讓人工智能賦能組織知識創新

人工智能是一項持續發展演進的突破性技術，其能力閾值還在不斷提升?？梢钥隙ǖ氖?，它將對企業知識創新產生重要影響，盡管我們目前對其影響方式、影響程度所知尚淺。本文將從企業知識創新的特征、人工智能技術的特性及兩者之間的關系入手，探討企業如何構建AI能力以提升知識創新水平和能力。

企業知識創新

知識創新有突破式創新和漸進式創新之分。采用突破式創新，企業通常要突破或跳出原有的認知模式、知識邊界、技術軌跡、能力體系和商業模式，從熟知的體系跳到新的體系當中；要進入新的思維狀態和探索路徑，通過發現新知識、采納新技術來構建新能力、創建新模式，其間要經歷搜索、探尋、試驗、發現和改變等活動；要在開放、不確定和模糊的環境中樂觀預判、勇于挑戰、積極試錯、承擔風險并包容失敗。

突破式創新具有很大的價值，但要真正實施并不容易，主要有四個方面的挑戰。一是不確定性高。突破式創新在技術方向、技術選擇、技術價值及投資回報上均具有不可預測性，有可能成功，也有可能失敗。二是探索周期長。從創意產生、實驗室研發、工程化生產到市場接納，突破式創新要經歷漫長的時間。三是發散性涌現。突破式創新通常以創新思維和創意為起點，而創意是在長期探索中偶然“涌現”或意外激發的。四是阻力重重。突破式創新是在成熟的技術體系之外尋求發展空間和上升曲線，是在傳統賽道之外的探索，因此，常受到主流體系的質疑與懷疑。五是投入巨大。突破式創新需要長期大量投入才能推行下去，是人才、知識、機制和體系的較量，更是資源、耐力和耐心的較量。

漸進式創新是目前大多數企業采用的創新類型。它是在現有技術、知識、產品和運營體系內進行持續改良、優化和升級，強化現有技術體系、產品品質和能力體系，以此提升效率，提高競爭門檻，打造護城河。漸進式創新非常重視整合、共享和利用已有知識，注重吸取經驗教訓，在精益管理中追求卓越。

采用漸進式創新的企業通常會通過一系列精細化、規范化、標準化、數字化的活動來提升現有產品的品質和運行體系的整體效率與效能。漸進式創新主要有四個方面的特點。一是整體穩定，局部改善。漸進式創新要求盡可能降低不確定性，這就需要在整體方向和架構上保持一致性、穩定性和系統性，在細節上發現不足并持續改善優化。二是小步快跑，持續迭代。漸進式創新以提升競爭力為核心，對標最佳企業和最佳產品，短時間內取得成效。這需要企業小步快跑、快速試錯，持續迭代和閉環驗證。三是聚焦目標，壓強原則。漸進式創新針對明確的指標進行糾錯和改善，并盡可能地在特定指標上做到極致，真正做到專精特新。四是持續改善，精益求精。漸進式創新的目標是在特定產品與體系運營中出類拔萃，卓越非凡，因此需要做到精益求精。尤其是在制造業中，漸進式創新與精益管理密不可分，在細節上下功夫，在定標比超中超越競爭對手是企業文化的一部分，也是企業的長期策略。

突破式創新和漸進式創新的差異決定了二者有不同的認知需求。

突破式創新是一個從無到有、從小到大、從弱到強的過程，其間要探索大量未知領域，應對各種不確定性、模糊性以及意外事件的發散性涌現等情況。突破式創新要對各類要素進行創造性整合，是人類好奇心、想象力、創造力、價值觀、使命感、獨立人格、實踐智慧和欲望動機的綜合集成，要面對各種批評、質疑、挑戰和失敗，是對人的認知穩定性、實踐智慧和耐受力的極限挑戰。因此，突破式創新要求企業從現有認知思維框架中跳出來，關注未知領域、感知現實挑戰、預見未來趨勢、承擔變革風險、勇于探索試錯，并在知識廣度拓展、跨界學習、系統整合和多元協同等方面打造非凡能力。很多企業由于長期專注特定領域，形成了相對穩定的認知框架。在面對可能引發突破式創新的早期信號時，受局部思維、靜態思維限制，存在認知盲點和認知缺口，從而有可能錯失突破式創新的最佳時間窗口。因此，擴大知識來源的廣度、知識獲取的速度和知識的差異性、多樣性、前瞻性非常重要。

