利用 GenAI 促进组织学习

生成式人工智能可以从根本上提高组织的学习能力。随着 OpenAI 于 2022 年 11 月推出 ChatGPT，这在先进自动化 200 多年的历史上首次实现了机器的回应。人们不必“说”Java 或 Python，而是可以使用日常对话，这就是为什么该工具在公开发布的头两个月就吸引了超过 1 亿用户。1更深刻的是，通过促进人类语言的交互并巧妙地处理非结构化的文字、图像、数字和声音，GenAI 开辟了一种创建、捕获和传输组织知识的全新方式。

在本文中，我们将认为领导者需要将生成式人工智能视为一种新的组织能力，而不仅仅是因为它可以经济地自动化各种任务。与传统人工智能相结合，生成式人工智能扩大了许多流程和决策的潜在改进范围，并简化了新知识的应用。反过来，这为组织学习创造了积极的复合效应的潜力，人类和机器代理协同工作以创造新的竞争优势。

创造新能力，而不仅仅是采用新技术

矛盾的是，生成式人工智能的普遍性和广泛适用性却使其难以采用。在我们的研究中，我们发现最先进的组织并不将 GenAI 视为一项独立的技术，而是将其视为一种组织能力。有两个例子可以说明这一观点：

• 密歇根州蓝十字蓝盾 (BCBSM)：这家价值 350 亿美元的健康保险公司建立了一个跨职能的 GenAI/AI 领导团队，以教育员工如何使用技术、遵循负责任的 AI 实践、显着提高一系列项目的效率，以及在合同审查和福利等关键流程上进行创新行政。当 BCBSM 应用生成式 AI 工具来更好地分析和标准化整个公司服务的条款和定价时，在将 GenAI 工具应用于现有 IT 合同后，该工具节省了超过 1000 万美元，从而实现了更好的分析和标准化了解公司服务的条款和定价。
• 威科集团：这家价值 42 亿欧元的商业和学术信息公司建立了用于学习的组织松弛。领导者每周安排一小时的时间，让每个人参加同行主导的学习课程，其中大部分专注于 GenAI/AI 的实际应用。这种方法提高了员工的技能、创新，甚至保留了员工。最终，员工感觉与公司的联系更加紧密，因为这些课程不仅能够创建一个充满活力的学习者社区，而且还为他们提供了向更广泛的受众传达创新成果的工具。2两家公司都通过将 GenAI/AI 视为一种企业范围的能力而取得了成功。

他们致力于自上而下的领导力和自下而上的热情，营造能够快速实验和价值创造的学习环境。

最先进的组织并不将 GenAI 视为一项独立的技术，而是将其视为一种组织能力。

如果我们对生成式人工智能的影响进行严格的生产力研究，我们会看到广泛的改进模式。一项研究考察了呼叫中心座席在使用基于 GenAI 的对话助理时的工作效率，发现工作效率至少提高了 14%，并且服务质量更高，新座席入职速度更快。3另一项研究计划对超过 758 名波士顿咨询集团顾问进行了广泛研究，发现当生成式 AI 工具与任务匹配时，生产力提高了 12%，任务完成速度提高了 25%。4正如呼叫中心的研究一样，表现较差的员工比经验丰富的员工从该工具中获得了更大的提升。自 2023 年进行这些研究以来，大型语言模型 (LLM) 和其他支持软件的功能一直在稳步增强。

GenAI 代表了 WINS 工作经济学的根本性转变——涉及的工作字,图片,数字， 和声音。我们在 2023 年 9 月推出了这一新类别的工作哈佛商业评论这篇文章是因为我们认为认知工作的概念过于宽泛。5木匠和律师一样都是认知工作者，但 GenAI 对律师的影响将比木匠更大、更快。

出于这个原因，我们创建了 WINS 工作的这个新子类别。WINS 工作的例子包括管理咨询（每个主要咨询公司都采用了法学硕士）、客户服务（法学硕士已在许多企业中大规模部署），甚至电影制作（泰勒·佩里在看到 OpenAI 的功能后停止了大规模的工作室扩建项目）的文本转视频产品 Sora）。6

