從直覺到智慧決策

吳霽虹

直覺一直是很多高層管理者用來瞬間判斷決策的方式，人們崇拜那些靠直覺就能做出智慧決策的人。比如，孫正義當初投資阿里巴巴就非常迅速，而投資回報率超過1700倍；大衛·切瑞頓教授，因為相信拉里·佩奇和謝爾蓋·布林講的算法，給他們投資10萬美元創建谷歌，最終收獲10億美元；此類決策成功的故事還有很多，這些牛人的共同特點，都是有超越一般人的“直覺”。

事實上，靠直覺判斷決策，幾乎是人類最古老的本能之一。其特點是，在復雜情況下，人的思維過程跳過了邏輯層分析，直接給出結論。這種直覺思維的本能，就像一股神秘的信號，像靠千百萬次概率蹦出的一張中獎彩票，其實是一種只可意會、不可言傳的內在知識和經驗的訣竅，很難百發百中。

智慧決策管理的最高境界，就是要“做正確事、正確做事、把事做正確”，這需要戰略決策、戰略管理、戰略評估的有效閉環。但大多數人無法靠拍腦袋、憑瞬間直覺做到。如果能，也是鳳毛麟角，且無法復制被人們學習，直到有了人工智能。

人工智能（簡稱AI）是模擬、延伸、擴展人類智能的一門新興科學技術。比如，中國香港有一家叫DeepKnowledge Ventures（DKV）的風投公司，五年前聘請了一名叫作“瓦投”（VITAL）的AI董事，它是英國Aging Analytics公司研發的AI投資系統。

AI董事的專長是基于大數據機器學習，能在毫秒內，分析、判斷、決策那些無法被人類分析師觀察到的趨勢。公司高級合伙人德米特里·卡明斯基（Dmitry Kaminskiy）指出，瓦投把投資決策中復雜的盡職調查自動化了。也就是說，瓦投做了人們“直覺”做不了的“針對海量信息的邏輯分析”。這相當于靠強大的計算機直覺，確保投資決策“做正確事”。

除了投資決策，A I董事還顛覆了傳統投資管理流程。至今，在AI董事的幫助下，DKV已經完成多個項目的投資，包括Insilico Medicine、Pathway Pharmaceutical、Vision Genomics等初創公司。

AI三次浪潮

AI董事的誕生，意味著人類將獲得前所未有的超級決策管理能力。也意味著戰略決策與管理進入了人機融合時代。這要歸功于人類對AI思維機器（Thinking Machines）的夢想，以及在業界有廣泛共識的AI三次浪潮。

20世紀50-60年代，發明了很多算法，AI開始被發現和被定義。例如，1955年啟發式編程誕生，是后來專家系統的雛形。1957年感知算法的發明，演變成今天人工神經網絡和深度學習工具。1960年，隱馬爾可夫模型算法的發明，成就了今天語音和圖像識別的新浪潮。但這時的AI還無法解決現實問題，說白了，就是技術還不夠好。

20世紀80-90年代，專家系統快速發展，AI開始賦能解決特定問題。例如，1979年第一個醫療診斷機器智能“專家系統”創建。之后20年，北美和北歐大公司中有2/3也使用了“專家系統”，但應用仍然太局限。

大約2005年到今天，機器學習、深度學習、模仿人腦的神經網絡學習、聯邦學習，以及大數據、云計算等AI技術族群有了系統性的突破。目標直指“做人類不能做，或不能高效、方便、高質完成的事”，這包括了決策與管理。

比如，谷歌對標人類智能水平，將AI劃分為三級智能：初級的“弱人工智能”，只能專注在一個特定領域，如下圍棋。高級的“強人工智能”，能達到或超過人類水準。“超級的人工智能”，就是“從比人類聰明一點點到聰明1000萬倍”。科大訊飛以AI能做什么，也將智能劃分為三個級別：計算智能、感知智能、認知智能。計算智能指機器“能存會算”，感知智能指機器“能聽會說、能看會認”，認知智能指機器“能理解會思考善決策”。

人機融合的決策簡史

今天的商學院，還來不及教我們AI賦能決策管理。因為，AI三次浪潮的技術突破后，好像一夜之間就有了像AI董事與人融合決策的案例。但事實上，從直覺到人機融合，決策管理至少經歷了600年的三個階段演變。

