ChatGPT在2022年底推出两个月后,月活跃用户就达到了1亿。它与其他先进的语言模型一起,迅速开始蚕食传统上不属于自动化的领域,如需要创造力、直觉和决策的任务。
那么,这对管理工作意味着什么呢?人工智能(AI)与人类思维的融合仍将不可或缺,至少目前是这样,但会出现意想不到的变化。人工智能将不再局限于粗重的工作,而是被赋予一些更具创造性和直觉性的决策内容,这些任务被视为人类的基本任务。人工智能不会取代管理工作,而是会重塑管理工作。
两种思维方式:快与慢
诺贝尔奖获得者丹尼尔·卡尼曼(Daniel Kahneman)在其畅销书《思考,快与慢》(Thinking, Fast and Slow)中提出了人类两种不同思维模式的主流概念。“系统1”思维快速、直观、本能,但在陌生环境中容易犯错。而“系统2”思维则是缓慢的、有意的,能够更好地运用过去学到的规则来应对新情况。
我们通常凭直觉完成任务,只有当环境中的某些因素表明可能需要更努力地思考时,才会启用“系统2”。虽然我们的“系统1”会随着时间的推移,从我们积累的经验和反馈中自然而然地得到改善,但我们也会有意识地努力改善我们的“系统2”思维,例如,通过正规教育来发展我们的逻辑思维。
通过充分的练习,系统2的习得技能会嵌入系统1的直觉中,形成一种良性循环。
人工智能的进化则走了一条不同的道路。它的起点是逻辑,类似于人类的系统2思维。1997年,IBM的“深蓝”(DeepBlue)正是凭借快速的逻辑计算战胜了国际象棋大师加里·卡斯帕罗夫(Garry Kasparov)。
然而,机器学习的出现带来了一种新的机器智能变体。它需要对数据进行大量训练,然后几乎可以立即运行。虽然不透明是出了名的,但它的平均工作效率却非常高。我们认为,这反映了人类的“系统1”思维:人类的直觉建立在多年经验的基础上,但几乎可以立即发挥作用。
这一发展使得Alphabet的AlphaGo在2016年战胜了围棋界的顶尖棋手李世石,而人类本应在围棋中始终占据主导地位,因为直觉下棋是成功的关键。
人类与人工智能思维方式的结合
人类将如何与人工智能并肩作战?大多数叙述的基本前提是,任务可以被划分为若干子任务,人类和机器根据各自的相对优势来完成这些子任务。这一思路与专业化、外包、离岸外包和战略联盟背后的持久原则不谋而合。
将重点从任务专业化转向思维类型专业化。如果机器智能能够以超人的规模进行直觉推理(系统1),如果现有的计算系统已经在逻辑推理(系统2)方面超越了人类,那么人类的空间在哪里?我们认为,答案就在这两个系统的整合之中。
虽然在决策研究中一直强调在系统1和系统2之间切换的能力,并就人类在这方面的能力如何进行了争论,但这一般不被视为一个独立的系统。然而,如果系统1和系统2的任务由人工智能来完成,那么这种在两者之间的切换(称之为系统3)就是人类智能发挥作用的地方。
从目前的情况来看,人类在这种系统3的思维形式中既有绝对优势,也有相对优势。他们可以识别何时需要改变流程,并在不同的选项和分析之间做出选择。随着计算机科学的进步,传统计算与机器学习的结合似乎已蓄势待发,这一优势能否持久仍不确定。不过,在相当长的一段时间内,人类显然仍将是系统3思维的唯一主人。
这对管理者意味着什么?
在多个选项中,我应该投资哪个项目?要想从一大堆项目中挑选出值得仔细研究的一小部分,就必须经过一定的筛选过程。这些项目可以是招聘的候选项目,也可以是战略联盟的潜在合作伙伴或收购目标。反之,创建一个足够大的初始候选项目列表(构思)也很重要,这样才能确保很好地覆盖各种可能性。鉴于与各种项目相关的数据量巨大,其中有些数据可能不容易处理,因此某种形式的直觉或判断会有所帮助,尤其是在时间紧迫的情况下。
对于大多数管理人员来说,这就是“系统1”思维的起点。他们在某一环境中的多年经验可能已经产生了潜意识中的洞察力,产生了我们所认为的管理直觉。但是,如果管理者不完全依赖直觉来进行初步选择,而是利用大型语言模型(LLM)来筛选无数的初始选项,并生成一份可行替代方案的短名单,那会怎样呢?由LLM生成的名单可能会更大,而且从更大的候选人库开始。
然后,可以利用系统的、符合逻辑的程序对这份短名单进行严格审查,并对其进行彻底检查和解释。这是训练有素、有条不紊的管理人员使用系统2思维以及传统的基于规则的人工智能系统所能做到的。但在这方面,人工智能的规模和计算能力同样具有优势。核对事实、进行分析、根据多个标准对候选人进行排序、在更高维度的空间中对候选人进行聚类,这些都是机器可以完成的程序,而且已经完成了很长时间。
然而,这个过程是迭代的,不会随着一个周期的结束而结束。对入围候选者严格执行规则可能会暴露出入围名单和应用规则中的缺陷。能够发现这些缺陷,并对入围名单的创建和遴选过程进行微调,体现了典型的“第三系统”思维。
这种思维方式正是人力资源管理人员在技能开发方面应该投入精力的地方。它将人类认知的灵活性与“机器精确”和“机器直觉”完美融合,最大限度地发挥二者的优势,同时减少其劣势。人类战车驾驶员驾驭着“机器精确”和“机器直觉”这两匹骏马,共同推动决策的快速进步。