黃仁宇在寫他的大歷史觀中，提到了數目字對於龐大帝國管理的重要性，數目字代表管理者對組織的信息傳透。知己與知彼在兵法中從來同等重要，知己代表組織可見力，直接決定管理者對組織的掌控力。在可以預見的將來，人工智慧，將通過「虛擬化身」成為組織里人類的AI同事，驅動組織進化。從萬物連接到萬物智能，組織中的數據洪流讓數目字管理變成不再遙不可及，讓黃仁宇的「理想國」在技術上成為可能，我們對此做好準備了么？

註：本文原發於《清華管理評論》雜誌，在賽博故事刊登時，內容、標題有篇幅修改。

作者 | 高飛、周雅 圖片設計 | 孫夢吟

來源 | 清華管理評論 原文編輯 | 周揚

平台 | 賽博故事（ID: cybergushi）

國家的興衰，企業的成敗，說到底莫過於「管理」二字。

以史為鑒，我們不妨先把時間倒回到1500年前。「公元1587年，在中國為明萬曆十五年，論干支則為丁亥，屬豬。當日四海昇平，全年並無大事可敘」，黃仁宇在《萬曆十五年》開篇中說，「這實在是平平淡淡的一年」。但就在同年，「1587年，在西歐歷史上為西班牙艦隊全部出動征英的前一年」，草蛇伏線，灰延千里，之後的世界格局的走向，東西方勢力的消漲，300年後中國封建王朝的土崩瓦解，全在於這些平淡日子裡的「末端小節」當中。

穿越時光，讓我們把視線停留在其中某個平淡日子的「末端小節」上。明朝中葉的一天，皇帝又收到數件來自各地的奏摺，文字像往常一樣冗長無比，按黃仁宇的話說「又是用儒家傳統的觀念和語言來加以表達，很不容易弄清其中的問題主次和真正含義」，於是和平常一樣，名為秉筆太監的宦官，作為皇帝的私人秘書，開始整理奏摺關鍵詞和摘要，供皇帝閱讀，然後再交內閣大學士們批答。最後這些政令通過層層體系，回到奏摺的來源地。這層層公文流轉的過程，處於核心決策層的皇帝知道了一件事的大致印象，這還是運氣好的時候，因為很可能在另外一天，他連大致印象都沒不掌握，只是看到了來自秉筆太監的一時好惡的評價，但這依然不是最糟糕的，因為如果是魏忠賢「在位」，皇帝大概連看奏摺的機會都沒有。但是無論有沒有印象，下發出去的批示卻是實打實的「奉天承運皇帝詔曰」。

黃仁宇對這種情況總結說，這些王朝的「傳統的官僚政治表面管轄廣泛，實際掌握不深，其行政效率靠由上至下加壓力，並非循照經濟原則，所以只能鋪擺場面，對數目字無法精密核算」。而如此龐大的疆域，如果不用數目字的方式去管理，帝國的走向最後難免會流於失控。

數目字管理到數據管理：AI帶來的透明組織

對於黃仁宇的數目字管理，後來有兩種理解，一種是字面意義的「數字化管理」之意，通過數字統計來制定決策，作家王小波稱之為「統計數字」管理。從事黃仁宇作品編輯多年的徐衛東的看法則更深入，「數目化的英文是『mathematical management』，所以數目化管理更準確的說法應該是『精確化管理』——各種有形無形的社會資源可以公平地加加減減，也就是說，整個社會資源均可如實計算，整合進一個記錄系統進行自由流動和交換」。

但是無論哪種理解，只要涉及計算和決策，都需要一個共同基礎——可以準確衡量價值、能夠反映客觀現實的「數目字」。而這個基礎，對於一個國家管理是必要的，對於一個組織管理是必要的，對於一個運行在萬物互聯的現代社會的現代企業管理，更是需要的。黃仁宇說，「凡事用數目字管理的社會，已不是道德問題，而為一種技術問題」。而就在新的科技革命和產業革命方興未艾的今天，「技術」可能將不再是一個問題，這讓數目字管理的可行性產生飛躍。在人類歷史上，管理者也會第一次發現，自己的企業會變成一個接近於自己完全可見的「透明組織」，企業的每一個動態都可以呈現在管理者眼中。而推動「透明組織」形成的技術，就是井噴式爆發的大數據，和由大數據驅動的人工智慧。

