数字化转型中，技术不是万能的

作者：刘昶

人们在定义一个新时代时，很喜欢用新技术指代，例如互联网时代、移动互联网时代、大数据时代、社交网络时代、AI时代、区块链时代等，我自己反复地新时代定义为数字时代。这并不是当下的特有现象，过去亦如此，例如所谓的蒸汽机时代、电力时代、铁路时代等。这反映了人们的一种心理和思维方式——“技术崇拜论”。

技术是重要的，它也为这个世界创造了更多的想象力与可能性。只是管理者需要更理性地认识技术，这是使用技术的起点，也是我们获取其赋予人的力量的起点。

当一项新技术出现时，人们似乎有一种倾向，即将其推向可以解决任何难题的神坛上，认为技术无所不能。例如，电力出现的时候，人们认为世界因此更加和平；飞机出现的时候，人们认为因此将消除分歧；电视出现的时候，人们认为将会提升民主。尼葛洛庞帝在其《数字化生存》中，也曾有类似预言，然而最后他也不得不承认，“25年前，我深信互联网将创造一个更加和谐的世界。我相信互联网将促进全球共识，乃至提升世界和平。但是它没有，至少尚未发生。”

回顾历史，给人一种感觉，对于新兴技术，似乎人们有一种认知倾向，即人认为技术是万能的。也许，这代表了人们对新技术的一种美好期待，但必须得清醒地认识到：技术不是万能的，技术是有边界的，不是什么问题都可以解决。

作为管理者，我们先放下技术改变社会的宏大视角，回到管理世界中。这一波数字技术会对管理产生什么影响呢？或者说，技术在管理世界中的边界在哪？这也不是一个新鲜的问题，我们依然可以回到历史中看一看。

在上个世纪的六十年代，明茨伯格在MIT参加一场会议，会议讨论的主题是：“计算机对管理的影响”。可见这类问题由来已久，就像这六七年来，针对互联网、移动互联网、AI、物联网、区块链等技术对管理各个层面会产生什么影响，专家学者做过很多探讨。

在这次会议上，结果讨论陷入了困境。明茨伯格认为，大家缺少一个考虑管理工作的概念性框架。如果对管理并不理解，管理中的许多问题根本无法得到解决。所以，需要更深入地思考管理者实际上在做什么。由此，有了明茨伯格对管理工作本质的研究，《管理工作的本质》成为他的成名作，开创了管理角色学派，奠定了大师地位。在三十年后，当明茨伯格重新回到管理工作的本质的问题上时，他认为互联网不断没有改变管理工作的特征，反而印证和强化了这些特征。

今天我们再次回到这个问题，即“大数据与AI对管理的影响”。对于这个问题的解答，依赖于对大数据与AI的技术边界的理解，以及对管理本质的认知。

知其边界

埃森哲的两位专家保罗·多尔蒂与詹姆斯·威尔逊，对各项活动进行了分类，他们认为有些工作是机器的专门活动，例如处理、迭代、预测和适应；有些工作是需要人机协作的，其中包括有些活动的完成上，人可以弥补机器的不足，例如训练、解释和维系，有些活动的完成上，人工智能赋予人类超强能力，例如增强、交互与体现；还有一些工作是人类的专门领域，例如领导、共情、创作与判断。这就是大数据与AI的边界，有些问题它们可以解决，有些问题需要它们与人类协作，还有些问题是它们无能无力的，它们无法取代人的一些能力。

明确了AI的边界，也就可以讨论其对管理可能产生的影响了。如此明茨伯格所说，管理是科学、是艺术、是技艺，只有结合三者，才能实现有效的管理。他说，“把大量的技艺、恰到好处的艺术和一定的科学运用结合起来，你就会获得一份终究属于实践性质的工作。管理并没有什么“唯一最优解”，一切视情况而定。”大数据、AI在科学层面可以帮助管理者，但是在艺术、技艺层面，是无能为力的。当下一些管理，试图将管理压缩为基于数据的管理，是极其错误的，数据无论多么有用，它都代替不了管理者的直觉、想象力、判断力、远见、经验、分寸的拿捏等等。这是管理者值得警惕的！管理是大数据、AI无法取代的，未来管理将变得更加重要。