漸進式創新是一個從局部到整體、從有到優、從多到精、從集成到共享的過程，其間要經歷去粗取精、從粗到精、由表及里的演化。因此，漸進式創新要求企業以系統思維、整體思維、聚焦思維和探索思維，將既有知識進行整合和共享，在已有能力路徑和知識體系內持續深化拓展，兼顧整體性、綜合性和專業性，提升知識使用效率。

人工智能技術

1956年，約翰·麥卡錫在達特茅斯學院會議上首次提出“人工智能”（AI）的概念。作為計算機科學的子領域，這一概念已有七十多年的發展歷史。簡單來說，“人工”指的是人類制造機器或程序來模擬人的智能，“智能”指的是人類的智力活動。對于AI可以在多大程度上模擬和匹配人類智能，仍然存在不同看法。有人認為AI具有分析數據并采取行動的能力，不需要通過編程來控制；有人認為AI具有模仿人類的學習能力，有感知、判斷、學習、規劃能力，運行過程不需人為干預；還有人認為AI具有對環境的適應能力，能夠正確理解外部數據，從數據中學習，從而實現特定目標和任務，在整個過程中不需遵循預定規則或行動準則。

近年來，企業家對于AI的發展更加樂觀。例如，谷歌前首席執行官埃里克·施密特最近談到，AI通過檢索系統上下文窗口擴展，從用戶提交的文件和問題中獲取數據，成為更加開放動態的學習系統；通過智能代理執行更加復雜的任務：具有從文本到操作的能力。埃隆·馬斯克則預測，未來五年通用人工智能（AGI）可以擁有人類文明所積累的各類知識，并有可能擊敗任何領域里能力最強的人。

作為一個動態開放的學習系統，AI可以在很短的時間內處理人類長期積累的海量信息。在這個過程中，機器學習發揮了重要作用。機器學習包括監督、半監督、無監督、強化學習和深度學習。在監督學習中，系統通過帶有標簽的數據集來訓練模型，使其能夠對新數據進行預測或分類。每個訓練樣本都有一個已知的標簽或輸出值，系統通過學習輸入變量和輸出變量之間的關系來構建預測模型。無監督學習的目標值不包括在訓練集中，系統必須分析訓練數據的結構及統計屬性，發現數據集中隱藏的模式和結構，通過自動聚類、異常檢測和關聯挖掘發現問題。半監督學習中既使用標記數據，也使用未標記數據。強化學習不從過去的數據中學習，而是通過接收與外部環境交互的反饋進行學習。深度學習以多層方式從數據中獲得結構。與傳統機器學習不同，深度學習利用多層人工神經網絡來模擬人腦的復雜決策能力，在處理大數據方面表現出色，能夠自動從數據中學習特征，特別適用于圖像和語音識別，在自動駕駛上有廣闊的應用空間。

以ChatGPT為代表的生成式人工智能可以生成和解析多模態媒體與文本，使機器更好地理解世界，更輕松地與人類交流。沒有編程技術的人也可以利用文本或語音指導計算機寫作、提煉、翻譯、計算、編程、繪圖、生成視頻等。采用大模型技術的AI具有大規模參數和復雜計算結構，當系統規模和復雜性達到一定程度時，會涌現一些新的、不可預測的特性或行為。在可預測的未來，通用人工智能將具有強大的類人智能及學習、適應能力，并在處理多任務和適應環境過程中不斷生成新的能力。