美國互聯網數據中心的數據顯示，互聯網上的數據每年將增長50%，每兩年翻一番，世界上90%的數據是過去的幾年才產生的。更激進的預測是——人類社會從現在開始每一年產生的數據，都將超過之前所有年份產生的數據的總和。早在1980年，著名未來學家阿爾文·托夫勒便在《第三次浪潮》一書中，將大數據定義為「第三次浪潮的華彩樂章」。這些數據並非只是人們在互聯網上發布的文字、圖片和視頻，還有全世界的工業設備、交通工具、儀器儀錶、監控裝置上的感測器所產生的數據，而測量的對象，也不僅包括各種設備、物體、空間的位置、溫度、濕度，也包括一個企業組織中的核心管理對象——人自身的一舉一動的觀察。

圖：數據是人類創造的增長速度最快的東西，並讓人工創造智能成為可能

通過無線通訊，大數據讓現代企業的管理者不會像明朝皇帝一樣，需要一個漫長的信息傳遞反射弧，才能了解來自組織末端的情況，而是可以幾乎實時的得到組織的不同地理位置、職能單元和分支機構反饋的數據。孫子兵法曰：「知己知彼，百戰不殆」，「知己」和「知彼」在兵法中，被放到了同等重要的位置，而這些數據就是知己的關鍵。

但是僅僅有看似可以反射企業全貌的數據，並不能自然得到一個「透明組織」，有兩座大山矗立在管理者和這些數據之間，這就是 「理解和效率」，大部分由「01」代碼組成的數據是不能被人類直接理解的，人類看不懂機器的記錄；而另外一部分可視化的數據，我們又沒有足夠的時間去處理，一個攝像頭一天內拍攝的畫面，也需要一個人一天的時間來回顧。正如同明朝皇帝面對無數奏摺就出現的文字信息過載，面對浩瀚無邊的數據，人類更會出現數據認知過載。這就是大數據之外的另外一個能力—— 「人工智慧」。人類面對浩瀚的數據有多麼無力，人工智慧面對無邊的數據就有多麼飢餓。

人工智慧並不是一個新事物，從60年前達特茅斯會議產生這個概念開始，人工智慧已經經歷過三次低谷巔峰，現在我們看到的已經是第四次人工智慧浪潮。這次人工智慧浪潮的支撐力量來自三方面：AI演算法的演進、計算能力的提升和數據資源的井噴，數據則是一個關鍵因素。就像人類總結經驗是依靠學習和複習一樣，人工智慧正是利用海量的數據，總結和發現只有人類才能發現，甚至人類也無法感知與認知的事物、因素和規律。由於機器的學習是依靠統計學原理，因此，數據量越大，機器的學習能力就越強，得出的結論就越準確。

組織的核心是人，要實現管理者所替代的「透明組織」，就要實現「人」的透明性。但是人天生偏偏是不透明的，在小說三體中，人心的不可參透性，成為地球人反擊三體人的秘密武器。心理學家榮格則把人類的意識分為自我、本我和超我。其中只有自我是能被直接感知的，本我和超我都隱藏在外在表現的水面之下。如果說對於小企業還可以依靠管理者的觀察，對於大型組織的管理者，可能只能依靠每年一次的「360度環評」才得以管中窺豹。但是，有了全視角觀察組織的大數據，有了可以把這些數據翻譯為信息結論的人工智慧，雙劍合璧，人將是可能被讀懂的，「透明組織」的可能性增加了。

