新AI浪潮下的新業(yè)務(wù)流程重組

郭迅華

業(yè)務(wù)流程重組（Business Process Reengineering，BPR）是新技術(shù)帶來的管理革命的重要組成部分。1990年，邁克爾·哈默在《哈佛商業(yè)評論》發(fā)表了一篇題為《再造：不是自動化改造，而是推倒重來》的文章，將企業(yè)在微型計(jì)算機(jī)、數(shù)據(jù)庫、計(jì)算機(jī)網(wǎng)絡(luò)等信息技術(shù)的滲透下日益涌動的管理變革推向高潮。一時(shí)間，業(yè)務(wù)流程重組成為企業(yè)競相追逐的熱點(diǎn)。隨后的三十年中，業(yè)務(wù)流程重組的理念與實(shí)踐在最初的激進(jìn)風(fēng)潮之后，經(jīng)歷了持續(xù)的探索與完善，深刻融入到現(xiàn)代數(shù)字化企業(yè)管理思想體系中。在ERP（Enterprise Resource Planning，企業(yè)資源計(jì)劃）等關(guān)鍵性企業(yè)系統(tǒng)的實(shí)施和應(yīng)用中，在新興網(wǎng)絡(luò)環(huán)境下的商業(yè)模式創(chuàng)新構(gòu)建中，業(yè)務(wù)流程的設(shè)計(jì)、管理與優(yōu)化，更是不可或缺。

新AI的興起，在更高的維度上為業(yè)務(wù)流程重組開辟了新的空間。2022年11月，生成式大語言模型對話機(jī)器人ChatGPT的推出，開啟了新一輪AI浪潮。在隨后一年多的時(shí)間中，生成式大語言模型席卷全球，新AI技術(shù)的發(fā)展和應(yīng)用，成為各行各業(yè)矚目的焦點(diǎn)。與過去二十多年中興起的其他信息技術(shù)相比，基于生成式大語言模型的AI具有通用性、交互性、多模態(tài)、動態(tài)性、成長性等新特點(diǎn)，如同當(dāng)年的計(jì)算機(jī)、數(shù)據(jù)庫和網(wǎng)絡(luò)技術(shù)一樣，具備深度沖擊和改變?nèi)藗兓竟ぷ鞣绞揭约皹I(yè)務(wù)流程基礎(chǔ)運(yùn)行邏輯的巨大潛力。新AI正在引發(fā)人們思考并探索對工作方式和業(yè)務(wù)流程進(jìn)行根本性再造的可能性。新一輪的業(yè)務(wù)流程重組呼之欲出。

在這股新業(yè)務(wù)流程重組潮流的醞釀涌動之際，本文試圖回顧上一輪業(yè)務(wù)流程重組的歷程與經(jīng)驗(yàn)，反思其理念、方法與原則，對照新AI的特點(diǎn)與潛在作用，為新一輪業(yè)務(wù)流程重組的啟動提供啟示。

業(yè)務(wù)流程重組的興衰

二十世紀(jì)八十年代后期，計(jì)算機(jī)在歐美企業(yè)中得到廣泛應(yīng)用，數(shù)據(jù)庫和網(wǎng)絡(luò)技術(shù)也逐漸發(fā)展成熟。在實(shí)踐需求的驅(qū)動下，一些企業(yè)開始嘗試使用新的信息技術(shù)來連接跨越職能界限的業(yè)務(wù)流程，從而建立與以往那種條塊分隔、步驟繁冗的流程模式有著根本性不同的新型業(yè)務(wù)流程。一個(gè)被廣泛引用的典型例子是，福特公司通過在應(yīng)付賬款管理流程中引入一個(gè)集中的數(shù)據(jù)庫系統(tǒng)，減少了以往流程中訂單、入庫單和付款單之間多重匹配問題帶來的大量煩瑣且難以核驗(yàn)的工作步驟，將流程的運(yùn)行成本降低了70%。另一個(gè)著名的例子是，IBM信用公司通過在授信審批流程中以跨職能的“通才”人員代替?zhèn)鹘y(tǒng)的“專才”分工，將流程執(zhí)行的平均周期從6天縮短到4個(gè)小時(shí)。

