GSB观点|你的企业准备好加入人工智能大潮了吗?请先看一下这些建议
来源:斯坦福商学院
今年春天,当ChatGPT用户突破1亿之际,KuangXu正在教授一门新课程,深入探讨这一变革时刻最紧迫的问题之一:现在我们似乎正处于人工智能时代的风口浪尖,如何才能最好地利用这些技术呢?
或者更准确地说,正如Kuang在《人工智能和数据科学:战略、管理和创业》这门课程中所总结的核心问题一样:“我们应该如何构建由人工智能和数据科学深度整合或驱动的产品?与此同时,我们又要如何管理从事人工智能和数据科学的团队呢?”
Kuang是斯坦福商学院运营、信息和技术(OIT)教授,一直在研究如何利用人工智能和数据驱动的决策来推动企业和政策的发展。“实际上,早在ChatGPT真正开始流行之前,我就已经在考虑开设这门课程了。”他解释道。该课程主要是以他的研究和咨询工作为基础,因为他曾看到过当公司为了应对董事会的压力而匆忙成立人工智能或数据科学团队时会发生什么。“五年后,每个人都离开或被解雇了。为什么?因为他们从来没有认真地整合过。整合这些新技术并不是一件小事。”
没有人想错过人工智能技术所带来的机会。但我们应该从哪里开始呢?人工智能已经成为了从ChatGPT等生成工具和机器学习到计算机视觉和机器人过程自动化等很多事物的代名词。企业领导者如何确定他们需要哪些人工智能工具,然后应该怎样快速地采取行动而又不会破坏原有的业务或团队呢?本文中,Kuang和其他斯坦福商学院的教授就如何才能灵活地、战略性地和负责任地部署人工智能分享了他们的看法。
做好前期准备
“直到最近,那些来自科技行业以外的公司,在加入斯坦福商学院的高管教育项目时,还会担心他们是否已经在人工智能方面落后了。”商学院经济学教授、机器学习以及人工智能治理和道德专家、95年博士SusanAthey说道。“我经常需要向他们保证,仅仅是一些更复杂的人工智能形式并没有足够的价值来证明投资的合理性。”
然而,这种情况在过去一两年发生了变化:随着越来越多的公司开始认真收集和分析数据,人工智能的质量出现了爆炸性的增长。“这种结合,”Athey说,“让我们的工作进展非常快。”
OIT数据科学教授GabrielWeintraub表示,ChatGPT的大规模采用是人工智能热潮已经到来的具体信号。最近,他在与同事MohsenBayati和StefanosZenios一起组织的关于利用人工智能进行业务转型的研讨会上,提出了评估人工智能投资机会的框架。“我们确实相信时机已到。”Weintraub说。对于对人工智能感兴趣的商业领袖,他建议既要迅速行动又要保持谨慎的态度。“我认为你确实需要加入这个浪潮,但一定要以一种深思熟虑的方式进入。在面对如此多的炒作时,人们往往很容易忘记一些最基础的概念。你仍然要通过解决客户痛点来创造价值。基本上,人工智能正在做的就是为你提供了新的、潜在的、变革性的价值创造方式。”
最重要的是,人工智能和数据科学应该帮助你做出更好的决策。
-KuangXu
尽管加入这个浪潮的压力很大,但目前人工智能还并不是所有企业都必不可少的。“我认为这取决于每个公司的业务领域。”Kuang说。他建议那些对此并不确定的人,可以试着设想一下:如果现在有一个可以回答有关你的企业未来任何问题的预言家,可以预测到你的产品的未来需求,这会改变你的产品定价吗?“当你开始问这种更加具体的问题时,人们就会意识到,’哦,由于监管或声誉的问题,我可能无法改变产品的价格。’”
我们可以使用相同的流程来评估潜在的人工智能解决方案:如果它按计划工作,你的做法会有哪些不同?如果答案是“差不多”,那么也许你应该再等一等,不用急着去购买诸如人工智能驱动的分析应用程序之类的东西。“最重要的是,”Kuang说,“人工智能和数据科学应该能够帮助你做出更好的决策。如果你没有办法因此改变公司的运营或决策,那么仅仅拥有更多信息对你其实没有帮助。”
组织行为学副教授AmirGoldberg的研究融合了数据科学和组织研究,强调人工智能仍然存在的未知性和复杂性。“对于某些对如何优化已有明确定义的事情,例如比较简单的供应链管理问题,当然可以采用人工智能。因为它已经被证明有效而且我们知道如何去使用它。但在其他一些事情上,比如管理与员工的关系,采用人工智能的机会和风险似乎都是巨大的。”总的来说,他认为:“这不是一个用或不用人工智能的二元决定,而是要弄清楚如何才能将人工智能整合到公司的整体运营中去。”
