2022年11月，美國OpenAI公司推出的用于人機(jī)互動(dòng)的生成式預(yù)訓(xùn)練轉(zhuǎn)換器（ChatGPT）讓人工智能生成式內(nèi)容（AIGC）的概念席卷全球。生成式人工智能日趨普及，不僅影響著個(gè)體利用信息的方式，也在逐步重塑企業(yè)管理的各個(gè)方面。

以企業(yè)戰(zhàn)略管理為例，傳統(tǒng)的企業(yè)戰(zhàn)略決策過程是以點(diǎn)帶面，圍繞公司高層管理者的認(rèn)知展開，形成自上而下的經(jīng)驗(yàn)式管理模式。然而，隨著營商環(huán)境日漸復(fù)雜和產(chǎn)業(yè)變革逐步深化，企業(yè)發(fā)展方向呈多向輻射形式，基于高層管理者個(gè)體認(rèn)知的經(jīng)驗(yàn)式管理，往往難以有效處理復(fù)雜的內(nèi)外部因素，甚至可能使企業(yè)困囿于管理者的認(rèn)知舒適區(qū)中，無法及時(shí)應(yīng)對動(dòng)蕩的外部環(huán)境。

在人工智能應(yīng)用逐步普及的今天，一些廠商基于人工智能技術(shù)，開始打造針對特定行業(yè)或領(lǐng)域的管理輔助工具，嘗試?yán)萌斯ぶ悄軒椭髽I(yè)管理者突破認(rèn)知邊界，構(gòu)建融合人類經(jīng)驗(yàn)和人工智能的生成式管理決策模式。

生成式人工智能：從不確定到確定性

生成式人工智能是以巨量數(shù)據(jù)為成長基礎(chǔ)，通過預(yù)設(shè)和自修正的反饋法則形成的，能夠生成更高量級(jí)數(shù)據(jù)的人工智能神經(jīng)網(wǎng)絡(luò)。它能夠理解人類創(chuàng)作的要素，并將這些要素重新組合，創(chuàng)造出新的且能夠被人類理解的內(nèi)容。OpenAI團(tuán)隊(duì)發(fā)表于2022年的一篇文章，詳細(xì)闡釋了生成式人工智能的三個(gè)塑造階段：策略構(gòu)建、賦分排序和決策優(yōu)化。

在策略構(gòu)建階段，研究團(tuán)隊(duì)利用由人類打標(biāo)簽的數(shù)據(jù)構(gòu)建預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。在賦分排序階段，人工智能自行制定不同的結(jié)果賦分策略，并對基于同一任務(wù)指令生成的多種輸出結(jié)果進(jìn)行賦分排序。真人訓(xùn)練員利用個(gè)人經(jīng)驗(yàn)，從旁指導(dǎo)人工智能選擇最佳的賦分機(jī)制。在決策優(yōu)化階段，人工智能神經(jīng)網(wǎng)絡(luò)基于輸出策略高頻生成不同的內(nèi)容，并由內(nèi)部賦分機(jī)制對海量內(nèi)容進(jìn)行賦分，自行優(yōu)化輸出策略，最終給出滿足外部指令的最佳決策。

從上述描述可以看出，生成式人工智能的基本工作原理是，首先根據(jù)輸出策略生成與指令可能匹配的多個(gè)結(jié)果，再根據(jù)賦分機(jī)制逐步增加強(qiáng)匹配結(jié)果生成的可能性，直至匹配程度最高的唯一解誕生。

從生成可能結(jié)果，到判斷和削減結(jié)果的可能性，生成式人工智能在逐步實(shí)現(xiàn)輸出內(nèi)容從不確定向確定的轉(zhuǎn)變。圖1展示了從完全不確定性到確定性的全過程。

◎圖1 從不確定性到確定性

不確定性、不連續(xù)性與企業(yè)管理類型

目前，生成式人工智能主要應(yīng)用于語言相關(guān)領(lǐng)域，也因此常被稱作語言大模型。在生成式語言大模型中，說到即做到。只要算力夠，這種模型在海量信息中找到可能的結(jié)果，判斷結(jié)果的可能性，并以此為基礎(chǔ)得到確定性輸出的過程是連續(xù)的和有保障的。

