人工智能驱动的企业管理变革研究

刘通

摘要：新一代人工智能正在全球范围内蓬勃兴起，为经济社会发展注入了新动能，正在深刻改变人们的生产生活方式。本文主要就人工智能驱动的企业管理变革进行研究，首先梳理了人工智能的概念、特征和发展历程，其次论述了人工智能驱动的财务管理、人力资源、物资采购、档案管理和知识管理五大方面的变革，再次指出了企业智能化升级面临的管理效率与管理伦理存在的冲突、人才管理的挑战性、网络安全和经济成本顾虑三方面问题，最后有针对性地提出健全法律体系和规范行业标准、更新招聘标准和优化培训体系、持续升级技术和不断完善服务三大企业智能化升级策略。

关键词：人工智能；企业管理；发展变革

一、人工智能的概念和特征

人工智能（Artificial Intelligence， AI）作为一门科学，主要通过模仿人类的思维和感知，解决只有人的智能才能解决的某些特定问题。由此可见，人工智能的本质在于赋予机器人类智能。人工智能与常规的计算机技术不同，不由既定程序执行计算、控制等任务，而是具有生物智能的特征，可以自学习、自组织、自适应、自行动。

二、人工智能的分类

从智慧特征的角度来划分，人工智能可分为三大类别：弱人工智能、强人工智能和超人工智能。

弱人工智能（Weak AI），又名狭隘人工智能（Narrow AI）或应用人工智能（Applied AI），指专门完成某一特定任务或解决某一特定问题的人工智能。弱人工智能的思考能力和思考范围具有局限性，可以执行预设的功能，但不具备自我意识。例如，苹果手机的智能助理Siri只能协助机主完成拨打电话、发送消息、播报信息等既定任务。

强人工智能（Strong AI），又名通用人工智能（General AI）或全人工智能（Full AI），是指可以像人类一样思考和决策的机器或系统，具备较强的学习、交流、思考和计划能力。例如，谷歌公司开发的围棋人工智能程序AlphaGo及其升级版Master，先后战胜了李世石、聂卫平、常昊、柯洁、朴廷桓、申真谞、井山裕太等人类顶尖棋手。

超人工智能（Artificial Super Intelligence， ASI），指计算和思维能力远超人类的机器或系统。由于超人工智能打破了常规人脑所受的维度限制，它观察和思考的对象，人类无法理解。可见，超人工智能已远远超出了人类可控范围，人类甚至可能毁灭于人工智能之手。著名物理学家史蒂芬·霍金（Stephen William Hawking）和著名企业家、工程师埃隆·马斯克（Elon Musk）都曾公开表示，人类不应该过度发展和依赖人工智能。

三、人工智能的发展历程

人工智能概念可追溯到70多年前，发展历程可谓“一波三折”。这一发展过程大致可分为五个阶段：

（一）起始时期：20世纪40年代～20世纪60年代

1948年，艾伦·图灵（Alan Mathison Turing）最早提出了“机器智能”这一概念，并在两年后提出图灵测试，让机器产生智能的创意逐渐进入人们的视野，这是人工智能的理论起源。而工程起源则可追溯到冯·诺依曼（John von Neumann）。冯·诺依曼于1955年指出，“计算机”和“大脑”并非对立的存在，并在某种程度上揭示了人工智能的发展路线。在1956年的达特茅斯夏季人工智能研讨会上，人工智能概念被正式提出。1969年，国际人工智能联合会议的召开，昭示着人工智能作为一个独立研究领域得到国际社会的认可。

（二）反思时期：20世纪70年代

人工智能发展初期的突破性进展，大大提升了科研人员对人工智能的期望，科研人员开始尝试更具挑战性的任务。然而，计算能力不足和理论的不完善，使得不切实际的目标落空，人工智能的发展跌入低谷。1974年，哈佛大学博士保罗·沃博斯（Paul J. Werbos）首次提出运用误差反向传播（BP）来训练人工神经网络。1979年，日本学者福岛邦彦（Kunihiko Fukushima）提出通过学习建立视觉识别模式的多层架构Neocognitron，将感知野（Receptive Field）概念引入人工神经网络领域，被认为是卷积神经网络（CNN）的鼻祖。同年，人工智能第一次在棋盘游戏中击败了人类冠军——汉斯·伯林纳（Hans J. Berliner）创造的计算机程序击败了双陆棋世界冠军。

