打造企業(yè)智慧力

Paul+JH．Schoemaker+Philip+E+Tetlock

未來幾年中，企業(yè)必須智慧化發(fā)展，即能夠整合模型決策和人類在判斷、推理和選擇方面的天賦。能成功做到這一點的企業(yè)將勝出競爭者一籌

企業(yè)若要獲得可持續(xù)的成功，必然需要在其領(lǐng)域不斷創(chuàng)造、提升競爭優(yōu)勢。這種優(yōu)勢依然可以是規(guī)模生產(chǎn)的低成本、機密的自主知識產(chǎn)權(quán)、積極的員工或是高瞻遠矚的領(lǐng)導(dǎo)層。但在當(dāng)前的知識經(jīng)濟時代，企業(yè)的戰(zhàn)略優(yōu)勢越發(fā)依賴超前的精準(zhǔn)判斷與果斷抉擇。

從這個角度出發(fā)，有兩種不同的力量正在改造當(dāng)今的企業(yè)：一是計算機和大數(shù)據(jù)技術(shù)，這為企業(yè)平穩(wěn)運轉(zhuǎn)、進行預(yù)測研究以及踐行人工智能夯實了基礎(chǔ)；二是當(dāng)前科學(xué)界對人在判斷、推理和選擇天賦上的認知加深。

針對這一新形勢，我們希望研究管理者如何將人類的智能與技術(shù)可實現(xiàn)的新洞察力結(jié)合起來，從而在不確定和復(fù)雜情形下做出更明智的抉擇。要知道，每五個決策中有3個正確和有28個正確的差別似乎很微小，但足以讓前者在競爭中占據(jù)優(yōu)勢地位；而且隨時間累加，造成的差異將是巨大的。

通過企業(yè)戰(zhàn)略、組織理論、人類判斷、預(yù)測分析以及管理科學(xué)等多學(xué)科內(nèi)容的探討，我們發(fā)現(xiàn)有五大能力，能夠支撐企業(yè)決策判斷力，提高企業(yè)的綜合智慧與決策能力，領(lǐng)先對手。這五大能力分別是：

1發(fā)現(xiàn)最需要“智慧”發(fā)揮作用的領(lǐng)域。將基于數(shù)據(jù)和理性的人工智能用于改善主觀預(yù)測，能夠帶來切實可見的變化。

2建立預(yù)測模型。鼓勵團隊之間以競爭的方式開展實驗和創(chuàng)新，發(fā)現(xiàn)最佳的預(yù)測方法。

3對企業(yè)內(nèi)部的專家思維與知識庫建模。尋求企業(yè)內(nèi)部對關(guān)鍵業(yè)務(wù)具有卓越見解的人才，通過預(yù)測模型來充分運用這些人才的能力。

4用人工智能進行試驗。采用超越簡單線性的模型，在有限領(lǐng)域使用深層神經(jīng)網(wǎng)絡(luò)來實現(xiàn)計算機模型對人類專家的超越。

5改變企業(yè)運作方式。提倡探索文化，推動人類與機器能力結(jié)合。發(fā)現(xiàn)最需要“智慧”發(fā)揮作用的領(lǐng)域

建立智慧企業(yè)的起點是在合適的點投入資源，使之帶來最豐厚的回報。換言之，尋找最需要也最適合智慧化解決的問題。

最好的切入點是處于邊緣地帶的綜合性問題，解決它們需要有效結(jié)合真實數(shù)據(jù)與專家決策。這類問題的解決離不開確定性規(guī)程（karl POpper稱之為“準(zhǔn)確性問題”），又受到不確定性（“云式問題”）限制。

“準(zhǔn)確性問題”屬于依據(jù)過往經(jīng)驗，可以穩(wěn)定解決的問題。統(tǒng)計預(yù)測模型對此類問題的作用較大。例如評估新的醫(yī)療進展對預(yù)期壽命的影響，人類的直觀決策一般而言都不會比得上統(tǒng)計模型。

“云式問題”，如評估全球變暖對2025年邁阿密發(fā)生洪水的影響概率，大多是沒有歷史數(shù)據(jù)、沒有根據(jù)、或者隨機.出現(xiàn)的，這種情形下，專家的判斷對解決問題的效用更大；相對預(yù)測模型，專家能更好處理收集到的信息。

