很多人都在暢想AI時代進入高級階段后的形態，機器人會接管這個世界么？無數此類題材的影視和文學作品，其實反映了人類在這方面天馬行空的想象力和內心中隱含的焦慮。在學術界，從上世紀50年代圖靈、香農等人工智能領域的先驅開始提出此類問題至今，猜測從未停止。

過多的考慮“機器人取代人”屬于一種認識誤區，遠比這重要且迫切的，是我們如何進行組織能力的變革，讓團隊中越來越多的AI大腦與人腦協作良好、效率提升，直至引發生產力的大進步。

AI并不是人腦的升級版，而是人腦的增強模塊

在人們談及AI時，總是情不自禁的將之比作人腦的升級版。但這種觀點一開始就錯了——人腦在思維能力方面的全局優勢和潛力目前無可匹敵，還遠遠到不了需要機器來對人腦進行替代升級的階段，現階段的AI更多的是對人腦功能中若干模塊的極度增強，比如記憶、感知、對比和反饋等，而對于一些更高級的能力，如推理、演繹和創造創新，目前還僅僅只能說略見眉目。

但是，這種模塊增強已經可以極大的提升我們處理多源異構數據的能力，智能時代是真切的到來了。

我們先看看增強的部分，首先在記憶的方面就不用說了，機器儲存和檢索結構化信息的能力非常強大，比如阿爾法狗可以背下人類歷史上所有的棋局，然后用之和人類對局，比如我們的公安系統的數據庫里可能裝有十幾億人的面部識別特征，而且是跨系統的進行對比和識別。

然后說感知和認知方面，我們知道由于傳感器價格的大幅度下降，我們在重要的公共場合、甚至是一個零售門店里都裝有無數的傳感器。它們識別人類的各種行為——比如在哪個貨架前停留的時間比較久，比如兩個人是否打起來了，兩臺汽車是否相撞了。一個大家可能比較熟悉的例子，一個嫌犯在城鄉結合部躲了好多年，結果去了一趟機場，十分鐘就被識別出來了，幾天內就落網了，這都是我說的——極度增強的部分模塊，正在以超強的工作能力取代人類的重復勞動。

這一切都是數據獲取、感知-認知能力、大數據推理能力得到快速發展的結果。

但是，還有非常多的更復雜的問題是AI解決不了的。比如，探索未知和創造未知的復雜智力活動，AI在這方面的能力也不夠強大。我們看機器寫作，AI已經可以寫“新聞稿”了，但是僅限于有結構化數據支撐的稿件，比如股價的漲跌；但很難寫出高質量、有風格的、有洞察的長文；AI也可以把某個商業模式優化，但很難從頭創造一個商業模式。

這一切都告訴我們，人要對自己的大腦有充分的信心，但我們又要充分享受AI帶來的紅利，這如何實現呢？那就是人機協同。

人機協同未來已來

其實，人機協同在我們的社會生活中已經開始了廣泛的實踐。

我們曾經提出過一個HAO智能的概念，它在我們目前的產業實踐里已經落地了，大家可以看到這張圖。

圖的左上角叫做Cognitive System，感知智能體系，它的功能其實就是對外界的所有環境的變化做感知，相當于眼睛和耳朵；感知到的信息和認知體系的協同工作，產生了定義和推理，接下來是最右邊上面的行動體系，扮演手和腳的功能。大家可以看到，這個系統并不是只靠人腦或者只靠機器來實現從認知到行動的，是我們所有的人的大腦加在一起，再疊加各種數據反饋，形成的群體智慧的綜合結果、系統工作。

HAO智能并不一定就是人機協同的終極模式，我在這里舉出這個圖表，是想告訴人們，未來的人機協同一定是這樣的一種形態——人和AI、大數據能力共同在一個架構下，通過某種協調機制，比如數據中臺，相互配合、共同工作。而且，這種工作可能還是很愉快的。

有幾個人機協同后，我們的社會生活、工作方法發生巨大變化的“小例子”。

首先，我們是在餐飲行業里人機協同的案例。

我們曾經有一個討論，餐飲行業里實現智能太難了。因為中國人對于吃這件事非常在意，什么地方風味啊、什么做菜要有“鍋氣”啊……這些都是典型的特別主觀、特別難以量化、特別難以形成know-how的概念，但現實中又廣泛為公眾所接受。所以我要坦白的說，現在要開發出一種可以讓餐廳的味道更好吃，讓一個小餐廳一下子能提供米其林餐廳的出品的AI，基本還不可能。

那人機協同對餐飲業就沒有意義了么？

相反，它的意義很大。首先一個實現的就是千人千面。大家知道現在二維碼點餐迅速普及，這個菜單本身就是一種AI輸出的結果。

由于我們每個人的口味是不一樣的，我們的消費行為也各自不同，那么系統給每個人的提供的菜單組合也不一樣。你拿到數字化的菜單一看——我最喜歡、最常點的都在列表的最前面排列，這就很大程度的增加客人的好感和點菜速度。據我所知，這種菜單個性化，在某些大型連鎖餐飲企業已經做了驗證了，客單價收入提高5%。

