专业文章不想蹭热度，所以我特地在李一舟事件的热度下来之后，才写这篇文章。说实话，大多数人并没有资格嘲笑李一舟，毕竟人家是利用AI实打实地赚到了钱。我不知道他那是不是叫骗。我没买过课，也没兴趣。我关心的是，众多企业根本没能利用人工智能增加任何销售、利润，或降低任何成本。

大部分人使用AI的方式很可能就是和Chat GPT或国内的大模型聊聊天，画画图，好一点的可能会利用AI做做短视频和直播。这还真不如卖课赚钱。

那么，除了在AI领域创业，对大多数公司来说，如何为人工智能时代的到来做好准备呢？

1、组织变革

对任何行业的任一家公司来说，我觉得都有一个问题值得思考：组织需要如何应对人工智能带来的变化？哪些决定性要素会改变，哪些不会？

一个好的应对策略不仅是增加AI客服，智能招聘助手，或者用AI替代一部分劳动力；而应是通过人、组织和运营方式的底层改变去面对未来的挑战。我相信这个问题，没多少人讲过，更没多少人思考过。这是一个未来导向的问题。

从组织决策行为的角度看，有这么几个变革的方向需要考虑。

一、目标

通常来说，组织设定的目标是一个多方博弈，竞争和妥协之后的产物，是长期与短期平衡的结果。各个部门通过职能配置和预算共同控制目标的设定，办公室政治由此而生。天下熙熙皆为利来。

而这会由于人工智能的崛起而减少吗？不会，人性如此。

尽管目标设定将更依赖于数据和算法模型，不同部门歪曲事实和数据的空间会收缩，但部门还是可以围绕模型的设定和质量提出异议，引入新的变量或假设进行解释，从而继续进行利益博弈。

但如果AI建模更透明，能基于更丰富的数据，那目标制定就可以设置更多维度，以平衡不同部门诉求，并通过依托算法实现更精准的激励设计，弱化非绩效因素的谈判空间。

除利益争夺外，在设定目标时还会遇到组织松弛（organization slack）的问题。用大白话说，就是要不要压得很紧。如果产能很紧、预算和资金很紧、员工天天996那就没有什么松弛。松弛度低，效率就高，但创新度也会很低。这和养孩子一样。如果孩子没啥自己的自由支配时间，或者太多游手好闲，那他都一定成不了才。

一般来说，经济景气时组织松弛会增加，而衰退期会减少。这很类似缓冲器。人工智能时代，组织松弛不会消失，而是会被更好，更有效率地管理，也能提供更多的创新。

这里不变的是人性，而要改变的是如何获得更多维度的实时数据和更被认可的模型。

二、预期

除目标外，一个合理的，对结果的预期也会影响企业的决策。不同的预期带来不同的决策；而预期受制于探索。

探索又分为两种：局域探索（短期适应）和长跳探索（长期适应）。这在我的书《战略法则-人工智能时代企业与个人的致胜之道》中有详细的论述。

探索不是免费的，而是有成本的，是一个代价-收益权衡的过程。探索越多，获得的信息越多，决策质量越高，但时间和资源的成本也越大。

而且探索也是有偏好的。企业通常以局域探索（单一问题导向）为起点，逐步向复杂性更高的区域展开。真正能进行长跳探索的公司是很少的。人工智能的发展虽然能提高探索的效率，降低成本和风险，但要想完全去除是不可能的，需要组织松弛来提供容错缓冲。

此外，组织所处的环境，探索中收集的数据，以及预期之间会相互影响，而这主要是通过沟通来实现的。也就是说，人不仅通过探索来获得信息，也会加工和处理信息，并以此影响决策。传统上，个体能改变主观预期，以适应各种可能的错误；并根据自己的理解调整再次传播的信息。因此，预期是可被管理的，但也是非常复杂的（所谓向上管理，向下管理，外部客户预期管理等等）。更多的可视化数据和使用高透明度模型的人工智能可以提供沟通辅助。

