人工智能（AI）正引领着组织变革，它提供了崭新的机会，重新定义未来工作和劳动力，而不仅仅是优化过去所做的一切。
这需要我们以全新的方式思考组织如何处理战略、领导力、人才、文化、组织设计等，也就是组织健康的所有要素。
亚马逊、谷歌和脸书是 AI 优先的例子，它们快速地实现了规模化，并成功管理了快节奏的增长。它们减少了对“硬资产”( 如机器或设施 ) 的依赖转而专注于组织健康的关键无形资产，并利用 AI充分发挥其潜在的影响力随着过去几年 AI的迅速普及，这些公司已经为适应 AI 世界重塑了他们的人才和组织实践。
例如，将 AI学习算法应用于匹配潜在员工与空缺职位，使招聘人员能够更快地筛选申请并填补职位空缺。
2017 年3 月，字母表公司和谷歌的 CEO 孙达尔·皮柴( Sundar Pichai宣布公司正在转变为 AI优先的组织。随后，该公司发布了一系列 AI 应用的场景，包括开发用于优化机器学习的专用芯片、更广泛地使用基于人工神经网络的机器学习方法( 深度学习 )，例如癌症研究，还包括在尽可能多的设备上安装谷歌的 AI驱动助手。皮柴表示公司正在从“搜索和组织世界信息转向 AI和机器学习”。该宣告是公司愿景的战略性转变。同月，微软也宣布其打算从“移动优先”和“云优先”转变为“AI 优先”。
未来我们将见证机器在多项任务上，以更具成本效益的方式超越人类。使用 AI 来优化组织结构是一种新兴的方法，它可以帮助企业更好地适应市场变化、提高运营效率、促进员工发展，并提升企业的整体竞争力。
盛宝银行案例——基于 AI的信息检索、预测分析及个性化营销
2016年，时任瑞士盛宝银行( Saxo Bank )CEO的帕特里克·亨格( PatrickHunger)领导该银行进行了技术改革。盛宝银行不仅着手采用机器人流程自动化( Robotic Process Automation，RPA )来提高效率，解放人类去创造更大的附加值，还开发了各类 AI和机器学习项目来创造新的价值。这项工作主要聚焦三个关键领域:基于 AI的信息检索、预测分析及个性化营销。总体来说，该银行将这些举措称为“机器人技术”。
但亨格也意识到，银行数字化计划的成功将取决于一些关键原则——
1、自上而下
领导者需要精通机器人技术，这样他们才能创造令人信服的机器人技术愿景和引领这趟旅程，并阐明其对企业战略的重要性。换句话说，领导者必须授权机器人技术引领者，让他们成为日常工作中的变革推动者。
2、打破组织壁垒
许多公司在自己的业务和IT 团队之间制造了文化鸿沟。但是，机器人技术要求这些团队尽可能紧密地合作，以确保它们跟上并加快业务发展的步伐。正如亨格所认为的那样，“公司的组织设计得多聪明并不那么重要。创造组织思维共识和价值的是人际交易；所有这些都以一个扎根于文化的集体商业目标为指导。”盛宝银行当时的数据主管帕布·文卡特斯 ( Prabhu Venkatesh ) 进一步强调了这一点，并解释说:
“我们有一个双向协作模型，技术和业务团队可以自由交流想法和信息。技术团队知道什么是可能实现的，而业务团队知道什么是有用的——神奇的产品就诞生在这个交叉点上。”IT 团队和业务团队作为公司的两个平等团队，要确保持续的对话和明确的协调，这是为打破部门孤岛所做出的至关重要的努力，因而机器学习和 AI 开发团队被设计为业务组织的一个组成部分，以弥合鸿沟。盛宝银行大数据和 AI 主管克里斯蒂安·巴斯克·黑达尔 ( Christian Busk Hededal) 解释说:“我们的目标是成为一个数据驱动的组织，让技术和业务之间紧密结合。”
3、将数据展示给广泛的利益相关方
帕布·文卡特斯指出，机器人技术的一个重要能力就是将数据和关键绩效指标展示给更广泛的利益相关方群体。换句话说，即在帮助每一位员工在决策中变得更加以数据为导向的同时，牢记大局。
这不仅仅是一组宣言，更是实践的原则。听起来似乎无关紧要，但公开透明地展示执行数据会在不同团队之间制造共识，让每个人了解公司正在发生的事情，以及大家的工作会如何影响公司的业绩。
在无形中产生的积极影响是创造了一种结果导向的文化，在这种文化中，人们会主动对可见的问题采取行动，而不是依赖流程去解决问题。建立机器人技术变革引擎。通过建立强大的治理体系，盛宝银行的领导者可以根据预期的商业价值更有效地推动机器人解决方案的落地，并不断研究使企业从机器人技术中受益的新方法。这需要挑战现状，克服因机器人技术而变得过时的组织和流程障碍。最后，盛宝银行需要为运营经理提供实用的方法和工具，以便日常管理由人和机器组成的混合劳动力。盛宝银行制订了一项计划，来缓解管理人员和员工在应对任何变化时所产生的焦虑情绪: 在早期就与人力资源部门密切合作，就人力资源的重新部署提供建议。
4、确保人机融合
领导者的角色是有意识地将组织设计为一个通过包容而不是隔离来充分发挥潜力的有机体。对盛宝银行来说，人机协作意义重大，它不仅仅是当下流行的说辞，更是一套逻辑体系。在该体系之下,创新和业绩在人机生态系统中最能蓬勃发展。帕特里克·亨格指出:“当我们说我们本质上是一家科技公司时，我们的意思是科技是将人类技能付诸实践的主要工具。科技增强了我们的组织能力，让其不再受限于企业规模。”虽然有些人将数字化手段 ( 尤其是 AI) 视为机器与人类之间的矛盾“，但其他人则认为科技以前所未有的方式帮助我们展现了人性。这是一种提升组织健康的工具。这种以智能运营模型为核心的组织，将成为公司内提升个人和团队绩效的中流砥柱，使人机协作的新方法得以生根发芽。因此，组织进化的最大机会不仅仅是重新设计工作或部署自动化工具，还有从根本上重新思考“智能运营模型的架构”，为企业团队和个人创造新的价值来源。
此外，在疫情期间，随着数字化客户体验建设的深入，盛宝银行基于 AI工具的全部价值变得更加清晰，在释放人类潜力方面尤为明显。由于消费者待在家里，或至少远离实体银行分支机构，该银行基于 AI的工具帮助员工以他们意想不到的方式预测和满足快速变化的客户需求和偏好。最终，该银行的员工变得善于学习、不断努力，这也意味着银行能够以更快、更敏捷和更准确的方式做出响应。它可以全年、全天候地不断学习、扩张和运营。
AI 优先的真正含义是什么?
