越来越多的公司正在大举投入人工智能，但不少员工已经为此付出了代价。
今年 2 月份，UPS 快递进行了其成立 116 年以来最大规模的一次裁员，其 CEO 卡罗尔·托梅（Carol Tomé）表示，机器学习能够帮助销售人员整理提案，而不再需要向定价专家寻求指导。
UPS 的例子并不是例外，自从ChatGPT 等生成式人工智能工具向公众开放以来，许多公司都宣布了进军人工智能的计划——随之而来的是大面积裁员。
但事实可能并不像大家设想的那样，《财富》杂志指出，许多被削减的工作岗位通常并不是人工智能取代了人类的工作岗位。许多裁员都是因为公司重心的变化，越来越多的公司都希望重新聚焦或加倍投资在人工智能技术上。
全力押注 AI 不仅关乎技术，也关乎人。在 AI 化转型如火如荼的当下，企业应该如何应对人力资源带来的新挑战？
AI会导致大面积裁员吗？
20 世纪 90 年代初，一场名为“业务流程再造”的运动让很多商界人士感到兴奋。在这场运动中，公司对其工作方式进行了彻底的重新设计。
当时出现了一些新技术——企业资源计划（ERP）系统，以及后来出现的互联网——可以实现新的流程。不幸的是，在很多公司里，流程再造变成了盲目裁员，但利用新技术推动新的工作方式的想法仍然是有效的，现在 AI 就是最突出的例子。
虽然很多预言家预测 AI 将会取代人类，但到目前为止，这种情况并不多见，而且大多数公司都在利用这项技术，让人类员工腾出时间来完成更复杂的任务。因此，AI 驱动的公司面临的首要问题不是如何用 AI 取代人类员工，而是如何通过重新设计工作岗位、重新培训员工以及在工作流程中充分利用这两者来提高效率。
全力押注 AI 不仅关乎技术，也关乎人。希望在业务中大量使用 AI 的公司需要大量了解其工作原理的高管和普通员工。明智的公司正在对员工进行再培训和技能提升，以开发、解释和改进 AI 系统。随着 AI 系统的开发（尤其是机器学习）变得越来越自动化，以及未经深入专业培训的公民数据科学家（CDS）可以接管部分工作，这一点变得更加重要。
有些公司已经着手开展针对 AI 的技能提升计划，如空客和星展银行等。空客已经对 1000 多名员工进行了 AI 和高级分析技能方面的再培训；星展银行已经对 18000 多名员工进行了数据技能培训，并创建了一家公民数据科学家公司。在这些员工中，约有 2000 人精通数据科学和商业智能等前沿领域，另有 7000 人被认定在数据使用、分析和 AI 等学科领域的技能得到提升。
如何对员工进行AI培训？
但情况可能并没有想象当中的乐观。一项调查显示，只有 10% 的美国受访者明确表示倾向于再培训和留住现有员工。80% 的受访者倾向于“保留或替换比例相当的员工”，或者“主要用新的人才替换现有员工”。
大型公司有很多员工；很难预测在未来几年里，AI 会给工作带来什么样的变化；不同的员工对于工作有不同的目标和兴趣，所以“一刀切”式的教育举措不太可能成功。有些公司将这些挑战作为限制对员工进行 AI 教育的理由。例如：
1. 公司近期还有很多其他竞争优先事项。投资一个周期如此漫长且影响不确定的事物是否值得？
2. 工作变动和自动化的进展比专家预测的要慢得多。我们能够随着变化而调整。当工作确实发生变化时，这种变化在大多数情况下是任务难度增强或需要新技能，而不是要裁员。这样的变动更容易实现，也更容易规划。
3. 预测存在太多的不确定性，因此我们很可能是错的。
虽然这些论点都是合理的，但我们相信 AI 可以预测工作上的一些变化，或者至少可以让员工更好地为更普遍的工作变化做好准备。虽然任务难度增强确实要比大规模自动化的可能性更大，但任务难度增强可能会导致工作发生变化，员工需要为此做好准备。
在实施培训的过程中，最具挑战性的也许是向员工说明 AI 的能力，以及它未来可能对他们的工作产生的影响。
我们在 2018 年对 AI 采用者的调查中发现，82% 的受访者预计，3 年内员工的工作会发生适度或大幅度的变化。尽管优先事项存在竞争，但我们认为，现在，是时候对员工进行关于 AI 及其影响的教育了。这可能需要一段时间，所以我们没有什么时间可以浪费了。这些恰好与一些专注于 AI 的公司用来证明其当前行为合理性的想法相同。
当然，一些想对员工进行再培训或技能提高的公司并不确定未来的工作需要哪些具体技能，但它们相信这些技能将以数字化为导向。以亚马逊为例，该公司已承诺投入 7 亿美元进行员工再培训，以确保员工无论是在亚马逊内部还是外部，都具备在日益数字化的就业市场中生存所需的技能。
该公司的主要关注点是分布在配送中心、运输网络以及总部非技术性岗位上占总人数 1/3 的员工。公司为配送中心（更容易受自动化影响）的员工提供再培训，使他们获得 IT 支持类技术人员的技能，并为非技术性岗位的员工提供软件工程技能方面的培训。
AI 不仅与技术有关，更由强大的领导者推动，公司正在建立数据驱动的文化，并且教育员工积极参与自身的 AI 历程。大多数公司的经历可能会证明，AI 技术是最容易的部分，把员工和组织动员起来去探索、打造和使用 AI 才是一项挑战。不过，这些积极采用 AI 的公司已经在很大程度上实现了这一目标。其他公司如果希望将 AI 作为一种竞争武器和业务转型工具，可以以它们为榜样。