在這些廣泛探索的啟發(fā)下，管理學(xué)者和咨詢顧問總結(jié)提煉出了“業(yè)務(wù)流程重組”的概念。在一系列的文章和著作中，邁克爾·哈默、托馬斯·達(dá)文波特、詹姆斯·錢皮等人全方位闡述了業(yè)務(wù)流程重組的目標(biāo)、思路、原則和方法。如哈默在《再造：不是自動化改造，而是推倒重來》一文中所說的那樣，業(yè)務(wù)流程重組是“對企業(yè)的流程作根本性的思考和徹底重建，其目的是在成本、質(zhì)量、服務(wù)和速度等方面取得顯著的改善，使得企業(yè)能最大限度地適應(yīng)以顧客、競爭、變化為特征的現(xiàn)代企業(yè)經(jīng)營環(huán)境”。

在信息技術(shù)廣泛滲透的大背景下，業(yè)務(wù)流程重組的理念成功地連接起信息技術(shù)、業(yè)務(wù)流程、重新設(shè)計(jì)三個(gè)關(guān)鍵性的元素，并深刻地揭示了計(jì)算技術(shù)的真正價(jià)值不僅僅在于提高工作效率，還在于改變工作的方式。一方面，信息技術(shù)使重組成為可能：流程之所以能夠重組，是因?yàn)橐孕畔⒓夹g(shù)為代表的新型生產(chǎn)條件和管理手段為流程的設(shè)計(jì)提供了新的選擇。另一方面，信息技術(shù)使重組成為需要：流程之所以需要重組，是因?yàn)樵谧兓说慕?jīng)營條件下，原有的流程在能力和效果上都存在缺陷。

理論的提煉與實(shí)踐的探索相得益彰。在學(xué)界，哈默等人對一系列早期案例進(jìn)行了分析，在此基礎(chǔ)上總結(jié)出了業(yè)務(wù)流程再設(shè)計(jì)的七條原則：第一，流程應(yīng)圍繞產(chǎn)出目標(biāo)而非活動進(jìn)行設(shè)計(jì)；第二，讓使用流程產(chǎn)出的人來執(zhí)行流程；第三，將信息處理工作納入到產(chǎn)生該信息的活動中；第四，將地理上分散的資源當(dāng)作是集中的資源來對待；第五，將并行的活動連接起來，而不僅僅是聚合其結(jié)果；第六，將決策點(diǎn)放在工作執(zhí)行的位置上，并在流程中建立控制；第七，在源頭一次、一處捕獲信息。圍繞這些原則，咨詢公司構(gòu)建起了體系化的方法論，并開發(fā)了大量用于流程建模、分析及設(shè)計(jì)的工具。在業(yè)界，企業(yè)爭先恐后地啟動了業(yè)務(wù)流程重組的變革項(xiàng)目。根據(jù)達(dá)文波特的估算，1995年北美企業(yè)在業(yè)務(wù)流程重組項(xiàng)目中的投入達(dá)到了510億美元。

然而，第一輪激進(jìn)的業(yè)務(wù)流程重組成功率極低，失敗案例眾多。許多企業(yè)投入了大量的資金和精力，換來的卻是遠(yuǎn)低于預(yù)期的成效，甚至是嚴(yán)重的負(fù)面后果。1993年，在麥肯錫咨詢公司調(diào)查的20個(gè)項(xiàng)目中，只有10%的企業(yè)認(rèn)為達(dá)到了業(yè)務(wù)流程重組所承諾的效果，60%的企業(yè)取得的效益低于5%；1994年，美國計(jì)算機(jī)科學(xué)公司（Computer Sciences Corporation，CSC）調(diào)查了100個(gè)業(yè)務(wù)流程重組項(xiàng)目，其中67%的企業(yè)認(rèn)為效果甚微或失敗。