底线：每个组织都有 WINS 工作 — 并且可以从根本上改进。

建立新的管理模式

20 世纪 60 年代，当麻省理工斯隆管理学院教授道格拉斯·麦格雷戈 (Douglas McGregor) 提出，许多管理体系都是从对工人的负面看法开始的，并通过激励和惩罚来控制工人的行为。他将此称为 X 理论，并建议有更多的工人参与和参与的空间，他将其称为 Y 理论。这将是一个更加尊重员工并赋予其员工权力的组织。此后不久，心理学家亚伯拉罕·马斯洛提出了 Z 理论，其中公司的文化、意义和宗旨将导致员工对组织的目标和流程更有力的承诺。

沿着这些思路，也许我们需要一个理论 A，其中分析的核心单元是代理——人和机器——在对话中一起工作。这些代理可以提供协助、增强或自动化，具体取决于它们能够如何逐步构建手头的任务。随着时间的推移，这会在 WINS 工作中以及整个组织中产生截然不同的学习曲线，因为在大多数情况下，WINS 工作是组织学习和生产力的前沿。纵观历史，管理方面的突破（例如科学管理、质量运动和精益实践）推动了竞争优势。每种方法都引入了新的学习机制，使组织能够提高生产力、质量和价值。GenAI 代表了这一演变的下一步，新技术实现了三项基本的新功能：

1. 对话流程和产品。生成式人工智能是第一个使用人类语言进行交互的技术，允许流程和产品自我解释。很快，机器无法清晰表达其工作原理的想法将像在公路旅行中使用物理地图一样罕见。

2.公民程序员。GenAI 使员工能够创建自己的人工智能代理和工具。这类似于机械师制作定制夹具，但用于认知工作。由此产生的 WINS 工具的爆炸式增长将使组织的生产力大大提高。

3.处理非结构化数据。生成式人工智能能够处理 80% 到 90% 的非结构化信息。例如，麻省理工学院使用 CustomGPT.ai 创建了一个聊天机器人，只需上传课程描述和时间表即可指导学生选择课程。

这三个支柱共同使 GenAI 通过将 WINS 工作的渐进结构与决策责任的重新分配相结合，使产品或流程能够以学习者喜欢的任何格式自我解释，从而加快组织的学习曲线。此外，它可以与传统人工智能密切合作。这种方法与之前的科学管理一样，提供了一种获取和转移知识并建立持续改进平台的新方法。

生成式人工智能是第一个使用人类语言进行交互的技术，允许流程和产品自我解释。

可以指导员工的对话流程和产品；能够创造伟大的新认知“强大工具”的公民程序员；高效处理大量非结构化信息的能力（通常在传统自动化的范围之外）代表了将极大改变组织学习曲线的三元组。此外，学习系统中安排的人类议程和 GenAI 代理的组合正在成为设计工作时的新分析单位。

通过 GenAI 和人工智能支持的学习提高生产力

在我们主持的许多高管简报和培训课程中，我们发现大多数人对于以下方面没有良好的直觉：如何GenAI 和人工智能创造经济价值，他们对自动化抱有孤注一掷的心态。为了实际地解决这个问题，我们求助于 Keen-Scott Morton 模型，该模型提供了有关 GenAI 如何提高生产力的见解。基于之前的研究，Peter G.W.基恩和迈克尔·S·斯科特·莫顿从两个维度绘制了决策：运营、管理和战略决策中的管理角色；以及决策或任务的“结构化”水平。（请参阅“GenAI 还是传统人工智能？”）7运营控制系统处理日常交易（例如，产品发货了吗？）；管理决策通常涉及改进或解决问题（例如，我们的利润是上升还是下降？）；战略决策涉及在哪里以及如何竞争（例如，我们是否应该进入这个市场？）。关于结构化的其他维度，完全结构化的问题具有清晰的描述语言、寻找答案的既定方法以及对答案质量的客观衡量。想想 FICO 分数：它们构建了信用评估的难题，并完全构建了潜在困难且流动的评估。

以下是一家公司如何使用生成式人工智能来构建一项非结构化任务的示例。Jerry Insurance 是一家帮助人们选择汽车保险和为汽车贷款再融资的初创公司，拥有超过 400 万客户。在采用 GenAI 之前，通过聊天处理客户请求是半结构化的，需要人工干预。（请参阅“聊天机器人改变了经济。”）

