·實(shí)現(xiàn)智慧企業(yè)的關(guān)鍵是認(rèn)知協(xié)同。它與昆蟲(chóng)王國(guó)的群體智慧（Swarm Intelligence）有許多相通之處。日本文化為實(shí)踐智慧企業(yè)提供制度條件，因?yàn)樗鹾先后w智慧。在日本文化之外，我們可以利用人工智能的增強(qiáng)能力設(shè)計(jì)類似的賦能結(jié)構(gòu)，實(shí)踐智慧企業(yè)戰(zhàn)略。

·本文的主要貢獻(xiàn)在兩個(gè)方面：1）闡述從專業(yè)化勞動(dòng)分工到認(rèn)知分工與協(xié)同的趨勢(shì)。2）解釋人工智能的增強(qiáng)能力是實(shí)現(xiàn)智慧企業(yè)認(rèn)知協(xié)同的關(guān)鍵技術(shù)途徑。

(資料圖)

《擁有智慧的企業(yè)》

野中郁次郎和合作者寫(xiě)的《擁有智慧的企業(yè)》一書(shū)的要點(diǎn)有三個(gè)：1) 在人能改造環(huán)境和創(chuàng)造未來(lái)的時(shí)代，企業(yè)的實(shí)踐智慧（Phronesis）著力點(diǎn)在有人文意義、有社會(huì)價(jià)值的持續(xù)創(chuàng)新上。2）為此，企業(yè)要讓每位員工成為不但能變化、而且有思想的孫悟空。3）與之對(duì)應(yīng)的管理方法是營(yíng)造創(chuàng)變的“場(chǎng)”（Ba）和提煉持續(xù)創(chuàng)新的新組織習(xí)性（Kata）。

野中的“智慧企業(yè)”發(fā)展了西方管理的三個(gè)重要思想：核心競(jìng)爭(zhēng)力、動(dòng)態(tài)能力和組織習(xí)性。簡(jiǎn)而言之，核心競(jìng)爭(zhēng)力容易陷入“刻舟求劍”的怪圈；動(dòng)態(tài)能力過(guò)于大而化之，成為一種“雜貨筐”概念；而源自經(jīng)濟(jì)進(jìn)化理論的組織習(xí)性（Organizational routines）遜于解釋人改造環(huán)境、創(chuàng)造未來(lái)的強(qiáng)烈意愿和能動(dòng)性，特別是創(chuàng)變者（Entrepreneurs）打破舊習(xí)性、建立新習(xí)性的沖動(dòng)價(jià)值。因此，野中闡述的“卡塔”（Kata）、創(chuàng)變的“場(chǎng)”（Ba）和實(shí)踐智慧（Phronesis）可以成為一套新管理實(shí)踐。

可是，野中的智慧企業(yè)有一個(gè)極其重要的推廣條件：從專業(yè)化勞動(dòng)分工走向基于問(wèn)題情境的認(rèn)知協(xié)同。亞當(dāng)·斯密和涂爾干（Emile Durkheim）建議勞動(dòng)分工，因?yàn)樗兄谀芰I(yè)化和差異化，其假設(shè)是，人的學(xué)習(xí)能力和應(yīng)用能力各有優(yōu)勢(shì)和劣勢(shì)。專業(yè)化勞動(dòng)分工可以揚(yáng)長(zhǎng)避短，綜合個(gè)人能力，建立有差異化的組織優(yōu)勢(shì)。經(jīng)濟(jì)上的專業(yè)化分工對(duì)應(yīng)演變出管理方面的組織結(jié)構(gòu)。它演變出垂直等級(jí)功能結(jié)構(gòu)。為激發(fā)創(chuàng)新，企業(yè)也試驗(yàn)各種組織流程再造，包括矩陣、任務(wù)突擊隊(duì)和“合弄制”（Holacracy）。但是，橫向組織結(jié)構(gòu)的效果、穩(wěn)定性和維持成本一直困擾著追求持續(xù)創(chuàng)新的企業(yè)領(lǐng)導(dǎo)者，因?yàn)閰f(xié)調(diào)（Coordination）與合作（Cooperation）的組織交易成本太高。

“協(xié)調(diào)”要求成員持續(xù)的相互調(diào)整。“合作”需要成員判斷什么時(shí)候支持同事、什么時(shí)候要求同事支持。協(xié)調(diào)與合作的背后是任務(wù)性質(zhì)和組織角色的切換。切換涉及到判斷、溝通、改變、再續(xù)、整合等一系列組織活動(dòng)。人與人之間的任務(wù)和角色切換成本遠(yuǎn)高于流水線生產(chǎn)中的工具切換（Retooling）,因?yàn)樗髲?fù)雜的認(rèn)知協(xié)同。

認(rèn)知協(xié)同關(guān)系到一系列集體思考活動(dòng)：1）成員之間理解變化中的問(wèn)題性質(zhì)；2）成員有能力貢獻(xiàn)對(duì)新問(wèn)題的定義和解決方法；3) 成員愿意主動(dòng)參與問(wèn)題討論；4）對(duì)于不同于執(zhí)行力的認(rèn)知協(xié)同，成員有接受模糊性、暫時(shí)性和悖論問(wèn)題的智慧習(xí)性。

上述認(rèn)知活動(dòng)的協(xié)調(diào)和合作成本極高，因?yàn)槿说摹坝邢蘩硇浴焙蛯＜译[性知識(shí)設(shè)置了很高的學(xué)習(xí)成本和溝通成本。所以，企業(yè)還是主要保持垂直等級(jí)的縱向組織結(jié)構(gòu)，兼顧部分橫向組織結(jié)構(gòu)。這樣，“持續(xù)的創(chuàng)新”就始終是一個(gè)戰(zhàn)略難題。難題的本質(zhì)是認(rèn)知協(xié)同成本高。

野中的解決方法有二：一是突出強(qiáng)調(diào)建設(shè)持續(xù)創(chuàng)新的智慧企業(yè)的必要性；二是建議全員參與創(chuàng)新的新組織習(xí)性和創(chuàng)新互動(dòng)的場(chǎng)。接下來(lái)，企業(yè)領(lǐng)導(dǎo)者要做的就是推動(dòng)智慧企業(yè)的“卡塔”和“場(chǎng)”。

“智慧企業(yè)”的價(jià)值不難理解。持續(xù)創(chuàng)新的必要性也已經(jīng)廣為人知。但是，卡塔和創(chuàng)變場(chǎng)的案例主要來(lái)自日本企業(yè)。其中的一個(gè)關(guān)鍵因素是它們與日本文化兼容。例如，卡塔反映的是柔道“守、破、離”的文化。如果日本文化是一個(gè)必要前提條件，那么，智慧企業(yè)就很難普遍適用。

