企业AI转型的过程中，人的适应能力比技术能力更为重要。通过科学研究和实际案例，本文提供了6个通用的策略，指导企业在组织层面改善对Gen AI和其他新技术的采用能力。通过采用这些策略，企业可以建立接受和支持新技术的文化，并与Gen AI共同创新。
尽管生成式人工智能 (Generative AI) 的采用速度创记录地快，且持续受到媒体从反乌托邦到乌托邦式各种炒作的关注，但对于企业而言，它更多是一片既充满智慧承诺又担忧的新领域，而非当前的运营现实。面对预计到2030年将近达到6700亿美元市场规模，为生产力增加高达4.4万亿美元的估算，企业领导们仍在探索如何具体运用AI、如何发挥其潜力以及它如何真正实现所宣称的经济效益。尤其在疫后经济动荡下行时期，人们对AI潜力的希望和信念并不缺乏。
正如任何数字化转型的方面一样，有效部署生成式AI更多依赖于人员的适应能力而非技术能力。的确，人的因素——即人员和文化——将是推动AI采用的关键，或者是难于上手采用的原因。这意味着，企业需要花费大量时间思考如何利用文化优势，实施必要流程来弥补文化弱点，从而推动AI的采用。比如，如果企业文化倾向于规避风险，那么设立适当的激励机制以奖励冒险尝试将大有裨益。反之，如果一个企业文化极具创业精神，总是追逐新的市场机遇以至于容易分心，那么就需要通过正式的激励和流程来奖励专注、纪律和忽视过往的新潮流。
尽管生成式AI还很新，我们还无法完全理解或预测它将发展到何种程度，而AI总体上直到最近才真正进入主流，但从近期企业历史中我们仍能学到宝贵的一课，那就是组织如何采纳并实现颠覆式技术的价值。这解释了为什么有些企业文化不仅能够快速接纳新技术，还能够创新。更具体来说，从科学研究和真实案例研究中得出的证据，为我们提供了七个通用的策略教训，帮助你在企业层面提高采纳生成式AI以及任何新技术的能力：
理解抗拒的根源——并为创新助力
变革或被变革。这是创新最强有力的论据，尽管有时它会遇到组织内部对变化的抗拒。每个组织都存在这种抵抗。但为了保持竞争力，公司必须能够突破这一点。
生成式AI也不例外：尽管一些组织已经开始拥抱它，但还有许多组织因为害怕未知，坚持他们已经验证过的工作方式，而对此持抵抗态度。像任何其他创新一样，如果能够在其系统中全面部署生成式AI，将有助于强化组织，使之未来可持续，并提升其整体适应性。然而，这需要正确的推动者（变革先锋、企业创业者等）来对抗系统内固有的抗拒变化的倾向，这种倾向对任何可能威胁现状的变化都会感到不安。
成功地将新技术引进组织——特别是那些引起广泛讨论或争议的技术——还需要理解抵抗的来源及其背后的逻辑。有时候，抵抗可能是正式和明确的，如报告指出75%的组织考虑禁止员工使用生成式AI。其他时候，则需要解决非正式的抵抗，这种现象非常普遍，以至于有“被动创新抵抗”这一术语来描述因员工对变化的抵抗和对现状的满意而产生的无意识反弹。解决这种隐性恐惧的最佳方式是展示这项技术如何增强组织的强度——并提高每个部分的韧性——目的是将态度从消极转变为积极，或至少达到中性。
策略1 - 以业务问题为导向
生成式人工智能（Generative AI）是一项极具多样性的技术。但这种多功能性也可能成为其劣势，因为它并未直接与某个具体问题挂钩，这可能使其沦为一个聪明的解决方案，正在寻找待解决的问题。
为了克服这一不足，组织需要从问题本身入手。即，识别企业亟需解决的最紧迫且最困难的挑战。明确了目标后，再考虑将AI与其他可能的解决方案并行测试。谈到生成式AI时，重要的心态转变是，减少对自动化的关注——这通常意味着破坏或消除，而更多地关注增强。
例如，H&M 从AI应用的落后者转变为先行者，将AI视为“增强”智能而非“人工”智能，重点在于如何利用这项技术增强或扩大现有组织能力，而不仅仅是消除低效，包括人力资源。同样，在科技巨头中，亚马逊相对较晚参与AI竞赛，但一旦将AI定位为现有业务线中其他创新的助推器，便成功优先并超越了竞争对手。沃尔玛选择投资生成式AI，旨在通过增强员工的能力，改善顾客服务，帮助他们找到所需商品和满足需求。
策略2 - 坚持以少做多