我们通过实例看一看吧！字节跳动的创始人张一鸣技术出身，其产品特征是通过智能算法进行内容分发，他如何看待数据、算法呢？他说过这么一句话：“同理心是地基，想象力是天空，中间是逻辑和工具。”数据、算法在中间层，是无法取代同理心和想象力的。虽然字节跳动强调AB测试，以至于有人认为这家公司只会做AB测试，而在张一鸣看来，“AB测试只是一个工具而已，是测不出用户需求的，同理心才是重要的基础。如果没有同理心，做出的产品肯定没有灵魂，不能满足用户需求。但是光有同理心还不够，这样只能做出有用的产品。想要做出彩的产品，想象力非常重要。”管理者们可以试问一下，过去那些最好的想法、创意是不是计算出来的，未来有可能计算出来吗？

亚马逊创始人杰夫·贝索斯极为关注数据，大数据公司RichRelevance联合创始人及CEO大卫·塞林格，贝佐斯的一项罕见能力是，对那些没有数据支撑的意见置之不理。他回忆说，当他提议显示广告这项业务时，贝佐斯认为是那是他听过的最愚蠢的想法，但是当大卫·塞林格亮出数据的时候，贝佐斯接受了，并要求他进行实况测试，于是有了这项亚马逊最赚钱的业务之一。贝佐斯的关注与推动下，亚马逊建立了以数据分析为驱动的管理。据拉姆·查兰与杨懿梅介绍，亚马逊建立了一套能够跨越部门、层级以及端与端之间界限的数据指标体系，并借助AI等数字技术开发智能管理工具系统。对数据指标要求极高，需要满足五点：“极为细致、极为全面、聚焦于因、实时追踪、核实求证”。大卫·塞林格也曾说，在亚马逊，每件事都有其衡量标准，包括财务、人力资源、运营等方面。亚马逊的选址模型，涉及282个因素，年度业绩目标包括452个指标（2010年），每天需要看的第三方平台的图书品类业务的数据指标多达25页。贝佐斯在2010年致股东的信中，就说：“随机森林（randomforests）算法、贝叶斯估计方法（Bayesianestimation）、RESTful服务（RESTfulservices）、Gossip协议（Gossipprotocols）、最终一致性（eventualconsistency）、数据分片（datasharding）、反熵（antientropy）、拜占庭容错机制（byzantinequorum）、抹除码（erasurecoding）、向量时钟（vectorclock）算法……走进亚马逊的某个会议室，你可能一瞬间会以为闯进了一个计算机科学讲座。”

在亚马逊，决策必须尊重数据。凡事要有数据支撑，是亚马逊人人皆知的名言。亚马逊的系统会自动更新数据，并为不同人推送相关的数据。很多亚马逊人起床之后的第一件事就是“看数”。亚马逊能够形成如此的数据文化，没有贝佐斯的推动是不可能的。如此重视数据的贝佐斯则提出了另一个哲学，即徘徊哲学，他说，徘徊“是由直觉、好奇心和强烈的信念所引导的，这种信念认为顾客的价值是足够大的。超大的发现——也就是那些“非线性”的发现——很可能是需要‘徘徊’的。”这也就是强调了与数据相对的直觉、好奇心、信念这样的软性因素的重要性，回忆起Echo的起源与开发，贝索斯说：“那时候没有客户想要Echo，那对我们来说绝对是一次‘徘徊’。市场调查也帮不上忙，因为如果你在2013年去找一位顾客说：‘你想不想在厨房里放一个品客罐头大小的黑色圆柱体呢？你可以和它交谈和提问，它还可以打开你的灯和播放音乐。’我可以保证，他们会奇怪地看着你说：‘不想，谢谢。’”

与其共舞

有一句管理名言流传甚广，说的是“你如果无法度量它,就无法管理它”,这句话是管理大师彼得·德鲁克说的，也有人说是质量管理大师爱德华·戴明说的。由此流传，更像是管理者们在为自己利用数据与AI赋予合法性。管理者中，可能少有人知的是，德鲁克还说过：“战略管理中最为重要的问题是根本不能被数量化的。”戴明则说过：“最重要的东西是无法衡量的。”

爱因斯坦也持有类似的观点，他说：“并非所有可以量化的东西都有价值，也并非所有有价值的东西都能量化。”也有人认为，这句话出自社会学家威廉·布鲁斯·卡梅伦。爱因斯坦还有一句话，他说“直觉是上帝的礼物，理性思考是忠实的仆人。我们现在创造了这样的一个社会：尊重仆人，却忘记了礼物。”这句话引出一个问题，即人与大数据、AI的关系为何?人是主人？仆人？还是伙伴？

