埃里克-科爾森

2019年7月8日

為了充分利用數(shù)據(jù)所包含的價值，公司需要將人工智能（AI）帶入工作流程，有時，讓我們?nèi)祟惷撾x困境。我們需要從數(shù)據(jù)驅(qū)動的工作流程發(fā)展到人工智能驅(qū)動的工作流程。這不僅僅是一個自動化的游戲，這是將人工智能整合到?jīng)Q策中的一個邊際效益。相反，它允許我們克服我們作為人類處理器的固有限制--低吞吐量和認(rèn)知偏見--通過分配機(jī)器來處理我們產(chǎn)生的大量數(shù)據(jù)，并讓我們?nèi)祟悓⑴袛唷⑽幕?、價值和背景應(yīng)用于機(jī)器可以產(chǎn)生的決策選項。

許多公司已經(jīng)適應(yīng)了 "數(shù)據(jù)驅(qū)動 "的運(yùn)營決策方式。數(shù)據(jù)可以改善決策，但它需要正確的處理器來從中獲得最大的收益。許多人認(rèn)為這個處理器就是人。數(shù)據(jù)驅(qū)動 "這個術(shù)語甚至意味著數(shù)據(jù)是由人策劃的，并為人總結(jié)處理的。

但是，為了充分利用數(shù)據(jù)所包含的價值，公司需要將人工智能（AI）帶入他們的工作流程，有時，讓我們?nèi)祟悢[脫困境。我們需要從數(shù)據(jù)驅(qū)動的工作流程發(fā)展到人工智能驅(qū)動的工作流程。

區(qū)分 "數(shù)據(jù)驅(qū)動 "和 "人工智能驅(qū)動 "并不只是語義上的問題。每個術(shù)語反映了不同的資產(chǎn)，前者側(cè)重于數(shù)據(jù)，后者側(cè)重于處理能力。數(shù)據(jù)擁有能夠促成更好決策的洞察力；處理是提取這些洞察力并采取行動的方式。人類和人工智能都是處理者，具有非常不同的能力。為了了解如何最好地利用每一種能力，回顧一下我們自己的生物進(jìn)化以及決策在工業(yè)中的演變過程是很有幫助的。

就在50到75年前，人類的判斷是商業(yè)決策的核心處理器。專業(yè)人士依靠他們在其領(lǐng)域內(nèi)多年的經(jīng)驗（和相對較少的數(shù)據(jù)）形成的高度調(diào)整的直覺，例如，為廣告活動挑選正確的創(chuàng)意，確定正確的庫存水平，或批準(zhǔn)正確的金融投資。經(jīng)驗和直覺是辨別好與壞、高與低、風(fēng)險與安全的主要手段。

也許，這太人性化了。我們的直覺遠(yuǎn)不是理想的決策工具。我們的大腦受到許多認(rèn)知偏見的影響，以可預(yù)見的方式損害我們的判斷力。這是幾十萬年進(jìn)化的結(jié)果，在那里，作為早期的狩獵采集者，我們開發(fā)了一個依賴于簡單啟發(fā)式的推理系統(tǒng)--規(guī)避處理大量信息的高成本的捷徑或拇指規(guī)則。這使得快速的、幾乎無意識的決定能夠使我們擺脫潛在的危險情況。然而，"快速和幾乎無意識 "并不總是意味著最佳或甚至準(zhǔn)確。

想象一下，我們一群狩獵采集者的祖先蜷縮在篝火旁，附近的灌木叢突然發(fā)出沙沙聲。需要做出一個 "快速和幾乎無意識 "的決定：斷定沙沙聲是一個危險的捕食者，然后逃離；或者，詢問收集更多的信息，看看它是否是潛在的獵物--比如，一只兔子，可以提供豐富的營養(yǎng)。我們更沖動的祖先--那些決定逃跑的祖先--比他們更好奇的同齡人存活率更高。逃跑和失去兔子的代價遠(yuǎn)遠(yuǎn)低于堅持下去并冒著被捕食者殺死的風(fēng)險的代價。在結(jié)果如此不對稱的情況下，進(jìn)化傾向于導(dǎo)致成本較低的后果的性狀，即使?fàn)奚藴?zhǔn)確性。因此，更沖動的決策和更少的信息處理的特質(zhì)在后代群體中變得普遍起來。

在現(xiàn)代背景下，生存啟發(fā)法成為預(yù)裝在我們固有大腦中的無數(shù)認(rèn)知偏見。這些偏見以偏離理性客觀的方式影響我們的判斷和決策。我們對生動的或最近的事件給予更多的重視。我們粗暴地將主體分類，引入寬泛的刻板印象，而這些刻板印象并不能充分地解釋他們的差異。我們以先前的經(jīng)驗為基礎(chǔ)?，即使它是完全不相關(guān)的。我們傾向于為那些實(shí)際上只是隨機(jī)噪音的事件編造出似是而非的解釋。這些只是困擾人類判斷的幾十種?認(rèn)知偏差中的幾種，幾十年來，它是商業(yè)決策的核心處理器。我們現(xiàn)在知道，僅僅依靠人類的直覺是低效的、反復(fù)無常的、易變的，并且限制了組織的能力。