從另一個(gè)角度看，對(duì)執(zhí)行組織任務(wù)，人工智能已經(jīng)從能力自動(dòng)化（Automation）發(fā)展到數(shù)據(jù)智能增強(qiáng)（Augmentation）。增強(qiáng)的認(rèn)知能力降低有限理性影響，擴(kuò)大利用隱性知識(shí)和直觀感知能力。所有的組織任務(wù)都涉及到解析和解決問(wèn)題。在解題上，認(rèn)知協(xié)同可以被分解為四種決策活動(dòng)：1）決定（Determination），它包括明確的因果關(guān)系和目標(biāo)與手段之間的對(duì)應(yīng)關(guān)系；2）反思（Deliberation），它包括識(shí)別偏差和從失敗中學(xué)習(xí)；3）設(shè)計(jì) （Design），它包括重新優(yōu)化排序目標(biāo)和安排價(jià)值感知過(guò)程；4）探索（Discovery），它包括發(fā)現(xiàn)新問(wèn)題和提出新秩序參數(shù)。野中的智慧企業(yè)講的就是這四種決策活動(dòng)如何通過(guò)卡塔和場(chǎng)達(dá)到認(rèn)知協(xié)同的境界。我們認(rèn)為，智慧增強(qiáng)階段的人工智能可以支持同樣的智慧實(shí)踐，制造持續(xù)創(chuàng)新的管理效果。

本文將首先用“群體智慧”（Swarm intelligence）現(xiàn)象重新表述野中的智慧企業(yè)、卡塔和場(chǎng)的思想。然后，我們說(shuō)明，刻畫(huà)人工智能模型復(fù)雜度與表達(dá)能力的VC維與智慧企業(yè)有邏輯上的相似性。VC維度可以用來(lái)刻畫(huà)人工智能模型的復(fù)雜/精細(xì)化程度，也可以類似標(biāo)識(shí)一個(gè)企業(yè)的智慧豐富程度。之后，我們解釋認(rèn)知協(xié)同對(duì)應(yīng)的四種問(wèn)題情境觀。最后，我們說(shuō)明，人工智能策略可以兼顧認(rèn)知協(xié)同的四種活動(dòng)，從而幫助實(shí)現(xiàn)高維智慧企業(yè)。

來(lái)自昆蟲(chóng)世界的啟發(fā)：群體智慧

在圣塔菲研究所（Santa Fe Institute）,研究復(fù)雜性現(xiàn)象的科學(xué)家波納貝（Eric Bonabeau）等學(xué)者發(fā)現(xiàn)，昆蟲(chóng)學(xué)家對(duì)螞蟻和蜜蜂等群聚性昆蟲(chóng)的觀察與復(fù)雜系統(tǒng)的自組織特征有關(guān)。在利用環(huán)境資源和維系蟻群和蜂群高度秩序性方面，螞蟻王國(guó)和蜂巢都有分布式、靈活、魯棒和自組織的系統(tǒng)特征。同一時(shí)期，貝尼（Gerardo Beni）等學(xué)者把昆蟲(chóng)群聚世界的社會(huì)性和群體智慧介紹到人工智能領(lǐng)域。他們研究昆蟲(chóng)世界社會(huì)群聚特征，以及對(duì)人工智能“演化計(jì)算”的影響。

復(fù)雜的昆蟲(chóng)王國(guó)有令人嘆為觀止的精美秩序。它們是怎樣協(xié)調(diào)和合作的？科學(xué)家發(fā)現(xiàn)，復(fù)雜昆蟲(chóng)世界其實(shí)遵守一些簡(jiǎn)潔的自組織互動(dòng)規(guī)則。

第一，“間接溝通，主動(dòng)共識(shí)” （Stigmergy）。螞蟻之間沒(méi)有接觸交流，但它們通過(guò)環(huán)境留痕，間接溝通。例如，找到食物的螞蟻會(huì)在行進(jìn)路途上分泌一種激素。順著同樣路徑的螞蟻也會(huì)沿途不斷分泌激素。它們?cè)诃h(huán)境中留下的激素信號(hào)被同伴接受。同伴主動(dòng)做出配合響應(yīng)。昆蟲(chóng)群體合作完成各項(xiàng)任務(wù)，都是通過(guò)“主動(dòng)共識(shí)性”規(guī)則來(lái)協(xié)調(diào)。

第二，“缺位就替補(bǔ)的多重角色” （Multiagency）。昆蟲(chóng)王國(guó)中，分工明確。保衛(wèi)巢穴、采集食物、建筑巢穴均有特定的一群昆蟲(chóng)完成。不過(guò)，昆蟲(chóng)有分工，但無(wú)任務(wù)差異化限制。當(dāng)負(fù)責(zé)孵化的缺位不在時(shí)，臨近負(fù)責(zé)保衛(wèi)的昆蟲(chóng)會(huì)替補(bǔ)承擔(dān)孵化功能。類似的靈活和多角色任務(wù)協(xié)調(diào)在螞蟻和蜜蜂等群聚昆蟲(chóng)王國(guó)中很普遍。

第三，“反應(yīng)門檻規(guī)則” （Threshold-based collaboration）。什么時(shí)候主動(dòng)替補(bǔ)？它依據(jù)某種數(shù)量密集度門檻。不同昆蟲(chóng)王國(guó)有高低不同的反應(yīng)門檻。這種門檻規(guī)則自動(dòng)影響昆蟲(chóng)的自組織行為。例如，當(dāng)負(fù)責(zé)孵化的蜜蜂數(shù)量降低到一定程度時(shí)，負(fù)責(zé)保衛(wèi)的蜜蜂就近替補(bǔ)，承擔(dān)孵化功能。

第四，“適應(yīng)環(huán)境的多種招募方法”。根據(jù)環(huán)境中食物分布的情況，發(fā)現(xiàn)新食物的螞蟻有不同招募方法，有時(shí)是招募單個(gè)螞蟻去新食物源，有時(shí)是成隊(duì)招募。成隊(duì)招募，往往是在環(huán)境食物源較少的情況下。單個(gè)招募，一般是環(huán)境食物來(lái)源多，有選擇。

第五，“沿順雛形的累積行動(dòng)”。建筑巢穴時(shí)，螞蟻和蜜蜂搬運(yùn)和放置材料也有規(guī)律。它們會(huì)順著巢穴中已經(jīng)出現(xiàn)的雛形，延續(xù)積累。剛剛開(kāi)始階段，材料分類放置的雛形為后續(xù)累積設(shè)定了形態(tài)方向。后來(lái)的似乎很快就能順著同樣的形態(tài)，不斷累積。

昆蟲(chóng)世界的群體智慧啟發(fā)了人工智能學(xué)習(xí)方法。推而廣之，人們用它描述“通過(guò)集體的自組織行為，分布式解決問(wèn)題的策略”。群體智慧與野中建議的卡塔和場(chǎng)的方法有內(nèi)在的相通之處。從昆蟲(chóng)世界到人工智能和智慧企業(yè)，群體智慧已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)簡(jiǎn)單的生態(tài)模仿。它為企業(yè)成員之間認(rèn)知協(xié)同提供了一個(gè)可以借鑒的知識(shí)呈現(xiàn)和表述形式。

對(duì)群體智慧做抽象表述，它們有下面的共性特征：1）它們都是關(guān)于一個(gè)復(fù)雜系統(tǒng)社會(huì)組織過(guò)程；2）都強(qiáng)調(diào)自組織能力；3）都只需要極少的、根本性的規(guī)則；4）都認(rèn)可個(gè)體獨(dú)立性和群體多樣性的價(jià)值；5）都認(rèn)識(shí)到分布式、非中央控制的協(xié)調(diào)形式的優(yōu)勢(shì)；6） “多角色行動(dòng)者” （Multiagency），成員有分工，但又可以執(zhí)行相鄰的任務(wù)。對(duì)于智慧企業(yè)的持續(xù)創(chuàng)新，上述六條也是卡塔背后的抽象邏輯。