從1995年起，人們開始對激進(jìn)的業(yè)務(wù)流程重組進(jìn)行深入反思。正如哈默最初所論述的那樣，激進(jìn)的業(yè)務(wù)流程重組“是非連續(xù)性的改變過程，追求的是‘10倍的改進(jìn)，往往要廢棄舊的工作流程，徹底重新設(shè)計(jì)未來的流程”。這種非連續(xù)的、突進(jìn)式的管理改造意味著組織整體價(jià)值鏈的重建，其中必然潛藏著巨大的困難和風(fēng)險(xiǎn)。在最初的狂熱中，這些困難和風(fēng)險(xiǎn)是被忽視的，這使得業(yè)務(wù)流程重組的實(shí)踐陷入了一個(gè)又一個(gè)的泥潭中。

首先，一次性的、全面的流程改造并不能使組織的關(guān)鍵業(yè)務(wù)流程達(dá)到期望的理想狀態(tài)，寄希望于以一個(gè)整體性的BPR項(xiàng)目讓企業(yè)脫胎換骨，往往是不現(xiàn)實(shí)的。其次，對于那些已經(jīng)發(fā)展成型的企業(yè)，這種全面的、根本性的流程重建，就像要改造在鐵軌上高速運(yùn)行的列車一樣艱難，稍有不慎就會脫軌翻車。再次，許多BPR項(xiàng)目過于強(qiáng)調(diào)對舊流程的否定，往往會落入“為了改變而改變”的陷阱。最后，業(yè)務(wù)流程重組往往過于強(qiáng)調(diào)流程結(jié)構(gòu)，忽視了人的因素，得到的結(jié)果因此常常與預(yù)想的情況大相徑庭。正如達(dá)文波特所總結(jié)的那樣，業(yè)務(wù)流程重組成了一場“忘記了人的狂熱”。

反思過后，業(yè)務(wù)流程重組的實(shí)踐從激進(jìn)轉(zhuǎn)向漸進(jìn)。以“改良”為導(dǎo)向的“業(yè)務(wù)流程優(yōu)化”（ Business Process Improvement，BPI）和“業(yè)務(wù)流程管理”（ Business Process Management ，BPM）成為主流，強(qiáng)調(diào)在分析理解現(xiàn)有流程的基礎(chǔ)上進(jìn)行連續(xù)性的優(yōu)化改造，不再追求對管理框架的整體性顛覆，從而降低和控制組織轉(zhuǎn)變的風(fēng)險(xiǎn)?！白罴褜?shí)踐”流程的引入和建立，往往只在ERP等重大企業(yè)應(yīng)用系統(tǒng)的實(shí)施中強(qiáng)調(diào)，而在穩(wěn)定運(yùn)行的企業(yè)中，業(yè)務(wù)流程管理通常聚焦于關(guān)鍵流程的漸進(jìn)優(yōu)化，如針對生產(chǎn)制造等重復(fù)性流程的精益管理和六西格瑪方法等。

新AI視角下的業(yè)務(wù)流程

以生成式大語言模型為代表的新AI具有一系列鮮明的新特點(diǎn)。與計(jì)算機(jī)、數(shù)據(jù)庫和網(wǎng)絡(luò)等基礎(chǔ)性信息技術(shù)相比，新AI的這些新特點(diǎn)為人們在更高的維度上重新審視、思考和設(shè)計(jì)業(yè)務(wù)流程提供了可能性。新AI具有以下五個(gè)特點(diǎn)。

第一個(gè)特點(diǎn)是通用性。傳統(tǒng)上，基于規(guī)則的AI應(yīng)用需針對特定領(lǐng)域情境專門構(gòu)建，即便是以往的機(jī)器學(xué)習(xí)技術(shù)，也須借助充足的領(lǐng)域數(shù)據(jù)進(jìn)行專門訓(xùn)練。相比之下，大語言模型“通古博今”，能夠廣泛地應(yīng)對多樣化的領(lǐng)域情境。盡管針對特定應(yīng)用場景的專門“調(diào)教”仍然必不可少，但其高度的適應(yīng)性是以往的智能技術(shù)所不可比擬的。

第二個(gè)特點(diǎn)是交互性。新AI應(yīng)用最初以對話機(jī)器人的形態(tài)出現(xiàn)，重要原因在于大語言模型具備根據(jù)上下文語境進(jìn)行多輪連續(xù)交互的能力。強(qiáng)大的自然語言處理能力使得新AI應(yīng)用能夠與人類用戶進(jìn)行多角度迭代式的信息交換。

