生成式AI帶來的影響驚天動地又深入生活，正在重塑全球經濟與職場。一方面，國際貨幣基金組織（IMF）指出，這項技術可能會加劇不平等：雖然AI正在激發各個領域的創新，但是占主導地位的技術參與者在資源和市場份額方面具有明顯優勢；同時回到職場，IMF表示全球40%的工作崗位，以及發達經濟體中60%的工作崗位將因AI而面臨淘汰或變革，組織和個人都應為此做好準備。

這一浪潮中，全球頭部科技公司是如何進行內部重組和員工再培訓的？我們又可以對新技術帶來的改變抱有哪些期待？

基于以上，哈佛商學院教授比爾·科爾與微軟現代工作與商業應用業務集團副總裁（Corporate Vice President of Modern Work and Business Applications at Microsoft）賈里德·斯帕塔羅（Jared Spataro）討論了以下問題：

?AI會為下一代職場與商業生態帶來哪些改變？

?微軟如何看待組織適應業務流程、工作和任務，并從內部做好實施AI戰略的準備？

?怎樣應對新技術中的不確定性，避免潛在的倫理問題？

比爾·科爾：首先介紹一下你的職業背景，以及你如何在公司領導現代工作和商業應用程序吧。

賈里德·斯帕塔羅：我已經在這里工作了18年，我的微軟旅程一直致力于“生產”業務，所以是從Office等應用程序開始，隨著時間推移擴展到客戶關系管理（CRM）和企業資源計劃（ERP）等領域，這些都是企業投資技術的大領域，也給了我一個了解企業利用技術運營業務的非常全面的視角。

比爾·科爾：技術迭代如此之快，你有哪些跟上AI的策略？它又會如何影響微軟的產品？

賈里德·斯帕塔羅：有趣的是，我會用AI來保持更新。創新和變革的步伐在過去幾年里加快了很多，人類很難只靠自己來跟上進度。簡單瀏覽新聞的舊模式已經遠遠不夠，所以我現在會用一個AI助手來幫自己跟上另一個AI助手。我認為這是唯一的出路。

比爾·科爾：很明智的建議。那么根據這些AI助手的回答，現在最大的趨勢是什么？我們未來又可能會面對什么？

賈里德·斯帕塔羅：我傾向于認為我們處于一個以AI為助手的時代，個人助手或團體助手。你可以把它看作是像ChatGPT和微軟Copilot等產品中的獨立助手，或是許多不同應用程序中的嵌入式助手。全球幾乎每個軟件供應商都在將這些助手構建到自己的界面中，但是隨著這些助手的爆炸式增長，你會越來越多地看到，人們撓著頭說：“朋友，我不知道現在該去哪個助手那里做什么，助手太多了?！币虼?，我也預計，在未來的幾個月和幾年內會出現一些整合。

這里需要補充一個重要背景：根據我們的調查，為了完成其他工作，今天的信息工作者平均60%的時間實際都花在了會議、聊天或發郵件等協調和溝通上。這個比例還在逐月增長，看起來并沒有趨于平穩。所以大家實際上告訴我們的是：“天哪，我幾乎沒有時間進行真正的工作?！睆倪@個角度看來，AI助手的到來恰逢其時。

比爾·科爾：是的，談到溝通造成的過載，相信很多人會表示認同。那么有沒有關于AI或生成式AI工具對個人生產力產生影響的早期數據？

賈里德·斯帕塔羅：有兩個數據讓我印象深刻。被問到“使用微軟的Copilot助手后，您是否想回到沒有它的工作狀態？”時，77%的早期用戶表示“永遠不想”；另一個有趣的心態是，Copilot的最佳用戶估計自己每月可以因此節省超過10個小時。當然，有工作經歷的人都知道，人們在回答這類調查時會撒謊，所以我們進行了一些實驗，設置了使用Copilot和不使用Copilot的對照組，并給出了一系列跨信息庫的任務。平均而言，用戶節省了29%的時間，而質量沒有實際下降。

當然它確實平衡了競爭環境，幫助剛入職或工作的人縮小了經驗帶來的差距，我們也希望有經驗的員工可以獲得同等的生產力提升，這也是我們正在深入研究的部分。

比爾·科爾：這就回到一個問題，微軟是如何看待AI的？微軟在AI方面采取了怎樣的戰略或方法？你們是如何逐步將AI融入到產品和服務中的呢？

賈里德·斯帕塔羅：讓我們后退一步回到2023年。那時候的大部分時間里，人們都感覺：“我明白了，你的技術可以總結和回答基本問題?！钡?024年，我們發現它不僅具備關鍵技能，而且是一個通用的推理引擎。以往計算機基本都能對基于數學公式的問題進行推理，而這是我們第一次擁有自然語言驅動的推理引擎，這點非常重要。