找到合适工具
要整合人工智能,你首先需要有一个战略。“如果你甚至还没有一个框架来部署人工智能解决方案,那就需要付出更多的努力。”OIT教授MohsenBayati说。他的研究方向是数据驱动决策中人工智能的数学和算法基础。如果你目前还没有关于人工智能的战略,那也很正常。根据McKinsey的统计数据,现在只有刚刚超过50%的“人工智能高绩效者”表示,他们已有明确的人工智能战略或愿景。而近80%的其他公司都尚未制定任何关于人工智能的战略。
下一步则是寻找合适的工具,这需要平衡好奇心和谨慎。现在有更多的人工智能解决方案可供选择使用,“但是这并没有消除如何将正确的解决方案与正确的问题相匹配的挑战。”OIT助理教授JannSpiess说。他主要研究数据驱动的决策和人工智能与人类之间的相互作用。无论你想要购买还是自己构建人工智能工具,都必须确保“它们所做的事情确实会对公司业务的进展有帮助,而不仅仅是盲目地解决一些无用的技术问题。”
你确实需要加入这个浪潮,但一定要以一种深思熟虑的方式进入。在面对如此多的炒作时,人们往往很容易忘记一些最基础的概念。
-GabrielWeintraub
Athey指出,该领域已经为技术实力较薄弱的公司敞开了大门,但对于许多面向客户或涉及到关键任务的应用程序来说,还没有完善到即插即用的程度。“对于公司来说,如果仅仅是尝试一下,并不是一个坏主意,因为采用新工具的门槛已经降低了。”她说。“但我认为,可以运行和真正可以工作且安全的东西之间还是存在很大差距的。目前,我们缺乏能够帮助企业评估绩效和管理风险的现成工具,还有很多方面需要考虑,而且一旦发现问题,也没有足够的既定方法可以来解决问题。”
与人们的直觉相反,人工智能能力的突然爆发可能会让找到合适工具变得更加困难。Bayat称之为“校准差距”。通常,当人们对人工智能提出担忧时,会想到的是超级人工智能失控所带来的生存风险。但Bayati指的是一些更直接、更实际的问题:你怎么知道人工智能工具真的能够完成你交给它的任务?另外,当人工智能达不到预期时,你又有什么办法可以来调整它?
对于旧的人工智能模型来说,这不是一个问题,因为这些模型是针对一组狭窄的问题和数据进行训练的。但是,像大型语言模型这样的新工具已经远远超出了他们的训练范围,可以完成开发人员从未预料到的事情。比如,ChatGPT最初的设计目标只是要预测句子中的下一个单词,谁知道后来它可以通过MBA考试、调试代码或是在认知发展测试中取得高分呢?“这就是‘校准差距’所在—训练和任务之间的差异。”Bayati说。
先试驾一下
“评估‘校准差距’并不容易,但你可以尝试通过一个小实验来检查它。”Bayati继续说道。他和Weintraub建议,在全面部署人工智能工具之前,先以一个“容易实现的目标”进行测试,例如简化程序和工作流程。“需要找到一个小的问题或角度来引入这个工具,然后找到测试它的方法。”Bayati说。“在回答’我们确实需要使用人工智能来解决这个问题么?这么做真的会起到推动作用么?’这类问题时,快速迭代是至关重要的。”
Kuang还建议进行一些原型设计和探索,从那些通过调整可以得到见解而又不会造成严重干扰或损害的应用程序开始。“通常,那些成功部署了实验的应用程序都不涉及非常关键或是特别引人注目的部分。”他说。流媒体电影和音乐网站使用的推荐引擎就是一个很好的例子。“如果我为你推荐了一首不属于你喜欢的风格的歌曲,并不会有人因此受到伤害。”
人工智能不会取代人们的战略思维,也不会取代他们的创造力。
-AmirGoldberg
然而,当实验涉及到重新调整定价等更敏感的功能时,风险可能很快就会出现。Kuang表示:“即使对于数据和机器学习驱动型的公司来说,他们在使用人工智能来推动定价实验方面也非常保守,因为这会带来巨大的责任和声誉风险。”
同样,Goldberg指出,在供应链或库存方面进行实验是一回事,对你管理的人进行实验又是另一回事。想象一下,一家大公司尝试一种分析工具,结果导致一些员工被解雇。即使它只影响到一小部分劳动力,他说,“但是这对被解雇员工的生活影响也将是巨大的。”