肌肉的時代：從14世紀至16世紀，歐洲手工作坊如鐵匠的商業決策焦點，一要看有沒有“強大肌肉”打鐵煉鋼，另一個靠經驗積累的直覺判斷。因此，“肌肉+經驗”的直覺是制勝法寶。

專業專家的時代：工業革命爆發，專家知識開始助力決策管理。18到19世紀，蒸汽機、電力、汽車等技術發明，知識信息指數級遞增，決策管理從簡單變復雜。1893年，泰勒率先開啟工廠管理咨詢，專門幫助制造業老板提升決策管理效率，帶動了“工業工程師”的誕生。

1881年，宙斯弗·沃頓捐款給賓夕法尼亞大學創建了沃頓商學院。商學教育開始教管理者如何思考分析、如何決策管理。1926年，芝加哥大學詹姆斯·麥肯錫教授創立了麥肯錫，專家賦能商業決策與管理成為一種行業。

管理軟件與BI時代：20個世紀70年代后，計算機技術的爆發，形成新的“管理軟件+商業智能BI”賦能決策管理。比如，80年代紐約證券交易所開發了軟件交易系統，可自動搜集數據，分析判斷某宗交易，并自動執行。

更廣泛的管理軟件賦能決策管理的崛起，是在二次大戰后。精密制造業最核心的管理議題，就是要減少浪費、高效分配資源。于是出現了資源管理理念（MRP）。到80年代，MRP被編成軟件，幫助企業提升采購、庫存、生產、銷售、財務、工程技術等的管理效率。

90年代，美國高德納咨詢公司提出企業資源計劃ERP新理念，將物流、人流、資金流、信息流整合，從而減少存貨、優化庫存。之后，CRM、財務、HR、供應鏈等管理軟件的發展，增強了財務預測、生產能力、全面質量管理、資源調度等方面的功能，全面監控提升產、供、銷的管理效率。

1996年高德納又提出商業智能，商界掀起了一股基于數據庫的革命浪潮，真正的商業智能時代到來。BI的特征就是從數據分析入手。商業智能時代在全球崛起了一大批軟件巨頭，包括微軟、IBM、甲骨文、SAP、Informatica、Microstrategy、SAS、Royalsoft等。而越來越多的中小企業，也成為諸如SAP、甲骨文、IBM、用友、金蝶等管理軟件公司的客戶。

總之，從原始直覺驅動到專業驅動，再從傳統流程驅動的ERP、CRM等到數據驅動的商業智能，知識和工具賦能高階管理者，一直都聚焦在“經營效率的提高”方面，而且，其產生的市場規模已經超過數千億美元。但是，這個時候的商業智能BI，與我們討論的人工智能時代的商業智能AI，有本質的不同。

AI在戰略決策與管理中的應用

1.從BI到AI。商業智能的發展，帶來了對企業戰略決策、戰略管理、戰略評估的更新定義。它要求一個優秀企業的完整決策過程，至少包括五個環節：獲取數據、分析信息、決策管理的選擇、制定目標計劃、執行與行動。

這些環節可全面部署到企業IT系統中。但是，商業智能BI，專注數據分析，回答數據反映的“是什么”，從而降低成本、提升經營效率。它還不能回答管理者“應該選擇做什么”“不做什么”“為什么做”“怎么做”等戰略決策議題。其本質，就是商業智能BI沒有機器學習或深度學習，只是更高級別的統計分析。

今天，AI就能回答這些問題。亞馬遜的AI推薦系統就讓一流商學院的市場營銷高材生們下崗了。比如，借助AI機器學習算法，亞馬遜AI支持“逐項協同過濾”。這意味著，AI通過學習用戶每一個行為痕跡，能繪制所有產品的多維度關系地圖，每當你看到一個X或購買一個Y，亞馬遜AI就會給你相同“鄰居”的X或Y的推薦。這樣的系統，AI要學習至少10個以上維度的動作，對數據深度分析和挖掘，并成功賣出商品。

比如，1）你的購物車，那是AI要計算的真人真錢；2）你添加到購物車的東西又被丟棄，是AI要讀懂你的購買前行為；3）你對在線定價A/B選擇，是AI學習你在不同價格相同產品的選擇傾向；4）你的心愿單，是AI處理另一個購買籃子的分析數據流；5）你從哪個網站進入，是AI要查詢你之前行為分析你有可能感興趣的暗示；6）你在上下點擊停留的時間，是AI要分析你的偏好；7）你分別在過去幾個月為幼兒購買了3本書，是AI要分析你的用戶類型，是母親或是宅男；8）你點擊的郵件，是AI要洞察你喜歡的購買渠道；9）你點擊網頁的路徑；10）最終購買前，你查看過的東西、次數，是AI要分析洞察你的購買心路等等。AI比人類專家更深度“懂用戶”需要什么，并推薦什么。