然而，人工智能的普及性應(yīng)用之所以剛剛開始，是因?yàn)閾踉谌斯ぶ悄芾碚摵蛯?shí)踐之間巨大的算法、算力和數(shù)據(jù)鴻溝最近才得以突破。而在此次突破中扮演關(guān)鍵角色的英偉達(dá)公司的股價(jià)最近一段時(shí)間一路狂飆，全球范圍內(nèi)仍然一卡難求。眾多創(chuàng)業(yè)公司乃至互聯(lián)網(wǎng)大廠紛紛表示要All-in生成式人工智能，但真正能夠做到的卻寥寥無幾。這也反映了知行合一之間差異，以及企業(yè)計(jì)劃制定和執(zhí)行之間的不連續(xù)性。

◎圖2 不確定性、不連續(xù)性與企業(yè)管理類型

如果我們從不確定性和不連續(xù)性兩個(gè)維度，對“知”和“行”之間的關(guān)系進(jìn)行梳理，就可以得到圖2。此圖的縱軸表示在“知”方面的不確定性，橫軸表示在“行”方面的不連續(xù)性?！爸笔菍ξ磥戆l(fā)展方向的認(rèn)知，主要面臨的挑戰(zhàn)是不確定性，“行”是在未來發(fā)展路徑上的實(shí)踐，主要面臨的挑戰(zhàn)是不連續(xù)性。未來發(fā)展方向的不確定性可以分為高和低兩種情況。同時(shí)，從現(xiàn)在到未來能否做到知行合一，不僅要取決于“知”的確定性，還要取決于“行”的連續(xù)性。

從現(xiàn)在到未來有很多路徑，選擇哪條路徑是“知”所決定的，“知”從不確定性到確定性的提升，可以幫助人們選擇自己認(rèn)為的最佳路徑，但現(xiàn)實(shí)中的路徑是否走得通，則需要克服未來路徑上的不連續(xù)性。

基于圖2，我們可以沿著企業(yè)發(fā)展的時(shí)間線，把企業(yè)管理模式分為適應(yīng)式管理、愿景式管理、計(jì)劃式管理和涌現(xiàn)式管理四種類型。

在未來發(fā)展方向不確定性高、未來發(fā)展路徑不連續(xù)性也高的情況下，事物的發(fā)展處于混沌狀態(tài)，企業(yè)大多采取適應(yīng)式管理，在眾多發(fā)展方向中進(jìn)行排除，試圖找到適合自身資源和能力條件的發(fā)展方向，并將有限的資源和能力押注在此發(fā)展方向上，力圖實(shí)現(xiàn)發(fā)展路徑的突破，進(jìn)入成長階段。

成長階段的企業(yè)往往采取愿景式管理，總有企業(yè)能夠克服發(fā)展路徑上的不連續(xù)性，實(shí)現(xiàn)自己的愿景，進(jìn)入發(fā)展方向不確定性低、發(fā)展路徑不連續(xù)性低的階段，并開始采取計(jì)劃式管理模式，盡力讓自己的發(fā)展方向穩(wěn)定下來，讓自己的發(fā)展路徑持續(xù)下去。然而當(dāng)企業(yè)面臨劇烈變化時(shí)，便不得不重新進(jìn)行選擇，以適應(yīng)發(fā)展方向不確定性升高的外部環(huán)境。

由此我們看出，企業(yè)在生命周期的不同階段，需要采用與發(fā)展方向不確定性和發(fā)展路徑不連續(xù)性情況相適應(yīng)的管理模式。如果我們把企業(yè)生命周期分為創(chuàng)業(yè)、成長、成熟和轉(zhuǎn)型四個(gè)階段，那么企業(yè)將在相應(yīng)階段采取適應(yīng)式管理、愿景式管理、計(jì)劃式管理和涌現(xiàn)式管理等四種管理模式。