（三）发展时期：20世纪80年代

人工智能迎来了应用开发的新高潮。专家系统模拟人类专家，实现了人工智能从理论研究到实际应用、从一般推理策略讨论到专门知识应用的重大突破。而机器学习（尤其是神经网络）通过探索不同的学习策略和学习方法，在大量的实际应用中逐渐优化。1988年，朱迪亚·珀尔（Judea Pearl）提出了贝叶斯网络（Bayesian Network）理论，可有效应用于有条件地依赖多种控制因素的决策。1989年，乔治·赛本可（George Cybenko）发现了通用逼近定理（Universal Approximation Theorem），这是神经网络发展的一座里程碑。

（四）稳定发展时期：20世纪90年代～2010年

1995年，科特斯（Cortes）和瓦普尼克（Vapnik）提出了支持向量机算法（Support Vector Machine， SVM）。在21世纪初，专家系统的项目都需要编码显示规则，致使效率降低、成本增加，人工智能研究的重点从基于知识的系统转向机器学习。2001年，利奥·布雷曼（Leo Breiman）提出了随机森林（Random Forest）模型，为机器学习领域增加了一种重要和常见的数据挖掘方法。

（五）繁荣昌盛时期：2011年至今

随着大数据、云计算、互联网、物联网等信息技术的发展，无处不在的传感数据、图形处理器等计算平台，推动了以深度神经网络为代表的人工智能技术的快速发展。2014年，电脑程序首次通过了图灵测试。2015年，残差网络（Residual Network）被提出。2016年，谷歌提出了联邦学习（Federated Learning）方法，在多个分布式边缘设备或服务器上训练算法，这些设备或服务器保存本地数据样本，而不交换它们的数据样本。2021年，OpenAI提出了两个连接文本和图像的神经网络—DALL[-]E和CLIP，再次推动了人工智能的发展。

四、人工智能驱动的企业管理变革

（一）财务管理方面

2017年10月，全球首只机器人选股ETF问世，并在3个交易日内累计涨幅达0.83%，跑赢了同期的标普500指数（涨0.48%）和纳斯达克综合指数（跌0.42%）。国际四大会计师事务所也纷纷将人工智能技术应用于会计、税务和审计的工作中。与会计人员相比，财务机器人具有以下优势：第一，深度学习能力和强大的计算能力；第二，只要事先设定的程序准确无误，就可以在很大程度上降低错误发生率；第三，效率更高，成本更低；第四，有助于实现财务与业务实时协同。

（二）人力资源方面

在选才方面，人工智能技术可以提高效率和准确度，减少个人主观因素造成的误差。在育才方面，人工智能技术可以更精准地识别员工的优势、劣势、潜能、爱好，对症下药，为员工安排有助于其扬长避短的工作。人工智能技术还可以个性化地为员工的学习和发展提供指导，最终实现企业内人才的多元化，取长补短，百花齐放，提高公司整体效益。在用才方面，人工智能技术可以挖掘员工的优势和潜能，让员工在工作中有更满意的体验，与此同时，人工智能技术还可以通过深度学习，不断优化绩效考核和激励方案。

（三）物资采购方面

在人工智能技术指导下的物资采购具有三大特征：一是物资管理标准化，采购管理更精准，流程管理更规范；二是业务流程透明化，整个业务流程的可追溯、可追责，将在很大程度上抑制基层单位错报和瞒报物资数量的行为；三是供需关系简单化，人工智能技术对物资采购情况准确的、实时的反映，将减少采购需求和采购结果之间的误差，从而有效缓解供需矛盾。

（四）档案管理方面

在数字化、信息化时代，人工智能技术可提高档案管理的效率与质量，显著提升准确度，防止人为因素造成的数据错误或数据遗失，节约人力成本，既方便档案存放单位收集、分类、排列和存储数据，又方便用户查询和调阅档案。在国外的应用案例中，In Codice Ratio项目将梵蒂冈的秘密档案转录为可供查询的电子版，这套OCR系统准确率高达96%。类似地，国内的满文档案图像识别软件的开发与应用项目，将浩如烟海的古代文献、难以辨识的古代文字数字化，有助于节省学者查阅和辨认文献的时间，使其拥有更充裕的时间分析和论证这些史料，推出更多高水平的学术成果。

（五）知识管理方面

知识管理诞生于知识经济时代，指组织借助应用平台、软件等媒介，通过获取、记录、分享、整合、存取、更新知识，实现知识的积累与更新。人工智能技术对企业知识管理的影响是多方面的：一是在知识分享方面，由分享向共享转变。随着人机交互技术的发展，人既是知识的提供方，也是知识的接收方。多个个体持续的知识分享，使得知识库具备形成的可能性，任何个体都可以从知识库中得到检索。二是在知识吸收方面，拓展认知视野。人工智能技术将为现有的企业知识吸收、获取和利用的过程带来颠覆性的改变，有效提升企业的知识吸收能力。三是在知识创造方面，提升原有效率，颠覆原有模式。企业创造知识、在内部传播并将其应用于产品和服务中，是企业成功的基石。

