人工智能與變革管理專欄之一管理范式重構：從工業經濟到數字經濟

◎ 上海對外經貿大學人工智能與變革管理研究院院長 齊佳音

2017 年11 月，麻 省 理 工 大學 教 授 Brynjolfsson， 麻 省 理 工大學博士研究生Rock 以及芝加哥 大 學 教 授Syverson 在NBER(the National Bureau of Economic Research)發布了他們的工作論文“Artificial Intelligence and the modern productivity paradox: a clash of expectations and statistics ”(“人 工 智能和現代生產率悖論：期望和統計的落差”)。在這篇44 頁的工作論文中，作者分析了近幾年來人工智能技術取得的令人驚喜的進展以及全球巨頭企業在人工智能戰略上的巨大投入，與此同時，作者通過翔實的經濟統計數據分析表明，從2005 年到2016 年，美國的平均勞動生產率增長率（1.3%）甚至低于1995 到2004 年間該值的年均值（2.8%），這個發現也在OECD的其他28 個國家中存在同樣的趨勢；從1990 年至今，居民收入的中位數一直停滯不前，非經濟性的主觀幸福感如期望壽命在某些族群中還出現下降。致力于提升生產率的AI 技術似乎并沒有在實際中帶來生產率的提升，這個發現似乎支持了部分專家對于AI 的悲觀評價，如Nordhaus 認為技術驅動發展在一系列的檢驗中都被證明是失敗了（Nordhaus， 2015）。至此，AI 生產率悖論的現象引起全球關注。AI 生產率悖論將人們從對AI技術的樂觀狂熱中帶到了艱難變現的現實社會中。

Brynjolfsson， Rock 和Syverson 在他們的AI 生產率悖論現象中，也剖析了造成這一現象的四個可能原因:其一是錯誤的預期。對于人工智能應用，技術派通常屬于樂觀派。人工智能技術不斷取得的進展也讓公眾對其前景更加樂觀。但事實的情況是，多數顛覆性技術在得到普遍的商業應用之前都有一段較長時間的發展期，并不像早期預想的那么樂觀。其二是錯誤的測量。和IT 生產率悖論中解釋是一致的，即AI 投入的回報和收益并未得到全面評價。其三是集中分布。人工智能應用帶來的回報集中在行業中少數的企業中，而其他多數的企業將不得不面對少數企業領先之后帶來的混亂。第四是重構滯后。通用目標技 術（general purpose technologies，GPT）通常是帶來社會變革的技術，不僅技術本身是顛覆性的，與技術相配套的其他方面也需要重構。對于通用目標的變革性技術，從技術導入到效果發揮需要其他互補性創新同步到位才能發揮出技術的生產率。

無論是早期的IT 生產率悖論還是現在的AI 生產率悖論，從組織層面來看，一方面是變革型的通用目標技術的技術成熟度需要有較長的時間來完成，另外一方面，與變革型技術相適應的管理范式也需要較長的時間才能完成重構。只有當技術的完善度與治理的完善度實現有效同步與協同，產業界才能看到AI 悖論終結的希望。

人工智能不僅是技術領域的變革，更掀起了一場認知革命，從而引發商業邏輯和商業模式的革命。在技術驅動下，出現了多樣化和云端化的全新工作模式，機器人、自由工作者成為新型職業形態，企業組織邊界被打破，工作任務和企業組織正在分離，平臺性和開放性日益成為組織的主要特征。舊的基于有形物質商品的生產方式及商務規則正在逐步退出歷史舞臺，新的基于無形數字商品的生產方式及商務規則正在重塑商業世界。但是到目前，針對無形數字商品的經濟學理論、商業邏輯、商務規則、商業實踐、監管制度等還在發展的初期，尚沒有建立起適合的、可以讓新技術充分施展作用的充分環境。

人工智能技術不僅是技術，更引發管理范式變革。數字新技術所推動的數字新經濟，不僅僅是通過“業務數據化和數據業務化”改變了業務的邏輯，也通過改變業務邏輯，改變了管理邏輯！現代管理學的發展史是伴隨著工業革命，基于實體產品、標準化、流水線、大型組織而形成的如何有效激勵人的管理思想叢林體系。但是，數字新經濟時代，業務數字化使得數字化創意可以在物理實體產品之前率先完成數字產品成型，信息生產線變得比物理生產線更加重要和核心，先進信息技術的賦能使得很少的人就可以完成過去需要大量人才能完成的工作；數字化業務使得組織決策主要在數據驅動下自動完成，決策過程更加透明，更加高效。數字化業務過程使得組織更加扁平，管理層次大幅減少，管理幅度大大加寬。這種革命性的變化將導致未來的企業不需要特別大規模的人就可以調動足夠的資源，完成組織功能。

