人工智能驅動的企業管理變革研究

劉通

摘要：新一代人工智能正在全球范圍內蓬勃興起，為經濟社會發展注入了新動能，正在深刻改變人們的生產生活方式。本文主要就人工智能驅動的企業管理變革進行研究，首先梳理了人工智能的概念、特征和發展歷程，其次論述了人工智能驅動的財務管理、人力資源、物資采購、檔案管理和知識管理五大方面的變革，再次指出了企業智能化升級面臨的管理效率與管理倫理存在的沖突、人才管理的挑戰性、網絡安全和經濟成本顧慮三方面問題，最后有針對性地提出健全法律體系和規范行業標準、更新招聘標準和優化培訓體系、持續升級技術和不斷完善服務三大企業智能化升級策略。

關鍵詞：人工智能；企業管理；發展變革

一、人工智能的概念和特征

人工智能（Artificial Intelligence， AI）作為一門科學，主要通過模仿人類的思維和感知，解決只有人的智能才能解決的某些特定問題。由此可見，人工智能的本質在于賦予機器人類智能。人工智能與常規的計算機技術不同，不由既定程序執行計算、控制等任務，而是具有生物智能的特征，可以自學習、自組織、自適應、自行動。

二、人工智能的分類

從智慧特征的角度來劃分，人工智能可分為三大類別：弱人工智能、強人工智能和超人工智能。

弱人工智能（Weak AI），又名狹隘人工智能（Narrow AI）或應用人工智能（Applied AI），指專門完成某一特定任務或解決某一特定問題的人工智能。弱人工智能的思考能力和思考范圍具有局限性，可以執行預設的功能，但不具備自我意識。例如，蘋果手機的智能助理Siri只能協助機主完成撥打電話、發送消息、播報信息等既定任務。

強人工智能（Strong AI），又名通用人工智能（General AI）或全人工智能（Full AI），是指可以像人類一樣思考和決策的機器或系統，具備較強的學習、交流、思考和計劃能力。例如，谷歌公司開發的圍棋人工智能程序AlphaGo及其升級版Master，先后戰勝了李世石、聶衛平、常昊、柯潔、樸廷桓、申真谞、井山裕太等人類頂尖棋手。

超人工智能（Artificial Super Intelligence， ASI），指計算和思維能力遠超人類的機器或系統。由于超人工智能打破了常規人腦所受的維度限制，它觀察和思考的對象，人類無法理解?？梢?，超人工智能已遠遠超出了人類可控范圍，人類甚至可能毀滅于人工智能之手。著名物理學家史蒂芬·霍金（Stephen William Hawking）和著名企業家、工程師埃隆·馬斯克（Elon Musk）都曾公開表示，人類不應該過度發展和依賴人工智能。

三、人工智能的發展歷程

人工智能概念可追溯到70多年前，發展歷程可謂“一波三折”。這一發展過程大致可分為五個階段：

（一）起始時期：20世紀40年代～20世紀60年代

1948年，艾倫·圖靈（Alan Mathison Turing）最早提出了“機器智能”這一概念，并在兩年后提出圖靈測試，讓機器產生智能的創意逐漸進入人們的視野，這是人工智能的理論起源。而工程起源則可追溯到馮·諾依曼（John von Neumann）。馮·諾依曼于1955年指出，“計算機”和“大腦”并非對立的存在，并在某種程度上揭示了人工智能的發展路線。在1956年的達特茅斯夏季人工智能研討會上，人工智能概念被正式提出。1969年，國際人工智能聯合會議的召開，昭示著人工智能作為一個獨立研究領域得到國際社會的認可。

（二）反思時期：20世紀70年代

人工智能發展初期的突破性進展，大大提升了科研人員對人工智能的期望，科研人員開始嘗試更具挑戰性的任務。然而，計算能力不足和理論的不完善，使得不切實際的目標落空，人工智能的發展跌入低谷。1974年，哈佛大學博士保羅·沃博斯（Paul J. Werbos）首次提出運用誤差反向傳播（BP）來訓練人工神經網絡。1979年，日本學者福島邦彥（Kunihiko Fukushima）提出通過學習建立視覺識別模式的多層架構Neocognitron，將感知野（Receptive Field）概念引入人工神經網絡領域，被認為是卷積神經網絡（CNN）的鼻祖。同年，人工智能第一次在棋盤游戲中擊敗了人類冠軍——漢斯·伯林納（Hans J. Berliner）創造的計算機程序擊敗了雙陸棋世界冠軍。

