烟台| 钓鱼岛| 仁布| 澧县| 成武| 小河| 江苏| 永城| 彰化| 郓城| 瓮安| 福山| 卓尼| 新民| 迭部| 安丘| 明光| 庆阳| 连山| 察隅| 天津| 连山| 赣县| 额济纳旗| 呈贡| 大田| 仙游| 砀山| 密山| 汉阴| 长汀| 宜秀| 丰县| 洛南| 石渠| 盐亭| 天峨| 灌阳| 伊通| 穆棱| 安多| 阿克陶| 武强| 北京| 商南| 阿拉善左旗| 漠河| 旌德| 永宁| 晋州| 个旧| 贾汪| 瓦房店| 惠水| 揭东| 邱县| 吴桥| 灌阳| 九寨沟| 邹城| 湘潭县| 睢宁| 昂昂溪| 夹江| 同德| 南丹| 昔阳| 庆安| 吴川| 万全| 青阳| 理县| 红安| 鼎湖| 杭州| 鄂尔多斯| 黑水| 沿河| 阿荣旗| 昂仁| 洛宁| 永泰| 盂县| 梁子湖| 松滋| 乡城| 安宁| 垦利| 施甸| 简阳| 科尔沁右翼中旗| 商洛| 乌兰浩特| 溧水| 漳州| 凌云| 三明| 庆安| 聊城| 承德市| 马鞍山| 汝城| 高密| 岫岩| 玉山| 靖西| 扎兰屯| 天峻| 徐州| 弓长岭| 博山| 岚皋| 闽清| 延津| 大兴| 石泉| 富川| 中江| 龙口| 林口| 三穗| 胶州| 临洮| 花莲| 南和| 化州| 大洼| 蒲城| 万载| 洪雅| 汉川| 黑水| 关岭| 曲沃| 岚山| 西华| 浏阳| 万源| 永安| 刚察| 达尔罕茂明安联合旗| 孟津| 谷城| 合江| 潍坊| 富民| 龙岩| 阜南| 望都| 新蔡| 泸州| 绵竹| 淄博| 安泽| 贵德| 高台| 澄江| 青州| 石家庄| 永顺| 潮州| 青河| 迁西| 清远| 平利| 濉溪| 行唐| 宝山| 民丰| 德安| 长春| 海兴| 稻城| 临城| 湘阴| 泰来| 吴堡| 广南| 万源| 哈尔滨| 黄梅| 建水| 岳普湖| 安平| 涟源| 轮台| 萧县| 汝州| 临邑| 独山| 黄陵| 磐安| 南溪| 肃宁| 将乐| 虎林| 喀什| 东兰| 锦屏| 黔西| 炉霍| 巴彦| 望都| 长海| 抚顺县| 义马| 沁水| 额敏| 全椒| 麦积| 临汾| 武安| 韶山| 鼎湖| 鸡东| 石门| 阳西| 神农顶| 成都| 澄城| 阜阳| 新龙| 台北县| 唐县| 河口| 安图| 凌源| 辰溪| 黄岩| 祁县| 团风| 拜泉| 仪征| 宿松| 河池| 宁安| 慈利| 翼城| 南丰| 苏家屯| 新郑| 武陵源| 高邑| 东海| 寿宁| 谢通门| 佛冈| 浮山| 张家港| 呼玛| 鄂托克前旗| 丰南| 绵阳| 紫云| 莱芜| 嵩县| 巍山| 元氏| 镇赉| 龙海| 连云港| 青田| 烈山| 察雅| 宠物论坛
×
支持199IT发展可加入知识交流群(4000+用户),最有价值数据分享和讨论!
点击即可加入!
关闭

制胜下一个十年:重塑未来组织的五大“必杀技”

在风云变幻的环境中,学习能力的重要性越发突出。但对于参与学习竞争的企业而言,仅仅采用人工智能是不够的,因为人工智能只能在具体活动中加速学习。与以往的变革性技术一样,要释放人工智能和人类的全部潜能,企业需要进行根本性的组织创新【1】。换言之,要制胜下一个十年,领导者需要将企业改造成新一代的学习型组织

武汉论坛 随着项目的增多,不排除也会出现一些企业上会被否的情况,但现阶段看,发行人如果能选择主动撤材料,仍然是一种各方折衷且都能接受的结果。 创业 在对方的百般推荐下,张女士贷款参加了这个随亿花呗项目。 创业资讯 二是增加周边居民收入。 宠物论坛 云岭公园 思维车 已撤销并入金平区 创业 义合庄乡

制胜下一个十年的组织将与今天的组织大不相同:他们善于应用不同的能力;运营的速度和影响的范围也不再相同;为了实现目标,他们将涵盖不同的结构与责任,采用不同的领导模式。因此,企业需要重新设计和打造新一代学习型组织,实现几个关键功能(参阅图1):随时学习;实现人机完美结合;整合经济活动,突破企业边界;以及不断推动组织发展。