人工智能賦能知識創新

目前，AI仍在不斷迭代發展，可以預見的是，未來它對創新速度、創新拓展和創新意外必定會產生深遠影響。對于企業來說，將AI的技術特征和能力與企業知識創新需求結合，對構筑知識創新能力十分重要。如生成式人工智能、強化學習和無監督學習的開放性、交互性和探索性特征，是突破式知識創新的有力支持；監督學習和半監督學習中人工參與的前期處理和結構控制，是企業內部漸進式學習的有效路徑。與以人為核心的創新體系相比，AI有可能從多個方面賦能突破式知識創新和漸進式知識創新。

人工智能賦能突破式知識創新

第一，獲取全景知識。人工智能技術的獨特價值在于其對多模態數據的采集、加工、處理和檢索超過所有搜索引擎和數據庫，既能獲取企業內部的管理信息系統數據、供應鏈交易數據等，也能獲取外部互聯網、社交媒體、新聞媒體和社會各界發布的信息。因此，在對特定概念進行分析時，有機會獲取盡可能多的特征值，從而更準確地展現全貌。企業通過文本、圖像、語音識別等技術，通過聚類、降維、深度學習等方法，輔以社會網絡、網絡計量分析等方法，針對特定領域數據的網絡結構、拓撲結構和動態演化進行分析，即可獲取超越個人的全景式知識，從而對突破式創新所需的關鍵要素獲得比較全面的認識。

第二，獲取跨界知識。知識創新是一個充滿活力、復雜、多元、隱性的過程，特別是突破式創新，通常是在前沿領域探索與試錯，發現的知識珍貴而稀缺。采取突破式創新的企業要不斷掃描、知悉新政策、新對手信息和新技術苗頭與走向，這些信息可能跨越既有知識邊界，在現有知識來源中也難以獲得。借助AI處理海量數據，企業可以快速從各種渠道中找到蛛絲馬跡，借助AI的知識涌現獲得有意義的發現，從中受到啟發。對于創新者來說，跨界學習已經成為有效感知變化和學習的關鍵能力，企業可以借助AI的智能檢索、智能生成和智能推薦技術，使跨界知識的獲取變得更容易，從“人找知識”變成“知識找人”。

第三，獲取理性知識。在企業創新實踐中，受崗位、經驗、專業、時間等因素影響，人們的認知結構容易固化，形成認知盲點，造成各部門、供應鏈各成員的溝通協作成本變高。企業可以開發共享專業語義庫、知識圖譜、智能問答、數字樣機等工具，幫助參與者消除認知盲點，就特定概念和語義達成共識，減少歧義和混亂。同時，AI以有效方法處理海量數據，以可視化方式輔助管理決策，從數據視角揭示問題真相，可以減少管理人員僅憑直覺、局部信息以及受部門利益羈絆做決策的行為，使其能夠更理性地決策并提高決策質量和速度。

第四，獲取知識洞察。AI最重要的價值之一是解鎖隱藏在大量數據中的洞察力和潛在模式，呈現人們難以發現、甄別和解讀的事實和風險。借助AI能發現僅憑人的經驗無法觸達的知識廣度與深度，從而提高創新的精準度。對外，企業可以解碼競爭對手發布的文檔，獲取對方的重要信息；可以通過解析網絡信息了解客戶結構、訴求、社交媒體偏好等，從而進行精準營銷；還可以借助自然語言處理和機器學習等工具評估市場新聞的真假，甄別潛在欺詐風險和安全漏洞。如果企業能夠借助AI獲取稀缺洞察和真知灼見，并有針對性地采取競爭舉措，就有機會駕馭復雜競爭環境構造的“黑箱”，知己知彼獲取獨特的競爭地位。