（三）發展時期：20世紀80年代

人工智能迎來了應用開發的新高潮。專家系統模擬人類專家，實現了人工智能從理論研究到實際應用、從一般推理策略討論到專門知識應用的重大突破。而機器學習（尤其是神經網絡）通過探索不同的學習策略和學習方法，在大量的實際應用中逐漸優化。1988年，朱迪亞·珀爾（Judea Pearl）提出了貝葉斯網絡（Bayesian Network）理論，可有效應用于有條件地依賴多種控制因素的決策。1989年，喬治·賽本可（George Cybenko）發現了通用逼近定理（Universal Approximation Theorem），這是神經網絡發展的一座里程碑。

（四）穩定發展時期：20世紀90年代～2010年

1995年，科特斯（Cortes）和瓦普尼克（Vapnik）提出了支持向量機算法（Support Vector Machine， SVM）。在21世紀初，專家系統的項目都需要編碼顯示規則，致使效率降低、成本增加，人工智能研究的重點從基于知識的系統轉向機器學習。2001年，利奧·布雷曼（Leo Breiman）提出了隨機森林（Random Forest）模型，為機器學習領域增加了一種重要和常見的數據挖掘方法。

（五）繁榮昌盛時期：2011年至今

隨著大數據、云計算、互聯網、物聯網等信息技術的發展，無處不在的傳感數據、圖形處理器等計算平臺，推動了以深度神經網絡為代表的人工智能技術的快速發展。2014年，電腦程序首次通過了圖靈測試。2015年，殘差網絡（Residual Network）被提出。2016年，谷歌提出了聯邦學習（Federated Learning）方法，在多個分布式邊緣設備或服務器上訓練算法，這些設備或服務器保存本地數據樣本，而不交換它們的數據樣本。2021年，OpenAI提出了兩個連接文本和圖像的神經網絡—DALL[-]E和CLIP，再次推動了人工智能的發展。

四、人工智能驅動的企業管理變革

（一）財務管理方面

2017年10月，全球首只機器人選股ETF問世，并在3個交易日內累計漲幅達0.83%，跑贏了同期的標普500指數（漲0.48%）和納斯達克綜合指數（跌0.42%）。國際四大會計師事務所也紛紛將人工智能技術應用于會計、稅務和審計的工作中。與會計人員相比，財務機器人具有以下優勢：第一，深度學習能力和強大的計算能力；第二，只要事先設定的程序準確無誤，就可以在很大程度上降低錯誤發生率；第三，效率更高，成本更低；第四，有助于實現財務與業務實時協同。

（二）人力資源方面

在選才方面，人工智能技術可以提高效率和準確度，減少個人主觀因素造成的誤差。在育才方面，人工智能技術可以更精準地識別員工的優勢、劣勢、潛能、愛好，對癥下藥，為員工安排有助于其揚長避短的工作。人工智能技術還可以個性化地為員工的學習和發展提供指導，最終實現企業內人才的多元化，取長補短，百花齊放，提高公司整體效益。在用才方面，人工智能技術可以挖掘員工的優勢和潛能，讓員工在工作中有更滿意的體驗，與此同時，人工智能技術還可以通過深度學習，不斷優化績效考核和激勵方案。

（三）物資采購方面

在人工智能技術指導下的物資采購具有三大特征：一是物資管理標準化，采購管理更精準，流程管理更規范；二是業務流程透明化，整個業務流程的可追溯、可追責，將在很大程度上抑制基層單位錯報和瞞報物資數量的行為；三是供需關系簡單化，人工智能技術對物資采購情況準確的、實時的反映，將減少采購需求和采購結果之間的誤差，從而有效緩解供需矛盾。

（四）檔案管理方面

在數字化、信息化時代，人工智能技術可提高檔案管理的效率與質量，顯著提升準確度，防止人為因素造成的數據錯誤或數據遺失，節約人力成本，既方便檔案存放單位收集、分類、排列和存儲數據，又方便用戶查詢和調閱檔案。在國外的應用案例中，In Codice Ratio項目將梵蒂岡的秘密檔案轉錄為可供查詢的電子版，這套OCR系統準確率高達96%。類似地，國內的滿文檔案圖像識別軟件的開發與應用項目，將浩如煙海的古代文獻、難以辨識的古代文字數字化，有助于節省學者查閱和辨認文獻的時間，使其擁有更充裕的時間分析和論證這些史料，推出更多高水平的學術成果。

（五）知識管理方面

知識管理誕生于知識經濟時代，指組織借助應用平臺、軟件等媒介，通過獲取、記錄、分享、整合、存取、更新知識，實現知識的積累與更新。人工智能技術對企業知識管理的影響是多方面的：一是在知識分享方面，由分享向共享轉變。隨著人機交互技術的發展，人既是知識的提供方，也是知識的接收方。多個個體持續的知識分享，使得知識庫具備形成的可能性，任何個體都可以從知識庫中得到檢索。二是在知識吸收方面，拓展認知視野。人工智能技術將為現有的企業知識吸收、獲取和利用的過程帶來顛覆性的改變，有效提升企業的知識吸收能力。三是在知識創造方面，提升原有效率，顛覆原有模式。企業創造知識、在內部傳播并將其應用于產品和服務中，是企業成功的基石。