日本文化與群體智慧有極高的契合度。這也是野中的智慧企業(yè)思想容易在日本企業(yè)推行的重要制度因素。在其它文化背景下，推行智慧企業(yè)，認(rèn)知協(xié)同的成本很高。但是，人工智能已經(jīng)從能力自動(dòng)化（Automation）發(fā)展到智慧增強(qiáng)（Augmentation）。它可以成為智慧企業(yè)的賦能技術(shù)結(jié)構(gòu)。人工智能中的遷移學(xué)習(xí)（Transfer learning）和VC維度思想概念完全可以容納智慧企業(yè)對(duì)多樣性、自組織、少且根本的規(guī)則、多角色行動(dòng)者、主動(dòng)共識(shí)和分布式互動(dòng)“場(chǎng)”協(xié)調(diào)的要求。

以下，我們先解釋人工智能的遷移學(xué)習(xí)和VC維度與群體智慧邏輯的契合關(guān)系。然后，我們說(shuō)明在實(shí)踐群體智慧邏輯過(guò)程中，智慧企業(yè)需要在四種問(wèn)題情境方面實(shí)現(xiàn)認(rèn)知協(xié)同。最后，我們解釋人工智能不同的決策算法是怎樣支持解決四類問(wèn)題過(guò)程中的認(rèn)知協(xié)同的。

實(shí)現(xiàn)AI的群體智慧：遷移學(xué)習(xí)和VC維

野中的智慧企業(yè)強(qiáng)調(diào)，企業(yè)領(lǐng)導(dǎo)者要組織全員參與持續(xù)創(chuàng)新。它是一種高級(jí)形態(tài)的群體智慧。全員參與能提供廣泛的信息來(lái)源，能混合借鑒各層級(jí)員工的隱性知識(shí)到動(dòng)態(tài)的認(rèn)知協(xié)同過(guò)程中，是持續(xù)創(chuàng)新的源泉。就認(rèn)知協(xié)同的功能而言，人工智能中的深度學(xué)習(xí)方法，例如遷移學(xué)習(xí)（Transfer learning）和VC維度思想概念可以支持同樣的活動(dòng)。

簡(jiǎn)而言之，遷移學(xué)習(xí)就是將一個(gè)領(lǐng)域開(kāi)發(fā)得到的知識(shí)（或某種不變量），運(yùn)用到另一個(gè)領(lǐng)域，“舉一反三”，提升另一個(gè)領(lǐng)域解決問(wèn)題的效率以及效果熱力學(xué)中，我們用能量轉(zhuǎn)換的概念研究物質(zhì)的熱性質(zhì)。我們關(guān)注能量形式轉(zhuǎn)移過(guò)程中的熱力學(xué)原理。同樣的邏輯，人在一個(gè)知識(shí)領(lǐng)域?qū)?wèn)題的理解、學(xué)習(xí)和應(yīng)用有著共同點(diǎn)，有著本質(zhì)特征。找到本質(zhì)特征的不變量，模擬它的知識(shí)表述方式，然后，我們就可以舉一反三，反千萬(wàn)。

遷移學(xué)習(xí)是每個(gè)人所具備的基本技能。例如，學(xué)過(guò)意大利語(yǔ)的，學(xué)西班牙語(yǔ)會(huì)快很多；學(xué)過(guò)數(shù)學(xué)的，學(xué)物理會(huì)容易一些；學(xué)過(guò)國(guó)際象棋，再轉(zhuǎn)中國(guó)象棋，會(huì)比那些新入門的有更高領(lǐng)悟力，這就是遷移學(xué)習(xí)。它對(duì)人來(lái)說(shuō)是很自然的。即，過(guò)去學(xué)過(guò)的東西對(duì)于未來(lái)相關(guān)的場(chǎng)景有幫助。

從波蘭尼（Michael Polanyi）到野中，他們研究的隱性知識(shí)也是遷移學(xué)習(xí)的一種專家知識(shí)形式。在自己的領(lǐng)域，專家有較高的判斷力，因?yàn)樗麄兡軌驅(qū)⒔?jīng)歷過(guò)的實(shí)踐場(chǎng)景和知識(shí)思考遷移到新現(xiàn)象中。智慧企業(yè)中，全員參與的持續(xù)創(chuàng)新也是利用來(lái)自各部門員工的隱性知識(shí)，創(chuàng)造新知識(shí)。不過(guò)，人工智能可以把圍繞隱性知識(shí)的認(rèn)知協(xié)同提升到一個(gè)指數(shù)級(jí)別的高度。

首先，人的知識(shí)表述受限于個(gè)人經(jīng)驗(yàn)、標(biāo)準(zhǔn)化語(yǔ)言形式、溝通雙方理解和表達(dá)能力的差異、人的學(xué)習(xí)習(xí)慣。但人工智能的“遷移學(xué)習(xí)”不必依循人腦思維路徑，也就不必受隱性知識(shí)因素的約束。遷移學(xué)習(xí)最關(guān)鍵的一個(gè)點(diǎn)就是知識(shí)表達(dá)（Representation）。比方說(shuō)造汽車和造飛機(jī)，相互之間知識(shí)技能可以借鑒，是因?yàn)槲覀兡芙刹糠种圃旒寄艿墓仓R(shí)表達(dá)，如果建立不起來(lái)，沒(méi)辦法遷移學(xué)習(xí)。而人的公共知識(shí)表述有許多限制。

其次，過(guò)去機(jī)器學(xué)習(xí)都沒(méi)有遷移學(xué)習(xí)，所有的機(jī)器學(xué)習(xí)都像是從剛出生的嬰兒開(kāi)始學(xué)。它把數(shù)學(xué)學(xué)會(huì)了，當(dāng)它進(jìn)入到物理的時(shí)候，過(guò)去學(xué)過(guò)的所有的東西都忘記了，又重新開(kāi)始。遷移學(xué)習(xí)要解決的是未來(lái)能讓機(jī)器活到老學(xué)到老，不斷跨領(lǐng)域終身學(xué)習(xí)。目前，遷移學(xué)習(xí)在公共知識(shí)表達(dá)上已經(jīng)取得突破，以及在遷移的技術(shù)方法上也已經(jīng)有非常豐富的體系以及很多的落地應(yīng)用。人工智能的知識(shí)表達(dá)不僅可以做到高帶寬的、高速的、大內(nèi)存、大存儲(chǔ)，而且能夠以人不能理解的編碼方法讓機(jī)器更高效地交互。這就突破了人腦決策的有限理性。我們經(jīng)常用一個(gè)成語(yǔ)叫做面面俱到。它對(duì)于人是貶義詞。又如事無(wú)巨細(xì)，也是貶義詞。但對(duì)于計(jì)算機(jī)就是褒義詞，能夠通盤考慮，精打細(xì)算。反之也然，我們說(shuō)抓大放小，形容一個(gè)人有水平。但是放在計(jì)算機(jī)上就是貶義詞，對(duì)應(yīng)了人的有限理性。