在一個案例中，一個企業在員工上下班打卡中，使用了人臉識別系統。但是這個系統不只是能用於對員工本人的確認。在AI的幫助下，它的額外功能是能夠對人類的幾十種微表情進行識別。經過一段時間的統計，這個AI系統就可以根據員工上下班時的心情變化，得知員工整體和個體的心理狀態。從而在員工還沒有對工作狀況進行任何反饋的情況下，讓管理者提前預知某個員工狀態。更有甚者，系統可以根據員工的網路痕迹（輸入和輸出信息），分析員工的工作狀態、強度和效果。企業對人的管理，不再是臨時性收到信息、階段性評估程度，周期性給予反饋，而是可以幾乎做到實時得知員工狀態，實時進行管理決策。這其中一定涉及相當程度的隱私問題，但是毫無疑問，這對於人力資源管理來說，毫無疑問是一場信息爆炸，企業管理者也很難抵禦讓企業的個體，企業中的人，在自己眼前更加透明的誘惑。美國的亞馬遜公司在物流體系中對庫房的工人管理，正在使用類似的方法，通過自動化裝置統計員工在分揀貨品等每一個動作的速度、頻次和效率，有員工對媒體Business Insider說，感覺自己工作「like a robot」，而或許某一天這類工作真的會被「robot」所代替。

如果把企業管理的外延從員工擴大到顧客，進行客戶關係管理，AI一樣正在將市場變得更加透明。根據至頂網的一篇分析報道，流媒體音樂巨頭Spotify的整個業務都是基於數據的，人工智慧保存了更多的客戶數據，並通過分析數據發現各種趨勢，預測每個客戶喜歡什麼樣的音樂，每位Spotify用戶都會獲得一個個性化的「每周發現」播放列表，這是使用人工智慧數據為用戶挑選音樂的典型。這項服務因其對客戶心情和音樂品味的準確把握而備受好評。在Spotify面前，客戶在音樂喜好的一舉一動都是透明的。多米諾骨牌一定會一張張地倒下去，更多透明的組織，更多透明的市場必將慢慢浮現出來。

人際關係到人機關係：知識的第二生產者

企業管理的終極目的，是著眼於能讓企業獲利的競爭力。有了人工智慧的幫助，很多原來需要人力才能完成的工作，將很大程度上可以通過機器的自動化動作來完成，這無疑將創造巨大的競爭力和商業價值。根據麥肯錫全球研究所的分析，利用大數據、人工智慧在各行各業能產生顯著的財務價值。美國健康護理產業利用大數據每年產出3,000億美元，年勞動生產率提高0.7%；歐洲公共管理每年價值2,500億歐元，年勞動生產率提高0.5%；全球個人定位數據服務提供商收益1,000多億美元，為終端用戶提供高達7,000億美元的價值；美國零售業凈收益可增長6%，年勞動生產率提高0.5-1%；製造業可節省50%的產品開發和裝配成本，營運資本下降7%。

但是效率的提升，只是人工智慧對企業幫助的半壁江山，人工智慧還能幫企業做的更多，那就是知識創造。在管理學大師德魯克眼中，競爭力的來源是知識。他判斷，知識會成為社會的關鍵資源，知識工作者將成為主要的勞動力。在他的後期重要著作《下一個社會的管理》中，對知識的重要性做了集中性闡述：

現在，價值由「生產力」與「創新」來創造，二者都將知識運用於工作之上。在這種知識社會中，其主導力量一定是「知識工作者」，正如資本家知道如何將資本用於生產一樣，他們是懂得如何將知識用於生產的管理人、專業人士和僱員。知識是今天唯一有意義的資源。傳統的生產要素，如土地（自然資源）、勞動力和資本，雖然至今仍未消失，但它們已經處於次要地位了。現在，只要有了知識，土地、勞動力與資本就會紛至沓來。