另一個大家百聽不厭的關于AI人機協同的就是破案故事，比如有一次拐賣兒童事件的破案過程。

某日，某地公安接到一起拐賣兒童的報案，由于案件剛剛發生不久，處于破案的黃金時段，辦案人員先從現場掌握的嫌疑人逃竄車輛車牌入手進行調查，但是很快發現該車輛是套牌車，線索就此中斷……在智能系統的幫助下，辦案人員得以迅速將車輛以外更多維度的線索數據納入研判視角中，通過智能系統的自動分析識別，辦案人員很快識別到犯罪嫌疑人的模糊人臉；這無疑縮小了嫌疑人的范圍，隨后辦案警員通過人工智能系統開始疊加數據維度，對犯罪嫌疑人的軌跡、關系等更多維度的數據進行研判……最終系統協助公安機關鎖定了可能性最大的嫌疑人。

那這個案例中人機協同的地方在哪里呢？在實戰中通過模糊的人臉在系統中未必能夠直接鎖定目標犯罪嫌疑人，更大概率的是識別出一群長得很像的人，但是很難確定哪一個才是真正做了案的。在這種情況下，我們的警官就會發揮自己的主動經驗，從嫌疑人的標簽、軌跡、關系數據等角度進行分析……這里面的大量工作是機器做不了，必須通過人腦的。但是，人腦利用機器做判斷的過程，會變成一種know-how沉淀下來，猶如大腦在不斷地學習，那么下一次遇到這種情況就能更高程度地靠機器來解決了。

大家可以看到，這一階段的人機協同的特點是，機器來做人做起來比較低效的工作（比如對比面部數據，比如不停的測量薯條的溫度），然后把這些認知推送給人，人根據經驗和系統兩方面的結果來做決策，然后系統被訓練的更智能，解決問題的能力越來越強。我的判斷是，接下來的十年，人機協同將主要依托這個路徑不斷前進。

可是，在一個更大的系統里，一個有更多AI大腦和人腦的復雜系統里，要尊重一種什么樣的原則才能做到最好的配合呢？這就是我們第三部分要討論的，人機協同帶來的組織變革和管理變革。

人機協作需要管理思想和組織結構的變革

我經常分享管理思想的三個階梯，從泰勒到德魯克，再到今天的AI時代。

如果把組織比喻成一個人，那泰勒的思想是管理人的手和腳如何更好的協調動作的問題；彼得·德魯克的思想是解決如何管理人的腦袋的問題；而我們當今的智能時代，需要解決的如何高效管理知識型人才+智能機器共存的組織，使得管理思想實現從以人為主體轉變為管理“人機”共同主體的升級的問題。

或許也可以這么說，亨利·福特開創了標準化流程，引領了第一次企業轉型浪潮；自動化流程帶動第二次浪潮，并于20世紀90年代達到頂峰；人機協作能夠進一步增強和重塑企業的業務流程，引領以自適應流程為標志的第三次企業轉型浪潮。

埃森哲戰略發布的《智能時代革命：打造人機融合的未來勞動力團隊》大膽的預測，如果所有企業能夠像領軍企業一樣積極地投資人工智能和人機協作，到2022年，其營收將大幅提高38%，員工規模將擴大10%；整體而言，這意味著全球企業屆時將新增總利潤達4.8萬億美元。

有合作，就必然有合作帶來的挑戰。有很多人擔心，人機協作中會出現脫節現象，這種擔心不是沒有道理的。因為這是完全兩種不同的智慧在協同工作，所以它可能需要新的智慧、新的語言、新的情商來完成。

未來十年的AI發展將給我們帶來什么樣的變化。我不是預言家，也不是未來學家，但人工智能的發展總是有跡可循的，所以我做了這樣幾個預測：

第一，人機協同可能需要我們重新定義很多工作崗位，自下而上地重建團隊組合。在團隊里有許多新成員，他們是有實體或僅僅以數字形態存在的AI智能，我們可以視為一種機器人，它們的加入會使得企業重新平衡好工作自動化和人員能力提升這兩方面的需求，從而導致生產力和生產關系都出現轉型。在組織形態上，一個企業以往的企業主高高在上，客戶構成基石部分的正金字塔結構，可能會轉換成客戶需求在上，企業主在最下端的倒金字塔結構，這個結構也反映了行業know-how萃取和數據能力積淀的過程。

第二，由于未來的智力輸出由人腦和機器大腦兩部分組成，兩部分在能力和特點上都有很大的不同，所以我認為將來會在一個公司內、行業內、社會與產業之間，都出現一種新的中臺，即“協作中臺”。中臺是資源和數據的積淀而產生的，且是產業資源大循環的交換中樞。現在，我認為人機協作在長期來看，也需要這樣一個middle office，讓人力和機器智能找到最佳的耦合方案，我們的中臺概念為此會繼續加深。

第三，有人說，未來的我們的機器伙伴，因為不會有情緒，所以會更加任勞任怨……我部分是認同這個觀點的。但是，人和機器之間最大的命題不應是誰發明誰，誰控制誰的問題。這不是最核心的問題，最核心的命題應該是兩者之間最大的區別，就是彼此的互不可替代性，由于彼此不可替代，所以最好的結果是協作——人類可以開發、訓練和管理各類AI應用，從而確保AI系統真正成為人類的好幫手。同時，機器可以使人類突破自身極限，拓展自身能力，例如實時處理和分析來自不同來源的海量數據。換言之，機器也能夠賦能于人。人和機器協作，提高效率，這就是人機同行的美好世界。

結語：生逢偉大時代

總結

以上是生活随笔為你收集整理的人机协作已来 组织力成最大考验的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。