徐光啟說(shuō)，“欲求超勝，必先融通”。我們需要全員參與持續(xù)創(chuàng)新，因?yàn)樗軌蛉谕ㄈ珕T智慧，獲得認(rèn)知協(xié)同的系統(tǒng)效果。遷移學(xué)習(xí)能夠支持更高維度的組織認(rèn)知協(xié)同。

人工智能的另一概念也有助于突破智慧企業(yè)的一個(gè)實(shí)踐障礙：組織成員認(rèn)知協(xié)同過(guò)程中，怎樣做到既深入，又寬廣？人工智能的VC維理論是由兩位學(xué)者（Vapnik和Chervonenkis）建立的統(tǒng)計(jì)學(xué)習(xí)理論，它反映可學(xué)習(xí)函數(shù)集的模型容量（反映了模型的復(fù)雜性、表達(dá)能力等）。VC維越大則模型或函數(shù)越復(fù)雜，可表達(dá)可學(xué)習(xí)的知識(shí)就越豐富，機(jī)器的學(xué)習(xí)能力也就隨之越強(qiáng)。通俗解釋，如果人類的智商水平可以用大腦的腦細(xì)胞數(shù)來(lái)衡量，那么機(jī)器的智商水平就可以用VC維來(lái)衡量，即超高智商的人工智能，需要超高維度的機(jī)器學(xué)習(xí)模型來(lái)實(shí)現(xiàn)。簡(jiǎn)單地講，過(guò)去模型很難兼顧深和寬二個(gè)維度，數(shù)據(jù)特征的多元性、多樣性越高，模型擬合度越低，可靠性越低。而隨著大數(shù)據(jù)時(shí)代的到來(lái)，越來(lái)越多的數(shù)據(jù)支撐以及人工智能技術(shù)的研究突破解決了這個(gè)悖論，在大數(shù)據(jù)的支撐下，需要想方設(shè)法提高機(jī)器學(xué)習(xí)的模型維度來(lái)提升機(jī)器的智能程度。我們比喻VC維是人工智能的IQ，是機(jī)器智商。它概括機(jī)器智能的復(fù)雜度、表現(xiàn)力、豐富性和靈活范圍。在野中的智慧企業(yè)思想中，創(chuàng)新互動(dòng)的場(chǎng)（Ba）兼顧縱向?qū)I(yè)分工和橫向認(rèn)知協(xié)同的需求。在人工智能賦能的認(rèn)知協(xié)同過(guò)程中，持續(xù)提升的VC維兼顧學(xué)習(xí)的深度和廣度。

做為一個(gè)持續(xù)創(chuàng)新的智慧企業(yè)，它的群體智慧來(lái)自全員參與而到達(dá)的認(rèn)知協(xié)同。為同樣的目標(biāo)，人工智能的遷移學(xué)習(xí)技術(shù)和VC維邏輯思想可以指數(shù)級(jí)提升認(rèn)知協(xié)同。

無(wú)論是人的認(rèn)知協(xié)同，還是人機(jī)融合的認(rèn)知協(xié)同，它們的目標(biāo)都是為更優(yōu)的決策提供幫助——理解現(xiàn)象，發(fā)現(xiàn)問(wèn)題，解決問(wèn)題。下面，我們說(shuō)明，持續(xù)創(chuàng)新的決策關(guān)系到四種問(wèn)題情境。而人工智能可以增強(qiáng)所有問(wèn)題情境中人的決策能力。

認(rèn)知協(xié)同的問(wèn)題情境和決策類型

愛(ài)因斯坦說(shuō)，假如給我1小時(shí)拯救地球，我要用59分鐘想清楚，這是一個(gè)什么問(wèn)題。他的夸張表述提醒我們，搞清楚決策問(wèn)題性質(zhì)是第一原則。

管理中的決策事關(guān)三方面：目標(biāo)、手段和實(shí)現(xiàn)過(guò)程。決策活動(dòng)包括理解問(wèn)題和對(duì)應(yīng)的選擇目標(biāo)、手段和實(shí)現(xiàn)過(guò)程。決策活動(dòng)的差別受到三者確定性和不確定性的影響。借用奈特（Frank Knight）對(duì)不確定性的定義，我們看到管理中四種問(wèn)題情境：

第一種是可以“執(zhí)行”的問(wèn)題。它屬于“已知并己知”（Known knowns）的決策。20世紀(jì)90年代，企業(yè)開(kāi)始強(qiáng)調(diào)執(zhí)行力、流程再造和精益化生產(chǎn)。它們都有共同的前提假設(shè)，即我們可以獲得想要獲得的信息。通過(guò)收集最佳表現(xiàn)信息，我們能夠建立起可靠的因果關(guān)系知識(shí)。然后，按照總結(jié)的規(guī)律，推廣和重復(fù)最佳表現(xiàn)活動(dòng)，并產(chǎn)生優(yōu)化的結(jié)果。從20世紀(jì)50年代開(kāi)始的商業(yè)策略管理基本上追循同樣的邏輯。即使后來(lái)“有限理性”概念修改了優(yōu)化原則，并替代以滿意原則，商業(yè)策略理論和實(shí)踐還是相信目標(biāo)和手段是可知的，它們之間有內(nèi)在的對(duì)應(yīng)關(guān)系。

第二種是可以“設(shè)計(jì)”的問(wèn)題。它屬于“無(wú)知的已知”（Unknown knowns）的決策。進(jìn)入21世紀(jì)，人們?cè)絹?lái)越認(rèn)識(shí)到社會(huì)復(fù)雜系統(tǒng)中的人的意愿和體驗(yàn)因素的重要性。在多元文化和價(jià)值觀社會(huì)環(huán)境中，管理往往面臨“刁怪問(wèn)題” （Wicked problems）,因?yàn)槲幕⑸鐣?huì)心理和人的意愿因素。在社會(huì)意愿系統(tǒng)中，人們的策略目標(biāo)和實(shí)現(xiàn)目標(biāo)的手段都是可以改變的。因?yàn)榭梢愿淖儯芾韱?wèn)題的定義也可以被替換。例如，在有些國(guó)家和地區(qū)，戴口罩和社交活動(dòng)禁令被認(rèn)為是對(duì)人身自由限制。一個(gè)公共衛(wèi)生問(wèn)題被替換成為政治信仰問(wèn)題。又如，線上網(wǎng)絡(luò)課程被認(rèn)為是體驗(yàn)感差的教育技術(shù)。但是，當(dāng)線上和線下融合設(shè)計(jì)出現(xiàn)后，線上選擇被重新認(rèn)識(shí)，被視為新的賦能技術(shù)。

第三種是需要“反思”的問(wèn)題。它屬于“已知的無(wú)知”（Known unknowns）的決策。需要反思的問(wèn)題有兩類。一類是需要科學(xué)反思的問(wèn)題。引發(fā)它的是執(zhí)行錯(cuò)誤、偏差和失敗。科學(xué)反思重點(diǎn)在于用科學(xué)方法做實(shí)驗(yàn)，測(cè)試假設(shè)。根據(jù)實(shí)驗(yàn)結(jié)果，我們修改現(xiàn)有的規(guī)律和規(guī)則。另一類是需要價(jià)值反思。引發(fā)它的是不同利益相關(guān)者和群體之間的沖突。對(duì)于價(jià)值觀沖突引發(fā)的管理失敗，我們要從倫理道德和人文價(jià)值觀的角度去反思現(xiàn)有管理實(shí)踐是否合適。例如，人工智能與人類勞動(dòng)者之間的關(guān)系、人工智能對(duì)就業(yè)機(jī)會(huì)的影響等。