不難看到，數字新經濟時代，管理學的重構在實踐中已經開始。最大的出租車公司（Uber）沒有出租車，最大的民宿（AirBnb）沒有客房，最大的零售平臺阿里巴巴沒有貨物，增長最快的電信公司（Skype）沒有基礎設施，最大的廣告公司（Google）是做搜索引擎，最大的獵頭公司（LinkedIn）是社交平臺，全球最大的工程及礦山機械制造企業不再售賣重型設備，而通過設備租賃及服務來獲得更多盈利。數字新經濟時代的管理正在發生巨變：

管理對象的變化：管理價值系統中的協同參與者比管理組織合同員工更加重要。互聯網無所不在的連接形成了大規模的協調能力，造就了像AirBnB 和Uber 這樣的平臺企業，本身并不擁有任何房間和出租車，企業正式員工也只有幾百人，卻能使得全球資源得到共享，使每個人都有可能成為其兼職的員工和顧客，因此，未來企業面臨的管理挑戰之一不是如何管理自己的合同員工，而是海量的通過互聯網進行大規模協作的臨時工。我們經典的管理教材，更加側重于組織正式員工的管理，如何對通過網絡大規模協作的員工進行管理的確是數字新經濟時代面臨的新問題。

決策工具的變化：數據驅動的算法決策將不斷替代決策者喜好的主觀決策。管理的關鍵在于決策，算法在決策中起到越來越重要的作用。AI之父，諾貝爾經濟學獎得主Herbert Simon 認為，管理的核心在于決策。AI 正在使越來越多的決策自動化，至少是決策的前導工序自動化，留給人進行最后的決策，比如電商購物，AI對推薦產品進行呈現，人們看似具有決策權，其實大量的底層決策，已經由AI 完成了，這類似于心理學中的潛意識，就像《象與騎象人》中所說的，騎象人自認為可以決定方向，其實可能是相反的。“象”是潛意識（80%），“騎象人”是顯意識（20%）。未來AI就是大象，人類就是騎象人。AI 正在成為我們新的潛意識，在決策中起到越來越大的作用。回到我們經典的管理學，我們通常假定決策者是自主做出決策的，但是隨著算法影響或主導的決策越來越廣，是否西蒙所說的有限理性決策會發生變化，理性決策或非理性決策將成為新的形態？

管理思維的變化：“賦能”的思維比“管”的思維更加奏效。由于數字化技術的賦能，使得任何一個個人都可以相對低成本地獲得資源，并組織資源，協同完成價值創造過程。個人比歷史上任何時間都更加不依賴于組織，人與組織的長期固定契約關系需求變弱，大型組織很難再以強勢者的地位來“管”員工，更何況更多大量的員工并不是組織的合同制員工，而是一種價值網絡上的協作型臨時員工。這種情況下，組織被重新定義，團隊被重新定義，自上而下的“管”將被由數字技術所支撐的“賦能”所替代。哪個組織能給個人更多的賦能，讓個人獲得更大的成長，哪個組織才能獲得更好的業績。傳統的管理學是建立在牛頓力學邏輯之上的機械式思維，但賦能管理是要構建在量子力學邏輯之上的個體能量激發思維，如何激活組織中的個體將比如何“管”住個體更加具有意義。

這是一個重新定義的時代！需要重新定義產業、重新定義公司、重新定義團隊、重新定義工作、重新定義管理、重新定義學習，......。但是，這一重新定義的過程是在新舊兩種范式中的不同利益團體中，經過艱難的博弈，一點點取得進展的。這一艱難的過程將注定AI 技術的生產率效果將同歷史上所有變革性技術發揮作用的路徑一樣: 在較長時間存在生產率悖論現象！

人工智能帶來的生產率的提升，需要將人工智能這一革命性的生產力與同樣革命性的生產關系有效耦合，才能讓整體社會系統看到生產率的大幅度提升和人類生活質量的大幅度改善。先進的AI 生產力技術與落后的生產關系之間的結合將導致AI 生產率悖論現象的長期存在。目前，整體社會對于AI 技術的研發給予了極大的熱情和投入，但是人文社會科學并未從適應人工智能技術的變革社會治理創新方面提出有突破性的理論成果，這將成為破解AI 生產率悖論現象的重要制約因素之一。

從企業的人工智能應用效果方面，建議企業在將人工智能引入企業運營過程之前，要充分考慮如何讓技術“賦能”員工，讓技術重新定義“員工”，讓技術重新定義“協作”，讓技術重新定義“流程”，讓技術重新定義“企業”，讓技術重新定義“客戶體驗”，從而在整體層面實現企業的重生。