最近，一家知名銀行的CEO給我打電話，討論了生成式AI的前景。我們最初會通過各種場景改善欺詐檢測和客戶服務(wù)，但隨著最近一系列新聞的不斷發(fā)布，很明顯他有更大野心。和許多行業(yè)一樣，銀行業(yè)也存在勞動力問題：對熟練員工的需求，與愿意回到辦公室并遵守疫情前規(guī)則的工人供應之間存在著差距。

他認為生成式AI也許能解決這個問題。這些新工具可以通過自動化降本增效，但它們是否也能解決人才短缺問題？簡單地說：AI多久能取代人類員工？

這個對話呼應了去年11月以來我與許多企業(yè)高管的談話，這些高管來自保險、制造、制藥，甚至好萊塢的電影公司——他們的編劇和演員現(xiàn)在正在罷工。他們都想知道如何用更少的人力資源創(chuàng)造更大價值。這么問是因為，去年秋天OpenAI開發(fā)的聊天機器人ChatGPT突然走紅，展示了AI自主生成電子郵件、論文、食譜、財務(wù)報告、文章和想法的能力。高盛估計，在未來十年內(nèi)，3億工作崗位將會被淘汰或大量減少。

動蕩開始出現(xiàn)?！疤崾竟こ處煛保╬rompt engineers），即要求ChatGPT等系統(tǒng)生成內(nèi)容的人，這一職位的發(fā)布上提供了30萬美元或更高的年薪。OpenAI的GPT-4通過了美國律師執(zhí)照考試，并暗示了在不久的將來，我們可能就不需要律師來處理交易工作了。事實上，沃爾瑪正在制作一個生成式AI系統(tǒng)的原型（與OpenAI無關(guān)）來制定部分供應商合同；另一方面，75%的合同律師和采購人員表示，比起人類同行，他們現(xiàn)在更喜歡與AI談判。谷歌的Med-PaLM 2是一種專門訓練醫(yī)學知識的模型，現(xiàn)在正以醫(yī)生的專家水平回答醫(yī)學檢查問題。2023年夏天，合作伙伴將開始測試可以查看X光并自動撰寫乳腺X光檢查報告的應用程序，且無需人類醫(yī)生參與。

這一領(lǐng)域的發(fā)展速度驚人，難怪這么多高管得出了同樣結(jié)論：短短幾年內(nèi)，強大的AI系統(tǒng)將在與人類勞動力相同（甚至更高）的水平上執(zhí)行認知工作。受到AI可能性的誘惑，擔憂尋找和留住合格員工，并因最近的市場調(diào)整或未達到分析師預期而感到不自信，商業(yè)領(lǐng)袖們設(shè)想，未來的工作場所中不會有今天這么多人。在我看來，這是一個巨大誤判。

首先，現(xiàn)在想明確預測AI的未來還為時過早——特別考慮到生成式AI只是相互關(guān)聯(lián)領(lǐng)域中的一個小領(lǐng)域，而每個領(lǐng)域都處于不同的開發(fā)階段。AI將會以及何時淘汰哪些工作，還都只是猜測。對于一個AI系統(tǒng)來說，僅僅執(zhí)行一項任務(wù)是不夠的；其成果必須被證明是值得信賴的，集成到現(xiàn)有工作流程中，并針對合規(guī)性、風險和監(jiān)管問題進行了管理。

其次，在技術(shù)帶來快速顛覆的時期，領(lǐng)導者會過于關(guān)注眼前收益，而不是其價值網(wǎng)絡(luò)在未來將如何轉(zhuǎn)變。隨著AI的發(fā)展，它將需要我們在完全了解未來之前，隨時重新構(gòu)想整個業(yè)務(wù)領(lǐng)域。還記得公共互聯(lián)網(wǎng)和網(wǎng)絡(luò)瀏覽器的發(fā)展初期嗎，那時它們還被視為娛樂。沒有人能想到這兩個根本性轉(zhuǎn)變都會大規(guī)模爆發(fā)。那時根本無法預測它將如何影響總統(tǒng)選舉或世界上第一批萬億美元級別公司的創(chuàng)建。

可以肯定的是，今天的高管必須在自互聯(lián)網(wǎng)時代早期以來，我見過的最復雜的運營環(huán)境中做出決策?？梢岳斫獾氖?，擔心錯過下一波技術(shù)浪潮的領(lǐng)導者，正在不知不覺地對公司的未來進行高風險押注。為應對生成式AI和人力共存、未來將以未知方式發(fā)展的不確定世界，領(lǐng)導者可以采取以下步驟。