第四種是需要“探索”的問(wèn)題。它屬于“無(wú)知的無(wú)知”（Unknown unknowns）的決策。需要探索的問(wèn)題往往只存在于我們想象力的邊緣地帶。它首先屬于人類好奇和文學(xué)式猜想范圍。例如，電腦的硅體智慧和人腦的有機(jī)體智慧結(jié)合后，會(huì)產(chǎn)生怎樣的混元智慧？又如，假如因?yàn)榈鼐壵螞_突和流行疾病的反復(fù)，全球演變?yōu)橐粋€(gè)個(gè)孤島，人類社會(huì)將怎樣進(jìn)化或退化？它們均屬于無(wú)知的無(wú)知范疇。在這個(gè)范疇，我們既不知道什么是合適的問(wèn)題，更不知道什么是解決問(wèn)題的手段。但是，我們可以想象各種各樣的問(wèn)題。在制造問(wèn)題的文學(xué)想象過(guò)程中，我們啟動(dòng)一系列可以實(shí)驗(yàn)的假設(shè)和先驗(yàn)的思考維度。它們的使命是開(kāi)啟值得思考的問(wèn)題。例如，19世紀(jì)，兩位統(tǒng)計(jì)學(xué)家（Heinrich Wilhelm Brandes and Sir Francis Galton）首先試圖用格式化的氣象圖描述各地氣候，然后形成連續(xù)的氣象預(yù)報(bào)。他們的預(yù)報(bào)是極其不準(zhǔn)確的，但首創(chuàng)的方法開(kāi)啟了氣象預(yù)報(bào)系統(tǒng)。

下圖總結(jié)認(rèn)知協(xié)同的四種問(wèn)題情境。無(wú)論是全員認(rèn)知協(xié)同還是人機(jī)認(rèn)知協(xié)同，它們背后都涉及到對(duì)這四種類型問(wèn)題的決策（見(jiàn)圖1）。

無(wú)論是全員認(rèn)知協(xié)同還是人機(jī)認(rèn)知協(xié)同，它們背后都涉及到對(duì)這四種類型問(wèn)題的決策。

發(fā)展至今，人工智能已經(jīng)有針對(duì)上面四種問(wèn)題情境的決策模型。以第四范式的“自動(dòng)機(jī)器學(xué)習(xí)”（AutoML）系統(tǒng)為例，它的基本決策模型是一個(gè)OODA思維框架，OODA是西方軍事學(xué)家博伊德（John Boyd）提出的作戰(zhàn)理論，現(xiàn)已被廣泛應(yīng)用到企業(yè)管理經(jīng)營(yíng)領(lǐng)域，其核心思路是觀察（Observe）-判斷（Orient）-決策（Decide）-行動(dòng)（Action）四個(gè)環(huán)節(jié)的迭代循環(huán)。

從觀察開(kāi)始（Observe），這個(gè)環(huán)節(jié)的核心是感知業(yè)務(wù)現(xiàn)狀，這是企業(yè)經(jīng)營(yíng)者做經(jīng)營(yíng)決策優(yōu)化的第一步。在這個(gè)環(huán)節(jié)里，AI在人的指導(dǎo)下去感知問(wèn)題情境，收集圖像、文本和語(yǔ)音等多模式數(shù)據(jù)。過(guò)去，人的觀察受有限理性能力限制，只能“抓大放小”，不能“面面俱到”。現(xiàn)在，AI能夠支持海量數(shù)據(jù)收集，近乎實(shí)時(shí)的多模態(tài)數(shù)據(jù)處理（圖像、文本、聲音等），以及極強(qiáng)的規(guī)模化可復(fù)制的能力。AutoML 已經(jīng)有對(duì)結(jié)構(gòu)化、非結(jié)構(gòu)化以及半結(jié)構(gòu)化數(shù)據(jù)處理能力，比如針對(duì)圖像的自動(dòng)計(jì)算機(jī)視覺(jué)能力，針對(duì)文本的自動(dòng)自然語(yǔ)言處理能力，以及對(duì)于知識(shí)圖譜的自動(dòng)知識(shí)圖譜學(xué)習(xí)能力等等。過(guò)去，對(duì)許多原始數(shù)據(jù)（即對(duì)尚未建立強(qiáng)相關(guān)性的現(xiàn)象觀察），人們依賴專家的隱性知識(shí)去識(shí)別與決策有關(guān)的洞察（Insight）。現(xiàn)在，AI有多種方法去自動(dòng)化處理殘缺的數(shù)據(jù)，單項(xiàng)的數(shù)據(jù)（只有正項(xiàng)或負(fù)項(xiàng)）、小樣本數(shù)據(jù)等等，AI可以在很大程度上幫助人類更加快速地從海量數(shù)據(jù)收集并提取與決策有關(guān)的信息，更高效、更有效地感知業(yè)務(wù)現(xiàn)狀。

然后，是判斷（Orient），這個(gè)環(huán)節(jié)的核心是對(duì)業(yè)務(wù)進(jìn)行深入地洞察以及對(duì)未來(lái)進(jìn)行精準(zhǔn)地預(yù)判，之所以需要預(yù)判，是因?yàn)槠髽I(yè)經(jīng)營(yíng)者所有的決策都是影響未來(lái)，都需對(duì)未來(lái)負(fù)責(zé)。這個(gè)環(huán)節(jié)一般要解決兩類問(wèn)題，一類是對(duì)現(xiàn)狀的判斷或者更加深入地洞察，另一類是對(duì)未來(lái)更加精準(zhǔn)地預(yù)判。（1）對(duì)于現(xiàn)狀的判斷或洞察，AI能夠增強(qiáng)人的，更多的是提供更加準(zhǔn)確以及全面的判斷。例如，一線員工處理已經(jīng)程序化的事物。他們只需要按照組織流程和習(xí)性去執(zhí)行。研發(fā)人員處理需要反思的問(wèn)題。他們用實(shí)驗(yàn)方法測(cè)試假設(shè)，總結(jié)規(guī)則，形成新的流程和習(xí)性。中級(jí)管理人員綜合市場(chǎng)、運(yùn)營(yíng)和研發(fā)力量，處理設(shè)計(jì)相關(guān)的問(wèn)題，思考新價(jià)值和新產(chǎn)品。而高管則要對(duì)未知市場(chǎng)現(xiàn)象作出判斷，判斷是否要調(diào)度資源，思考進(jìn)入未知領(lǐng)域。這個(gè)過(guò)程中，我們看到三個(gè)需認(rèn)知協(xié)同的挑戰(zhàn)：

1）判斷和選擇有時(shí)間滯后性。無(wú)法即可響應(yīng)。

2）判斷分工伴生認(rèn)知隔閡。低、中、高管理層各自關(guān)注任務(wù)的一個(gè)方面，很難全局全景地理解問(wèn)題。

3）問(wèn)題現(xiàn)象是全面的、敏感的、復(fù)雜的。但各層管理者只能在人的認(rèn)知能力范圍內(nèi)裁剪現(xiàn)象。他們一般用“平均值”思維去框限渾然一體的現(xiàn)象。

