”
编者按
直觉一直是很多高层管理者用来瞬间判断决策的方式，但随着机器学习、深度学习、大数据、云计算等AI技术族群系统性的突破，智慧决策与管理成为可能。本文将分析AI如何助力决策，同时作者也提出AI并不是万能的。
今天的商学院，还来不及教我们AI赋能决策管理。因为，AI三次浪潮的技术突破后，好像一夜之间就有了像AI董事与人融合决策的案例。但事实上，从直觉到人机融合，决策管理至少经历了600年的三个阶段演变。
肌肉的时代：从14世纪至16世纪，欧洲手工作坊如铁匠的商业决策焦点，一要看有没有“强大肌肉”打铁炼钢，另一个靠经验积累的直觉判断。因此，“肌肉+经验”的直觉是制胜法宝。
专业专家的时代：工业革命爆发，专家知识开始助力决策管理。18到19世纪，蒸汽机、电力、汽车等技术发明，知识信息指数级递增，决策管理从简单变复杂。1893年，泰勒率先开启工厂管理咨询，专门帮助制造业老板提升决策管理效率，带动了“工业工程师”的诞生。
1881年，宙斯弗·沃顿捐款给宾夕法尼亚大学创建了沃顿商学院。商学教育开始教管理者如何思考分析、如何决策管理。1926年，芝加哥大学詹姆斯·麦肯锡教授创立了麦肯锡，专家赋能商业决策与管理成为一种行业。
管理软件与BI时代：20个世纪70年代后，计算机技术的爆发，形成新的“管理软件+商业智能BI”赋能决策管理。比如，80年代纽约证券交易所开发了软件交易系统，可自动搜集数据，分析判断某宗交易，并自动执行。
更广泛的管理软件赋能决策管理的崛起，是在二次大战后。精密制造业最核心的管理议题，就是要减少浪费、高效分配资源。于是出现了资源管理理念（MRP）。到80年代，MRP被编成软件，帮助企业提升采购、库存、生产、销售、财务、工程技术等的管理效率。
90年代，美国高德纳咨询公司提出企业资源计划ERP新理念，将物流、人流、资金流、信息流整合，从而减少存货、优化库存。之后，CRM、财务、HR、供应链等管理软件的发展，增强了财务预测、生产能力、全面质量管理、资源调度等方面的功能，全面监控提升产、供、销的管理效率。
1996年高德纳又提出商业智能（Business Intelligent/BI），商界掀起了一股基于数据库的革命浪潮，真正的商业智能时代到来。BI的特征就是从数据分析入手。比如，2007年，SAP收购法国Business Objects公司，推出SAP HANA商业智能方案。该方案由数据仓库、查询报表、数据分析、数据挖掘、数据备份等组成，帮助企业提升在财务会计、资源计划、产品生产与品质，到供应链、客户关系等经营性管理上的效率。公开数据显示，《财富》世界500强中有80%以上的公司都运行在SAP管理系统上。
商业智能时代全球崛起了一大批软件巨头，包括微软、IBM、甲骨文、SAP、Informatica、Microstrategy、SAS、Royalsoft等。而越来越多的中小企业，也成为诸如SAP、甲骨文、IBM、用友、金蝶等管理软件公司的客户。
总之，从原始直觉驱动到专业驱动，再从传统流程驱动的ERP、CRM等到数据驱动的商业智能，知识和工具赋能高阶管理者，一直都聚焦在“经营效率的提高”方面，而且，其产生的市场规模已经超过数千亿美元。但是，这个时候的商业智能BI，与我们讨论的人工智能时代的商业智能AI，有本质的不同。
一、AI在战略决策与管理中的应用
1.从BI到AI。 商业智能的发展，带来了对企业战略决策、战略管理、战略评估的更新定义。它要求一个优秀企业的完整决策过程，至少包括五个环节：获取数据、分析信息、决策管理的选择、制定目标计划、执行与行动。