但比這更重要的是，我們發現了“檢索增強生成模式”（RAG），它本質上是說，如果你問我一個問題，并且在我回答這個問題時提供一個“信息源”，也就是“一整桶”數據作為參考，只要正確答案在這桶數據里，我就可以基于這些參考數據進行推理，并提供一個正確答案。這桶數據也叫“上下文窗口”（context window）。在我看來，這已經成為我們在2024年看到的對商業而言最大的進步。這意味著，隨著大語言模型在推理方面越來越好，你可以用它來推理財務、HR數據等所有類型的數據，幫你做出決策。這是目前生成式AI在商業領域中一個非常令人興奮的創新。

比爾·科爾：你談到了節省時間，為自己爭取回那10個小時。你是否也期望在工作中有這種程度的提高？

賈里德·斯帕塔羅：沒錯，我們就是這樣做的。身處AI助手時代，我們致力于幫助大家逐步提高績效和生產力。但下一代技術將使我們從關注個人甚至小團隊，轉向以流程為導向，或者“以功能為導向”的生產力。

如今，許多對公司運營而言常見且核心的流程都可以實現自動化：季度末結賬、審查銷售渠道、回答客戶問題，甚至是找出與客戶打交道的下一個最佳方式、挖掘適合作為新客戶的合適人選，這些都可以自動化。今天很多需要邏輯推進、基于數據的推理工作都是由人來完成的，我們相信第二代技術會將我們帶入流程自動化階段。所以，我們再次看到這項技術正以越來越復雜的方式被用于獲取回報。

比爾·科爾：這些似乎涉及技術性問題和適應性業務間的區別?？梢越忉屢幌逻@種區別，以及AI和管理者在解決這些問題時扮演的角色嗎？

賈里德·斯帕塔羅：當然。在變革時期，適應性領導力認為員工面臨的業務問題基本分為兩類，一類被稱為“技術性”商業問題，這些問題已經得到了解決。很多運營問題往往屬于技術性問題，比如在醫療領域中，隨著時間推移，一些手術會逐漸成為常規操作。其次是“適應性”問題。雇主在進入一個全新或者充滿大量創新和變革的領域時很難找到專家，而且解決這類問題需要一套不同技能。這部分更多的是測試和學習過程。

這很好地描述了我們目前在AI方面的經歷。一些客戶會把人工智能時代的到來當作一個技術性問題，但我認為這樣會失敗，它太循序漸進了。我更愿意把它看作信息工作領域的工業革命，這就是我們剛剛討論的適應性挑戰或問題的定義。

回到實踐中AI和管理者扮演的角色，有趣的是我必須在與人們合作時告訴對方把這些助手當作人類，并像和人聊天一樣與它展開討論。要認識到，這個模式不是我們在搜索時輸入一個關鍵詞，然后期待對方給出回答。而是提出問題，得到反饋，提問者再重新確定方向。這個過程中的多曲折、多步驟性質是獲得復雜答案和真正價值的一部分。我們看到了這一切，但我們絲毫不會羞于從平凡的事情做起，因為我們認為從平凡的事情做起會帶來真正的好處。

比爾·科爾：面對如此重大的變化，微軟內部是如何進行重組和再培訓的？為了制定有效的AI戰略，并在受AI影響的經濟中爭奪客戶，微軟內部發生了什么？

賈里德·斯帕塔羅：基本上有兩個方面。第一，我們積極向每個職能部門的每個員工推出了自己的AI助手Copilot，告訴大家“請熟練應用?！蔽覀冊谶@方面提供了很多指導，也創建了很多小組，因為我們發現以一種可以迅速傳播的方式來學習使用這個工具非常重要。員工可能在財務部門工作，也可能在銷售部門工作，我們會說：“這有一個工具，和一些你可以立即在工作中使用它的方法。請開始使用，并告訴我們你學到了什么?！?/p>

第二是在各個職能部門開展工作，確定具體的業務問題。我們會說：“感覺AI在這方面應該能幫上忙。我們為什么不開展一個試點項目并切實觀察，設置對照組和以不同方式學習使用它的小組，看看有沒有可以提高效率的地方。”

我們已經看到了一些出色成果，特別是在客戶服務方面，因為客服本質上是信息密集型工作，需要回答和解決人們的問題。我們在銷售方面也開始看到一些不錯的成果，這里同樣存在將客戶及其需求與我們要銷售的產品進行匹配的問題，而且我們在這方面做得越來越多，每個職能部門都在學習如何成為AI從業者，這就是我們的思路。但先從廣泛層面入手，再開展針對具體問題、基于各職能部門的試點項目，這一組合打法就是我們的實施方式。有意思的是，這是一種非常自然的技能培養方式。不是那種“暫停工作，教練吹哨，大家都抽出一天時間去上基于YouTube的AI培訓課”的模式，大家是根據自己的實際工作來學習，并會因為展現出創新能力，證明AI對自身工作產生了積極影響而獲得獎勵。

