人工智能時代下企業資源觀的改造

隨 著GPT-4、文心一言等生成式AI大模型的出現，人工智能迎來了新一輪發展的戰略機遇。人工智能改變了傳統企業資源觀中“人機資源”二分的觀點，讓機器擁有了人的思維和認知智慧，模糊了企業資源的邊界。那么，人工智能時代的企業資源觀和傳統企業資源觀有哪些區別？人工智能又將對企業資源配置和企業競爭優勢來源帶來哪些具體影響？本文將從“人機協同的增強能力” 出發，重點研究這些問題。

人工智能改變了企業資源觀的內涵

資源基礎觀（Resourced-based View，RBV）一經提出便成為管理學的主流領域之一和研究與理解組織的核心視角。RBV將企業資源分為一般資源和戰略資源，一般資源包括現金、儀器設備等，而戰略資源包括企業組織文化、專利技術、品牌效應等，具有有價值的（Valuable）、稀缺的（Rare）、不可模仿的（Inimitable）、不可替代的（Non-substitutable）等重要特征，擁有這類資源的企業可以取得持續競爭優勢和超額利潤。當前，企業資源觀已廣泛應用于國際商務、創業、供應鏈管理、人力資源管理等多個領域的分析研究。

隨著數字技術等新興科技的不斷發展，RBV理論也在不斷向前演進。人工智能（Artificial Intelligence，AI）作為新一代的通用技術，已經成為第四次工業革命的核心引擎和全球科技競爭的前沿領域。隨著GPT-4、文心一言等生成式AI大模型的出現，人工智能迎來了新一輪的發展機遇。當前各國領軍企業正在大力發展人工智能技術，人工智能技術水平和應用能力已經成為企業資源的重要組成部分，也帶來了新的研究課題—組織內部資源配置與競爭優勢的關系。

具體而言，人工智能技術對企業資源觀的內涵和企業競爭優勢來源帶來了三項變化。第一，人工智能作為一種通用技術和使能技術，能夠在短時間內整合跨領域的復雜資源，降低了資源的模仿障礙。第二，人工智能使機器能夠自主學習和行動，并在制定解決方案時與人類互動，擁有從前只有人具備的思維和認知智慧，模糊了企業中人力資源與物質資源的邊界，有可能實現包括人力資源、物質資源等在內的跨領域能力的增強。第三，人工智能技術更新了企業競爭優勢的來源，AI具有的邊際成本和進入壁壘低、無規模、實驗成本低等突出特點，很容易在市場中獲得并易被復制，不滿足RBV中資源稀缺性（Rare）和不可模仿性（Inimitable）的特點，因此AI技術本身并不能為企業帶來持續競爭優勢， AI只有和企業現有資源結合形成不可模仿的獨特資源束，才能成為企業的持續競爭優勢。

由此可見，人工智能技術打破了傳統RBV中人力資源和物質資源“二分”的觀點，降低了資源的模仿障礙，只有實現“人機協同”，才能實現企業各類資源的能力增強。在AI時代，能夠將人工智能與人類認知能力有效互補的企業將在競爭中處于領先地位，本文將這種能力定義為企業的“人機協同的增強能力”。在下文中，本文將針對人工智能技術對企業資源邊界的影響、人機協同增強能力的定義與內涵、人機協同帶來企業競爭優勢的案例展開分析，進而為人工智能時代下企業資源觀的改造作出貢獻。

人工智能改變企業內部資源配置：替代與互補雙元效應

根據傳統RBV理論，企業引入新的資源與技術時，可能會帶來替代效應或互補效應。當引入的新資源可以通過提供相同或更多樣的功能替代傳統資源時，替代效應消除了原有競爭優勢；而當引入的異質資源能夠與傳統資源整合形成新的獨特資源束時，將能夠帶來新的競爭優勢。在替代效應上，由于AI較低的邊際成本和較小的模仿障礙，人工智能的計算能力一定程度上取代了人類傳統的認知能力，比如未來績效預測、產品方案設計、風險投資分析等，機器幾乎無限的信息處理能力常會帶來更好的預測效果。因此，從替代效應出發，AI的應用將會削弱企業戰略資源帶來的競爭優勢，讓各企業資源變得趨同。

但需要認識到的是，AI對人類的替代效應存在著局限性，因為企業決策除了機器最擅長的數據分析和預測外，還需要設定目標、進行價值判斷、采取行動等復雜環節，需要機器在人類的指導下完成任務，人能否正確高效地指導機器成為企業管理中的關鍵問題。機器和人類在處理信息的方法上也存在著“通”與“專”的互補性，以變換器神經網絡（Transfromer）為代表的前沿深度學習方法，進行信息處理的優勢在于快速、大量、跨領域。人類處理信息時則更依賴于經驗，即信息處理捷徑，并且能與社會更好地發生互動，這帶來潛在偏誤的同時，也使得人類經驗在特殊、復雜而熟悉的環境中能夠發揮獨特效用。只有人類和機器結合起來，才能最大化提升復雜信息處理的效率。因此，實現AI和人類的互補效應才是發揮AI作用的關鍵。