這里有一個悖論：我們需要把勞動力看作是隨著生成式AI發(fā)展，而不是被取代。勞動力需要發(fā)展，員工將不得不在多年的時間里反復學習新技能。領(lǐng)導者必須采取一種新方法，最大限度發(fā)揮組織中AI的潛力，這需要以不同的方式跟蹤AI的關(guān)鍵發(fā)展，用迭代過程培養(yǎng)出準備就緒的員工隊伍，最重要的是，創(chuàng)造有證據(jù)支持的未來情景，挑戰(zhàn)組織內(nèi)部的傳統(tǒng)思維。

那么領(lǐng)導者可以怎樣應對這個時期？

首先，降低對生成式AI能夠以及將會為業(yè)務(wù)做什么的期望。從歷史上看，AI經(jīng)歷了幾個階段，包括突破、資金激增和主流興趣的短暫時刻，然后是未達到預期和資本減持。

1970年，有影響力的計算機科學家、AI的創(chuàng)始人之一馬文·明斯基（Marvin Minsky）告訴《生活》（Life）雜志，通用人工智能——一種認知能力與人難分上下的AI——再有三年就會出現(xiàn)。20世紀70年代，這種AI所需的計算能力還不存在，超級計算機大多是理論上的。個人電腦也是如此。Datapoint2200及其處理器最終成為了我們后來所知的個人電腦的重要基礎(chǔ)。明斯基和其同事承諾的宏偉抱負從未實現(xiàn)，資金和興趣也至此枯竭。1987年，這種情況再次發(fā)生，計算機科學家和企業(yè)再次對AI的時間表做出了大膽承諾，卻依然碰壁。

盡管功能強大，但今天主流的生成式AI工具，ChatGPT、Midjourney、DALL-E 2，還不是完成品。很快，人們就會對它們的新穎感到不滿，并意識到雖然AI可以創(chuàng)建內(nèi)容，但還不足以實際應用。同樣，在醫(yī)學、氣候和生命科學領(lǐng)域的特定AI工具方面，現(xiàn)在還處于早期階段。為了讓生成式AI實現(xiàn)被承諾的奇跡，即規(guī)模和成本效益，要做的工作還有很多。記住，這些工具直到最近都還只是理論上的。

高管需要明確生成式AI今天將在其組織中發(fā)揮的實際功能。他們還應務(wù)實地看待生成式AI最終將釋放的機遇和風險，我們才剛踏上一條漫漫長路。根據(jù)我的觀察，很少有領(lǐng)導者正在制定一個將今天的運營與明天的愿景聯(lián)系起來的現(xiàn)實戰(zhàn)略，在管理的團隊中進行社會化，相應修訂績效指標。

最近，我與一家渴望與生成式AI公司合作的跨國快消品（CPG）公司的高管見了面。我和他們講了一個很可能出現(xiàn)的場景：聊天工具回答了顧客幾個關(guān)于他們偏好和目的的問題，并讓線上購物車自動裝滿了他們一周所需的物品。但是，這個CPG的品牌沒有出現(xiàn)在購物車中——或者即使出現(xiàn)，也不在列表的第一位。正如谷歌和亞馬遜等發(fā)明了新的機制和規(guī)則優(yōu)化搜索引擎一樣，未來，跨零售商和購物車應用程序等平臺的生成式AI，將為CPG公司帶來新挑戰(zhàn)，這些公司可能會處于涉及關(guān)鍵決策的價值鏈的下游。

其次，評估公司正在生成哪些數(shù)據(jù)，以及生成式AI現(xiàn)在和將來會如何使用這些數(shù)據(jù)。商業(yè)數(shù)據(jù)是無價的，因為一旦模型經(jīng)過訓練，將這些數(shù)據(jù)轉(zhuǎn)移到另一個系統(tǒng)就可能非常昂貴，技術(shù)上也很麻煩。目前新興的平臺間很難互相操作，設(shè)計就是如此。生成式AI平臺正在演變成圍墻花園，在那里，創(chuàng)造技術(shù)的公司控制著他們生態(tài)系統(tǒng)的各個方面。最大的AI公司正在爭奪市場份額，以及使他們的模型最具競爭力所需的大量數(shù)據(jù)。通過向公司推銷他們的平臺，他們希望鎖定它們，與他們的數(shù)據(jù)。

今天AI系統(tǒng)的創(chuàng)建，使用的是一種被稱為強化學習機制（RHLF）的技術(shù)。本質(zhì)上，AI系統(tǒng)需要持續(xù)的人為反饋，否則就會有學習和記憶錯誤信息的風險。數(shù)據(jù)輸入越多，需要的注釋、標簽和訓練就越多。今天，在肯尼亞和巴基斯坦等地，這項工作已經(jīng)實現(xiàn)了自動化。隨著AI的成熟，對有專家知識專家的需求也在出現(xiàn)。我見過的許多商業(yè)領(lǐng)袖都沒有計劃未來包括一個內(nèi)部RHLF部門，負責持續(xù)監(jiān)控、審計和調(diào)整AI系統(tǒng)和工具。（沒有領(lǐng)導者會希望看到一個無人監(jiān)督的AI系統(tǒng)決定如何自我進化。）