生成式人工智能管理思維

在營商環(huán)境日趨復(fù)雜，企業(yè)發(fā)展節(jié)奏不斷加速的今天，一個(gè)企業(yè)可能在短短幾年內(nèi)就經(jīng)歷了創(chuàng)業(yè)、成長、成熟、轉(zhuǎn)型四個(gè)階段，并進(jìn)入二次創(chuàng)業(yè)、成長、成熟的發(fā)展循環(huán)之中。這些企業(yè)將同時(shí)面對發(fā)展方向不確定性和發(fā)展路徑不連續(xù)性的四種組合情況，企業(yè)的各類業(yè)務(wù)也將分為創(chuàng)新、成長、成熟和轉(zhuǎn)型四種類型。在如此復(fù)雜的情況下，企業(yè)該如何協(xié)同各個(gè)業(yè)務(wù)，如何在錯(cuò)綜復(fù)雜的環(huán)境中把握不斷涌現(xiàn)的發(fā)展方向和不斷變化的發(fā)展路徑，是企業(yè)管理決策面臨的重大挑戰(zhàn)。

在信息多元且獲得便捷的互聯(lián)網(wǎng)時(shí)代，計(jì)劃式管理容易使企業(yè)忽略豐富的外部信號(hào)，導(dǎo)致組織僵化，錯(cuò)過發(fā)展機(jī)遇。而過多市場信號(hào)也會(huì)導(dǎo)致采用涌現(xiàn)式管理的企業(yè)在市場上隨機(jī)漫步和無序蔓延，看到多向的發(fā)展路徑卻無法一力貫之。因此，缺乏高速處理海量信息能力的企業(yè)，無論是采取適應(yīng)式、愿景式、計(jì)劃式、涌現(xiàn)式管理中的哪一種，都難以創(chuàng)造最優(yōu)績效。面對錯(cuò)綜復(fù)雜的外部環(huán)境和多元業(yè)務(wù)組合，企業(yè)可以借鑒生成式人工智能技術(shù)的邏輯，嘗試生成式人工智能管理邏輯。

生成式人工智能管理的基礎(chǔ)邏輯是從發(fā)散到收斂，即從“生”到“成”。在發(fā)散階段，生成式人工智能管理系統(tǒng)從各個(gè)業(yè)務(wù)獲取海量信息，對企業(yè)決策模型進(jìn)行預(yù)訓(xùn)練，使其能夠?qū)W習(xí)數(shù)據(jù)中的規(guī)律和模式，進(jìn)而預(yù)判企業(yè)后續(xù)的經(jīng)營方向和未來狀況。在收斂階段，經(jīng)過訓(xùn)練的模型進(jìn)入決策輔助模擬階段，生成的數(shù)據(jù)供管理者參考。管理者同時(shí)對模型輸出的決策方案進(jìn)行評估，以便于后續(xù)改進(jìn)模型和提高生成結(jié)果的質(zhì)量。

在實(shí)踐中，企業(yè)采取的自下而上與自上而下結(jié)合的決策方式，就有生成式人工智能管理的影子。例如，任正非在討論華為決策體系轉(zhuǎn)型時(shí)說“我也不知道一線要多少資源合適，只能讓聽得見槍聲的人呼喚炮火，因?yàn)樗x客戶最近，大家先聽他的，選擇先相信他。我們事后復(fù)盤時(shí)發(fā)現(xiàn)浪費(fèi)彈藥了，再‘秋后算賬’、總結(jié)經(jīng)驗(yàn)?！比A為一線的每一次呼喚炮火屬于一次自下而上的策略輸出，而隨后管理層的復(fù)盤和秋后算賬屬于一次自上而下的修正回報(bào)。人工智能的工作目標(biāo)就是對大量修正回報(bào)進(jìn)行標(biāo)簽化，為組織實(shí)現(xiàn)“輸出à反饋à調(diào)整à輸出”的自我訓(xùn)練建立制度基礎(chǔ)。

當(dāng)一家企業(yè)沿著自己的生命周期，從創(chuàng)業(yè)階段發(fā)展到成長階段，進(jìn)而進(jìn)入成熟階段和轉(zhuǎn)型階段的時(shí)候。企業(yè)在各階段面對的未來發(fā)展方向不確定性，和未來發(fā)展路徑不連續(xù)性組合雖然各有不同，但在每個(gè)階段的組合相似性較高。從一個(gè)階段到另一個(gè)階段的變化，也有規(guī)律可循。在這種情況下，企業(yè)可以按照適應(yīng)式管理、愿景式管理、計(jì)劃式管理和涌現(xiàn)式管理的思維模式進(jìn)行管理決策。