僅亞馬遜付費會員數，在全球已超過1億，而600萬家供應商提供超3.85億種商品，這是一個只有AI能看懂且能判斷的量子級數據關系。也就是說，2018年亞馬遜能達到年銷售額2329億美元，既要靠AI幫助對前端賣什么、如何賣的營銷決策管理，也要靠AI對后端生產什么、何時生產、何時上架的供應鏈決策管理。這是之前的商業智能做不到的。

2.支持AI決策的四大能力。2016年3月，人工智能機器人阿爾法圍棋（AlphaGo）打敗了世界圍棋冠軍、職業九段棋手李世石，人工智能的認知革命引起了世界的關注。這意味著，AI在競爭策略的思考上，超越了人類，比人類更精準地運算出獲勝路徑。那么，除了下棋，AI在戰略決策與管理上還能做什么？

基于我在AI商業實驗室研究的AI決策超腦TM系統發現，今天AI賦能高級管理者的決策與管理，需要四大能力支持：

大算法：更高級算法系統，深度學習，聯邦學習，感知時空，識別模式，判斷因果，優化路徑等。

大計算：數百萬倍計算能力，運算超級復雜和超級容量的問題。

大數據：更宏大、更多維的信息量，萬物互聯后匯集和處理海量動態數據，以及更安全、更互信的區塊鏈保障體系。

大管道：高容量、高品質、無延遲5G及以上的管道，承載全球人、物、事信息暢通。

特別是2019年，這四大能力已經匯集到爆發的臨界點，這讓AI賦能高階管理者又上一個臺階。特別是企業關鍵決策、組織機構變革的賦能。

3.AI在戰略決策與管理中的作用。首先，AI解決了人類決策認知的局限問題。戰略決策如果是在信息不對稱或信息不完整的條件下做的，將導致不確定性增加、風險增大。

過去兩年多時間，我對上千名企業家、創業者問過一個問題：“假設你企業今天價值（估值）是1億元，從1億元增長到10億元，你認為有多少因素將會影響？”結果是：平均回答不超過20個因素，比如團隊、投資、技術、產品、模式、市場等等，這些商學院教授的知識和經驗。

這個測試意味著，大多數決策者和專家都很難高瞻遠矚、深謀遠慮地思考、分析、判斷決策。也就是說，從1個億增長到10個億，有無限個影響因素和無數種實現路徑。

*哪個因素是關鍵？如果你的數據量不夠，你就有可能將最有價值的因素漏掉。

*哪個路徑最優？如果你的知識和經驗不夠，你的決策就有可能是井底之蛙。

*什么時候將有生存危險？如果你將因果關系倒掛，無論什么決策都難起死回生。

我們研究的AI決策超腦TM系統，能回答800多個與戰略決策相關的問題模型因素，可映射到超過18000個向量空間，AI知道全部數據之間的因果關系和路徑。這是因為，AI已經學習幾乎所有管理學、經濟學、金融學、心理學等知識、經驗和方法，哈佛商學院的公開案例，還包括金融學所有的公式。因此，它可以幫助企業診斷競爭優劣、提前預警財務風險、選擇實現目標的最優路徑。

2016年我受邀參與科大訊飛部署新的戰略決策時，借助AI決策超腦TM，診斷核心問題，并從網絡效應、鎖定效應、壟斷效應三維度構建仿真系統，設置多個假想的競爭對手。基于專家研究和行業大數據，將相關的數據輸入仿真系統，從技術、產品、模式的維度，測算技術商業化前景、業務聚焦點，以及商業模式構架。

科大訊飛在三年中，從原來比較單一的AI技術在訊飛輸入法的應用業務，發展到全新的AI平臺+賽道的戰略決策組合，其AI業務在教育、政法、醫療、翻譯、轉寫、AIUI平臺等等領域全面發展，給公司帶來了三年前25億元收入增長到三年后的79億元，市值也比三年前的幾十億元，穩步增長到今天的700億-800億元。