即使有訓練有素的人參與其中，企業(yè)也必須不斷制定方案，以暴露與生成式AI系統(tǒng)合作的風險，特別是由第三方運營的系統(tǒng)。因為AI系統(tǒng)不是靜態(tài)的；隨著時間推移，它們正在逐步改進。每有一個新發(fā)展，新的潛在風險和機遇都會出現(xiàn)。如果沒有快速淘汰這些預測，就不可能提前排除所有潛在的負面結(jié)果。（現(xiàn)在還無法建立一個可以完全準確預測未來的蒙特卡洛模擬。）相反，應該有一個專門團隊負責監(jiān)控生成式AI系統(tǒng)的學習，以及相關(guān)的網(wǎng)絡(luò)安全挑戰(zhàn)，他們應該開發(fā)簡短的“假設(shè)”情景，想象可能會出現(xiàn)的錯誤。

同樣，隨著AI的發(fā)展，釋放新增長的機會也會隨之而來。這意味著企業(yè)還應該有一個專門的內(nèi)部業(yè)務(wù)開發(fā)團隊，為新興工具提高生產(chǎn)力和效率、促進產(chǎn)品開發(fā)、刺激創(chuàng)新等多種方式，開發(fā)近期和長期情景。

再次，涉及AI時，領(lǐng)導者的關(guān)注點必須從一線轉(zhuǎn)移到高層。這似乎違反直覺，因為許多人都認為生成式AI是降低運營成本的方法。今天的智能聊天機器人很快就會讓位于多模態(tài)系統(tǒng)，這些人工智能可以同時解決不同問題，并實現(xiàn)不同的目標。想象一下，一家財產(chǎn)保險公司中，每個承保人會都與AI溝通。最初，承保人可能會要求AI評估與保險財產(chǎn)相關(guān)的風險；在對文本進行初步分析后，她可能會要求它使用檢查報告的圖像或與潛在投保人的音頻訪談來完善結(jié)果。她可能會來回使用不同的數(shù)據(jù)源，直到收到保險公司和客戶的最佳報價。

高效利用多模態(tài)AI的關(guān)鍵在于理解如何以及將什么委托給機器，這樣人類和AI就可以通過協(xié)作完成更多工作。然而，委派是專業(yè)人士經(jīng)常遇到的問題：要么分配太多，要么分配不足，要么分配的任務(wù)不對。與多模態(tài)AI一起工作，需要員工掌握委派的藝術(shù)。

一旦員工了解如何正確對其委派任務(wù)，它將成為組織內(nèi)的力量倍增器。通過構(gòu)思和模擬新的收入來源、尋找和獲取新客戶，以及尋求公司整體運營的各種改進，團隊對于增加公司收入可以有更大雄心。

這預示著，我們未來需要一種不同的技能提升方法。大多數(shù)員工不需要學習如何編碼或如何編寫基本提示。相反，他們需要學習如何利用多模態(tài)AI做更多、更好的工作?？梢詤⒖济刻毂?.5億知識工作者使用的Excel。這個軟件包括500多個功能，但絕大多數(shù)人只會使用幾十個，因為他們不完全理解如何將Excel提供的大量功能與日常認知任務(wù)匹配起來。想象一下，未來，AI，一種更加復雜的軟件，將會無處不在。僅僅因為商業(yè)領(lǐng)袖過于狹隘地處理技能提升，留下的效用還會有多少？

勞動力變化是技術(shù)發(fā)展帶來的不可避免的副作用，領(lǐng)導者需要一種系統(tǒng)化的方式看待組織在生成式AI發(fā)展后的樣子。為此，這個簡單的框架可以幫助領(lǐng)導者預測勞動力需要如何以及何時進行變革，才能發(fā)揮AI的杠桿作用。這里的目標不是做出長期預測，而是讓組織在AI不斷進化的過程中做好準備（見“IDEA框架”圖）。

在這個充滿變革和不確定的時期，組織能做的最好的事情，就是有條不紊地規(guī)劃未來。這就需要我們了解生成式AI的局限和優(yōu)勢，并采取持續(xù)評估和改進的文化。領(lǐng)導者應該抵制減少員工的誘惑，利用戰(zhàn)略遠見創(chuàng)造未來。在這個未來中，高技能的員工可以利用AI，人類和AI團隊合作會比各自單獨工作，有更高的生產(chǎn)力、創(chuàng)造力和效率。