AI技术的发展速度之快,令人难以跟上其改变人们工作方式的众多新途径,然而,对于大多数企业而言,技术可能性与实际应用之间的差距正在不断扩大。2024年麦肯锡全球调查发现,90%的员工在工作中使用GenAI,其中21%的员工是重度用户,然而,尽管员工热情高涨,但大多数企业对AI工具的正式采用却滞后:只有13%的受访员工认为自己的企业是早期采用者。
机构对新工具的接受速度缓慢并非新现象,早在雇主正式批准使用基于云的平台和通过社交媒体与客户建立联系之前,数字原生代就已经在使用这些技术进行协作了。近年来,移动原生代开始通过即时通讯应用和移动优先的工作流程开展业务,而企业IT部门仍在就智能手机安全政策进行辩论。如今,世界正见证着AI原生代的崛起——他们通常是年轻员工,已经开始使用GenAI工具起草电子邮件、编写代码和分析数据,而决策者和预算控制者则担心治理和前期技术成本问题。
这一次的不同之处在于变革的速度和规模,与早期的技术转型相比,GenAI能力从竞争优势转变为竞争必需品的时间要短得多,那些掌握快速采用艺术的企业将决定其行业的新规则。
但是,领导者如何在不牺牲质量或制造混乱的情况下,促进整个企业的学习?他们如何确保企业从分散的创新中获取最大价值?我们将讨论四种有助于实现这一目标的思维方式和做法。
培育已经出现的萌芽
发展心理学家艾莉森·高普尼克(Alison Gopnik)在《园丁与木匠:儿童发展的新科学如何揭示父母与子女的关系》一书中指出,父母应该让孩子按照自然倾向发展,而不是按照预先设定的模式发展。她将这一概念称为“园丁思维”,这一概念不仅适用于家长,也同样适用于企业领导者:培育你所看到的成长,最成功的管理者会专注于发现萌芽——那些正在尝试新技术并取得初步成果的员工、团队或部门。他们会问:“创新已经在哪里发生?谁在以惊人的有效方式解决问题?”
然而,大多数企业倾向于“木匠思维”:自上而下精心规划技术变革的每一个细节,这种方法无法跟上当前的变化速度。试图精确规定AI在企业中应如何实施的领导者,往往会发现自己在为未来的问题构建昨日的解决方案。
以一家亚洲金融服务公司的经历为例,该公司发现其团队正在非正式地使用AI来简化应用开发流程,管理者接受了这一创新,创建了一个通用的数据层,使团队能够自动化数据标注等耗时步骤,从而将AI应用开发时间缩短了一半。
我们见过许多类似的例子,比如客户服务团队悄悄使用AI聊天机器人起草回复,往往能大幅缩短回复时间,一些管理团队担心安全或治理问题,关闭了此类实验,而另一些团队则研究其成功的原因,完善方法,并帮助扩大规模。与基于理论播种相比,识别并培育已现的萌芽更有可能推动创新,但采用园丁思维要求领导者花更多时间观察模式,而不是制定僵化的计划,这意味着要接受最具变革性的想法往往来自企业中意想不到的地方。
建立采用激励机制
众所周知,改变既定的工作习惯和学习使用新工具是非常困难的,大多数企业的中层——设定文化基调的管理者和资深从业者——往往是最抗拒变革的,因为出于理性的私利,他们很忙,现有的方法效果还不错,而新技术的学习曲线可能令人望而生畏。
要鼓励有意义的采用,经济激励和社会激励都必不可少,但最有效的奖励应侧重于学习,而不仅仅是使用。成功的企业不会因为实施AI而发放奖金,而是奖励员工展示新能力、与同事分享见解以及帮助他人克服学习曲线,社会认可往往比经济奖励更有力量,当受人尊敬的团队领导者分享他们的AI学习历程,并公开承认自己仍在学习时,这会降低其他人的心理障碍。
当受人尊敬的团队领导者分享他们的AI学习历程,并公开承认自己仍在学习时,这会降低其他人的心理障碍。
许多大型企业都会举办创新竞赛,让同事与不同团队进行合作并提交创意。进入后期阶段的团队可能会获得更多资源、专家支持和领导层的关注。优秀的公司不仅在年度活动中提供此类激励,而且每天都这样做。一位技术高管表示,创新仪式在他们公司十分普遍,包括定期的创新日,“团队可以探索兴趣,发现可能尚未规划的想法”。这些活动往往能带来意想不到的发现,促使企业重新确定下一波项目的优先级。