數(shù)據(jù)支持的決策
那么，感謝數(shù)據(jù)的出現(xiàn)。連接的設(shè)備現(xiàn)在捕獲了難以想象的大量數(shù)據(jù)：每一筆交易，每一個客戶的姿態(tài)，每一個微觀和宏觀經(jīng)濟(jì)指標(biāo)，所有的信息都可以為更好的決策提供信息。為了應(yīng)對這種新的數(shù)據(jù)豐富的環(huán)境，我們已經(jīng)調(diào)整了我們的工作流程。IT部門利用機(jī)器（數(shù)據(jù)庫、分布式文件系統(tǒng)等）支持信息的流動，將難以管理的數(shù)據(jù)量減少到可供人類消化的摘要中。然后，人類使用電子表格、儀表盤和分析應(yīng)用程序等工具對這些摘要進(jìn)行進(jìn)一步處理。最終，這些經(jīng)過高度處理的、現(xiàn)在可以管理的小數(shù)據(jù)被提交給決策。這就是 "數(shù)據(jù)驅(qū)動 "的工作流程。人類的判斷仍然是中央處理器，但現(xiàn)在它使用匯總的數(shù)據(jù)作為新的輸入。

?

雖然這無疑比僅僅依靠直覺要好，但人類扮演中央處理器的角色仍然產(chǎn)生了一些限制。

1. 我們沒有利用所有的數(shù)據(jù)?？偨Y(jié)后的數(shù)據(jù)可能會掩蓋原始（大）數(shù)據(jù)集中所包含的許多洞察力、關(guān)系和模式。為了適應(yīng)人類處理器的吞吐量，數(shù)據(jù)削減是必要的。盡管我們善于消化我們周圍的環(huán)境，毫不費(fèi)力地處理大量的環(huán)境信息，但在處理表現(xiàn)為數(shù)百萬或數(shù)十億條記錄的結(jié)構(gòu)化數(shù)據(jù)時，我們的能力明顯有限。我們的大腦可以處理銷售數(shù)字和平均銷售價格，并將其擴(kuò)展到一個區(qū)域?qū)用妗Ｒ坏┠汩_始考慮價值的全面分布，以及關(guān)鍵的是數(shù)據(jù)元素之間的關(guān)系，它就會掙扎或關(guān)閉--這些信息在總體總結(jié)中丟失，但對良好的決策非常重要。(這并不是說數(shù)據(jù)摘要沒有用。可以肯定的是，它們?yōu)闃I(yè)務(wù)提供了基本的可見性。但它們在決策中提供的價值很小。在為人類準(zhǔn)備的過程中失去了太多的東西）。在其他情況下，總結(jié)的數(shù)據(jù)可能是完全誤導(dǎo)性的?；祀s的因素會給人以正面關(guān)系的印象，而實(shí)際上卻恰恰相反（見辛普森?悖論和其他悖論）。而一旦數(shù)據(jù)被匯總，可能就不可能恢復(fù)促成因素，以便對其進(jìn)行適當(dāng)控制。(最好的做法是使用隨機(jī)對照試驗，即A/B測試）。沒有這種做法，即使是人工智能也可能無法正確控制混雜因素）。簡而言之，通過使用人類作為數(shù)據(jù)的中央處理器，我們?nèi)匀辉谝誀奚鼫?zhǔn)確性來規(guī)避人類數(shù)據(jù)處理的高成本。

2. 數(shù)據(jù)并不足以使我們免受認(rèn)知偏見的影響。數(shù)據(jù)總結(jié)是由人類以一種容易產(chǎn)生所有這些認(rèn)知偏見的方式指導(dǎo)的。我們以一種對我們來說很直觀的方式來指導(dǎo)總結(jié)工作。我們要求將數(shù)據(jù)匯總到我們認(rèn)為有代表性的原型部分。然而，我們有這樣的傾向，即粗略地將受試者分類為寬泛的刻板印象，這并不能充分解釋他們的差異。例如，我們可能會把數(shù)據(jù)卷到地理等屬性上，即使地區(qū)之間的行為沒有明顯的區(qū)別?？偨Y(jié)也可以被認(rèn)為是數(shù)據(jù)的 "粗粒度"。這是對數(shù)據(jù)的一個比較粗略的近似。例如，像地理這樣的屬性需要保持在一個區(qū)域?qū)用嫔?，那里的值相對較少（即，"東 "與 "西"）。重要的是可能比這更細(xì)--城市、郵政編碼，甚至街道級數(shù)據(jù)。這對于人類大腦的處理來說，是更難聚合和總結(jié)的。我們也喜歡元素之間的簡單關(guān)系。我們傾向于認(rèn)為關(guān)系是線性的，因為這對我們來說更容易處理。價格和銷售之間的關(guān)系，市場滲透率和轉(zhuǎn)換率，信貸風(fēng)險和收入--所有這些都被認(rèn)為是線性的，即使數(shù)據(jù)顯示并非如此。我們甚至喜歡為數(shù)據(jù)中的趨勢和變化想出詳細(xì)的解釋，即使自然或隨機(jī)的變化能更充分地解釋它。