基于人工智能技術的企業資源互補性與傳統RBV觀點中資源互補性有著本質差異。傳統RBV中的互補性指給定A和B兩種資源，A越多，B就越有價值。企業會有目的的在異質資源中進行搜索，并將這類資源整合到現有領域的資源中，在保留傳統領域價值的同時拓展出未來發展的路徑。但是，人工智能技術由于其所具有的通用技術和使能技術的特點，可以影響許多部門和行業并刺激后續創新，可以打破企業原有的知識和資源邊界，極大擴展業務領域，影響企業的各類資源配置和資源應用效率。AI資源和企業原有資源發揮互補作用的機制相較于傳統RBV中定義的“A越多，B越有價值”的簡單模型要更加復雜，如何更好地發揮AI和人類的互補性需要更多的理論與實踐探索。

因此，在人工智能技術的驅動下，資源的替代效應和互補效應將會同時發生。如果人工智能能夠與人類認知能力形成互補，企業可以創造從前不相關的戰略資源的獨特組合，實現能力增強（Augmentation），創造新的競爭優勢。

人工智能改變企業競爭優勢來源：人機協同的增強能力

人機協同的基本思想是協作共贏，即增強彼此的優勢。人類的優勢在于領導力、團隊協作、社交和互動能力，在于感知、推理、歸納、學習；而機器的優勢在于搜集、計算、存儲、優化，兩者具有協同增強的巨大空間。在人工智能時代下，機器承擔了傳統上屬于人類的認知工作，對企業原有資源產生了替代和互補的二元效應，這意味著傳統RBV中人機資源二分的時代已經被打破，而是演變成了機器對人類能力的“增強”（Augmentation）。企業需要用組合各類資源的“整合觀”和協調各類資源關系的“體系觀”來看待人和機器的關系，人和機器不應互為對手，而應將互補優勢結合起來。因此，本文將企業內部人類和機器密切合作，利用人工智能資源進而實現優勢增強的能力定義為“人機協同的增強能力”。當前，這種“增強”策略正在被各大公司采用，例如微軟CEO薩提亞·納德拉（Satya Nadella）在2016年宣布，微軟將打造增強人類能力和體驗的智能；再如IBM從2017年起指出公司開發AI的目的是增強人類智能，其總裁兼CEO羅睿蘭（Ginni Rometty）甚至建議用增強智能（Augmented Intelligence）取代人工智能一詞。在國內，百度的“All in AI”，華為的“打造無所不及的AI”和阿里巴巴的“用戶為先，AI驅動”等戰略，均體現了國內頭部企業對人工智能資源的大力投入。

本文以人機協作背景下的國際象棋賽事為例，對“人機協同的增強能力”進行進一步闡釋。有研究指出，當人類與AI協作進行國際象棋比賽時，取得勝利的棋手往往不是國際象棋領域的頂尖棋手，而是那些具有“中等國際象棋能力的計算機工程師”，他們能夠從計算的角度看待國際象棋游戲。這一結果對于人工智能時代下的企業資源觀有著深刻的啟發意義。由于特定領域的企業往往將有限的注意力集中在該領域的資源配置和能力提升上，常常忽視了提升“通用”的增強能力。但是人工智能這一通用技術的快速發展，讓原本不相關領域的替代（如計算機技術和國際象棋）成為可能，深度學習方法的普及減少了對特定領域專業知識的需求。因此，在人工智能時代，企業尤其要避免核心剛性和路徑依賴，在原有資源基礎上重點配置具有通用功能的人工智能技術，進而實現人機協同下的資源增強，構建出新的能力增強點，獲得AI時代下企業競爭優勢的新來源。

在構建人機協同增強能力的過程中，企業要注重數據資源的收集和分析工作。企業數據是人工智能技術的重要互補資源，AI模型只有通過大型數據集訓練才能變得準確。由于AI模型對大量高質量數據有很高要求，這也讓擁有數據資源的企業相比于其他企業和科研機構，在AI研究中處于優勢地位。除了數據質量外，許多AI應用程序是以監督學習的方式開發，這使得數據的適當標記也十分重要。許多頭部AI企業通過企業平臺收集了大量數據，如谷歌為了改善計算機視覺算法，建立了“JFT-300M”的內部數據集，其數據量是ImageNet的300倍；Facebook使用從其平臺Instagram獲取的35億張圖像和1.7萬個相應標簽的專有數據進行訓練，顯著提高了圖像識別的精度。微軟、雅虎、百度、Linkedin等企業都擁有大量的獨家數據資源和B2C業務，IBM、NEC和Adobe等企業通過云計算和其他服務訪問大量數據。因此，有意識地收集數據是AI時代企業發展人機協同增強能力的關鍵環節。

人工智能時代下企業人機協同實踐

本部分從智慧教育、智慧物流、智慧醫療三個新興產業出發，對科大訊飛智慧教育、中舟智能智慧物流、騰訊智慧醫療等企業布局人工智能資源，培養企業內部人類和機器密切合作能力，進而實現優勢增強的人機協同實踐展開具體分析，以呈現人工智能時代下企業資源觀和企業競爭優勢來源的改造與更新。