五、企业智能化升级面临的问题

（一）管理效率与管理伦理存在冲突

任何管理活动都围绕三大基本目标开展：效率、效果和效益。效率讲求“正确地做事”，主要用于衡量单位时间内完成的工作量；效果讲求“做正确的事”，主要用于衡量组织从事的工作和活动，与其愿景和使命的匹配程度；效益作为前两者的检验标准，主要用于衡量投入的有效产出情况。人工智能技术可以大幅提升企业的管理效率，同时也会对管理伦理产生三方面的冲击：第一，管理手段智能化与管理人性化之间的矛盾；第二，人工智能技术的发展速度快于相关法律体系的健全和完善速度；第三，人工智能技术的高速发展带来的行业禁忌和伦理难题。

（二）人才管理更具挑战性

人工智能可以协助甚至替代人类高质、高效地进行一些工作。当人工智能技术发展到一个较高的水平时，一方面，大量的企业职员会被替代，使企业管理结构趋于扁平化，导致管理难度显著提升；另一方面，由于人工智能可以从事简单重复的事务性工作，企业在选人、用人的过程中，将更注重员工的创新能力、决策能力、专业技能、沟通协调能力和随机应变能力。可以说，这是人才观念和管理方式的一次革命。

（三）网络安全和经济成本顾虑

人工智能技术本质上是一种算法，通常需要通过云端数据中心进行大规模计算。如果网络安全技术不过关，黑客将趁虚而入，窃取企业的信息或破坏网络。因此，在网络安全得不到保障的情况下，人工智能技术的大规模引进，反而会使企业暴露在巨大的风险之下。

此外，中小型企业即使有推动企业转型发展的意愿，也很可能由于面临着巨大的经济成本和未知的未来收益而退缩。与企业人工智能平台建设相关的经济成本主要包括算法、信息采购、基础设备采购、管理费用等。

六、企业智能化升级的策略

（一）健全法律体系，规范行业标准

当前，中国已经出台了许多鼓励人工智能产业发展的政策条例，但相关的约束性法律仍不健全。其实，相比人工智能“能”做什么，人工智能“该”做什么，人工智能相关法律的健全更值得思考。国家应从顶层设计着手，建立健全人工智能在技术、产业、研发等方面的法律体系，明确相关各方的权利和义务，建立长效的责任追究和风险分担机制，从而促进人工智能产业规范化发展，推动新一代人工智能技术与经济社会发展深度融合。

（二）更新招聘标准，优化培训体系

人工智能技术的持续发展会加快一些工作岗位的迭代。因此，从人才招聘这一环节，就应充分挖掘人工智能的潜能，更新人才招聘的相关标准，确定不同类型人才的发展规划和培训体系，做好部分员工的内部调岗，协助失业人员再就业。

（三）持续升级技术，不断完善服务

人工智能技术的不断突破，需要建立在人工智能基础科学发展与关键核心技术突破的基础上。这需要国内科研人员久久为功，推陈出新；需要国际科技交流与合作；需要现有用户积极反馈，潜在用户勇敢尝试，全体用户包容理解。随着人工智能技术发展的不断深入，企业将减少安全顾虑和成本顾虑，加快人工智能技术的引进与应用。

七、结束语

现代企业管理注重经济成本的降低和生产率的提高，而人工智能技术可以通过替代低端劳动力、提高信息和数据的获取能力等方式，助力企业实现经济目标，因此，人工智能技术被应用于企业管理中是大势所趋。然而，正如特斯勒定理（Tesler's Theorem）提出的“人工智能是尚未完成的事情”，从国家层面健全法律体系、规范行业标准，到国家和人工智能企业形成合力持续升级技术、不断完善服务，再到各类企业结合自身实际更新招聘标准、优化培训体系，以人工智能驱动的企业管理变革仍有很长的一段路要走。

参考文献：

[1]张鑫，王明辉.中国人工智能发展态势及其促进策略[J].改革，2019（09）：31-44.

[2]余应敏，王彩淋.财务机器人对会计行业的影响及其应对策略[J].会计之友，2018（07）：54-56.

[3]葛娅秀，陈恺宇.人工智能下的企业人力资源管理变革[J].经济研究导刊，2020（03）：124-126+150.

[4]何沛鸿.如何利用人工智能实现物资采购的最优策略[J].科技经济市场，2020（07）：3-4.