第三個(gè)特點(diǎn)是多模態(tài)。盡管語言文本仍然是大語言模型最擅長處理的信息形態(tài)，但快速拓展的新AI技術(shù)已能夠有效地處理和解釋多種形態(tài)的數(shù)據(jù)信息，包括圖像、聲音、視頻、設(shè)備信號等，并在這些不同模態(tài)之間建立關(guān)聯(lián)，提供更為豐富和綜合的理解和響應(yīng)。

第四個(gè)特點(diǎn)是動態(tài)性。新AI應(yīng)用在與用戶及環(huán)境要素持續(xù)交互的過程中，能夠根據(jù)外部的反饋不斷地調(diào)整自己的判斷和輸出，也能基于用戶的要求進(jìn)行修正。這種動態(tài)性使得新AI應(yīng)用有可能在持續(xù)交互中不斷完善信息輸出，但另一方面也使得信息輸出缺乏穩(wěn)定性、確定性和可靠性，甚至可能產(chǎn)生捏造事實(shí)信息的“AI幻覺”。此外，由于作為新AI基礎(chǔ)技術(shù)的深度神經(jīng)網(wǎng)絡(luò)模型存在缺乏可解釋性的“黑箱”性質(zhì)，這種不穩(wěn)定、不確定、不可靠的信息輸出，在許多場合都可能給人們帶來嚴(yán)重困擾。

第五個(gè)特點(diǎn)是成長性。成長性也可以稱作“學(xué)習(xí)能力”。在預(yù)訓(xùn)練階段，大語言模型基于海量數(shù)據(jù)集中學(xué)習(xí)語言模式、語法規(guī)則和知識信息。這種訓(xùn)練通常需要大量的計(jì)算資源，并在模型部署之前完成。在應(yīng)用部署之后，模型可以自動在特定任務(wù)的新增數(shù)據(jù)上進(jìn)一步學(xué)習(xí)，從而適應(yīng)特定任務(wù)的需求，提升自身的能力和表現(xiàn)。從這個(gè)意義上說來，新AI具備在工作中學(xué)習(xí)成長的素質(zhì)。

當(dāng)新AI被納入到業(yè)務(wù)流程的構(gòu)建之中時(shí)，以上這些特點(diǎn)使其有可能在業(yè)務(wù)流程中起到以往任何技術(shù)都未能達(dá)到的作用，從而給新型業(yè)務(wù)流程的設(shè)計(jì)和管理帶來前所未有的想象空間。具體來說，新AI在業(yè)務(wù)流程中可能發(fā)揮出四個(gè)作用。

第一個(gè)作用是替代知識性工作。長期以來，信息技術(shù)在業(yè)務(wù)流程中的一個(gè)重要的作用便是替代人工活動，從而實(shí)現(xiàn)自動化、數(shù)字化。以往的信息技術(shù)替代的主要是事務(wù)性的工作和結(jié)構(gòu)化的決策；新AI能夠替代的則是諸如程序開發(fā)、文件編撰、綜合分析、方案設(shè)計(jì)等以往只有訓(xùn)練有素的知識工作者才能完成的專業(yè)性、知識性活動。例如，在一家大型互聯(lián)網(wǎng)企業(yè)的程序開發(fā)中，AI自動生成的代碼已達(dá)到72%，程序員開發(fā)的代碼量不足30%。

第二個(gè)作用是檢查與識別。例如，對于撰寫完成的文字材料，AI可以進(jìn)行檢查審閱，發(fā)現(xiàn)其中的問題并提出修改方案。對于一個(gè)項(xiàng)目計(jì)劃或設(shè)計(jì)方案，AI可以幫助識別潛在的錯(cuò)誤或風(fēng)險(xiǎn)；基于圖像、視頻、設(shè)備信息流等數(shù)據(jù)，AI可以及時(shí)發(fā)現(xiàn)潛藏的缺陷、故障或變化趨勢，并給出相應(yīng)對策。