比爾·科爾：這聽起來像你之前給各組織機構的建議：不要跳過或試圖跳過AI發展的各個階段，而是循序漸進地去經歷它們，因為這將是員工學習處理新技術的最自然的方式。

賈里德·斯帕塔羅：沒錯。這聽起來可能違反直覺，但傳播AI創新的一個方面絕對是人的因素。人們必須學習它，學會不害怕它。他們必須明白，無論是對個人還是對領導者或管理者的身份來說，AI都能帶來好處。所以我想說，積極應對，迅速行動，但不要試圖一躍而過，也不要試圖通過徹底重塑一切來讓整個公司脫胎換骨，那會帶來不必要的混亂。

比爾·科爾：我們花了很多時間研究生產力優勢和未來將出現的驚人用例，其中也包括風險和道德等問題。可以分享一下你們團隊如何處理這些問題嗎？微軟在未來與整個行業中的角色是什么？

賈里德·斯帕塔羅：AI非常強大，但我們傾向于認為它是一種中立的技術，這意味著它可以用于好事，也可以用于壞事。所以我們正試圖采取措施，以“負責任的AI倡議”（responsible AI initiatives）形式保證讓它用于好事。因此，對我們而言有幾個很重要的領域：在負責任的AI中，我們采用了許多工具，更加透明地了解培訓和基礎模型的實質內容，因為大家經常會擔心這些基礎模型中存在偏見。我們希望他們對這些內容感到滿意，所以做了很多工作，讓它們接受特定信息來源和信息體的訓練，涉及社會的各個方面。

我們在AI助手的實例化中也采取了特殊的預防措施，特別是在Copilot上。你可以把Copilot看作一個強大的大語言基礎模型“編曲家”，我們在這部分做了很多工作，來捕捉不合適的內容。舉個例子，在會議中，Copilot可以回答關于“莎莉在這次會議上說了什么？她的關鍵點是什么？”但也有人會問Copilot“你認為莎莉聰明嗎？你認為莎莉知道她在做什么嗎？我應該聽莎莉的嗎？”我們會捕捉這些價值導向的問題，告訴提問者，“我只是AI助手，你必須自己做決定。以下是一些有關她的現實互動，有助于你思考。”所以對于我們來說，這個部分非常重要。我們已經和工會做了一些工作，并與世界各地的政府密切合作。我們明白，讓社會的每個方面都參與到這項強大的技術中是非常重要的。

比爾·科爾：最后我想用對未來的想法或預測來結束這個話題。你在微軟已經工作了近20年，想到這些年的變化，以及之后會發生什么時，你認為我們未來看到的會與過去20年相同嗎？你如何設想未來20年的發展？

賈里德·斯帕塔羅：我認為現在的這些更有意義。事實上，經濟學家一直在研究與生產力有關的謎題，他們想知道為什么我們把這么多信息技術投入到企業和宏觀經濟環境中，卻看不到生產力的飛躍？為什么它沒有帶來改變？這是過去幾十年來經濟學家面臨的一個真正問題。

我的回答是，因為我們現在正在為這個時刻做準備。我們投入的許多信息技術都是為了整理數據，這些技術一直致力于以數字化的方式開展工作。甚至在疫情期間，我們也看到人與人之間的互動大幅增加，而這些互動本質上就是我們所說的“通過數字媒介進行”，通俗來說就是“我們現在是線上開會”。這些都很重要，因為它為AI在數據上進行推理奠定了基礎。所以在與世界各地的各種領導者見面時，我都會說：“我們過去50年里在信息技術領域所做的一切努力，都是在為這一刻做鋪墊?！倍@一刻實際上就是信息工作領域的工業革命。我們將重新配置公司，利用這項技術重新搭配組織的工作方式，并因此重構整個經濟體。我不知道它最終會如何發展，但我們堅信它會產生巨大影響。所以，我們很高興能與社會的各個層面、與每個人攜手合作，共創未來。

比爾·科爾（Bill Kerr）| 訪

比爾·科爾是哈佛商學院教授。

DeepL、DeepSeek | 譯 孫燕 | 編輯

品牌的終極戰場，不是供應鏈，不是流量，而是人心。真正能贏的品牌，都懂得經營消費者的情緒，讓他們心甘情愿買單。消費者不缺選擇，缺的是讓他們“上頭”的理由。怎樣讓消費者“上頭”？怎樣精準拿捏消費者的“情緒波動”？怎樣打造情緒價值，讓用戶一次上頭，終身買單？ 帶你解鎖3個關鍵策略↓

《哈佛商業評論》中文版 聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org