2023 年 4 月实施 GenAI 后，该公司实现了 89% 的交互自动化，仅允许升级需要人工输入的 11%。此外，该公司创建的一组聊天机器人包括一个可以考虑呼叫者的语气和情绪并在需要时立即升级呼叫的机器人。最终，人类处理了需要人为参与的任务。

Jerry Insurance 的 GenAI 系统逐步构建了这些以前模棱两可的文本并与客户聊天，这一过程由客户服务人员维护。该公司的方法说明了生成式人工智能如何通过逐步构建手头的任务来提高生产力。核心AI团队构建了GenAI模型，然后对客服人员进行了如何使用和更新模型的培训，以便他们不断改进。

这种渐进式的结构改变了工作的性质及其能力。例如，Jerry Insurance 的领导者相信，使用 32 名客户服务代理的相同能力，他们可以处理三倍或更多的客户量。这不是一劳永逸的自动化：现在他们已经开始这种类型的改进，他们正在转向其他流程，从语音通话开始，除了文本和聊天之外。

也许最重要的是，这种组织学习不仅限于在公司内部发生。事实上，GenAI 是新的用户界面。法学硕士可以选择语言、情绪基调、专业水平、输出格式、输出模式（例如图像、文本、音乐等）、观点（例如支持或对抗）以及许多其他维度。我们期望，每个产品、流程和物质交互最终都会有一个智能代理来解释如何使用它并诊断任何客户需求。

为成功而组织：GenAI 作为新的质量运动

为了利用如此广泛和通用的能力以及人类和机器代理协同工作的新概念，领导者必须将 GenAI 视为不仅仅是另一种技术。从质量运动中汲取灵感，我们建议他们采用结构化方法来构建生成人工智能能力，类似于武术中使用的腰带排名系统，并为发展专业知识提供明确的路径：

• 白带：通过实践经验介绍 GenAI 的核心概念。了解对话在改进工作方面的力量。为广泛采用奠定基础。
• 黄带：加深理解，包括即时工程和聊天代理的创建。促进知识共享。
• 绿化带：构建并实施多个代理。领导团队和项目。了解安全性和投资回报率，并扩展至少一项试点。教他人如何利用 GenAI 创造价值。展示技能、GenAI 的实际应用以及传播知识的能力。
• 黑带：加深对 GenAI/AI 工具和技术的理解。获取 MLOps（机器学习操作）和 AIOps（IT 操作人工智能）知识。培养教学和设计教学课程的能力。展示管理 GenAI 人才和监督人工智能项目组合的能力。

使用质量运动这样的方法可以使高级管理人员对其公司的组织能力有一定程度的衡量。例如，如果您在 WINS 密集型组织（例如律师事务所）中，您应该创建一个更广泛、更深层次的能力金字塔，以便于衡量和报告。此外，这种方法非常实用，因为您不必雇用昂贵的人工智能人才，也不会浪费时间将工作环境翻译给顾问或技术专家。当地专家可以在熟悉情况的其他人的帮助下自己建造它。

在复杂的机械车间中，机械师可以创建新的夹具来帮助建立新的工作，或者开发设备来修复或增强现有的机器，从而提高整个车间的生产效率。同样，人们很容易创建自己的代理和机器人，并获得相同的结果。我们看到用于 WINS 工作的新型 GenAI 工具呈爆炸式增长，组织中的任何人都可以使用这些工具，这些工具将继续提高组织的学习能力，并将来之不易的流程或产品理解退火为独立代理或简单机器人。它们就像应用程序商店中的应用程序一样，但创建起来要容易得多。

理论 A 要求人们思考如何从辅助、增强到完全自动化，以及人类可以利用这些新模型承担哪些新任务。使用理论 A 方法可以邀请受过教育的人逐步构建有价值且尚未自动化的数据和流程。这不是一个完全形成的新管理体系，但我们邀请有思想的高管参与新的学习和竞争领域的探索。

组织不应追逐杀手级应用程序，而应专注于构建全面的 GenAI 功能，使自己能够适应快速发展，并使用这些工具在所有运营中持续改进。通过采用一种借鉴质量运动的方法，并将组织想象成共同智能之间的对话，而不是人类和愚蠢的机器，领导者将能够驾驭这一新格局，并释放 GenAI 和人工智能相结合的巨大潜力，以实现持久的竞争。优势。