第三個(gè)作用是溝通與協(xié)調(diào)。由于具有交互性、多模態(tài)特點(diǎn)，新AI能夠成為人與人之間、人與設(shè)備之間、設(shè)備與設(shè)備之間溝通的有效橋梁。例如，在涉及復(fù)雜檢查維修工作的客戶服務(wù)流程中，新AI能夠?qū)崟r(shí)同步對接用戶、產(chǎn)品設(shè)備、技術(shù)人員、產(chǎn)品經(jīng)理、物料管理系統(tǒng)、生產(chǎn)排程系統(tǒng)等相關(guān)人員、設(shè)備及系統(tǒng)，成為信息溝通的中樞，并在整個(gè)維修服務(wù)流程中扮演調(diào)度協(xié)調(diào)的角色。

第四個(gè)作用是信息萃取、預(yù)測與決策支持。大數(shù)據(jù)環(huán)境下的管理決策依賴于對內(nèi)外部多源、多模態(tài)信息的廣泛采集和綜合萃取。新AI的通用性、多模態(tài)、動態(tài)性特點(diǎn)，使其能夠有效匯集來自不同領(lǐng)域的不同形態(tài)的數(shù)據(jù)，據(jù)此作出預(yù)測判斷，為管理決策提供建議方案，并在交互討論中配合管理者實(shí)現(xiàn)決策方案的完善與優(yōu)化。

業(yè)務(wù)流程再設(shè)計(jì)

新AI所帶來的新想象空間，催動著業(yè)務(wù)流程重組思想的復(fù)蘇。進(jìn)取型的企業(yè)將有機(jī)會對自身的業(yè)務(wù)流程進(jìn)行根本性思考，并進(jìn)行重新設(shè)計(jì)，從而實(shí)現(xiàn)業(yè)務(wù)流程在價(jià)值創(chuàng)造能力上的顯著提升，使企業(yè)能更有效地適應(yīng)以顧客、競爭、變化為特征的現(xiàn)代企業(yè)經(jīng)營環(huán)境。

上一輪業(yè)務(wù)流程重組的探索者們曾經(jīng)總結(jié)出一系列原則，幫助企業(yè)更有效地組織業(yè)務(wù)活動、設(shè)計(jì)業(yè)務(wù)流程。經(jīng)過長期的實(shí)踐，這些原則大多已成為流程管理的普遍規(guī)范，融入到企業(yè)組織的管理體系和日常運(yùn)行之中。在新AI時(shí)代，流程的設(shè)計(jì)和優(yōu)化面臨著新的可能性和新的要求，業(yè)務(wù)流程重組思想與新AI結(jié)合形成若干新的參考原則，對新情境下的實(shí)踐有所助益。

第一，業(yè)務(wù)流程仍應(yīng)圍繞產(chǎn)出目標(biāo)而非活動進(jìn)行設(shè)計(jì)。

業(yè)務(wù)流程更新設(shè)計(jì)的根本目的不是用機(jī)器人代替人，而是使流程能夠以更高的效率創(chuàng)造更高的價(jià)值。因此，在新AI條件下考慮流程的再設(shè)計(jì)，出發(fā)點(diǎn)不應(yīng)是“流程中的哪些活動可以由機(jī)器人來完成”，而是“流程如何調(diào)整能夠達(dá)到更好的效果”。早期業(yè)務(wù)流程重組實(shí)踐中，福特在營收賬款管理中以集成的數(shù)據(jù)庫消除單據(jù)的多重匹配活動、IBM信用公司以通才代替專才快速完成信貸流程等，均是這一原則的典型例子。

在新AI條件下，一些企業(yè)的實(shí)踐也有效地把握了這一原則。例如，一家汽車企業(yè)在新車型研發(fā)流程中，將AI技術(shù)與產(chǎn)品主數(shù)據(jù)系統(tǒng)結(jié)合，建立虛擬仿真平臺，改變了車型研發(fā)的傳統(tǒng)“V”型流程結(jié)構(gòu)，通過仿真實(shí)現(xiàn)“虛擬驗(yàn)證”，從而大幅減少了所需的實(shí)驗(yàn)次數(shù)，顯著縮短了研發(fā)周期，有效地提升了市場響應(yīng)速度。相反的例子是，一些企業(yè)盲目地在產(chǎn)品營銷業(yè)務(wù)流程中引入AI技術(shù)，用機(jī)器人代替人類員工，以更高的效率給更多的用戶撥打營銷電話，這非但未能帶來更好的營銷效果，反而大大降低了用戶的體驗(yàn)。這些例子提醒我們，AI在流程中的真正價(jià)值在于以新的工作方式使流程更好地達(dá)成產(chǎn)出目標(biāo)，而不是通過機(jī)器人代替人把原有的工作步驟執(zhí)行得更快。