對(duì)于AI，上面的認(rèn)知協(xié)同挑戰(zhàn)都有方法解決。首先，因?yàn)橛写蠊β侍幚砥骱涂梢源笠?guī)模復(fù)制業(yè)務(wù)場(chǎng)景的應(yīng)用軟件，AI可以做到毫秒級(jí)的即刻響應(yīng)。其次，人的認(rèn)知維度有限，成千上百已經(jīng)是天才。但是，AI可以有萬(wàn)億級(jí)的規(guī)則維度去捕捉現(xiàn)象維度。再次，根據(jù)人的指令，AI可以平均值，也可以極值處理數(shù)據(jù)。兩者沒(méi)有數(shù)據(jù)質(zhì)量妥協(xié)關(guān)系。AI“裁剪”觀察現(xiàn)象的細(xì)粒度和保真度極高，甚至可以對(duì)模糊現(xiàn)象作增強(qiáng)處理。最后，AI對(duì)四類問(wèn)題現(xiàn)象的判斷不必要非此即彼。它可以做到“面面俱到”。換言之，一個(gè)現(xiàn)象可以同時(shí)在四個(gè)問(wèn)題類別內(nèi)處理，并比較優(yōu)化結(jié)果。例如，對(duì)新冠防疫問(wèn)題，它可以是執(zhí)行層面需要決定的問(wèn)題，比如，（1）對(duì)現(xiàn)狀的洞察與判斷：判斷出目前人群中潛在的病毒攜帶者，（2）對(duì)未來(lái)的預(yù)測(cè)：預(yù)測(cè)疫情未來(lái)的走勢(shì)以及各種管控手段對(duì)結(jié)果的影響。出現(xiàn)情況，首先從檢驗(yàn)開(kāi)始，快速識(shí)別潛在病毒攜帶者，做好有效隔離預(yù)防措施，補(bǔ)充醫(yī)療資源。這是已經(jīng)建模的決策，可以自動(dòng)反應(yīng)。它也同時(shí)可以為其它三個(gè)象限的問(wèn)題。比如，不同社區(qū)條件下，是否可以對(duì)問(wèn)題有不同定義和理解。再如，對(duì)于新出現(xiàn)的病例，有沒(méi)有完全探索性的解釋方向？

在對(duì)業(yè)務(wù)的現(xiàn)狀以及未來(lái)有了精準(zhǔn)判斷之后，AI輔助人的四類決策（Decide），即決定、設(shè)計(jì)、反思和探索。如圖1所討論的，這四種決策可以同步開(kāi)展，并通過(guò)強(qiáng)化學(xué)習(xí)和遷移學(xué)習(xí)相互反哺。最后一個(gè)階段是行動(dòng)（Act）。對(duì)不同象限內(nèi)的問(wèn)題和決策，AI可以支持管理者的不同行動(dòng)風(fēng)格。在決定和反思范疇，已經(jīng)建模的AI應(yīng)用軟件能自動(dòng)化一系列程序，把人從有限理性束縛中解放出來(lái)。AI也能夠得益于人的直觀能力，針對(duì)偶然現(xiàn)象，尚未標(biāo)識(shí)的偏差、新現(xiàn)象，構(gòu)建數(shù)據(jù)閉環(huán)，收集新數(shù)據(jù)，模型自學(xué)習(xí)，強(qiáng)化模型可靠性。在設(shè)計(jì)和探索范疇，AI能跨領(lǐng)域建議思考的樣板、雛形和態(tài)勢(shì)，增強(qiáng)人的創(chuàng)造性思維活動(dòng)。圖2概括了AI和人類認(rèn)知能力之間相契合的問(wèn)題與決策版圖。

在設(shè)計(jì)和探索范疇，AI能跨領(lǐng)域建議思考的樣板、雛形和態(tài)勢(shì)，增強(qiáng)人的創(chuàng)造性思維活動(dòng)。

AI增強(qiáng)的高維認(rèn)知協(xié)同實(shí)例

解決問(wèn)題決策（Determination）

新冠流行初期，第四范式受委托，收集數(shù)據(jù)，建立反應(yīng)模型。雖然開(kāi)始的時(shí)候只有少量小樣本數(shù)據(jù)，AI的學(xué)習(xí)工具可以自學(xué)習(xí)，自適應(yīng)，并隨著數(shù)據(jù)量和對(duì)疫情的理解不斷優(yōu)化預(yù)測(cè)能力。模型顯示，當(dāng)疫情在一個(gè)地方發(fā)生后，雖然有諸多立即需要采取的措施，但是其實(shí)施大規(guī)模檢測(cè)，了解疫情分布是首要的行動(dòng)。后來(lái)，大規(guī)模檢測(cè)的方法成為標(biāo)準(zhǔn)動(dòng)作。在時(shí)間緊迫性極高的新冠疫情防范過(guò)程中，它極大提升防疫效率。

一家國(guó)際連鎖超市的倉(cāng)庫(kù)管理中有物流配件的合理配置問(wèn)題。受地方大小限制，太多太少都制造物流瓶頸。而物流配件需求與成千上萬(wàn)種貨物搬運(yùn)、商店配貨要求、貨物季節(jié)變化等諸多因素相關(guān)。過(guò)去，企業(yè)只能憑借經(jīng)驗(yàn)，建立較大的容錯(cuò)幅度，配備更多的人力來(lái)協(xié)調(diào)。現(xiàn)在，AI可以用環(huán)境學(xué)習(xí)工具模擬建立一個(gè)與倉(cāng)庫(kù)物流有高保真度的數(shù)字孿生虛擬環(huán)境。季節(jié)性的變量與參數(shù)可以在模擬環(huán)境下高保真顯示。AI應(yīng)用也可以預(yù)警需求變化，成為管理人員的決策助手。有AI支持，管理人員可以關(guān)注其它倉(cāng)庫(kù)物流需要優(yōu)化和改進(jìn)的地方。在同一套AI溝通語(yǔ)言環(huán)境中，各個(gè)環(huán)節(jié)的管理人員更加容易快速表達(dá)問(wèn)題，快速討論決策選擇，快速實(shí)施決定的方案。這種認(rèn)知協(xié)同效果是前所未有的。

設(shè)計(jì)問(wèn)題決策（Design）

一家民營(yíng)私人銀行眾多客戶需求和業(yè)務(wù)背景千差萬(wàn)別。因此，他們對(duì)金融服務(wù)的價(jià)值偏好有極高的多元多樣性。過(guò)去，標(biāo)準(zhǔn)服務(wù)之外，銀行市場(chǎng)營(yíng)銷部門很難有多種多樣的服務(wù)設(shè)計(jì)。憑借歷史經(jīng)驗(yàn)，銀行最多有100條規(guī)則來(lái)安排組合服務(wù)產(chǎn)品，而且正確性也強(qiáng)差人意。現(xiàn)在，AI應(yīng)用軟件可以支持千萬(wàn)條不同的規(guī)則。通過(guò)標(biāo)注超過(guò)2千萬(wàn)數(shù)據(jù)集，銀行可以精確地建議不同組合的服務(wù)產(chǎn)品。重要的是，市場(chǎng)營(yíng)銷人員的時(shí)間和精力被解放出來(lái)。他們可以集中在與客戶社交互動(dòng)和直觀感知維度，提升客戶的體驗(yàn)價(jià)值。