促进快速学习
成功的企业不仅比同行进行更多实验,而且实验效果更好,他们借鉴严格的A/B测试原则,并将其应用于企业创新:
•从明确的假设开始。成功的团队不会设定“利用AI提高生产力”这样模糊的目标,而是从具体、可测试的预测开始——例如,“我们相信,利用AI自动化月度报告流程将使所花时间减少50%,同时保持95%以上的准确率”,但新想法的好坏取决于其背后的假设,而团队往往没有识别这些假设,或没有对其进行严格测试。
•为学习而设计,而不仅仅是为了成功。试点项目往往只以成功结果为目标,因此很少能产生关于什么真正有效的有价值的见解。更好的实验设计应能快速失败并记录哪些方法行不通,而且这些实验应跨越不同职能。例如,研发团队可以在早期阶段从销售人员那里获取客户见解,此类实验还应尽可能包括对照组,并衡量领先指标,而不仅仅是滞后结果。一些公司从成功结果出发,然后确定支撑它的假设。一家农业生物技术公司采用这种以假设为导向的方法,确定了推出新产品的最佳路径,并将推出时间缩短了30%。
•发挥小样本的力量。企业不需要大规模推广就能产生有意义的见解,一些最有价值的企业实验涉及5到10个人,为期2到4周,目标是快速迭代,而不是统计显著性。
•记录结果背后的原因。无论实验成功与否,最关键的问题不是“发生了什么”,而是“为什么会发生”,系统地记录这些见解的团队能够积累机构知识,从而加速未来的创新。
亚马逊早期在视频流媒体方面的尝试就体现了这些原则,Prime Video最初表现不佳,但亚马逊没有放弃这个想法,而是询问用户为何不参与。公司发现,客户没有看到该服务的独立价值,而是更倾向于拥有独家内容的平台。作为回应,亚马逊将Prime Video纳入更广泛的Prime会员服务中,以提高其感知价值,并大力投资原创内容。这一转变使一个举步维艰的试点项目成为Prime订阅和品牌忠诚度的关键驱动力。
对赞扬保持高标准
在鼓励创新的热情中,企业领导者常常陷入对一切创新都一视同仁地赞扬的陷阱。当每个AI实验都受到夸大其词的赞扬,且为了争取更多预算而允许进度报告夸大结果时,真正突破性的想法就会淹没在噪音中。最具创新性的企业会区分有趣的实验(值得尝试)和改变游戏规则的创新(值得推广),他们既奖励对失败的诚实报告,也庆祝成功。
这并不意味着要打击士气,而是要有目的性,当赞扬是有选择性和具体的时,它会更有分量,当领导者明确阐述为什么某种特定方法代表突破时,团队就会明白什么是卓越。
企业只需改变讨论试点项目的方式,就能改变其创新文化,他们不再问“AI项目进展如何”,而是问“你学到了什么让你感到惊讶的东西”,他们不再庆祝有人使用了AI,而是庆祝从使用中得出的关于更好工作方式的具体见解。
例如,一家企业集团的集团CEO鼓励广泛参与项目并关注实际成果,他们询问了100位商业领袖,是否愿意各自赞助一个AI项目,并设定了增加收入、降低成本或提高客户满意度的具体目标,该目标必须反映在次年或后年的预算中。
掌握这些原则的企业不仅能更快地采用新技术,还能随着时间的推移形成竞争优势,每次成功的实验都能增强企业的信心,每次记录良好的失败都能防止其他人重复同样的错误,每位具有园丁思维的领导者都能为更多创新的绽放创造空间。
未来不仅分布不均,而且还在不断重新分配,学习型企业正从尽早发现创新、精心培育创新和明智推广创新中获益。
企业网D1net(www.d1net.com):
国内头部to B IT门户,旗下运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。
版权声明:本文为企业网D1Net编译,转载需在文章开头注明出处为:企业网D1Net,如果不注明出处,企业网D1Net将保留追究其法律责任的权利。