第二，應(yīng)當(dāng)讓執(zhí)行流程的人來參與和主導(dǎo)流程的設(shè)計(jì)和優(yōu)化。

在上一輪業(yè)務(wù)流程重組的理念中，一個(gè)重要的原則是讓使用流程產(chǎn)出的人來執(zhí)行流程，目的在于破除職能壁壘的束縛，使流程能夠更高效地運(yùn)轉(zhuǎn)。在新AI的加持下，流程的執(zhí)行者不但能夠獲取跨職能領(lǐng)域的信息以完成工作任務(wù)，還有可能借助AI工具改進(jìn)流程。例如，在一家互聯(lián)網(wǎng)企業(yè)中，一個(gè)軟件開發(fā)團(tuán)隊(duì)通過引入基于大語言模型的翻譯及測試工具，改變了以往多語言版本軟件先開發(fā)后翻譯的流程，實(shí)現(xiàn)了邊開發(fā)、邊翻譯、邊測試的多語言版本同步并行研發(fā)流程。同樣是這家互聯(lián)網(wǎng)企業(yè)，產(chǎn)品經(jīng)理借助大語言模型構(gòu)建了快速實(shí)現(xiàn)產(chǎn)品原型的工具，從而大幅減少了概念印證階段產(chǎn)品經(jīng)理和軟件工程師之間的信息溝通量。企業(yè)應(yīng)當(dāng)為這種積極的變化創(chuàng)造有利的環(huán)境，讓流程的執(zhí)行者有機(jī)會創(chuàng)造新AI條件下的新流程形式。

第三，將AI視為合作者而非工具。

這一原則具有兩方面的含義。一方面，新AI具有交互性、成長性，在進(jìn)行分析和判斷時(shí)，往往需要經(jīng)過多輪的交互和調(diào)整，才能觸及問題的實(shí)質(zhì)，得出高質(zhì)量的結(jié)果。傳統(tǒng)技術(shù)工具如電子表格計(jì)算、數(shù)據(jù)庫查詢統(tǒng)計(jì)等，則更具穩(wěn)定性、確定性，根據(jù)特定的輸入數(shù)據(jù)和指令，就能夠得到穩(wěn)定的、確定的結(jié)果。因此，對于數(shù)據(jù)庫、電子表格、優(yōu)化求解模型等“工具”而言，人們需要做的是“發(fā)出指令”；而對于大語言模型這樣的“合作者”而言，人們則需要與之“交流討論”。

另一方面，新AI的動態(tài)性特點(diǎn)也使其更像合作者而非工具。工具是穩(wěn)定可靠的，而合作者則可能是動態(tài)多變的。新AI如大語言模型能夠根據(jù)外部的反饋不斷調(diào)整自己的判斷和輸出，這種調(diào)整的基礎(chǔ)是內(nèi)部不計(jì)其數(shù)的復(fù)雜神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)以及數(shù)以千億計(jì)的參數(shù)，其思維脈絡(luò)對于人類而言是不透明的。在業(yè)務(wù)流程中，新AI的這種動態(tài)多變性會給流程帶來更高的不確定性。因此，在流程設(shè)計(jì)中，應(yīng)當(dāng)為這種不確定性預(yù)留更大的容錯(cuò)空間。

第四，將決策權(quán)交給人和傳統(tǒng)智能技術(shù)，而非大語言模型。

之所以提出這一原則，是因?yàn)橐源笳Z言模型為代表的新AI在信息輸出方面缺乏穩(wěn)定性、確定性和可靠性。因此，大語言模型技術(shù)應(yīng)用于業(yè)務(wù)流程中時(shí)，更適合發(fā)揮“參謀建議”而非“代理決策”的作用。

