数据并突出其中最利益相关的事物,在这种程度上,管理者就可以使用人类智能继续钻取以得到结论和采取行动。这是 MIT 媒体实验室负责人 Joi Ito 提出的所谓「延展智能(extended intelligence)」的一个例子,即认为智能是一种网络现象,而且使用人工智能是为了增强——而非取代——人类智能。
扩展阅读:《MIT团队开启「延展智能(Extended Intelligence)」研究》
2. 数据驱动的绩效管理
目前的绩效管理流程有非常糟糕的错误漏洞。德勤发布的一份研究发现,只有 8% 的组织相信他们的年度审核流程是值得为之努力的!造成这种不满意的很大一个原因是缺乏支持客观的绩效管理的数据。要管理绩效,你必须要先测量它;而在大部分组织中,测量大多数人的绩效根本是不可能的。高层领导者可能会基于公司的整体绩效进行估计;像销售这样的特定职能有客观可量化的绩效标准,但其它大部分工作依赖的是主观的标准和分析。在数据缺乏时,组织的内部政治和无意识的偏见可能会产生重大影响,从而导致有偏见的、不准确的绩效管理。知识图谱能让管理者识别谁才是推动企业业绩的真正贡献者。你能知道谁做出了进入一个新市场的关键决策,又是谁实际解决了关键的行动事项使其成为了现实。如果绩效管理是一部电影,它就会少些《角斗士》,多些《点球成金》。然而,即使知识图谱降低了猜测和直觉的作用,人类管理者仍然需要参与其中,根据更好的数据训练基于信息的判断。这样做能带来更有效的人力资本配置,因为人们能更好地匹配适合他们能力的项目,而最好的人才也能被部署到最有影响力的项目中。
3. 增加人才流动
随着我们在人力资本分配上越做越好,组织将需要在增加人才流动上做出更好的工作——不管是在组织的内部还是外部。在网络时代,人才往往会流向对其有最高附加值的项目。每一个这样的「责任之旅」(指雇主给出回报的道德承诺后,雇员为雇主的特定任务执行有限时间的工作)将使企业和工作者双双受益。但人们不是即插即用的设备;他们需要时间才能在一个岗位上变得高产(很大程度上是因为需要时间构建进入一个新网络所需的连接)。知识图谱将会使入职和发展方向远远更快速和高效。在工作的第一天,工作者就能通过知识图谱不仅了解他的工作描述,而且还能了解他需要使用到的关键网络节点。不再是简单地拿到一堆文件然后被介绍给他的同事,一位入职的人工智能会问这样的问题:「在新办公室的搬迁上我该和谁合作?它该在什么会议上进行讨论?我们下一次进度会议在何时举行?」它也能提问了解过去的事情是如何完成的(即:「让我看看我的前任所做工作的主题标签云。那种分配在过去 12 个月里是如何演变的?」人工智能甚至可能让正在离职的员工复查和标注应该被交给继任者的关键文件。在今天的工作场所,这种隐性知识通常需要几周或几个月才能积累下来;而在人工智能的帮助下,员工在接受新工作角色的前几个小时内就能获取和处理这些知识,然后也能应用这些知识。
尽管有所有这些人工智能的潜在好处,但也有一些非常聪明的人在担忧人工智能的潜在危害——不管是在创造经济位移中还是实际冲突中(例如,如果人工智能被应用到了武器系统上)。这就是为什么我,以及我的朋友 Sam Altman、Elon Musk、Peter Thiel 和 Jessica Livingston 共同资助 OpenAI 项目的原因——是为了最大化开发「友好型」人工智能的机遇,使其帮助人类,而不是伤害人类。人工智能已经存在并将继续发展;在管理等领域,利用专业型人工智能延展人类智能是我们朝着「人工智能提升人类未来」的世界继续进步的一种方式。
本文选自MIT SMR,作者:Reid Hoffman;机器之心编译