通常，相较于全面推行宏大计划，Runwise一直倡导的小步快跑、快速迭代的改进将是测试和部署技术创新的更佳途径。正如哈佛商学院教授艾米·埃德蒙森在她的最新著作《正确的错误》中所指出，这也是设计能导致聪明失败的实验的最佳方式，因为它使我们能够在小错误演变成大问题之前及时发现并纠正。
因此，及早开始，并以开放和实验性的心态进行AI试点，是学习的最佳方式，包括从失败的实验中学习——快速失败是长远成功的有效策略，前提是你能从这些失败中吸取教训。
策略3 - 直觉是共同的敌人
没有比人类直觉更大的障碍来部署生成式AI或任何形式的数据驱动自动化了。事实上，由自主技术产生的类似人类的活动，常被人们视为对控制、权力和自主性的威胁。公平地说，它确实经常限制人类的自由和即兴发挥。工作人员担心自己会被他们正在培训的技术所取代。那些将基于AI的标准化视为对其决策权威胁的高层管理者，因为决策和行动变得编码化，与个人行动力脱节。
因此，重要的是要传达一个观点：通过放弃对一些小决策的控制，人们可以将更多精力投入到更高层次的任务上。
例如，招聘人员和招聘经理往往过于自信于评估他人的才能，但研究显示，AI在识别人的潜力方面至少同样准确，如果不是更准确的话。当技术达到与人类相当的能力水平时，人类就有机会发展和应用技术（包括生成式AI）无法掌握的其他技能。例如，在ManpowerGroup，我们的招聘人员利用生成式AI来承担一些重复性和非创造性的任务（如简历总结和解析、申请信的校对和修改、职位广告的增强），从而有更多时间投入到高价值活动中：帮助候选人判断工作是否适合他们，帮助客户缩小他们理想与实际所需候选人之间的差距。
策略4 - 每个人都爱变革，直到他们需要行动
变革是一个美好的理念，但无论是个人还是集体，一旦我们意识到实施它所需的努力、持续和奋斗，这个理念就开始大失其光。实际上，我们喜欢的不是变革本身，而是变革后的状态。
对生成式AI亦是如此：一个已经经历了实验、利用其力量，并规模化或产业化的组织的概念非常吸引人。然而，实际上要经历这些阶段和体验的过程才是真正的任务。因此，组织应该像个人学习新语言或完成新学位一样，以耐心、时间、奉献和基本意识来面对AI的采纳：重要的不是目的地，而是旅程本身。
策略5 - 流程重于文化
文化抵抗经常被视为AI采纳的主要障碍。尽管组织在“文化变革”干预上的投资持续增长，但刻意尝试塑造或重塑公司文化需要很长时间且成功率不高。
更好的方法是将文化视为一个约束或既定参数，并像你对待天气一样对待它：不是作为你可以改变的东西，而是作为指导你选择行动的因素。关键是建立新的系统和流程来抵消文化的影响，比如通过外部正式激励来抑制非正式动态和影响的力量。正如学术研究所示，这些流程最好通过中层管理者来部署和实施，因为他们的行为和决策能够推动变革并在更广泛的劳动力中树立新的习惯。
策略6 - 积极应对伦理担忧
由于媒体对生成式AI的报道往往带有耸人听闻的色彩，这个话题常常引起道德困境、法律恐惧和伦理担忧。组织必须从一开始就解决这些问题，将AI定位为在设计上符合伦理并优于现状的改进。例如，对用户保持透明，使人们可以“选择参与”，并确保AI的应用是对现有流程和方法的改进，不仅能使公司避免麻烦，还能说服怀疑者生成式AI能够对他们的工作和生活带来有价值的提升。正如Gartner关于伦理AI采用的报告所建议的，透明度至关重要：“无论是对员工、顾客还是公民，都要坦诚他们正在与机器交互的事实，并在整个对话过程中多次明确标注。”
总而言之
归根结底，文化是不断进化的。进步不仅仅在于引入每一项新技术或创新，更重要的是挑选合适的工具，以推动策略的实施并增强组织的长期竞争力。如果企业能够找到方法，将人工智能技术与其战略和文化无缝融合，那么他们很可能会在竞争中取得优势。大多数组织目前还在探索如何做到这一点。能够成功应对文化适应挑战的公司，将成为利用这项新技术取得显著成就的先行者。
原作者简介
Tomas Chamorro-Premuzic是万宝盛华集团的首席创新官，伦敦大学学院和哥伦比亚大学的商业心理学教授，deepersignals.com 的联合创始人，以及哈佛大学创业金融实验室的助理。