第五，為新AI提供學(xué)習(xí)和成長的條件。

新AI具有學(xué)習(xí)能力，可以基于特定任務(wù)的新增數(shù)據(jù)進(jìn)一步學(xué)習(xí)。因此，要使新AI實(shí)現(xiàn)學(xué)習(xí)成長，一方面要在業(yè)務(wù)流程中設(shè)計(jì)有效的反饋機(jī)制，使新AI應(yīng)用能夠及時(shí)獲取業(yè)務(wù)流程內(nèi)外部產(chǎn)生和采集的增量信息；另一方面，管理者應(yīng)持續(xù)分析評估新AI應(yīng)用在業(yè)務(wù)流程中的表現(xiàn)，并施以針對性的訓(xùn)練調(diào)校。

在這一點(diǎn)上，機(jī)器學(xué)習(xí)與用戶行為的偏差問題值得注意。大語言模型本質(zhì)上仍然是機(jī)器學(xué)習(xí)模型。機(jī)器學(xué)習(xí)方法在數(shù)據(jù)使用和模型訓(xùn)練中不可避免地會存在模型偏差（如數(shù)據(jù)觀測和提取中的采樣偏差以及模型構(gòu)建中的擬合偏差）；同時(shí)，在情境應(yīng)用中，模型作出的預(yù)測和推薦對不同用戶的感知、態(tài)度、行為選擇和觀點(diǎn)表達(dá)會產(chǎn)生不同的影響，形成行為偏差（如用戶活動的選擇偏差和行為表現(xiàn)的表達(dá)偏差）。一方面，行為偏差會被帶入到用戶行為數(shù)據(jù)中，通過算法訓(xùn)練的過程被機(jī)器學(xué)習(xí)模型所習(xí)得，產(chǎn)生新的模型偏差；另一方面，模型偏差會在系統(tǒng)應(yīng)用中輸出，在情境交互中干擾用戶的自選擇及行動，引發(fā)新的行為偏差。這樣的循環(huán)使得模型偏差和行為偏差往復(fù)重塑，在交互和習(xí)得過程中持續(xù)放大和擴(kuò)散，可能會導(dǎo)致模型算法的效力降低甚至失效，也可能使用戶陷入信息繭房等困境。從這種意義上說來，在流程中設(shè)置有效的反饋機(jī)制以支持AI的持續(xù)學(xué)習(xí)，是新AI條件下業(yè)務(wù)流程再設(shè)計(jì)的一個(gè)關(guān)鍵且極具挑戰(zhàn)性的任務(wù)。

上一輪業(yè)務(wù)流程重組的啟示

讓我們再次回顧當(dāng)年那些絆倒了上一輪業(yè)務(wù)流程重組的“石頭”，為即將開啟的新AI時(shí)代的新業(yè)務(wù)流程重組提供警示與借鑒。

上一輪業(yè)務(wù)流程重組帶給我們的第一個(gè)教訓(xùn)是不應(yīng)過于激進(jìn)。

二十世紀(jì)九十年代初期第一輪業(yè)務(wù)流程重組成功率低的首要原因是過于激進(jìn)。在新技術(shù)潮流的牽引下和成功案例的鼓舞下，人們寄望于以一次性的、非連續(xù)的、突進(jìn)式的管理改造重建組織價(jià)值鏈，從而獲得競爭力的飛躍。這種根本性改造蘊(yùn)含的巨大風(fēng)險(xiǎn)不應(yīng)被忽略。當(dāng)前，許多企業(yè)的ERP等系統(tǒng)的建設(shè)實(shí)施已完全成型，業(yè)務(wù)流程與管理體系在成熟的信息系統(tǒng)平臺持續(xù)運(yùn)轉(zhuǎn)。試圖對運(yùn)行中的業(yè)務(wù)流程進(jìn)行面向新AI的整體性重新設(shè)計(jì)，就如同要在高空中為一架正在飛行的飛機(jī)更換發(fā)動機(jī)一樣，是不現(xiàn)實(shí)且極為危險(xiǎn)的。