自人類誕生以來，知識創造和技術創新的主體都是人，我們學會了鑽木取火，區別於動物、甚至原始人的「食草木之食,鳥獸之肉,飲其血,茹其毛。」

但是進入21世紀，現在知識創造者的主體除了人之外，增加了「大數據與人工智慧」。科技部部長王志剛在2018年的科協年會上說，「科技創新的範式正在發生變化，過去我們講實驗科學、理論分析、計算機模擬，今天還有一個大數據研究。」王部長所講的大數據研究，就是圖靈獎獲得者吉姆·格雷（Jim Gray）所提出的科學研究的「第四範式」。吉姆·格雷（Jim Gray）是一名航海運動愛好者，2007年1月28日，他駕駛帆船在茫茫大海中失聯了，就是17天前的1月11日，在加州山景城召開的NRC-CSTB（National Research Council-Computer Science and Telecommunications Board）大會上，他發表了留給世人的最後一次演講「科學方法的革命」，提出將科學研究分為四類範式，依次為實驗歸納，模型推演，模擬模擬和數據密集型科學發現（Data-Intensive Scientific Discovery）。其中，最後的「數據密集型」，也就是現在我們所稱的「科學大數據」（注[1]）。

圖：幾千年來，人類對科學的發現經歷了四個階段，基於數據，我們看到了第四種範式（注[2]）

古希臘學者阿基米德在發現浮力問題計算方式的時候，喊了一聲「尤里卡」（希臘語：有辦法了），人類以往的知識創造就在一個個「尤里卡時刻」中出現了，愛迪生髮明電燈泡，神農氏嘗百草，除了科學家和探索者的研究積累，還充滿了「尤里卡時刻」的直覺和靈感。不過機器智能創造知識的過程沒有「尤里卡」靈感，但是他們依靠365天、24小時不休息地吃進數據，用統計學的方法，心理學的理論，用他們自己的方式來創造知識。機器創造知識，已經不是預言，而是已經成為現實。

2016年3月，Google旗下DeepMind的AlphaGo程序和李世石進行了人機圍棋大戰，最終以4:1取勝（當然，之後AlphaGo又戰勝了世界圍棋第一人柯潔）。DeepMind的創始人，也是AlphaGo之父AlphaGo（阿爾法狗）之父Demis Hassabis在英國劍橋大學演講中回顧了人機對戰的第二局的第37步：

在過去的3000多年裡，人們認為在第三根線上落子和第四根線上落子有著相同的重要性。但是在這場遊戲中，大家看到在這第37步中，阿爾法狗落子在了第五條線，進軍棋局的中部區域。與第四根線相比，這根線離中部區域更近。這可能意味著，在幾千年里，人們低估了棋局中部區域的重要性。

圖：Alphfago證明了只要有可計算的數字，必是人工智慧可以挖掘知識的領域

Demis Hassabis的說法，代表著機器智能，發現了人類從來沒有發現的知識，儘管圍棋程序本身是由人類創造的。人工智慧，正在成為企業知識的第二生產者。基於第四範式，誰掌握更多的數據，誰就會在機器創造知識的過程中掌握先機。同以往企業的管理更多只是對內部資源的管理不同，有了物聯網的萬物互聯，有了大數據對於客戶行為的實時追蹤，有了雲計算的平台資源共享，未來企業能夠管理的對象外延發生了巨大的變化。企業的產品、服務、顧客和合作夥伴，都成為企業能夠管理的目標對象。而數據就在企業生態的不同角色之間流轉，突破了企業內外部邊界。對於企業而言，只掌握和分析內部數據，是不完整不充分的，對知識創造也是不利的。正因如此，全球互聯網公司都在積極地通過收購、合併、合作，建立自己的生態網路，擴展自己的聯盟，這些合作背後的一個原因固然是流量的獲取和客戶的鎖定，但是另外一個重要原因就是數據資源的獲得和共享。

對於大企業而言，只有自己的生態足夠大，才能保證無論數據流動到哪，企業都可以追蹤和使用。另一方面，對於中小企業，也只有加入一個大生態，才能得到以自己的技術實力難以獲得的創新資源。第四範式之下，麥特卡夫定律將起更大的作用，數據越多，知識創造能力越強，贏者通吃效應讓產業顛覆者的出現更加艱難。無論國內國外，你會發現，在科技互聯網領域，已經很久沒有新的騰訊、Google和Facebook出現的苗頭了。