所謂智慧企業(yè)，核心是有機結(jié)合計算機及其算法的長處和人類在判斷、決策中的天賦，最終成型的智慧分析系統(tǒng)可能超越其各部分的簡單相加。

形成一個真正的智慧企業(yè)是一個慢而復(fù)雜的過程。認知心理學(xué)在過去幾十年的突破，使許多管理者擺脫了不規(guī)律思維的偏見和陷阱。但很少有企業(yè)能將這種進步轉(zhuǎn)化為企業(yè)智慧化的階梯。執(zhí)行團隊在具體執(zhí)行過程中遭遇的決策環(huán)境，很難與初始決策條件相同。因此，企業(yè)需要提高企業(yè)的智能化水平，強化協(xié)作的抉擇過程、深化數(shù)據(jù)和技術(shù)工具的效用。

目前，一些公司已經(jīng)將大數(shù)據(jù)與預(yù)測分析投入使用，然而，很少有企業(yè)能夠系統(tǒng)整合人類的智慧和計算機的智能。

建立預(yù)測模型

通過預(yù)測模型比賽，以競爭形式尋找特定領(lǐng)域內(nèi)最佳的思維方式或預(yù)測模型，是一條行之有效的途徑。其基本理念是激勵參賽者對可能發(fā)生的事情進行預(yù)測，并對預(yù)測結(jié)果進行概率分析，評判預(yù)測的準(zhǔn)確性。

企業(yè)內(nèi)部預(yù)測模式競爭的最大好處在于優(yōu)化執(zhí)行團隊的學(xué)習(xí)周期、加速學(xué)習(xí)過程，具體的操作方法包括：

1.仔細記錄。通過準(zhǔn)確記錄，對各預(yù)測（新舊、自己與他人的）分門別類進行標(biāo)記。

2.強迫失敗者面對自身的失敗與對手的成功，增加對自己反思的過程，培養(yǎng)優(yōu)先自我批評的能力。

3.優(yōu)勝者的選取有利于激發(fā)其他員工對取勝過程的好奇心，鼓勵團隊不斷嘗試并改進方法。

4.培養(yǎng)企業(yè)公平競爭的意識。

對企業(yè)內(nèi)部的專家思維與知識庫建模

培養(yǎng)企業(yè)智慧力的另一種方式是模擬專家的思維與知識，進而更有效、客觀地利用這些知識。

一項早期的決策心理學(xué)研究，跟蹤了農(nóng)民種植農(nóng)作物并批發(fā)拍賣的過程，記錄了農(nóng)業(yè)專家關(guān)于玉米質(zhì)量的評判數(shù)據(jù)。這些專家通過對500個玉米穗的評價來預(yù)測其在市場上的最終價格，其間綜合考慮了穗長與飽滿度、玉米顆粒重量、預(yù)計胚芽填充度等。研究人員對這一流程和數(shù)據(jù)建立了一個簡單的加法模型評分系統(tǒng)，其給出的結(jié)果出人意料地比專家給出的答案更接近實際。幾十年前曾推出過的電腦模擬貸款決策也是如此，即使在消費貸款包含有許多主觀因素的前提下，模型的結(jié)果仍要比專家意見更為科學(xué)。事實上，在多數(shù)領(lǐng)域，這種情況都曾出現(xiàn)。

真實信息與信息噪聲的交織總會導(dǎo)致人類判斷的前后不一致。基于專家知識庫的決策模型能有效濾除信息噪聲，對同一問題反復(fù)判斷時顯得非常重要。某醫(yī)學(xué)研究中，相同的96例疑似胃潰瘍信息被提供給9名放射科醫(yī)師判斷，相隔一周的評估結(jié)果確實存在極為可觀的差異。

從醫(yī)藥到金融等領(lǐng)域的數(shù)十項研究表明，專家模型替代專家可以提供極為出色的決策力。但專家意見在情況緊急時效果出眾，而且他們的意見對模型更新有較大作用。對于企業(yè)也是如此，搜集積累企業(yè)內(nèi)部人才和專家解決處理問題的信息，建立模型，是企業(yè)智慧化的重要實現(xiàn)途徑。