然而,今天的组织是为更加稳定的商业环境而设计,因此无法充分发挥上述功能。为了重塑组织以适应下一个十年的发展,我们需要五大“必杀技”(参阅图2):

技能一

整合技术,实现无缝学习

如今的新兴技术虽然无比强大,但如果只是用于简化现有流程的各个步骤,带来的不过是增量收益。组织的学习效率取决于根据新洞察采取行动的能力。传统的组织因依赖人类的决策和等级制度而行动缓慢。

为真正将学习速度提升到算法级别,组织不仅需要实现自动化,还需要实现重点业务的“自主”。在传统的自动化进程中,机器只是反复执行预先设定好的程序。而在“自主”过程中,机器突破人为干预的瓶颈,可针对持续的反馈进行自主响应、学习,以及自适应。

自主系统可以结合多种技术,形成完整的学习循环。数字平台的数据自动流入人工智能算法,算法会实时挖掘信息,生成新的洞察和决策。上述流程直接对接行动系统,在不断变化的条件下持续优化结果。这些操作可以产生更多的数据,循环反馈,然后结束循环,从而使组织能够以算法的速度进行学习。

实际上,一些组织已经开始采用自主学习系统。例如,亚马逊的定价与产品推荐引擎,以及其他几十种功能都是由人工智能系统来操作,它们随着新信息的产生不断进行学习和适应。这些系统相互连接,因此来自企业某一部分的新数据或新洞察可以运用到其他职能部门,并做出相应的反应【2】。

相比之下,固定的规则或逐级决策流程等传统组织方法,可能会阻碍企业利用技术释放快速学习的潜力。BCG对智能简化的研究表明,今天的组织为了合作顺畅,面临着减少官僚作风和复杂性的要求。随着人工智能和其他新技术的引入,领导者需要加倍努力简化组织,进而实现自主学习以及人与人之间更高效的协作。

实操TIPS

企业进行自主学习可以采取的措施包括:

  • 利用平台、物联网及其他新技术实时收集企业各方面的数据。
  • 大规模部署人工智能,整合数据与决策系统。
  • 将人类的等级制度从常规的、基于数据的决策中剥离。
技能二

推动人类认知向更高层次的新活动发展

自主学习机器的广泛应用会引出了一个问题——在未来组织中,人类工作者将扮演何种角色。今天,人们普遍担心技术会迅速颠覆未来的工作。为塑造未来并使组织学习能力最大化,企业需要将人类认知集中到独特的优势上。

尽管人工智能充满力量与潜能,但其在认知范围内仍存在固有的局限性。面对规模庞大且错综复杂的数据,人工智能可以用极快的速度进行相关性分析(查明“是什么情况”),但却无法在更高的层次进行推理,如进行因果推理(理解“为什么是这种情况”),或进行反事实思考(设想“如果不是这种情况,可能是什么样”)【3】。

人类应该将更多的精力投入到更高层次的活动中。例如,虽然相关性分析通常足以学习快节奏的重复行为,但对于政治、社会、经济趋势等变化较为迟滞的因素却无能为力。这些变化因历史背景与发展轨迹的独特性而各不相同。也就是说,这些活动中没有重复数据集,无规律可循。人类的能力,比如理解因果关系并从有限的数据中进行归纳,是解码这些力量并相应调整组织的必要条件。

反事实思维也至关重要,因为企业越来越需要在想象力上展开竞争。现有的商业模式正在加速枯竭,长期增长趋势放缓,这意味着企业必须不断产生新想法,实现可持续发展。但是,今天的企业通常是为了效率和短期投资收益最大化而设计的,无益于想象力的培养。组织需要促进个人与集体想象力的迸发。

苹果公司是一个很有预见性的例子。1997年,史蒂夫·乔布斯( Steve Jobs)回归苹果担任CEO后,把设计作为公司的核心文化,改变了公司一直以来对工程与金融等职能的关注。通过专注于设计,利用人的创造力和想象力产生新的想法,苹果公司能够生产出包括iPhone在内的新产品,并最终成为世界上最有价值的公司。

除了想象力和理解非重复性事件之外,人类还有很多优势,比如组织设计、算法治理、设定道德标准和目标等。在这些人类主导的领域内,组织需要更有效地促进动态合作,充分发挥团队潜能。企业需要创建一种鼓励灵活决策和学习的环境来强调自我组织和实验,而非单纯依靠指令行事。

最后,组织需要认识到,这些新活动对认知能力要求很高,这在邮箱爆满、无休止会议、信息无处不在的时代,尤其具有挑战性。组织需要培养人们的反思能力,避免认知过载。

实操TIPS

组织如何帮助人们实现价值最大化?