然而隨著企業(yè)的不斷發(fā)展和外部環(huán)境的快速變化，很多企業(yè)在同一時(shí)點(diǎn)擁有創(chuàng)新業(yè)務(wù)、成長業(yè)務(wù)、成熟業(yè)務(wù)和轉(zhuǎn)型業(yè)務(wù)等組合。這些業(yè)務(wù)分別面對不同的發(fā)展方向不確定性和發(fā)展路徑不連續(xù)性。為了應(yīng)對各類業(yè)務(wù)面對的機(jī)遇和挑戰(zhàn)，企業(yè)將服務(wù)于不同類型的用戶，采用相應(yīng)的組織結(jié)構(gòu)，發(fā)展符合用戶需求的產(chǎn)品，并嘗試在各不相同的市場環(huán)境中進(jìn)行競爭合作。于是企業(yè)管理的復(fù)雜程度開始指數(shù)級(jí)上升。

◎圖3 生成式人工智能管理

從企業(yè)總部層面看，各個(gè)業(yè)務(wù)面對的具體情況不同，無法采用統(tǒng)一的管理機(jī)制和方式進(jìn)行管理，業(yè)務(wù)之間很難達(dá)成協(xié)同效應(yīng)。從不同的業(yè)務(wù)角度看，由于各業(yè)務(wù)所面對的具體情況不同，公司總部的要求往往很難達(dá)成，各業(yè)務(wù)也很難與其他業(yè)務(wù)形成協(xié)同。

這種情況可以用圖3解釋，底座是企業(yè)在不同發(fā)展階段業(yè)務(wù)所面臨的發(fā)展方向不確定性，和發(fā)展路徑不連續(xù)性的差異化組合。縱向則是隨著業(yè)務(wù)復(fù)雜程度上升帶來的知行合一難度的上升。在這種情況下，企業(yè)可以考慮借鑒生成式人工智能技術(shù)的工作邏輯，運(yùn)用生成式人工智能管理模式。

生成式包括兩個(gè)關(guān)鍵字，一是“生”，二是“成”。企業(yè)整體管理目標(biāo)的基礎(chǔ)是各個(gè)業(yè)務(wù)的管理目標(biāo)，而每個(gè)業(yè)務(wù)的管理目標(biāo)又包括用戶管理、組織管理、產(chǎn)品管理和市場管理等方面。由于不同業(yè)務(wù)所在發(fā)展階段和具體發(fā)展情況存在差異，這些業(yè)務(wù)在實(shí)際運(yùn)營中會(huì)產(chǎn)生海量信息。企業(yè)可以使用預(yù)訓(xùn)練的管理模型，針對每類業(yè)務(wù)所面臨的管理問題和數(shù)據(jù)信息打標(biāo)簽，并不斷通過管理人員的評估，對模型進(jìn)行優(yōu)化，形成自下而上的管理信息匯集系統(tǒng)。

生成式人工智能管理的第二個(gè)關(guān)鍵詞是“成”，包括各項(xiàng)業(yè)務(wù)目標(biāo)的達(dá)成和公司整體目標(biāo)的達(dá)成。由于每項(xiàng)業(yè)務(wù)的管理目標(biāo)都包括用戶管理、組織管理、產(chǎn)品管理和市場管理等具體目標(biāo)。因此，這些目標(biāo)匯聚在一起，應(yīng)該達(dá)成各項(xiàng)業(yè)務(wù)的整體管理目標(biāo)，而處于不同發(fā)展階段的各項(xiàng)業(yè)務(wù)整體目標(biāo)的匯集，則應(yīng)該能夠達(dá)成公司層面的整體目標(biāo)。企業(yè)高層管理者可以自上而下地對各業(yè)務(wù)目標(biāo)達(dá)成情況進(jìn)行評估和排序，并調(diào)整公司層面的回報(bào)模型，進(jìn)而促使各個(gè)業(yè)務(wù)達(dá)成自身目標(biāo)的同時(shí)，幫助公司達(dá)成整體管理目標(biāo)。