另外一個(gè)設(shè)計(jì)問(wèn)題的例證是關(guān)于糖尿病的防治和長(zhǎng)期治理。糖尿病既是一種身體疾病，也是一種與生活方式有關(guān)的慢性病。醫(yī)治慢性病，除了醫(yī)生和病人的努力，它還需要每個(gè)家庭和社區(qū)的幫助。過(guò)去，糖尿病治療方案就那么幾種，不可能做到千人千方，因?yàn)橛^察、監(jiān)控、診斷、建議、提醒、反饋等一系列流程涉及的信息量和分析維度超過(guò)醫(yī)生的能力范圍。現(xiàn)在，AI應(yīng)用軟件可以建立與每個(gè)病人之間的合作治理關(guān)系，為每個(gè)人提供定制的健康規(guī)劃。

反思問(wèn)題決策（Deliberation）

在服務(wù)金融企業(yè)和醫(yī)療機(jī)構(gòu)的過(guò)程中，AI應(yīng)用軟件可以因人而異，千人千面。但是，實(shí)踐過(guò)程中，派生的問(wèn)題和伴生的問(wèn)題也不斷出現(xiàn)。它們往往不是技術(shù)因素，而是社會(huì)文化和政治政策因素引發(fā)的。有些因素不可能在新事物出現(xiàn)之前就預(yù)先存在。它們往往是被AI強(qiáng)大技術(shù)效果激發(fā)出來(lái)的。例如，客人和病人的隱私保護(hù)問(wèn)題。它需要機(jī)器和管理者共同反思，共同調(diào)整AI系統(tǒng)處理信息的方法。對(duì)于隱私保護(hù)，AI應(yīng)用現(xiàn)在已經(jīng)有基于特征切分的隱私加密技術(shù)。它能防止追溯個(gè)人信息，但同時(shí)允許企業(yè)對(duì)加密后的信息進(jìn)行分析和利用。它是人與機(jī)器合作，共同反思管理過(guò)程中偏差和新現(xiàn)象的一個(gè)好例子。

有些場(chǎng)景下，我們刻意允許偏差，容忍失敗，保持較高的容錯(cuò)率，因?yàn)槲覀冃枰蟹此嫉臋C(jī)會(huì)。例如，全部標(biāo)注數(shù)據(jù)，它當(dāng)然會(huì)提高模型的準(zhǔn)確度，但是標(biāo)注數(shù)據(jù)有時(shí)成本是百萬(wàn)或千萬(wàn)級(jí)。而且，前期完美的模型不一定能容納后來(lái)的新變化。石油油井勘探過(guò)程就是類似的場(chǎng)景。由于地質(zhì)條件差異很大，AI模型最好能夠先從少量標(biāo)注數(shù)據(jù)開(kāi)始，通過(guò)自動(dòng)半監(jiān)督學(xué)習(xí)、主動(dòng)學(xué)習(xí)等技術(shù)，逐步標(biāo)注新增加的油井信息。它既是經(jīng)濟(jì)的方法，也是進(jìn)化學(xué)習(xí)的需要。在這個(gè)過(guò)程中，人與機(jī)器之間的認(rèn)知協(xié)同非常緊密，因?yàn)闄C(jī)器需要專家對(duì)新情況做預(yù)先判斷，專家可以依靠機(jī)器的早期模型調(diào)整參數(shù)，優(yōu)化模型。它是一個(gè)人機(jī)認(rèn)知共同演化的過(guò)程。

探索問(wèn)題決策（Discovery）

漸凍癥疾病識(shí)別和防治可以算是一個(gè)探索問(wèn)題決策。漸凍癥病例低于萬(wàn)分之三，而且病人特征差異很大。它的許多癥狀和起因可以算是“不知的無(wú)知”，即沒(méi)有什么可以借鑒的先例，也沒(méi)有可靠的研究參數(shù)。這種病早期容易誤判，樣本少，而且是正樣本（來(lái)的時(shí)候，求診的已經(jīng)有病了。）對(duì)于這樣的高不確定性的問(wèn)題，AI應(yīng)用軟件可以對(duì)未標(biāo)記數(shù)據(jù)做噪音負(fù)樣本處理，用自動(dòng)半監(jiān)督學(xué)習(xí)逐步標(biāo)注數(shù)據(jù)。這樣就有了開(kāi)始的參數(shù)。有貝爾斯概率論知識(shí)的讀者了解，只要有起始參數(shù)，我們就可以逐漸從“不知的無(wú)知”進(jìn)入“已知的無(wú)知”。而對(duì)后者，我們有科學(xué)實(shí)驗(yàn)的方法去證實(shí)和證偽。在探索領(lǐng)域，AI的相關(guān)應(yīng)用軟件可以讓科學(xué)家認(rèn)知速度和質(zhì)量到達(dá)指數(shù)增長(zhǎng)的階段。

另一個(gè)通用的探索問(wèn)題決策是如何降低探索的風(fēng)險(xiǎn)和成本？通過(guò)環(huán)境學(xué)習(xí)（Environment Learning）技術(shù)，AI可以為任何場(chǎng)景模擬一個(gè)數(shù)字孿生的環(huán)境，環(huán)境學(xué)習(xí)技術(shù)能夠解決以往數(shù)字孿生環(huán)境難以構(gòu)建的核心難題，通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式，讓機(jī)器主動(dòng)從高維的環(huán)境中學(xué)習(xí)到高維的環(huán)境知識(shí)與環(huán)境規(guī)律，并利用這樣的環(huán)境知識(shí)與規(guī)律構(gòu)建高精度的數(shù)字孿生環(huán)境。在精準(zhǔn)的數(shù)字孿生環(huán)境中，實(shí)驗(yàn)沒(méi)有實(shí)體效果的風(fēng)險(xiǎn)，能夠大規(guī)模模擬各種場(chǎng)景，并對(duì)決策結(jié)果做更加準(zhǔn)確的預(yù)判。例如，電動(dòng)車企業(yè)用數(shù)字孿生環(huán)境測(cè)試人車相撞的各種后果。沒(méi)有數(shù)字孿生環(huán)境，這樣的實(shí)驗(yàn)風(fēng)險(xiǎn)高，有違倫理，成本大。類似的探索可以廣泛運(yùn)用到企業(yè)持續(xù)創(chuàng)新過(guò)程中。夸張地講，在數(shù)字孿生環(huán)境中，人們可以像兒童玩耍一樣，任意想象場(chǎng)景、參數(shù)、模型和互動(dòng)效果。“專氣自柔，能如嬰兒乎？” 老子認(rèn)為，創(chuàng)新最高境界是像嬰兒那樣無(wú)拘無(wú)束，自由自在地想象。有AI支持的數(shù)字孿生環(huán)境，游戲般的快樂(lè)認(rèn)知協(xié)同已經(jīng)是現(xiàn)實(shí)。