公司的高管需要通过自己的方式来提升 AI 技能。高管不仅应该为 AI 项目提供资金和时间，还应该在自己的工作中部署 AI。AI 通常可以自动做出决策，而此前，部分决策是由人类高级经理做出的。因此，重要的是要让这个群体了解 AI 如何工作、何时适合使用 AI，以及对他们自己和整个公司而言，应该对 AI 做出什么样的重大承诺。
AI时代企业如何改进流程？
当谈到当今人工智能的商业化时，企业通常会遵循以下两种策略之一：
一种是慢慢来，启动少量试点，同时对围绕该技术可能会产生的伦理、道德和社会问题采取长期的观望态度。
另一种则是 “全力以赴”，这类企业正在进行大规模且明智的投入，认为人工智能将实现重大的业务改进。
人工智能正在取得的突破很迷人，但更有趣的是人工智能与商业战略和商业模式、关键流程、组织、变革管理以及成熟企业当前的技术架构之间复杂的相互作用。开发出一个表现优异的新算法是令人印象深刻的成就，但更令人印象深刻的是实现一项涵盖 AI 的重大企业变革计划。
AI 已经给带来了适度或重大的变化，但是在很多情况下，这种变化并没有出现在正式的业务流程环境下。这意味着，可能整个公司缺乏对流程工作流、衡量标准和统一执行的说明。
流程改进（如果不是根本性创新）与 AI 之间最紧密的联系可能就是机器人流程自动化。有些人认为机器人流程自动化的智能化不足以被称为 AI，但它确实具有基于规则的决策能力。很多公司都将机器人流程自动化视为通向更智能、更基于机器学习的 AI 的垫脚石。有些公司已将机器人流程自动化集成到其流程改进计划中。在将流程自动化之前，公司会将衡量和改进技术应用到这个流程中。
更多的公司应该解决 AI 如何显著改进业务流程的问题。在某种程度上，能够促进这一点的是采用了 AI 的新技术：流程挖掘。它分析来自公司事务系统的数据，以了解流程的执行情况，然后使用 AI 提出改进建议。流程挖掘消除了流程改进中的大量细节工作，并在很多面向流程的公司中迅速流行起来。
应用 AI 的挑战之一是让这些系统进入生产部署。很多公司会着手进行试点、概念验证或原型设计，但它们很少或根本没有将系统投入生产。通过这样的实验进行学习是很好的，但公司并不能从中获得任何经济价值。
IBM在 2021 年的一项调查发现，在 7 个国家的 5000 多名技术决策者中，只有 31% 的人表示他们的公司“已将 AI 作为业务运营的一部分进行了积极部署”；41% 的受访者表示，他们“正在探索，但尚未在业务运营中部署 AI”。
《麻省理工斯隆管理评论》与波士顿咨询集团在 2019 年的一项调查中发现，“在接受调查的 10 家公司中，有 7 家说迄今为止 AI 产生的影响很小或没有影响。在对 AI 进行过投资的 90% 的公司中，只有不到 2/5 的公司报告称过去 3 年从 AI 中获得了业务收益……这意味着在对 AI 领域进行重大投资的企业中，有 40% 没有报告从 AI 中获得了业务收益”。
在实践中，AI 面临的前三大挑战是实施问题、将 AI 集成到公司的角色和职能中的问题，以及数据问题，所有这些都是大规模部署所涉及的因素。虽然很多公司开始报告它们正在部署更多的 AI 系统，并从这些系统中获得更多的经济回报。但是，实际上只有少数 AI 模型得到了部署。
公司在部署 AI 方面面临挑战并不令人感到意外，项目试点包括创建模型和编写最小化可行产品（MVP）的代码，但生产部署的规模要大得多，并且通常涉及很多其他活动，例如更改业务流程、增加员工数量以及与现有系统集成。此外，一些数据科学家认为，创建一个适应数据的良好的机器学习模型之后，他们的工作就结束了。系统部署通常被认为是其他人的工作，但这项工作的责任归属往往并不清晰。
非常成功的 AI 驱动公司如何解决这些问题并部署系统？首先，它们从一开始就对部署进行计划，除非项目在早期阶段出现问题。其次，它们通常会安排专人负责整个开发和部署过程，专人有时被称为基于 AI 的系统和流程的产品经理，这个人会确保系统得到部署。最后，它们会指派数据科学家和产品经理，从一开始就与业务方面的利益相关方密切合作，这些公司期望进行系统部署以及与之相关的所有行动。
《AI行动方案：传统企业如何决胜人工智能转型》
作者：托马斯·达文波特（Thomas H. Davenport）、尼廷·米塔尔（Nitin Mittal）
出版社：中信出版集团
原作名：All-in On AI: How Smart Companies Win Big with Artificial Intelligence
译者：任溶、桂曙光
出版年：2024-4
在AI发展得如火如荼的当下，大多数新兴科技公司都在深度布局AI，它们是原生数字化企业。然而，也有一些颇具远见的老牌企业锐意转型，尝试踏上AI的快车，全力押注这项技术，并为此从根本上改变其业务、流程、战略、客户关系和企业文化。
虽然这些企业只占全部大公司的不到1%，但它们都是各自行业的佼佼者，横跨消费行业、金融服务业、医疗健康行业等各个领域。它们争分夺秒，全力押注AI，并从根本上推动变革，从而做出更好的决策，与客户建立更好的关系，提供更好的产品和服务，获得更高的价值，打造适应当下环境的新的商业模式。
本文摘编自：《AI行动方案：传统企业如何决胜人工智能转型》，作者：托马斯·达文波特（Thomas H. Davenport）、尼廷·米塔尔（Nitin Mittal）