  • 让员工了解新鲜和不规则的信息,以激发想象力。
  • 留出时间进行无条理的反思。
  • 推动新的工作方式,促进动态学习与适应。
技能三

重新设计人机关系

在混合型组织中,人类与机器需要以更有效的新方式展开合作。比如同时考虑多个层次或多重时间段的工作,以及需要社交互动的工作(在这方面,人类的作用远超机器)。因此,组织需要重新设计人机关系,使二者相得益彰,实现最大化的协同效应。

当然,不同类型的工作与任务需要不同类型的人机关系【4】:

在优化或模式识别的工作中,特别是对速度和规模要求很高时,人类很可能要让位于机器。例如,许多由零售贷款承销商完成的工作可以由人工智能完成,这种情况下,人类需要将注意力转移到更高层次的新任务中,以增加价值。

对需要社交互动的工作而言,机器可以负责优化工作,但人类拥有同情心和怜悯心,在信息传递方面仍然至关重要。例如,麻省理工学院(MIT)开发了一款机器人,可以根据病人的病史、日程限制以及过往的经验,将护士与病人进行匹配,并有效分配产科病房内的稀缺资源【5】。这样一来,护士与医生可以有更多的时间与病人进行直接互动,提供精神安慰与个性化看护。

在更需要创造力而非优化的工作中,智能机器可以协助人类提升创造力与想象力。例如,创新和技术专家莫里斯·孔蒂(Maurice Conti)提出了“生成式设计工具”,可以根据一组预先设定的参数自动创建新的可能性,从而激发人类设计师的创造力。

在既需创造力亦需社交互动的工作中,人类将承担许多与今天相同的核心责任,有针对性的人工智能应用程序可以帮助人类将技能发挥到极致。例如,谷歌与一家由谷歌前员工领导的初创公司合作开发了一款微引擎,运用人工智能为员工或经理提供个性化建议,从而提高他们的工作效率【6】。

为了使这些新型的人机关系获得成功,组织需要开发有效的人机交互界面,实现无缝合作。现今的人工智能模型多为“暗箱”操作,设计的初衷并非是让外界了解运行细节,因此很有可能削弱人类对机器的信任。组织需要通过开发和设计交互界面来克服这些障碍,这些交互界面将人工智能的决策过程透明化,让人类可以理解并验证机器的行为。同样,在带宽和复杂性方面,人类和算法很少匹配。此时,为人机交流选择恰当的抽象与压缩程度至关重要:过度压缩会潜移默化地抑制机器对人类创新的辅助,但压缩不足则会导致机器脱离人类的控制。

实操TIPS

人机关系的前沿发展尚不明确,但一些新要求已经产生:

  • 根据面临的挑战来划分任务和工作,部署正确的人机合作方案。
  • 更集中地利用人机合作关系。
  • 开发人类可以信任和理解的可解释算法。
技能四

培育更广泛的生态系统

在传统的生产模式中,企业以线性价值链的方式运营,产品的生产范围很窄。经济活动越来越多地在生态系统中进行,而生态系统由复杂、半流动的企业网络组成,跨越了传统的行业界限。

生态系统融合了各方参与者的信息和能力,增强了他们探索新路径与认识市场的综合能力,使企业能够抓住前所未有的新机遇并快速开发新产品。在未来,更加复杂难测的商业环境中,这些优势必不可少。

然而,实现这些优势需要一种全新的组织逻辑。细致入微的规划和管理无法使生态系统取得成功。相反,组织需要具有适应能力,灵活应对生态系统发出的信号,例如采用灵活响应的内部流程。组织还需要开发塑造能力,间接影响生态系统朝着对自己更有利的方向发展例如通过设计平台激励其他利益相关者以特定的方式行动。

生态系统不仅是一种开发与交付产品的新方式,还可以为组织的“后台”提供新机遇。“零工经济”(gig economy)越发重要,企业能够大规模聘用外部自由职业者,从而增强灵活性,获得更广泛的技能。但是人力资源共享平台同样需要采用间接的管理模式,而不是传统的命令与控制式管理。

例如,荷兰技术公司飞利浦将生态系统融入到很多业务中。在生产方面,其医疗保健部门参与了生态系统的几个价值创造阶段,包括结合学术实验室、机器人企业与初创企业于一身的创新生态系统;以及一个基于远程医疗应用的销售和服务生态系统,连接了很多数字医疗合作伙伴。该公司还开创了一个人力资源共享平台——飞利浦人才库(Philips Talent Pool),积累了一批熟悉公司情况的自由职业者,还可以监督他们的工作质量。

通过重新设计组织的内外部工作机制,建立灵活创新的生态系统,企业可以更加富有活力,在更复杂的挑战面前游刃有余。组织的各方面都要适应市场,才能学习和适应新机遇。组织还需要内部系统自动适应新信息,以算法速度进行学习与资源的重新分配。如果将这些能力结合起来,就可以创建一个“自适应企业”,根据外部环境不断学习和发展(参阅图3)。