这些名言指向一个焦点问题：大数据、AI的边界，即它们可以解决什么问题，不能解决什么问题，以及如何与大数据、AI共舞。唯有如此，管理者才不至于陷入偏激、偏执的状态，才能掌握利用大数据、AI的正确姿势。我们知道，投资大神、桥水创始人瑞·达利欧是非常重视数据与算法的，但是他也说：“虽然计算机在很多方面比我们的大脑棒得多，但我们拥有的想象力、理解力和逻辑能力是它不具备的。正因如此，我们的大脑与计算机的合作才是绝配。”正是因为他知道数据与算法的边界，所以才能超越数据与算法，进而综合运用想象力、理解力和逻辑能力。贝佐斯也是如此，他小时候打发无聊时光的方法就是在心中计算数据并从中找出规律。贝佐斯学的是计算机和电子工程，曾任职过的萧氏公司是华尔街量化投资的先驱，他懂得并知道如何利用数据、算法进行经营管理，也知道它们的边界在哪，所以强调数据的同时，还强调直觉、好奇心和强烈的信念的徘徊哲学。

这是实践者的经验，我们再看看学者的研究。这里我们再次回到明茨伯格的故事和研究。明茨伯格早期的工作都是建立在赫伯特·西蒙的研究基础之上的，西蒙这位天才级的大师，不仅是管理大师，还获得过诺贝尔经济学奖、图灵奖，是人工智能的先驱之一。明茨伯格深受西蒙的影响，但最后还是分道扬镳了，源于在“直觉”研究上的分歧，在西蒙看来，所谓直觉，是“凝结成习惯的分析”，而明茨伯格则认为这过于狭隘了，因为忽视了“创造性洞察力”这个重要现象。明茨伯格与西蒙邮件讨论之后，还是坚持了自己的看法。后续研究中，明茨伯格区分了硬数据与软数据，在多本书中一再强调硬数据的局限性，在他看来，第一，硬数据往往是有限的，缺乏丰富性，常常无法涵盖非经济性和非定量性的因素；第二，硬数据过于综合，丢失了大量信息；第三、硬数据需要时间，管理者来不及等待；第四，不可靠的硬数据惊人得多。商场中顾客的一个表情、一句话可能比一堆数据分析更具启发性，而这是在分析报告上看不到，也不可能通过冰冷的数据想象到。试想一下，那些伟大的产品以及你最好的想法是在历史数据中挖出来的吗？历史数据可能带来思考，AI可能激发想象，但是它们无法代替创造力。也许有人见过这样的场面，两个团队都进行了数据分析，但是结论不同，原因在于所用数据不同，而采集与使用哪些数据，背后可能隐藏着偏见、权力。当然，明茨伯格也承认软数据存在模糊、含混、主观等问题，因而强调要将硬数据与软数据相结合、将分析与直觉相结合。而后，明茨伯格在其管理为科学、艺术与手艺的基础上，与之呼应，提出三种决策方式，即对应于科学的“首先分析”、对应于艺术的“首先构想”，以及对应于手艺的“首先行动”（见图），并告诫管理者，这三种方式都是有优劣点的，最好综合运用以提高决策质量。

（资源来源：《有效决策的三种方式》，亨利·明茨伯格）

明茨伯格上大学时学的是工程学，他的第一份工作是在铁路公司做运筹学研究，希望通过系统的分析来解决管理问题，而后才转向较为软性的领域开展研究工作的，显然他很清楚二者的边界。

明茨伯格强调直觉的价值，有着更深的关怀。他认为，自泰勒以来的科学管理，是组织发展的一次飞跃，因为工作从仅凭直觉转变为有意识的分析。但是这条路走过了头，所以他要找回直觉这个“失落的管理之‘匙’”。他说：“像一个世纪以前那样过分依赖直觉，会使组织做出许多怪异和武断的行为。而像现在这样过度依赖分析，会使组织行为千篇一律，死板迟钝。故此，我们如何把两者结合起来，不仅对组织的效率大有意义，对我们所生存的社会也大有意义。”

回到当下这个大数据、AI崛起的时代，直觉这一“失落的管理之‘匙’”会如何？这是管理者们需要思考和警醒的！