并且再加以利用AlphaGo中的核心技術(shù)強(qiáng)化學(xué)習(xí)（Reinforcement Learning）技術(shù)，能夠讓機(jī)器自動(dòng)從環(huán)境的各種變化中學(xué)習(xí)應(yīng)對(duì)策略，得益于深度學(xué)習(xí)的發(fā)展，機(jī)器不再受制于人類已有的有限的實(shí)踐經(jīng)驗(yàn)的約束（比如圍棋中有限的“人類棋譜”，數(shù)量級(jí)是數(shù)千萬(wàn)），機(jī)器能夠從海量的“自博弈”模擬場(chǎng)景（比如圍棋中的自博弈棋局，數(shù)量級(jí)至少是百億千億，甚至更多，可以無(wú)窮無(wú)盡）中總結(jié)最佳應(yīng)對(duì)策略的規(guī)律，并在實(shí)際世界中實(shí)時(shí)快速響應(yīng)環(huán)境變化，幫助企業(yè)經(jīng)營(yíng)者實(shí)時(shí)高效地作更加精準(zhǔn)的決策，提升整體運(yùn)營(yíng)效率。

關(guān)于AI支持下，人機(jī)認(rèn)知協(xié)同實(shí)例，我們圖3做個(gè)概括。

機(jī)器能夠從海量的“自博弈”模擬場(chǎng)景（比如圍棋中的自博弈棋局，數(shù)量級(jí)至少是百億千億，甚至更多，可以無(wú)窮無(wú)盡）中總結(jié)最佳應(yīng)對(duì)策略的規(guī)律。

執(zhí)行認(rèn)知協(xié)同戰(zhàn)略

必須要指出，我們對(duì)認(rèn)知協(xié)同的重要性才剛剛開(kāi)始理解。野中的《擁有智慧的企業(yè)》一書(shū)觸發(fā)我們對(duì)認(rèn)知協(xié)同的關(guān)注。雖然我們分析了AI在四個(gè)決策領(lǐng)域起到的認(rèn)知協(xié)同作用，大多數(shù)企業(yè)還是把重點(diǎn)放在AI的自動(dòng)化功能、AI替代部分專家的認(rèn)知能力、AI采集人的智慧并保留在機(jī)器認(rèn)知能力中。如果這樣，AI和管理人之間的矛盾和沖突只會(huì)加劇。

我們認(rèn)為，一個(gè)由AI賦能的智慧企業(yè)應(yīng)該是一個(gè)高VC維的、認(rèn)知協(xié)同的場(chǎng)（Ba）（見(jiàn)圖4）。它不僅與野中的智慧企業(yè)和持續(xù)創(chuàng)新思想一致，而且有跨文化的實(shí)踐價(jià)值。

大多數(shù)企業(yè)還是把重點(diǎn)放在AI的自動(dòng)化功能、AI替代部分專家的認(rèn)知能力、AI采集人的智慧并保留在機(jī)器認(rèn)知能力中。如果這樣，AI和管理人之間的矛盾和沖突只會(huì)加劇。

實(shí)踐智慧企業(yè)認(rèn)知協(xié)同的場(chǎng)，企業(yè)領(lǐng)導(dǎo)者要建立新的組織習(xí)性，即卡塔（Kata）。這個(gè)卡塔包括下面九條：

1、高度推崇人類認(rèn)知優(yōu)勢(shì)。它包括感性和直觀能力、對(duì)偏差的敏感、美學(xué)意識(shí)、解釋偶然性的能力、有價(jià)值觀、有生命的欲望和沖動(dòng)。

2、確定AI認(rèn)知優(yōu)勢(shì)的方向在服務(wù)人，在支持組織全員認(rèn)知協(xié)同，在人機(jī)認(rèn)知協(xié)同方面。AI的認(rèn)知能力不是用于替代人，而是增強(qiáng)人的認(rèn)知協(xié)同效果。

3、推廣人機(jī)協(xié)同的融通實(shí)踐。企業(yè)要制定融通實(shí)踐的政策。對(duì)每一個(gè)被自動(dòng)化的任務(wù)，企業(yè)同時(shí)啟動(dòng)人機(jī)協(xié)同的新任務(wù)。

4、為四種問(wèn)題決策領(lǐng)域作情境設(shè)計(jì)。于是，員工了解自己可以參與哪種情境，貢獻(xiàn)怎樣的智慧。

5、為人機(jī)認(rèn)知協(xié)同規(guī)劃故事執(zhí)行流程。感性的人更能理解有故事情節(jié)的執(zhí)行過(guò)程。鑒于AI強(qiáng)大的理性分析能力，企業(yè)需要投放更高比例的資源在感性故事規(guī)劃上。它為管理人參與人機(jī)協(xié)同創(chuàng)造平等條件。

6、設(shè)立多維價(jià)值觀和績(jī)效衡量標(biāo)準(zhǔn)。對(duì)人的貢獻(xiàn)，企業(yè)不可以用對(duì)機(jī)器的效率標(biāo)準(zhǔn)去衡量。一個(gè)持續(xù)創(chuàng)新的場(chǎng)要求參差不齊的豐富元素。企業(yè)要為人的智慧貢獻(xiàn)羅列更多的激勵(lì)指標(biāo)。

7、全球企業(yè)都要準(zhǔn)備向智慧企業(yè)遷移。新冠疫情為人類紀(jì)元制造了一個(gè)重要的分水嶺。之前的策略和價(jià)值觀都處于一個(gè)轉(zhuǎn)變期。未來(lái)，智慧企業(yè)和非智慧企業(yè)將有云泥之別。具體差別在哪？一切都在演繹過(guò)程中。

8、東西方文化互鑒是智慧企業(yè)另一個(gè)生生之源。如果未來(lái)AI有一場(chǎng)文藝復(fù)興運(yùn)動(dòng)，它一定來(lái)自東西方文化互相借鑒的界面。

9、建立“美美與共”的“雙百社會(huì)”。甲骨文的“企”是一個(gè)有未來(lái)欲望的人，通過(guò)行動(dòng)，站立起來(lái)。企業(yè)的終極目的是什么？是通過(guò)創(chuàng)新創(chuàng)造活動(dòng)，人的意識(shí)集體蘇醒，昂揚(yáng)站立起來(lái)！人工智能把人從重復(fù)性勞動(dòng)中解放出來(lái)。下一步，企業(yè)要追求的是一個(gè)百花齊放、百家爭(zhēng)鳴、各美其美、美美與共的人類命運(yùn)共同體。

據(jù)說(shuō)，愛(ài)因斯坦習(xí)慣給學(xué)生同一張期中和期末考試卷。學(xué)生問(wèn)其原因。愛(ài)因斯坦回答：題目是一樣，答案卻不同了！智慧企業(yè)的題目是一樣的，中國(guó)企業(yè)應(yīng)該予以更高文明的答案。

（作者鮑勇劍系加拿大萊橋大學(xué)商學(xué)院終身教授，復(fù)旦大學(xué)管理學(xué)院EMBA特聘教授；涂威威系第四范式副總裁，主任科學(xué)家；黃纓寧系第四范式產(chǎn)品總監(jiān)。本文首發(fā)于清華管理評(píng)論，澎湃科技獲授權(quán)轉(zhuǎn)載。）