这些环节可全面部署到企业IT系统中。但是，商业智能BI，专注数据分析，回答数据反映的“是什么”，从而降低成本、提升经营效率。它还不能回答管理者“应该选择做什么”“不做什么”“为什么做”“怎么做”等战略决策议题。其本质，就是商业智能BI没有机器学习或深度学习，只是更高级别的统计分析。
例如，沃尔玛“天天低价、件件高品质”的模式，就得益于商业智能BI的统计分析。1997年，沃尔玛年销售额首次突破千亿美元，达到1050亿美元。借助升级版的ERP、CRM等管理软件工具，沃尔玛BI系统分析庞大用户消费数据，告诉管理者更好的销售预测，数据误差约为5%，而同期没有BI的竞争对手是60%；商品周期平均只有2天，对手是120天；商品仓储安全期是0天，而对手是40天；物流成本只有2%-3%，而对手是30%-50％。
也就是说，商业智能BI的数据分析，告诉沃尔玛仓库存货数太多，要减少存货降成本、增加效率。但是，它不能告诉沃尔玛，为什么存货数太多了？是客户收入减少了？或是客户对产品没兴趣了？或是搬家了？如果是，商家要做什么？
今天，AI就能回答这些问题。亚马逊的AI推荐系统就让一流商学院的市场营销高材生们下岗了。比如，借助AI机器学习算法，亚马逊AI支持“逐项协同过滤”。这意味着，AI通过学习用户每一个行为痕迹，能绘制所有产品的多维度关系地图，每当你看到一个X或购买一个Y，亚马逊AI就会给你相同“邻居”的X或Y的推荐。这样的系统，AI要学习至少10个以上维度的动作，对数据深度分析和挖掘，并成功卖出商品。
比如，1）你的购物车，那是AI要计算的真人真钱；2）你添加到购物车的东西又被丢弃，是AI要读懂你的购买前行为；3）你对在线定价A/B选择，是AI学习你在不同价格相同产品的选择倾向；4）你的心愿单，是AI处理另一个购买篮子的分析数据流；5）你从哪个网站进入，是AI要查询你之前行为分析你有可能感兴趣的暗示；6）你在上下点击停留的时间，是AI要分析你的偏好；7）你分别在过去几个月为幼儿购买了3本书，是AI要分析你的用户类型，是母亲或是宅男；8）你点击的邮件，是AI要洞察你喜欢的购买渠道；9）你点击网页的路径，以及10）最终购买前，你查看过的东西、次数，是AI要分析洞察你的购买心路等等。AI比人类专家更深度“懂用户”需要什么，并推荐什么。
仅亚马逊付费会员数，在全球已超过1亿，而600万家供应商提供超3.85亿种商品，这是一个只有AI能看懂且能判断的量子级数据关系。也就是说，2018年亚马逊能达到年销售额2329亿美元，既要靠AI帮助对前端卖什么、如何卖的营销决策管理，也要靠AI对后端生产什么、何时生产、何时上架的供应链决策管理。这是之前的商业智能做不到的。
2.支持AI决策的四大能力。 2016年3月，人工智能机器人阿尔法围棋（AlphaGo）打败了世界围棋冠军、职业九段棋手李世石，人工智能的认知革命引起了世界的关注。这意味着，AI在竞争策略的思考上，超越了人类，比人类更精准地运算出获胜路径。那么，除了下棋，AI在战略决策与管理上还能做什么？
基于我在AI商业实验室研究的AI决策超脑™系统发现，今天AI赋能高级管理者的决策与管理，需要四大能力支持：
大算法：更高级算法系统，深度学习，联邦学习，感知时空，识别模式，判断因果，优化路径等。
大计算：数百万倍计算能力，运算超级复杂和超级容量的问题。
大数据：更宏大、更多维的信息量，万物互联后汇集和处理海量动态数据，以及更安全、更互信的区块链保障体系。
大管道：高容量、高品质、无延迟5G及以上的管道，承载全球人/物/事信息畅通。
