洞察
AI采用是一个管理变量
我交流过的每一个组织都在试图回答错误的问题。他们问的是该采用哪个模型。而更具启示性的问题是：为什么使用相同模型的两家公司最终会有截然不同的组织形态。
我们已经开始获得这方面的证据。今年6月，哈佛商学院的一篇工作论文调查了北美科技初创企业的创始人，询问他们关于生成式AI与员工人数的看法。平均而言，创始人估计如果没有AI，他们需要多出55%的员工。但中位数是17%，近三分之一的人表示他们根本不需要增加人手。同样的工具。同一年。却带来了截然不同的组织后果。
技术并不能解释这种差距。那些将AI正式整合到工作流中的创始人估计的人员规模影响，比那些非正式使用AI的人大近四倍——并且更有可能报告说这改变了他们的招聘和管理方式。接着，研究人员做了一件巧妙的事。他们随机向创始人提供关于AI在特定任务上表现如何的乐观或悲观信息。正如你所料，信念改变了。授权意愿也改变了。但即使在他们对性能的信念趋同之后，管理者之间仍然存在巨大的差异。
仔细读读这句话。两个管理者可以对机器能做什么达成完全一致，但对于机器应该做什么，仍然会做出截然相反的决定。
今年3月，NBER的一项大型跨国研究从另一个高度指向了相同的方向。通过对比美国和欧洲的工人和企业调查，作者发现，人口统计数据和企业构成只能部分解释采用差距。还有什么能预测采用情况？人事管理实践，以及企业是否积极鼓励员工使用它。不是基础设施。不是访问权限。是管理。
AI的到来不是一个技术变量
因此，浮现出的画面是这样的：AI的到来不是一个技术变量。它是一个管理变量。
这应该让人感到不安，因为它剥夺了借口。如果能力是限制因素，等待就是一种策略。如果判断力是限制因素，五年后各企业之间的差距将不再是它们的AI技术栈，而是它们的领导者认为人是用来做什么的。
这种信念已经在悄悄发挥作用了。当管理者决定向机器授权多少时，他们也在隐式地决定机器旁边的真人现在需要承担什么责任。这里有两个答案。
第一个答案：人是机器的慢速版本，每一项被委派的任务都是纯粹的减法。在这种信念下，你会得到一个规模更小、却在做同样工作的组织。
第二个答案：人是系统中的一部分，负责决定什么值得做、在答案自信地出错时注意到它、维持工作所处的业务关系，并提出无人曾想过的问题。在这种信念下，你会得到一个从事不同工作的组织。
授权偏好并非真正的预测
这两种信念都没有被数据所推翻，这正是它们得以持续存在的原因。授权偏好并非真正的预测。它们是人类学。它们是关于人类的压缩理论，大都未经审视，如今正在整个企业中以极高的速度被执行。
我发现这一点既让人清醒又充满希望。让人清醒，是因为大多数组织在做出哲学选择的同时，却误以为自己在做采购决策。充满希望，是因为这意味着结局并非由命运决定。没有所谓的自动化宿命。只有带着各自理论做出选择的管理者。
如果这是真的，今年领导团队能做的最有价值的事情不是又一次工具评估，而是浮现出其授权决策已经暗示的人性理论——并询问房间里的任何人是否真的相信它。
因为无论如何，这种理论都正在被植入。唯一的问题是，它是被精心设计出来的，还是被盲目继承的。