五、企業智能化升級面臨的問題

（一）管理效率與管理倫理存在沖突

任何管理活動都圍繞三大基本目標開展：效率、效果和效益。效率講求“正確地做事”，主要用于衡量單位時間內完成的工作量；效果講求“做正確的事”，主要用于衡量組織從事的工作和活動，與其愿景和使命的匹配程度；效益作為前兩者的檢驗標準，主要用于衡量投入的有效產出情況。人工智能技術可以大幅提升企業的管理效率，同時也會對管理倫理產生三方面的沖擊：第一，管理手段智能化與管理人性化之間的矛盾；第二，人工智能技術的發展速度快于相關法律體系的健全和完善速度；第三，人工智能技術的高速發展帶來的行業禁忌和倫理難題。

（二）人才管理更具挑戰性

人工智能可以協助甚至替代人類高質、高效地進行一些工作。當人工智能技術發展到一個較高的水平時，一方面，大量的企業職員會被替代，使企業管理結構趨于扁平化，導致管理難度顯著提升；另一方面，由于人工智能可以從事簡單重復的事務性工作，企業在選人、用人的過程中，將更注重員工的創新能力、決策能力、專業技能、溝通協調能力和隨機應變能力?？梢哉f，這是人才觀念和管理方式的一次革命。

（三）網絡安全和經濟成本顧慮

人工智能技術本質上是一種算法，通常需要通過云端數據中心進行大規模計算。如果網絡安全技術不過關，黑客將趁虛而入，竊取企業的信息或破壞網絡。因此，在網絡安全得不到保障的情況下，人工智能技術的大規模引進，反而會使企業暴露在巨大的風險之下。

此外，中小型企業即使有推動企業轉型發展的意愿，也很可能由于面臨著巨大的經濟成本和未知的未來收益而退縮。與企業人工智能平臺建設相關的經濟成本主要包括算法、信息采購、基礎設備采購、管理費用等。

六、企業智能化升級的策略

（一）健全法律體系，規范行業標準

當前，中國已經出臺了許多鼓勵人工智能產業發展的政策條例，但相關的約束性法律仍不健全。其實，相比人工智能“能”做什么，人工智能“該”做什么，人工智能相關法律的健全更值得思考。國家應從頂層設計著手，建立健全人工智能在技術、產業、研發等方面的法律體系，明確相關各方的權利和義務，建立長效的責任追究和風險分擔機制，從而促進人工智能產業規范化發展，推動新一代人工智能技術與經濟社會發展深度融合。

（二）更新招聘標準，優化培訓體系

人工智能技術的持續發展會加快一些工作崗位的迭代。因此，從人才招聘這一環節，就應充分挖掘人工智能的潛能，更新人才招聘的相關標準，確定不同類型人才的發展規劃和培訓體系，做好部分員工的內部調崗，協助失業人員再就業。

（三）持續升級技術，不斷完善服務

人工智能技術的不斷突破，需要建立在人工智能基礎科學發展與關鍵核心技術突破的基礎上。這需要國內科研人員久久為功，推陳出新；需要國際科技交流與合作；需要現有用戶積極反饋，潛在用戶勇敢嘗試，全體用戶包容理解。隨著人工智能技術發展的不斷深入，企業將減少安全顧慮和成本顧慮，加快人工智能技術的引進與應用。

七、結束語

現代企業管理注重經濟成本的降低和生產率的提高，而人工智能技術可以通過替代低端勞動力、提高信息和數據的獲取能力等方式，助力企業實現經濟目標，因此，人工智能技術被應用于企業管理中是大勢所趨。然而，正如特斯勒定理（Tesler's Theorem）提出的“人工智能是尚未完成的事情”，從國家層面健全法律體系、規范行業標準，到國家和人工智能企業形成合力持續升級技術、不斷完善服務，再到各類企業結合自身實際更新招聘標準、優化培訓體系，以人工智能驅動的企業管理變革仍有很長的一段路要走。

參考文獻：

[1]張鑫，王明輝.中國人工智能發展態勢及其促進策略[J].改革，2019（09）：31-44.

[2]余應敏，王彩淋.財務機器人對會計行業的影響及其應對策略[J].會計之友，2018（07）：54-56.

[3]葛婭秀，陳愷宇.人工智能下的企業人力資源管理變革[J].經濟研究導刊，2020（03）：124-126+150.

[4]何沛鴻.如何利用人工智能實現物資采購的最優策略[J].科技經濟市場，2020（07）：3-4.