在生成式人工智能管理模式中，除了“生”和“成”這兩個(gè)關(guān)鍵詞，分別代表自下而上和自上而下的管理流程之外，“人工”和“智能”也是重要的關(guān)鍵詞?！爸悄堋睆?qiáng)調(diào)的是，企業(yè)管理是一門科學(xué)，可以通過規(guī)則的制定應(yīng)對管理中的不確定性。用規(guī)則的確定性，應(yīng)對變化的不確定性，用流程的連續(xù)性應(yīng)對行為的不連續(xù)性。而“人工”這個(gè)關(guān)鍵詞則強(qiáng)調(diào)管理是一門藝術(shù)，甚至是手藝。需要管理者對管理體系進(jìn)行適度干預(yù)，包括但不限于對管理數(shù)據(jù)的評估、對管理行為的反饋和對管理模型的優(yōu)化。

來自堅(jiān)果動(dòng)力的案例

藝術(shù)追求結(jié)果的開放性和科學(xué)需要結(jié)果的明確性。采用生成式人工智能的管理決策，需要將開放性與明確性結(jié)合在一起，在“生”和“成”中達(dá)成平衡。以下以游戲行業(yè)為例，選取中國知名游戲廠商堅(jiān)果動(dòng)力的發(fā)展案例，并追溯其將美國人工智能公司data.ai納入決策核心的歷史過程，總結(jié)生成式人工智能管理的決策脈絡(luò)：廣域性探索、分布式挖掘、向量化衍生。

第一，基于競品標(biāo)簽，簡化廣域性探索。游戲行業(yè)以豐富的內(nèi)容和高度的競爭著稱。根據(jù)維爾福集團(tuán)官方統(tǒng)計(jì)，其開發(fā)的“蒸汽”電子游戲分發(fā)平臺(tái)僅2022年共發(fā)行12 857款新游戲。一方面，豐富的市場競品為游戲廠商提供多元的市場經(jīng)驗(yàn)以供參考和模仿。另一方面，眼花繚亂的新世界也使產(chǎn)品開發(fā)者迷失在對未知的探索中，造成產(chǎn)品開發(fā)失焦，喪失產(chǎn)品內(nèi)核，導(dǎo)致玩家失去購買欲望。

因此，游戲廠商在進(jìn)行新產(chǎn)品開發(fā)中面臨高度的不確定性，既不知道自己能做什么（可能的結(jié)果），也不知道自己最適合做什么（結(jié)果的可能性）。基于“從不確定性到確定性”的演進(jìn)模型，游戲廠商在開發(fā)新產(chǎn)品的時(shí)候，需要首先選定適合自己的賽道。

生成式人工智能是基于標(biāo)簽化數(shù)據(jù)形成策略模型，將輸入的信息輸出為多個(gè)可能結(jié)果。游戲廠商同樣可以參考這一方式進(jìn)行產(chǎn)品開發(fā)選擇，以層級(jí)式標(biāo)簽概括海量的市場競品，簡化全行業(yè)搜索的成本和難度。堅(jiān)果動(dòng)力的創(chuàng)始人強(qiáng)叔增說，他早在2015年就認(rèn)識(shí)到了data.ai對其產(chǎn)品開發(fā)的助力功效，并積極嘗試與data.ai的創(chuàng)始團(tuán)隊(duì)進(jìn)行對接。data.ai作為一家專注移動(dòng)市場，尤其是移動(dòng)游戲市場的人工智能公司，自誕生伊始就開始嘗試對市場上的產(chǎn)品進(jìn)行數(shù)字化分類。data.ai的旗艦功能App IQ提供了以移動(dòng)應(yīng)用行業(yè)為場景的系統(tǒng)應(yīng)用分類法。其標(biāo)簽化的內(nèi)容不僅僅局限于諸如App Store和Google Play等軟件發(fā)行商對移動(dòng)應(yīng)用的簡單歸類，而且深度挖掘應(yīng)用內(nèi)容，提供19 種類別152 種子類別的應(yīng)用級(jí)品類標(biāo)簽。