人工智能賦能漸進式知識創新

第一，獲取精益知識。從知識創新的深度上看，企業可以借助深度學習的多層結構、自動特征提取和高效的大數據處理能力，不斷分解信息的顆粒度，從產品和運營的精微之處獲取數據，從中發現問題之后，設定相應指標，通過動態檢測、閉環衡量和持續改善，做到精益管理和持續優化，在品質檢測、風險防范、產品追溯上做到全生命周期管理和全時空無休。

第二，實現知識自動化。知識自動化指利用機器學習技術以自動化方式處理和管理知識的過程。知識自動化可以幫助企業和個人更高效地獲取、整理和應用信息，關鍵應用領域包括自動化文檔處理——自動提取和分類文檔中的關鍵信息，智能搜索和客戶推薦——根據用戶的興趣和行為提供個性化的搜索結果和推薦。數字員工、客戶服務自動化、聊天機器人和虛擬助手等均是知識自動化的應用。

第三，賦能產品創新。AI對產品研發和優化也有很大價值。在生物醫藥領域，AI在病人診斷、藥物發現和醫生助手等方面都可以大有作為。以藥物發現為例，AI不僅能夠提高生物制劑研發的成功率和速度，還能增加生物制劑的多樣性。

第四，賦能流程優化。AI模型嵌入流程中可以助力企業發現衡量現有流程的量化指標及流程設計中的缺陷，還能對標競爭對手找到流程差異。AI還可以通過共享設計、共享圖紙和數字樣機，讓供應鏈上的合作伙伴實現標準化操作，從而加速供應鏈運營；通過自動檢測發現缺陷和質量問題，提升整體流程的效率。將AI模型嵌入硬件和業務流程中能夠改變物理對象的運行狀態和效率。嵌入硬件設備中的AI模型可以指揮、調度和支配硬件設備的運行和操作，助力人或機器人進行操作、檢測和管控，提升設備性能、精準度、成本和帶寬。

人工智能賦能突破式與漸進式創新的整合

大多數企業并非單獨從事突破式創新和漸進式創新，而是對兩者進行高效整合。因此，在AI布局和使用時，需要綜合考量兩者的需求。

在突破式創新上，一方面，AI可以助力企業產生突破性戰略創新。企業在戰略掃描和戰略制定時，可以借助AI在全景知識、跨界知識、理性知識和知識洞察方面獲得裨益。另一方面，AI可以助力企業推進突破性市場創新。企業借助AI處理和學習客戶數據，對客戶進行細分，以全新方式了解客戶偏好和生活方式，并通過數字員工提供一對一的營銷服務以改善客戶體驗，實現更精準的營銷。在客戶需求和行為發生變化時，通過AI系統重新對其進行細分，更有效地更新營銷策略。

在漸進式創新上，AI賦能管理運營體系創新。企業可以通過精益知識、知識自動化、AI驅動的產品創新、AI賦能流程優化等，生產出高質量或物美價廉的產品，形成市場競爭力。

在對AI價值的討論中，一個關鍵并充滿爭議的話題是AI是否會替代人類在創新中的智力活動。在突破式創新中，創意和想法的產生、知識的有效利用，通過分享知識激發創造力，用知識創造性地解決問題，通過多種知識的融合打造競爭優勢等活動，人類都具有主導性，AI目前還無法替代。因此，我們構造了AI賦能的突破式和漸進式知識創新的“啞鈴模型”，將人的作用和AI的作用進行區分，對突破式創新和漸進式創新的知識活動進行分解（見圖1）。在突破式創新中，人類提出知識需求、推動知識利用、加強知識共享、促進知識創造和打造知識優勢，發揮主導性作用；AI提供全景知識、跨界知識、理性知識和知識洞察，發揮輔助作用。在漸進式創新中，AI憑借檢索信息的速度、廣度和深度優勢，助力人類進行高效的知識掃描、知識獲取、知識篩選、知識處理和知識生成，通過精益知識、知識自動化、賦能產品創新和流程優化，給企業帶來新的競爭優勢。