这里不变的是人性，而要改变的是如何获得更多维度的实时数据和更被认可模型的方法。

三、选择

传统上，组织的决策选择过程会对市场需求、成本、销售和利润等目标进行评估，并将竞争对手与自己的行动和预期代入进去不断迭代，从而找到最佳的方案。

有了人工智能的加持，这种评估肯定会更加快速和准确；但过程仍会受到个人偏好、风险承担和有限理性等诸多因素的影响。这些因素不会被完全消除掉。

其次，企业的组织选择主要面对的是短期适应过程和结果。就像有些人说的，“战略是干出来的，而不是设计出来的”。这是一句正确的废话。决策肯定是基于现行规则的，现有规则必需是实战验证过的。但当环境发生变化时，公司也要通过组织学习，在一个复杂的生态结构中进行演化，创立新的规则。企业要做的绝不是利用AI设计宏大的战略，而是通过人和组织来想办法提高长期适应性。

在这点上，人工智能可以提供一定的帮助。比如说，提供复杂环境的前瞻性模拟，动态优化流程与资源配置，构建组织记忆与知识图谱（Organizational Memory指一个组织内部形成和积累的知识资产与信息资源的总和），开展情景规划与情景训练，提供个性化提醒与建议等等。这些同样离不开丰富的多维度数据。

纵观组织决策的三大核心：目标、预期和选择，我们会发现：尽管人工智能可以很好地提高决策效率，但一旦涉及人性的部分，AI马上就会退回到次要的位置。

不过，AI还是可以在一定程度上让人性更可控。总结来看，

1、可以使目标和激励计划更合理；

2、可以使企业更有效地进行创新探索；

3、可以使决策平衡长短期目标，提高竞争适应性。

而这一切的前提是建立一个稳定的，以信任和能力优势为基础的核心团队，并能提前投资于足够丰富的，及时的，多维度数据。这样就能根据环境变化迅速扁平化组织结构，加快决策流程，以面对人工智能时代的挑战。

2、人才的竞争

企业竞争的根本是人才的竞争。

我们提出了一种浸泡式的评估方法。可以利用较真实的模拟对人才的策略能力进行量化评估，协助企业找到这些喜欢变化，喜欢搞事儿的人。它具有以下特性：

1. 对个人的策略能力进行多维度描述，而不仅是一种笼统的感觉；

2. 对策略能力在不同维度的表现进行量化评估，并可横向比较；

3. 迅速给出较为准确的判断，评估的时间、机会和财务成本较低。

不应错误地认为，策略能力属于高层员工。我们所谓的策略能力，更多评估的是，当一个人面对稀缺资源和不断变化的环境，他如何感知、分析、应变，把握节奏和形成同盟。这种能力任何一个有发展潜力和上升空间的员工都应该具有。

量化评估从5个维度对被评估人的能力进行描述：

1. 资源获取能力，对应资源的分析和获取能力；

2. 态势感知能力，对应对整个局面的分析和决策能力；

3. 应变管理能力，对应针对局面变化的动态管理能力；

4. 节奏掌控能力，对应针对战略发展不同阶段的节奏把握能力；

5. 战略合作能力，对应整合资源，形成战略联盟的能力。

维度的细分可以使人才策略能力的评价更为具体，公司从而可以发现其不同的潜力，提供相应的培养计划。

3、免费培训与评估

这里真的有免费的午餐。

我们免费为有发展潜力的创新型企业提供策略力培训与量化评估，可以帮助企业更有效地培养和筛选善于搞事儿的战略级运营人才。适用场景：优秀员工外部招聘，关键职位内部选择，或创始人联谊

内容：使用游戏进行策略力的培训，并对表现进行量化评估

参与人数：培训人数不限，量化评估不超过4人

最终交付：策略力培训、量化评估报告，以及长期的数据更新

收益：通过量化评估核心人员的策略能力，企业可推进核心团队的维护和建设，平衡成本与机会，兼顾当下与未来。

费用：无

筛选标准：创新型公司、能提供培训会议室、投影和员工个人使用的电脑

《战略法则》的作者：钱竑，70年代人士，毕业于新西兰Massey University 管理学专业，18个月一次性通过特许金融分析师CFA全部三级考试，曾服务于世界500强跨国企业多年，有丰富的海外生活、工作经历。作者专注于互联网和新经济领域研究，擅长战略规划与分析，参与了众多网络空间治理、创新、合作与发展方面的项目。