AI 优先不仅是利用分析( 或决策 )的力量来加强人机协作，它更是基于 AI重塑未来组织，防止 AI 只被用作优化组织的工具。换句话说，这不仅是为了更好、更便宜或更快地做同样的事情，也是为了开展新的活动，创造更多价值。
当前全球的数字经济( 有时被称为“互联网经济”)比历史上其他任何时期都更需要组织的一致性、敏捷性和智能化。组织需要将 AI嵌入组织运作的各个方面，使其成为组织 DNA 的一部分，以便有效释放公司的全部潜力。在早些年或不那么动荡的商业环境中，CEO 或高层管理团队可能单独负责开发组织的全部潜力。然而，如今，组织的基本要素必须协调一致，作为一个整体同步行动。
一项研究显示，众多不同的组织认为，在采用 AI 的主要障碍中，近一半与组织健康相关（见图 9-1 ）。该研究发表在《麻省理工学院斯隆管理评论》上，将受访者分成四个类型：先驱者（了解并采用 AI 的组织）、调查者（了解 AI 但未完成试点的组织）、实验者（在没有深入了解技术的情况下，试验 AI 的组织）和被动者（不了解也没有采用 AI 的组织）。
公司如何能清除障碍并成功挖掘 AI的价值?
根据麻省理工学院的研究成果，我认为可以总结为对组织健康的四个特定要素的高度聚焦。具体来说，成功采用 AI和其他数字技术的公司在以下四个维度表现出色，我把它们看作四项投资。
1、对战略和决策的投资
麦肯锡的一项研究表明，大多数受访者表示他们的公司已经从 AI 中获得了价值，与其他公司相比，规模更大、收入更高、成本更低。这并非运气使然，公司制定业务战略、实施战略的能力和在应用 AI过程中的变革管理，共同影响了变革实现的程度。那些在普及 AI 方面取得更大成功的公司更有可能有一组关键动作，包括协调AI和业务战略，而每六种关键动作中有五种与组织健康相关。更倾向于有效使用 AI 的公司更容易在全公司普及 AI、实现商业价值。在另一项研究中，来自高绩效公司的 36% 的受访者表示，他们的一线员工会使用AI提供的实时反馈来做日常决策，而其他公司中只有 8% 的受访者会这样做。
2、对组织和工作设计的投资
麦肯锡的研究发现，近 90% 成功普及 AI的公司将超过一半的分析预算用于推动对 AI 的采用，例如工作流程重新设计、沟通和培训;其他公司中只有 23% 倾注了类似的资源。1 在普及 AI方面做得最好的公司在变革和推动采用 AI的项目 ( 工作流程重新设计、沟通、培训 ) 上花费的资金或预算与它们在技术本身上花费的一样多。
3、对人才的投资
麦肯锡的研究发现，成功在组织内部采用 AI的公司在人才和流程方面的投资与在技术方面的一样多。一项对 1 000 家公司的调查发现，只有 8%的受访公司参与了此类实践，使得 AI的普及得以实现。13 无数研究呼应了这些发现。《 麻省理工学院斯隆管理评论》和德勤数字 (Deloitte Digital) 在《科技谬论: 人如何成为数字化转型的真正关键 》( The Technology Fallacy: How People Are the Real Key toDigital Transformation) 一书中发表的联合研究提供了令人信服的证据表明数字成熟度更多地与人和组织变革有关，而不是与其所使用的特定技术有关。
4、对风险缓解和认知提升的投资
公司处理风险的方式( 即质量保证审计或合规培训 ) 在很大程度上决定了权责。同样，组织学习的方式 ( 通过使用知识和协作平台 ) 通常定义了公司文化。采用 AI确实存在很大的风险，因为 AI 通常以大量数据 ( 例如搜索习惯或视频通话记录小时数为基础，滥用这些数据是非法的。因此，没有任何公司愿意冒险在未经允许、未向员工全面说明数据用途的情况下，收集和使用数据。根据欧盟通用数据保护条例 ( General Data Protection Regulation，GDPR)，在违反条例的情况下，罚款最高可达 2 000 万欧元，或公司主体在全球营业额的 4%。违规或滥用的潜在司法成本可能超过成交价格，如果发现问题，公司估值将会降低，因为应对 GDPR 监管的成本很高。因此，交易团队必须仔细审查采用 AI 技术是否合规或是否存在重大责任风险。同样，CEO 和董事会必须建立治理和监督机构，以确保公司负责任地采用AI。
总之，人工智能（AI）正引领着组织变革时刻已经到来，生成式AI和大模型所展现出来的强大能力，正在改变游戏规则和加速颠覆旧有模式。
面向未来，AI 依然面临着种种挑战，值得大模型公司、数据分析企业和用户们持续去探索。