商業智能AI可以看到人類看不到的，可以洞察到人類無知的，還可以幫助人類假設在任何一種路徑下，或任何一個因素影響下，預測企業將會有什么結果。借助決策超腦TM的仿真模擬決策，管理者可以快速聚焦最有價值的商業活動，或者，直擊最瓶頸的問題，而不要走彎路。

其次，AI可以賦能組織變革。我的研究發現，即使最優秀的企業組織，也有像癌癥那樣級別的病灶。其中有五大頑癥非常突出：1）目標落地難。傳統公司員工為部門KPI工作，而不為目標工作。2）過程跟蹤難。管理者馬后炮，因目標一旦交給下屬，無法跟蹤，結果南轅北轍。3）團隊協同難。大多數公司部門就是信息孤島、文化孤島、過程孤島、數據孤島，頑固得像鋼鐵長城。4）人才創新難。特別是大公司，人浮于事助長辦公室政治。5）評估公正難。老板只憑員工誰刷臉多相信誰，導致下屬開始弄虛作假。

那么，AI如何解決這五大頑癥呢？基于AI決策超腦TM，我們開發了人機融合的AI-SaaS應用系統，它將企業戰略決策轉化成人機分工管理，管理者做“定目標、派任務、審結果”的事兒，而AI干“識別數據因果路徑、預警風險評估價值、提供優化建議”的事兒。

天安云谷是深圳天安駿業投資的產業綜合體，AI-SaaS系統在天安云谷智慧園區上線三個月后發現，AI識別出25%員工，與公司目標沒有直接關系，這些員工意味著是公司不必要的成本。通過人員優化，直接節約成本30萬元，并提高了員工有效工作飽和度30%以上；AI洞察到80%的中層管理者，急需升級管理水平如何設目標、派任務；AI還幫助高層管理者梳理、聚焦關鍵業務，將資源鎖定在最有價值的業務上。AI賦能管理后，直接貢獻的業務回款收入從400萬元上升到1400萬元，以及開拓了4000萬元的新訂單。在獲得巨大變革進步后，天安云谷的其他六個公司和機構，也開始了AI賦能組織變革的上線。

這個人機融合AI-SaaS管理系統的背后，是機器學習算法系統。而AI-SaaS擅長處理動態復雜數據間的關系，能根據任務與目標的關系，自動生成扁平化流程。這不像傳統管理軟件的方式，先構架一個組織結構，再固化他們之間的命令流、信息流、物流等流程。而且，AI關注目標實現的過程和結果的數據，能比人更公平、更簡單地評估員工業績。AI還能通過戰略評估的閉環，“把事做正確”。

今天，這樣的商業智能AI已經超越了大多數有經驗的高階管理者和商學院專家。值得一提的是，我們討論的AI決策賦能，不是一個AI，而是無數個AI。包括了統計與概率、建模與仿真、優化論、運籌學、計算機科學、管理決策系統、數字控制系統、專家系統等等。

AI不是萬能的

一個不懂人工智能技術的戰略決策，將是一個缺乏高智商、高智慧的決定。但是，這并不是說，AI是萬能的。事實上，人工智能沒有價值觀、沒有情感、沒有“自我”。它只是人類設置的特定智能機器，按程序辦事。因此，企業家的愿景使命、價值觀、創新精神、求知欲、好奇心等，都是AI代替不了的。這些恰恰是戰略決策的核心。因此，人類與AI有天然的合作和融合的契機。

人工智能賦能戰略決策，還是小學生階段。一個好的人工智能解決方案，比如決策超腦TM，其系統構建是非常復雜的，不但需要高級算法科學家、智能系統架構師，更需要經濟學家、管理學家、社會學家、行為學家、心理學家等專家的知識和經驗，也需要企業家們的實踐積累。

總之，人類決策的進化過程中，最容易犯的錯誤就是拍腦袋，將戰略決策當成了普通決定。尤其是在看不清、道不明、缺信息、無視野的條件下做戰略決策，最容易犯“在錯誤方向上努力”的大錯，或者容易犯“有愿望無能力”的錯誤。展望未來，AI將長遠、高瞻、超越對手的等等N多個維度的決策管理不確定性，通過機器學習、深度學習等諸多AI技術，智能化地提升戰略決策、戰略管理、戰略評估的正確性和高效性，從而賦能人類超級能力。

本文作者系全球化競爭與創新管理學家，人工智能商業化專家，AI Business Lab聯合創始人，北京大學訪問教授。