Goldberg承认,这里存在一个令人不安的悖论。有限的、低风险的实验可能不会产生重大突破—而可能带来这些突破的冒险行为将导致一些公司倒闭。“如果我们能够吸取过去的教训,人工智能时代的大赢家将是那些彻底改变流程的人。”他说,“问题在于,你无法仅仅通过精心设计的A/B实验来实现彻底的变革。”
人类决策者仍然很重要
人工智能驱动的数据分析,可以成为寻找相关性并做出预测的强大工具,为你的决策提供信息。“如果你能将要解决的问题正确地解析为预测问题,那么就可以确定正确的子任务,然后使用机器来帮助你做出决策。”Goldberg说,“采用人工智能的一个巨大挑战是,以抽象的方式思考哪些类型的问题是人工智能可以学习的,因此可以外包给机器。”
人工智能还可以使人类腾出更多的脑力,用于完成更雄心勃勃的任务。“我们一次又一次地看到,算法在改善决策方面有很大的潜力。”Spiess说,“我认为人工智能是一种可以增强人类决策的工具。因为自动化系统已经能够处理那些答案非常明确的情况,人们就可以花更多时间和精力去扩展专业知识,去专注于更困难的情况。”
然而,将问题解决外包给人工智能,并不意味着该技术就拥有了所有答案。Goldberg表示,人工智能并不能替代基本的领导素质。“人工智能不会取代人们的战略思维,也不会取代人们的创造力。”他说,“而且,它也无法取代人类进行判断,也就是将预测转化为决定。”
Kuang认为,企业领导者不应让他们的专业知识和判断力让位于人工智能或将决策权让给数据。“你仍然是最终的决策者,而不能将其外包。”他说,“一旦你将其外包,就可能会演变成为不同团队之间的一场混战。这些团队的优先事项和激励措施各不相同,但是都会声称自己在’使用数据’。”
但我认为,可以运行和真正可以工作且安全的东西之间还是存在很大差距的。
-SusanAthey
我们既要让人们了解情况,也要认识到人类做判断时的局限性—即使决策者已经参考了旨在最大限度地减少偏见或不公平的算法。因此,Spiess建议人们在做决策时应该采取更全面的视角,同时考虑到人类和机器各自独特但互补的能力和缺陷。“即使在加入了算法以后,我们也应该继续对最终的决策进行审核,而不是完全依赖于算法。”他说,“开拓算法其实比开发人脑要更容易。”
Weintraub表示,要确保人工智能做出的决策公平透明,就需要企业认识到偏见和极端情况的存在以及道德护栏的重要性。“在数据科学团队中,过去的经验法则是80%的工作是数据工程,即清理已输入的数据。现在,我们需要在输出方面付出更多的努力,去检查、测试模型并监控结果。”他说。这对于减少“校准差距”至关重要。他在这里提到了他的OIT同事StefanosZenios分享过的一个概念:“你需要从‘最低限度可行的产品’转变为’最低限度可行的负责任的产品’,我认为这是一个很好的总结方式。”
是工具,而非所有者
就像所有与人工智能相关的事物一样,我们所处的技术风口既诱人又有点可怕。“这非常令人兴奋,但仍然不那么容易。”Athey说,“公司将面临艰难的选择。”
正如1980年没有人能够预测个人电脑将如何彻底改变商业或经济一样,现在也没有人能准确地说出人工智能将在未来几十年如何改变企业。Goldberg说,我们所知道的是变化一定会发生,而且这些变化将是非常深远的。“这些算法将改变我们做事的方式。这并不是说它们会取代现有的机制或我们的一些任务。它们将重新定义我们的工作方式。”
我们如何进行工作将取决于我们对人工智能所扮演的角色的理解。Weintraub将这项技术比作一把锤子:很多人都在用它疯狂地敲击他们看到的每一个钉子,希望它能连接起来。他提出了另一种方法:“我们应该更专注于问题而不是技术。你仍然需要为用户解决问题,弄清楚公司业务中最重要的钉子是什么,人工智能这把锤子是否以及如何对它们有帮助,然后努力去抓住这些机会。”
Kuang最后总结了他和他的斯坦福商学院同事一直在与学生和商界领袖分享的信息:“作为一名优秀的管理者,你既不能放弃原有的基本管理原则,同时也要确保自己对人工智能有足够深入的理解。一旦你能够将整个系统的成本和收益分解为易于理解的模块,那么就真正将人工智能变成了一种工具。但如果没有做到这点,人工智能就会变得像一个所有者。你想要的是一个工具,而不是一个所有者。”
特别声明:以上内容仅代表作者本人的观点或立场,不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的,请于上述内容发布后的30天内进行。