智慧教育。AI時代下的智慧教育可以界定為用AI技術實現個性化學習和精準化教學，構建兼具人性化與智慧化特征的教學生態。智慧教育讓教師教學變成了“人機共教”的協同教學，搭建有利于教師發揮作用的智慧教育體系，幫助教師增強人機共教能力成為了關鍵問題。科大訊飛將培養人機協同的增強能力作為AI時代企業獲得競爭優勢的核心戰略資源，其打造的智慧教育課堂可以對學習者進行全程深入跟蹤，利用教學大數據智能識別學生對知識的掌握情況，并提供智能化個性指導，形成了教師根據大數據課前預設教學重難點、課中解決重難點、課后推動針對性作業的聯動體系。科大訊飛搭建的智慧教育系統通過智能評價技術、語言學習技術、知識圖譜構建技術，提升了教師對學生學習情況的掌握。2023年8月，在訊飛星火認知大模型 V2.0 出現后，教師僅需用幾句話描述需求，就可以通過“星火教師助手”進行“對話式開發”，完成輕應用搭建，還可以“瞬間”完成單元教學規劃、教學活動設計和課件制作等，實現教學效果增強，大大提升了人機協同效率。

智慧物流。當前人與機器配合共同作業已成為物流行業的主流工作模式，人工智能技術作為推動物流系統降成本、強柔性、智能化發展的重要抓手，為實現供貨方的利潤最大化與需求方的服務最優化提供了重要保障。現實操作中，如何減少人與機器配合中的無效摩擦，通過人機協同提升生產效率已成為當前智慧物流發展中的核心議題。在智慧物流領域，機器的優勢在于精確性、重體力的作業，而人類的優勢在于高度柔性化的作業和協調決策能力。亞馬遜研發出第一個完全自主移動機器人Proteus，該機器人可以在復雜的倉庫環境中獨立導航和操作，而人員則專注于異常情況管理、訂單處理等任務。而我國的中舟智能基于強大的多維度AI感知能力、機器學習、控制決策等技術，為客戶提供了基于AMR（自主移動機器人）的人機協同柔性物流方案，最大程度地解決了動態環境的貨品搬運問題，保證機器人在有人、有叉車存在的動態環境下也能夠自如工作，一方面保障了工人的作業安全，同時也促成了人機間的合理分工與高效協同，增強了物流系統效率。

智慧醫療。在智慧醫療領域，人工智能技術可以實現器官識別、基于醫學影像的疾病判斷、手術視頻解析等工作，將醫生的專業知識和AI機器預測相結合進行醫療診斷。但與此同時，AI也存在“不透明”的問題，萊博維茨（Lebovitz）等學者對美國醫院使用人工智能技術進行乳腺癌、肺癌和骨齡測定的研究發現，如果醫生無法將自己的知識和AI推斷有效結合起來，那么診斷效率就沒有得到提升。因此，幫助醫生更高效地理解并利用AI推斷，真正提升人機協同效用成為了智慧醫療領域的關鍵。在治療心血管疾病的過程中，對心臟MRI檢查影像的判斷需專家憑借大量經驗，這易受主觀因素的影像且漏診誤診率較高。因此為提升其產品的人機協同能力，西門子醫療與英特爾將AI應用到心臟病學與放射性影響分析中，基于Dense U-Net對心臟的左右心室進行語義分割，大大提升了醫生的影像判讀的效率。騰訊覓影數智醫療影像平臺通過“影像云+影像AI”的方式，使遠程診斷、遠程會診、輔助診斷等在數字影像應用方面取得新突破。醫生可通過移動端完成多場景多終端診斷，一鍵開啟MDT會診，并可調用AI引擎進行臨床輔助診斷，這些都是企業培養人機協同增強能力的重要戰略舉措。當前，大模型更是讓智慧醫療領域的人機協同取得重大突破。2023年9月，騰訊健康公布醫療大模型，全新發布智能問答、家庭醫生助手、數智醫療影像平臺等多場景AI產品，這一大模型加入了超過285萬醫療實體、覆蓋98%醫學知識圖譜與文獻，經過3000萬包括患者、醫生、藥廠等場景及醫療流程的問答對話進行多任務微調，以及36萬專家醫生標注數據的強化學習，大大提升了人機協作的效率，實現智慧醫療水平增強。

結語

人工智能作為一種通用技術和使能技術，賦予了機器人以智慧，也改變了企業資源觀的內涵。人工智能降低了企業資源的模仿障礙，將企業內部從“人”“機”資源二分變成了“人”“機”資源融合，并對企業原有資源具有“替代”和“互補”的二元效應。由于機器和人類具有“通”與“專”的互補性和協同增強的巨大空間，發揮人類和機器的互補作用是利用人工智能的關鍵。基于以上分析，本文將企業內部人類和機器密切合作，進而實現優勢增強的能力定義為“人機協同的增強能力”，并指出這種能力是人工智能時代企業競爭優勢的新來源，對企業資源觀進行了更新。在人工智能時代，企業要避免核心剛性和路徑依賴，重點配置具有通用功能的人工智能技術，進而實現人機協同下的能力與資源增強，從而在新一輪科技變革中獲得競爭優勢。