人工智能
2025年領導力與人工智能洞察：來自麻省理工學院斯隆管理評論的最新資訊
作者：Brian Eastwood
日期：2025年1月6日
為何這重要
隨著對人工智能的興趣和使用日益增長，領導者必須相應地管理企業。建立健康的企業文化可以幫助他們獲得成功。
新的一年已經到來，人工智能仍然是許多企業領導者心中的熱門話題。麻省理工學院斯隆管理評論最新的指導意見探討了如何安全有效地使用生成式人工智能，以及如何建立以人工智能為基礎的合作夥伴關係。但我們首先要關注一個基本問題：建立強大企業文化所需的要素。
改善企業文化的可行建議
改善企業文化是高管面臨的最具挑戰性的任務之一。麻省理工學院斯隆教授Donald Sull的研究發現，官方的企業價值觀與文化之間並無明顯相關，這表明領導者對員工的日常經歷缺乏了解。
在一個新的系列中，文化冠軍（Culture Champions），Donald Sull和Charles Sull，這對研究和諮詢公司CultureX的共同創辦人，分享了成功企業高管的建議，這些高管在不犧牲員工正面體驗的情況下取得了商業成功。值得注意的見解包括：
“你不能在組織間複製和粘貼價值觀。… 員工能嗅出缺乏真誠。… 你必須清楚自己是誰。” – Katie Burke，前HubSpot首席人力資源官
“如果你說的話只是讓人點頭或不反對，那是最大的侮辱。… 最糟的是沒有獲得任何批評、反駁或某種程度的辯論。” – Jim Whitehurst，前Red Hat首席執行官
“我們堅信文化是我們商業策略的戰略差異化因素。… 我們對領導者有很高的期望，認為他們相當多的時間應該花在團隊的發展上。” – Marvin Boakye，Cummins首席人力資源官
對於工作場所中的生成式人工智能，治理政策勝過禁令
十五年前，IT領導者討論是否應禁止個人設備連接企業網絡。如今，類似的討論集中在是否應限制如ChatGPT等生成式人工智能工具在工作場所的使用，因為這項技術可能帶來安全風險和生產力提升。
為了理解“自帶人工智能”的好處和風險，麻省理工學院信息系統研究中心的Nick van der Meulen和Barbara H. Wixom對50家組織的高管進行了調查。領導者一致認為，對生成式人工智能的限制“既不實際也不有效”，可能會適得其反，因此他們提出了支持負責任使用該技術的五項行動建議：
1. 組建跨職能的領導團隊，設置明確的指導方針，說明何時可以接受生成式人工智能工具，何時過於風險。
2. 提供實用的培訓，幫助識別適當的使用案例，與生成式人工智能工具進行溝通，並對AI模型的輸出進行批判性思考。
3. 提供有限數量的批准生成式人工智能工具，幫助員工做出明智的選擇，減少許可和維護的負擔。
4. 認識到在員工探索生成式人工智能的新應用方式時，短期內可衡量的投資回報可能有限。
5. 探索如何通過生成式人工智能的注入來促進戰略商業目標，以及如何將個人產出增益在更大範圍內應用。
USAA在內部部署生成式人工智能的經驗教訓
在金融服務公司USAA，管理層已經確定多個內部使用案例，以便將員工與人工智能工具配對，以改善客戶服務和提高效率。（面向客戶的工具並不是公司的近期重點。）
麻省理工學院數字經濟倡議的Thomas H. Davenport和作家Randy Bean在一篇新文章中探討了該公司的努力。其中一個例子是一個“助手”，幫助會員服務代表查找信息、回答問題並總結與客戶的互動。另一個則是與人類程序員協作的人工智能驅動代碼開發系統，協助文檔編寫、測試和其他任務。
為了緩解員工對人工智能或擁有人工智能技能的新員工將取代他們的擔憂，USAA的高管承諾支持現有員工，這涉及擴大培訓選項，提高當前員工的生產力，並強調員工多年的經驗所積累的問題解決技能的長期價值。
如何確保大型語言模型（LLMs）在企業中運作
大型語言模型是一種生成式人工智能系統，經過大量文本數據的訓練，以針對輸入創建上下文適當的答案。麻省理工學院斯隆教授Rama Ramakrishnan表示，LLMs功能強大，但容易出錯。因此，在企業環境中獲得LLMs的價值需要對這些模型進行優化，以確保其輸出盡可能準確。
第一步是將LLM調整到特定任務。如果任務是一個普通人能完成的簡單指令或提示，這樣的做法可能有效。檢索增強生成可以將更新的信息（包括專有數據）添加到提示中，以引出更準確的回應。指令微調則進一步將行業特定的示例納入LLM本身；這對法律或醫療模型有幫助，但需要較大的努力。
接下來，組織需要確定何時將LLMs應用於任務。這涉及將商業流程分解為離散任務，並比較使用LLM完成任務的成本與“常規業務”的成本。關鍵是，這一計算必須考慮輸出錯誤的潛在成本，包括法律責任、聲譽風險或品牌損害。
最後，組織應準備試點LLM使用案例並評估其有效性。這可能難以自動化，因為文本回應需要檢查推理、語氣和相關性——這些因素在訓練以輸出數字集的AI模型中是缺失的。
基於人工智能建立合作的六個步驟
隨著企業繼續探索人工智能的使用案例，值得關注的是超越自身的界限。麻省理工學院數字經濟倡議的Davenport探討了人工智能如何改變夥伴關係，因為組織共同分享數據、進行研究或實現更大規模的創新。
人工智能通常支持合作的四種方式：夥伴可以整合數據生態系統，向現有的AI平台添加新的AI能力，增強產品和服務，並倡導負責任的人工智能開發。
Davenport認為，成功的合作夥伴關係應該遵循六步藍圖：
1. 決定人工智能將如何改變；強調變革而非增量變化。
2. 召集一個多元化的合作團隊，讓他們能夠共同達成單獨無法完成的目標。
3. 開發人工智能驅動的服務，為所有夥伴帶來有價值的見解。
4. 考慮除了經濟增長之外，還有潛力解決更廣泛的社會和環境問題。
5. 優先考慮透明度和強健的數據保護，以保持夥伴之間的信任。
6. 擁抱靈活性；隨著技術的發展，任何以人工智能為核心的合作也必須不斷演變。
在當前的商業環境中，人工智能的應用無疑是未來發展的趨勢。企業應該把握這一機會，建立健康的企業文化和有效的治理框架，以確保在推動創新和效率的同時，保持員工的士氣和參與感。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
, 今日有咩可以幫到你? 