因此，除非是初創(chuàng)企業(yè)，否則就大多數(shù)企業(yè)而言，新AI條件下進(jìn)行新業(yè)務(wù)流程重組，更為恰當(dāng)?shù)牟呗詰?yīng)當(dāng)是積極探索和漸進(jìn)重組，在組織中逐步建立起新AI應(yīng)用的條件與環(huán)境，持續(xù)展開業(yè)務(wù)流程的調(diào)整與優(yōu)化。對那些不以前沿信息技術(shù)應(yīng)用作為自身核心競爭力的企業(yè)而言，采取“跟隨”策略，觀察別人的探索，再擇機(jī)學(xué)習(xí)借鑒，也不失為一種穩(wěn)健有效的選擇。

上一輪業(yè)務(wù)流程重組帶給我們的第二個(gè)教訓(xùn)是不宜“過度設(shè)計(jì)”。

在新技術(shù)、新模式的吸引下，流程的變革很容易落入“為了改變而改變”的陷阱。在新AI的應(yīng)用探索中，簡單地以智能機(jī)器人替代人工、“為了智能而智能”的改造屢有出現(xiàn)。人們傾向于認(rèn)為更先進(jìn)的技術(shù)總是能夠帶來更優(yōu)質(zhì)的流程，因此執(zhí)著于引入新技術(shù)，而不是尋找最合適的解決方案。同時(shí)，在業(yè)務(wù)流程重組時(shí)，也往往過于追求理想化的設(shè)計(jì)而忽略了業(yè)務(wù)的真正需要。

新AI條件下的新業(yè)務(wù)流程重組要避免“過度設(shè)計(jì)”，關(guān)鍵在于堅(jiān)持“業(yè)務(wù)流程應(yīng)圍繞產(chǎn)出目標(biāo)而非活動進(jìn)行設(shè)計(jì)”這一原則。畢竟，只有在能夠幫助人們更好地開展工作以達(dá)成目標(biāo)時(shí)，新技術(shù)才是有用的，新AI也如此。因此，新業(yè)務(wù)流程重組仍應(yīng)以業(yè)務(wù)為導(dǎo)向，而非以AI技術(shù)應(yīng)用為導(dǎo)向。

上一輪業(yè)務(wù)流程重組帶給我們的第三個(gè)，可能也是最重要的一個(gè)教訓(xùn)，是不該忽視人的因素。

流程變革之中，人員減少、人力成本降低，是最直觀也最容易實(shí)現(xiàn)的“效益”。新AI應(yīng)用最直接的形式便是“替代人工”。然而，上一輪業(yè)務(wù)流程重組之所以遭遇許多重大挫折，正是因?yàn)閷⑷藛T節(jié)省作為衡量效益的第一標(biāo)準(zhǔn)，將人看作是簡單的數(shù)字以及可以被技術(shù)替代的工具。盡管以“機(jī)器人”形象出現(xiàn)的新AI很容易讓人想到對人工勞動的替代，盡管利用AI技術(shù)“減員降本”的誘惑直觀而又強(qiáng)烈，新業(yè)務(wù)流程重組中的管理者仍應(yīng)自覺地避免陷入這一誤區(qū)。

以裁減人員為目標(biāo)的業(yè)務(wù)流程重組存在著巨大的風(fēng)險(xiǎn)。一方面，聚焦于通過替代人工來降低成本，可能導(dǎo)致流程的設(shè)計(jì)忽略“價(jià)值創(chuàng)造”這一根本性的目標(biāo)，從而錯(cuò)失利用新AI實(shí)現(xiàn)業(yè)務(wù)流程實(shí)質(zhì)性再設(shè)計(jì)和根本性提升的機(jī)會；另一方面，以裁減人員為目標(biāo)的重組，必然會遭到員工顯性或隱性的抵制，因?yàn)闆]有人會樂于“被重組”，而抵制之下的重組，則可能會帶來種種始料不及的不良結(jié)果。

因此，新AI條件下的新業(yè)務(wù)流程重組，不應(yīng)重蹈覆轍，不應(yīng)成為又一場“忘記了人的狂熱”。新業(yè)務(wù)流程重組應(yīng)當(dāng)以價(jià)值創(chuàng)造而非人員節(jié)省為效益衡量的首要標(biāo)準(zhǔn)。畢竟，新技術(shù)應(yīng)當(dāng)用于解放人們工作的興趣和活力，而非剝奪人們工作的機(jī)會和權(quán)利。