創(chuàng)始人對人工智能應(yīng)用前景的敏銳感知和提前布局，以及data.ai人工智能輔助系統(tǒng)提供的品類－特征雙層次標(biāo)簽分類，為堅(jiān)果動(dòng)力能夠迅捷、簡明又不過分籠統(tǒng)地掃描對全游戲行業(yè)產(chǎn)品成為可能。從而使堅(jiān)果動(dòng)力得以快速地進(jìn)行產(chǎn)品定位，識(shí)別出自己想要發(fā)力的賽道。

第二，匹配研發(fā)能力，推進(jìn)分布式挖掘。在大致清晰可能匹配企業(yè)能力的幾個(gè)賽道后，堅(jiān)果動(dòng)力依托人工智能評估各個(gè)潛在賽道的未來發(fā)展空間，進(jìn)行賦分排序，進(jìn)一步削減市場信息的不確定性。生成式人工智能通過優(yōu)化賦分機(jī)制實(shí)現(xiàn)對結(jié)果可能性的排序，而這一步的關(guān)鍵是基于策略模型輸出多種方案，放在游戲產(chǎn)品開發(fā)的場景下就是多產(chǎn)品試錯(cuò)迭代和方向優(yōu)化選擇。

依靠前期的人工數(shù)據(jù)輸入和后續(xù)的智能數(shù)據(jù)監(jiān)控，堅(jiān)果動(dòng)力有效利用人工智能指導(dǎo)內(nèi)部團(tuán)隊(duì)的研發(fā)方向。堅(jiān)果動(dòng)力有著豐富的產(chǎn)品試錯(cuò)迭代經(jīng)歷。該公司在蘋果和谷歌商店累計(jì)推出146款產(chǎn)品，其中截至2023年6月共有62款活躍應(yīng)用，已下架的應(yīng)用84款。這些活躍應(yīng)用都有著持續(xù)穩(wěn)定的日活躍用戶額和日收入。

第三，通過內(nèi)容遷移，實(shí)現(xiàn)向量化衍生。生成式人工智能成熟的關(guān)鍵是決策模型和賦分策略的相互干預(yù)，進(jìn)入脫離人類訓(xùn)練員的自優(yōu)化過程，在接受外部指令時(shí)，能夠自我衍生海量內(nèi)容并快速排序，選出唯一解。同理，現(xiàn)實(shí)企業(yè)遵守市場供需關(guān)系的目的是也為了推出滿足消費(fèi)者需求的產(chǎn)品，在被市場監(jiān)督過程中逐步理解市場需求，最終實(shí)現(xiàn)主動(dòng)預(yù)判市場走勢。堅(jiān)果動(dòng)力利用data.ai的人工智能數(shù)據(jù)，將公司的關(guān)注度聚焦到經(jīng)營+冒險(xiǎn)的融合品類。

公司參考data.ai在內(nèi)容級(jí)別特征標(biāo)簽，對比同品類競爭者的內(nèi)容設(shè)計(jì)，選擇出與場景冒險(xiǎn)和農(nóng)場經(jīng)營最相關(guān)的要素特征，如人物養(yǎng)成體系、解謎尋寶和劇情決策等。隨后，通過策劃、美工和程序組新老員工的混合協(xié)調(diào)，將過去積累的多品類游戲開發(fā)經(jīng)驗(yàn)應(yīng)用到聚焦后的產(chǎn)品開發(fā)中，實(shí)現(xiàn)了從2019年爆款產(chǎn)品《玻里尼西亞大冒險(xiǎn)》到最新熱門游戲《薩拉大冒險(xiǎn)：時(shí)空穿越》的專一方向內(nèi)容衍生。

生成式人工智能技術(shù)的發(fā)展帶來的不僅是挑戰(zhàn)更是機(jī)遇，那些積極擁抱生成式人工智能技術(shù)的企業(yè)能夠加強(qiáng)已有的甚至獲得新的競爭優(yōu)勢。生成式人工智能作為一種通用技術(shù)雖然出現(xiàn)時(shí)間不長，但其解決問題的邏輯已經(jīng)得到很多企業(yè)的應(yīng)用，繼續(xù)那些積極應(yīng)用生成式人工智能思維重塑管理的企業(yè)家，能夠更好地在不確定性中尋找到確定性，在不連續(xù)性中創(chuàng)造出連續(xù)性。