當知識不只由人類創造，決策不止是由人類做出，未來組織的內部關係也會發生變化。如果說AI時代之前的企業管理只有一種關係，即基於人與人之間的Human-TeamWork——人際關係，未來將新增一個將機器智能包含在內的Human-Machine-Relationship——人機關係，以及基於生態合作的Enterprise-Ecosystem-Network。基於這三種關係，未來公司的核心能力也將發生變化，它們來自三方面，簡稱：R-E-D，分別代表著信任力（Reliance from human）、生態力（Ecosystem ability）和技術力（Deploy of technology）。

圖：R-E-D模型，AI時代的組織驅動力來源

贏得「信任力」：企業只有獲得員工的信任，獲得顧客的信任，才能得到她們的數據。歐洲議會投票通過的《一般數據保護法案》（General Data Protection Regulation （GDPR））體現了對消費者隱私的保護，這更凸顯了數據的可貴性和信任力的重要性。

構建「生態力」 ：未來數據的流通是沒有邊界的，它不僅在企業內部流通 ，也在企業外部流通，流動於企業的上下游，也就是企業的生態鏈之間。對於大企業，如何構建吸引中小企業的生態，對於小企業，如何選擇有利於自己的生態，是重要的管理和戰略決策問題。

發展「技術力」：當龐大的數據流動到、創造於企業手中，通過何種技術部署，才能讓數據變為自動化的流程，從而降低成本，變為創造性的知識推動創新，將是企業核心競爭力之一。

未來，我們會看到越來越多的行業加上智能、智慧和科技等前綴、後綴——智能+製造、智慧+交通、智慧+城市、金融+科技……機器智能，終將改變人類社會中的每一個企業，每一個行業，和組織中的每一個人的生產方式、工作方式和生活方式。企業管理的對象，將第一次由人類，擴展到包含在機器智能的第三方。

機器智能成為企業員工之後，當AI大規模應用企業管理，組織的人才分布也會發生本質變化。華為公司高級管理顧問、中國人民大學商學院教授黃衛偉在與賽博故事交流時，從對華為的觀察，給出了自己的判斷：AI時代人才的價值貢獻，將從工業時代的正態分布變化成為帕累托分布，更多的崗位留給高階人才，重複性勞動工種的用人比例會持續下降。以華為的智能製造業務為例，「碩博」學位佔比正在兩位數提升，新增的高端人才普遍面向自動化開發、製造IT、大數據質量預警和智能調度等崗位。更多的崗位屬於開發 「智能之物」，更多的員工在人機協同機制下工作。同時，技術驅動的背景下，人力資本增值在華為正在優於財務資本增值，科學技術的基礎研究變得越來越重要，這些都在改變企業的運行方式。

當機器智能可以充當管理助手、戰略軍師和研發專家，當企業內部由單純的人際關係，走向人機互動，毫無疑問機器智能已經成為組織內部的新物種。在《連線雜誌》的一次專訪中，剛剛過世的霍金教授曾未雨綢繆，人工智慧可能取代人類，變成一種新的生命形態，新物種。我們創造優化AI新型態之時，新型態的「AI」也在極速重構人類同事的分工、配比和工作方式，一次組織將由跨物種生命構成的管理革命也正在毫無疑問的到來。

只不過人類是否真做好了準備，迎接AI驅動組織、AI同事和人類員工並存時代的到來？人類在制定決策時，應該如何評估、信任和協調機器的智能判斷？當被管理者的一舉一動處於完全可見的時候又會如何影響組織成員的內部關係？這些問題似乎還處於未知數的範疇。但是人類百年來的工業革命史表明，在任何一個不確定的時代，我們唯一能夠確定的，就是依賴技術進步來推動效率的提升，和商業模式的創新，除面對未知繼續前行，並無其它道路可選。

注[1] ：趙斌，《第四範式：基於大數據的科學研究》

http://blog.sciencenet.cn/blog-502444-931155.html

注[2]: Microsoft Technet France, Azure Brain: 4th paradigm, scientific discovery & (really) big data

https://www.slideshare.net/TechnetFrance/rec201-stechdaysfinal130213033305phpapp02-19779391

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！