实操TIPS

要利用组织内外的生态系统,领导者必须做到:

  • 引入外部合作方,开创共同愿景。
  • 培养大规模合作与信息共享能力,例如平台和应用程序界面(APIs)。
  • 重新设计内部流程,更侧重以数据为导向和灵活性,从而推动组织实现“自适应”。
技能五

重新思考管理与领导力

上述技能指向了截然不同的组织设计与运营方式,将会显著改变领导力的角色。但是,管理者和领导者还需要关注几个新的挑战。

制定人工智能和自主机器的治理原则

随着机器对学习和行动的影响越来越大,领导力在设定行为边界与优先级过程中的重要性不断提升。十年前,科技企业可以回避这些话题,因为新技术的前景与潜力使他们可以快速行动。随着社会加强对技术的审查,有关治理、信任和道德规范的问题正成为人们关注的焦点。一些组织已经开始着手解决这些问题。例如,微软公司设立了新的领导岗位,帮助企业学习如何在应用人工智能系统时遵循道德准则,包括公平性、问责制、透明性【7】。

解锁可持续的人类学习能力

随着人类越来越关注高层次的思维,他们需要学习和实践新的技能。这种转变不是“一次性”学习,而是一种持续进化的能力。因此,学习需要融入到工作流程中,以应对不断变化的需求,而非在职业生涯的开始阶段一次性完成。组织还需要适当投入,与员工签订“学习合同”,致力于不断发掘双方的新技能、新角色。

引领生态系统

随着组织向更广泛的生态系统扩展,领导者需要采用新的领导方式——采用“生物学”思维模式,认识到企业处于不可预测的复杂系统之中,需要尝试新的管理方式,了解和适应环境,不能假设现有的知识已足够应付未来的变化。同时,企业还要优先考虑培养适应力,为难以预测的结果做好准备。

协调适应性组织

同样,运营自适应企业需要从不同的角度看待组织领导力。领导者不应控制团队,或直接干预运营,而应重组管理模式,设计一个复杂多变的人机系统,引导其取得丰硕成果。正如BCG前任首席执行官John Clarkeson在1990年预测的那样,这一过程可以理解为是领导者思维从“古典乐指挥家”向“即兴爵士乐队队长”转变的延伸。

管理者的日常工作将有所变化。传统的直接决策式管理将会减少,因为组织中实际可被管理的方面正在减少。相反,管理者需要将自己视为教练而非决策者,把活动向更高层次转移,例如塑造企业条件与环境。

注:

1.?T. Bresnahan, E. Brynjolfsson, and L. Hitt, “Information Technology, Workplace Organization and the Demand for Skilled Labor: Firm-Level Evidence,” The Quarterly Journal of Economics,MIT Press, 2002.

2. V. Granville, “21 data science systems used by Amazon to operate its business,” Data Science Central, 2015.

3. J. Pearl and D. Mackenzie, The Book of Why: The New Science of Cause and Effect, Basic Books, 2018.

4. Kai-Fu Lee, AI Superpowers, Houghton Mifflin Harcourt, 2018.

5. S. O’Brien,“MIT robot helps deliver babies,”CNN, July 2016.

6. D. Wakabayashi,“Firm Led by Google Veterans Uses
A.I. to‘Nudge’Workers Toward Happiness,”New York Times, December 2018.

7.S. Castellanos,“Microsoft AI Ethicist Guides Businesses on Responsible Algorithm Design,”Wall Street Journal, October 2018.

关于作者

Allison Bailey是波士顿咨询公司(BCG)资深合伙人兼董事总经理,BCG组织与人才专项全球负责人。

马丁·里维斯(Martin Reeves)是波士顿咨询公司(BCG)资深合伙人兼董事总经理,BCG亨德森智库全球负责人。

Kevin Whitaker是BCG亨德森智库经济学家。

Rich Hutchinson是波士顿咨询公司(BCG)资深合伙人兼董事总经理,BCG营销、销售和定价专项全球负责人。

感谢支持199IT
我们致力为中国互联网研究和咨询及IT行业数据专业人员和决策者提供一个数据共享平台。

要继续访问我们的网站,只需关闭您的广告拦截器并刷新页面。
滚动到顶部
车塘 运河丽都 将军第 夏村镇 福利区街道 七色花艺术中心 白堆乡 门起 友谊经营所
洪岭村 四川 北小营镇 梁庙村委会 新镇镇 归州满族镇 烧酒胡同 峨边 奎溪镇
武艺寨村委会 大姚 勐拉乡 仙景社区 东风社区 潘店乡 澡溪乡 侯家庄村 水峪 北甸
https://www.whr.cc/bbsitemap.htm