人工智能賦能組織知識創新能力模型

野中郁次郎教授在《創造知識的企業》一書中，基于大量的企業案例研究，提出了著名的隱性知識與顯性知識轉化的SECI模型。參考其框架，筆者提出AI賦能組織知識創新能力的“SECI模型”（見圖2）。模型由AI戰略（Strategy）、AI執行（Execution）、AI能力（Capability）和AI實施（Implementation）四個要素構成。

AI戰略

根據企業知識創新的戰略目標和現實痛點，企業在部署AI能力時，需調研并明確核心需求和要解決的問題，并從競爭視角考察其戰略意義。在激烈的國際科技競爭中，企業的競爭優勢源自其擁有的資源和能力，數據是戰略資源，AI是戰略能力。

領導人對AI價值的理解，對打造AI環境、構建數據基礎、基于數據賦能企業決策和創新至關重要。AI治理要解決企業戰略與AI戰略，信息化、數字化部門與業務部門的匹配、溝通和協作問題，還要在組織層面確定AI工具的開發、使用、安全和隱私等。績效指標需要考慮AI投資能帶來的潛在收益以及降本增效等問題。

這一環節以領導團隊與部門的協調溝通為主，隱性知識是主導性的知識模式。

AI執行

要在組織中成功部署AI，需要具備三個要素：豐富且高質量的數據集、算法和算力。企業實施AI戰略，需要將AI與數據、算力和企業人才、知識、規則、流程等整合在一起。

數據質量關乎AI能否提供可靠的值得信賴的預測，數據質量低，AI提供的洞察與預測就很值得懷疑。例如，很多企業的專有數據經常出現數據不規范、不標準、完整性不足、來源混亂、條目不正確、時效性差等問題，導致AI預測有誤，從而使企業貽誤“戰機”。企業要根據創新需求選擇特定算法，有針對性地解決突破式和漸進式創新中的現實問題。算力與芯片、數字基礎設施和電力有關。

這一環節是將組織資產與活動數字化的過程，是從隱性知識轉化為顯性知識。

AI能力

AI能力是將技術與業務進行深度融合，并為企業員工創造價值的能力。在AI能力建設中，人才是最關鍵的因素。大多數企業選擇與AI公司合作，但企業內也需要有既懂創新業務又懂AI的人才。方法論指企業將AI與創新業務融合時采取的流程、工作方法和知識管理能力。開發過程是企業整合內外部人才協同開發算法的路徑與實踐。優化指企業利用AI賦能創新活動時不斷優化算法的閉環與績效指標。

這一環節是利用AI從大數據中挖掘發現模式規律。一方面，AI和業務團隊開發迭代算法，另一方面，利用算法在大數據中進行分析挖掘，因此是顯性與隱性知識交互組合的過程。

AI實施

AI應用可以分為自動化AI和增強AI兩類。自動化AI指取代人類工作的AI系統，增強AI指AI提供有助于決策的洞察力來增強人類智能。企業推廣應用AI并非輕而易舉，面臨幾個障礙。

首先是人與AI的信任。人工智能無法像人類那樣體驗情感，也不具有同理心，加上AI（特別是生成式人工智能）目前還存在信息幻覺（編造虛構或荒謬的答案）、信息偏差等問題，其可靠性需要較長時間來驗證。其次是決策主導權。在創新活動中，專家基于長期積累的知識和經驗來進行預測和判斷，AI則是基于數據集進行預測判斷，當兩者出現差異時，如何判定哪一方更可信，如何協調兩者權重成為問題。最后是商業模式。參照企業AI戰略階段設定的績效指標，評價和衡量AI對中短期商業價值和中長期競爭優勢的影響。

在這一環節，AI生成的信息不斷賦能人的決策和創新，AI與人的交互展現為顯性知識不斷內化為隱性知識，并最終升級為更高級的隱性知識的過程。