特别是2019年，这四大能力已经汇集到爆发的临界点，这让AI赋能高阶管理者又上一个台阶。特别是企业关键决策、组织机构变革的赋能。
3.AI在战略决策与管理中的作用。 首先，AI解决了人类决策认知的局限问题。战略决策如果是在信息不对称或信息不完整的条件下做的，将导致不确定性增加、风险增大。
过去两年多时间，我对上千名企业家、创业者问过一个问题：“假设你企业今天价值（估值）是1亿元，从1亿元增长到10亿元，你认为有多少因素将会影响？”结果是：平均回答不超过20个因素，比如团队、投资、技术、产品、模式、市场等等，这些商学院教授的知识和经验。
这个测试意味着，大多数决策者和专家都很难高瞻远瞩、深谋远虑地思考、分析、判断决策。也就是说，从1个亿增长到10个亿，有无限个影响因素和无数种实现路径。
● 哪个因素是关键？如果你的数据量不够，你就有可能将最有价值的因素漏掉。
● 哪个路径最优？如果你的知识和经验不够，你的决策就有可能是井底之蛙。
● 什么时候将有生存危险？如果你将因果关系倒挂，无论什么决策都难起死回生。
而我研究的AI决策超脑™系统，能回答800多个与战略决策相关的问题模型因素，可映射到超过18000个向量空间，AI知道全部数据之间的因果关系和路径。这是因为，AI已经学习几乎所有管理学、经济学、金融学、心理学等知识、经验和方法，哈佛商学院的公开案例，还包括金融学所有的公式。因此，它可以帮助企业诊断竞争优劣、提前预警财务风险、选择实现目标的最优路径。
商业智能AI可以看到人类看不到的，可以洞察到人类无知的，还可以帮助人类假设在任何一种路径下，或任何一个因素影响下，预测企业将会有什么结果。借助决策超脑™的仿真模拟决策，管理者可以快速聚焦最有价值的商业活动，或者，直击最瓶颈的问题，而不要走弯路。
二、AI不是万能的
一个不懂人工智能技术的战略决策，将是一个缺乏高智商、高智慧的决定。但是，这并不是说，AI是万能的。事实上，人工智能没有价值观、没有情感、没有“自我”。它只是人类设置的特定智能机器，按程序办事。因此，企业家的愿景使命、价值观、创新精神、求知欲、好奇心等，都是AI代替不了的。这些恰恰是战略决策的核心。因此，人类与AI有天然的合作和融合的契机。
人工智能赋能战略决策，还是小学生阶段。一个好的人工智能解决方案，比如决策超脑™，其系统构建是非常复杂的，不但需要高级算法科学家、智能系统架构师，更需要经济学家、管理学家、社会学家、行为学家、心理学家等专家的知识和经验，也需要企业家们的实践积累。
总之，人类决策的进化过程中，最容易犯的错误就是拍脑袋，将战略决策当成了普通决定。尤其是在看不清、道不明、缺信息、无视野的条件下做战略决策，最容易犯“在错误方向上努力”的大错，或者容易犯“有愿望无能力”的错误。展望未来，AI将长远、高瞻、超越对手的等等N多个维度的决策管理不确定性，通过机器学习、深度学习等诸多AI技术，智能化地提升战略决策、战略管理、战略评估的正确性和高效性，从而赋能人类超级能力。
本文选自《哈佛商业评论》2020年1月刊有删节，原文请参照《从直觉到智慧决策》一文
吴霁虹｜文
吴霁虹是全球化竞争与创新管理学家，人工智能商业化专家，AI Business Lab联合创始人，北京大学访问教授。
廖琦菁｜编辑
王一冰｜公众号文章编辑
哈评数字会员
大家都在看
本文版权归属《哈佛商业评论》中文版
未经允许不得转载
投稿、商务合作、转载请发邮件至
yibingwang@caijing.com.cn
哈佛商业评论案例研究