用人工智能進行試驗

對人類認知理解的加深推動了計算機早前在圍棋方面的建模。由于人類思維中的固有缺陷和各種認知偏見的局限，計算機通過其強大的計算能力對舊數(shù)據(jù)進行研究學(xué)習(xí)從而建立起的“智慧”，往往比專家更具優(yōu)勢。1997年的深藍計算機就是這樣擊敗國際象棋特級大師加里·卡斯帕羅夫（GarryKasparov）的。人類能通過自身各種各樣的認知機制，建立起外界刺激與大腦中對應(yīng)區(qū)域的聯(lián)系。不過，這種認知情形下，人類經(jīng)常會陷于建立好的框架，這一缺點在新信息不斷涌現(xiàn)時是致命的。

Bootstrapping算法（自舉法）可以通過簡單的函數(shù)輸入輸出模擬出均值統(tǒng)計量的近似分布。進行專業(yè)知識建模，替代了人類推理的過程。而通過人工智能，能增強該算法模型的引導(dǎo)功能，使模型掌握人類思維方式和大數(shù)據(jù)變量間的復(fù)雜關(guān)系。

人工智能發(fā)展至今，涵蓋了機器視覺、語言理解、智能算法多個領(lǐng)域，但在跨領(lǐng)域建立聯(lián)系這一命題上仍有較大的不足。故人類的智慧，尤其是專家的行為信息，對機器模型的情境學(xué)習(xí)和創(chuàng)造力發(fā)展都非常重要。公司應(yīng)密切關(guān)注人工智能的發(fā)展，適時在企業(yè)中進行試驗應(yīng)用。

位于康涅狄格州西港的對沖基金公司Bridgewater Associates正在開發(fā)各種算法模型，希望用計算機模擬公司內(nèi)部專業(yè)人才的能力，來實現(xiàn)企業(yè)的自動管理。

改變企業(yè)運作方式

通常，我們認為最強大的決策支持系統(tǒng)必然需要多技術(shù)融合。這樣的決策輔助工具正變得越來越普遍，遠不是諸如銷售預(yù)測、幫助醫(yī)生進行復(fù)雜的醫(yī)療診斷等可以概括。隨著時間的推移，人工智能技術(shù)將變得越來越精細，最終達到與大多數(shù)人類專家相當(dāng)甚至更好的境界。

機器的精密必然帶動企業(yè)運作的復(fù)雜化。要讓企業(yè)運轉(zhuǎn)中信息“消噪”，得到企業(yè)智慧化真正需要的數(shù)據(jù)，必須改變企業(yè)的運作方式，主要有以下兩種方法：記錄員工的預(yù)測數(shù)據(jù)；評估預(yù)測結(jié)果，給每個員工積累“聲譽積分”，從而分配各員工的觀點在企業(yè)決策中的權(quán)重。

Bridgewater Associates創(chuàng)始人Ray Dalio一直在這方面進行努力。他制定了一套規(guī)則和管理制度，持續(xù)對員工進行記錄、評估和判斷，在企業(yè)內(nèi)形成一種高透明度和激勵改善的文化。

未來，企業(yè)的智慧化轉(zhuǎn)型將集中于三個方面。第一，瞄準(zhǔn)戰(zhàn)略重點，管理層需要明確企業(yè)的發(fā)展方向，譬如究竟要不要開展智慧化；第二，企業(yè)需要致力于建立一個評估記錄體系，將企業(yè)內(nèi)部員工與專家的判斷力轉(zhuǎn)化為概率和數(shù)據(jù)，并建立模型；第三，企業(yè)要推動企業(yè)文化和運作的轉(zhuǎn)型，迎合智慧化發(fā)展的目標(biāo)。

細節(jié)將是建立智慧企業(yè)的最大挑戰(zhàn)。人與機器的判斷分別適用于什么場合？組合判斷得到的結(jié)果是不是更優(yōu)？一旦企業(yè)突破這些問題，開始采用綜合方式進行數(shù)據(jù)積累與建模，并不斷改進，其相對競爭對手的戰(zhàn)略優(yōu)勢勢必不斷擴大。