唉，我們在處理數(shù)據(jù)時是在遷就我們的偏見。

將人工智能帶入工作流程
我們需要進(jìn)一步發(fā)展，并將人工智能帶入工作流程，作為數(shù)據(jù)的主要處理者。對于只依賴結(jié)構(gòu)化數(shù)據(jù)的常規(guī)決策，我們最好將決策委托給人工智能。人工智能不容易受到人類認(rèn)知偏見的影響。(使用有偏見的數(shù)據(jù)有一個非常真實(shí)的風(fēng)險，可能導(dǎo)致人工智能找到似是而非的關(guān)系，這是不公平的。一定要了解數(shù)據(jù)是如何產(chǎn)生的，以及如何使用它）。人工智能可以被訓(xùn)練來找到人口中最能解釋細(xì)粒度差異的部分，即使它們對我們?nèi)祟惖恼J(rèn)知來說是不直觀的。人工智能在處理數(shù)以千計甚至數(shù)以百萬計的分組方面沒有問題。而且，人工智能在處理非線性關(guān)系時非常自如，無論是指數(shù)、冪律、幾何序列、二項分布，還是其他。

?

這種工作流程能更好地利用數(shù)據(jù)中包含的信息，并在決策中更加一致和客觀。它可以更好地確定哪種廣告創(chuàng)意最有效，確定最佳的庫存水平，或進(jìn)行哪些財務(wù)投資。

雖然人類被從這個工作流程中移除，但重要的是要注意，單純的自動化并不是人工智能驅(qū)動的工作流程的目標(biāo)。當(dāng)然，它可能會降低成本，但這只是一個遞增的好處。人工智能的價值在于做出比人類本身所能做到的更好的決定。這在效率上創(chuàng)造了階梯式的改善，并實(shí)現(xiàn)了新的能力。

在工作流程中同時利用人工智能和人類處理器
將人類從只涉及結(jié)構(gòu)數(shù)據(jù)處理的工作流程中移除，并不意味著人類被淘汰。有許多商業(yè)決策不僅僅依賴于結(jié)構(gòu)化數(shù)據(jù)。愿景聲明、公司戰(zhàn)略、企業(yè)價值觀、市場動態(tài)都是信息的例子，這些信息只存在于我們的頭腦中，并通過文化和其他非數(shù)字通信形式傳遞。這些信息是人工智能無法獲取的，與商業(yè)決策極為相關(guān)。

例如，人工智能可以客觀地確定正確的庫存水平，以實(shí)現(xiàn)利潤最大化。然而，在競爭激烈的環(huán)境中，公司可能會選擇更高的庫存水平，以提供更好的客戶體驗，甚至以犧牲利潤為代價。在其他情況下，人工智能可能決定在營銷方面投入更多的資金，在公司可用的選項中具有最高的投資回報率。然而，一個公司可能會選擇節(jié)制增長，以維護(hù)質(zhì)量標(biāo)準(zhǔn)。人類以戰(zhàn)略、價值觀和市場條件的形式獲得的額外信息可能值得偏離人工智能的客觀合理性。在這種情況下，人工智能可以被用來產(chǎn)生各種可能性，人類可以根據(jù)他們所獲得的額外信息從中挑選出最佳選擇。這種工作流程的執(zhí)行順序是根據(jù)具體情況而定的。有時，人工智能首先是為了減少人類的工作負(fù)擔(dān)。在其他情況下，人類的判斷可以作為人工智能處理的輸入。在其他情況下，人工智能和人類處理之間可能會有反復(fù)。

?

他們的關(guān)鍵是，人類不是直接與數(shù)據(jù)打交道，而是與人工智能處理數(shù)據(jù)所產(chǎn)生的可能性打交道。價值觀、戰(zhàn)略和文化是我們將決策與客觀理性相協(xié)調(diào)的方式。這最好是在明確和充分了解的情況下進(jìn)行。通過利用人工智能和人類，我們可以做出比單獨(dú)使用任何一個更好的決定。

我們進(jìn)化的下一個階段
從數(shù)據(jù)驅(qū)動到AI驅(qū)動是我們進(jìn)化的下一個階段。在我們的工作流程中擁抱人工智能，可以更好地處理結(jié)構(gòu)化數(shù)據(jù)，并允許人類以互補(bǔ)的方式作出貢獻(xiàn)。

這種進(jìn)化不太可能發(fā)生在單個組織內(nèi)，正如自然選擇的進(jìn)化不發(fā)生在個人內(nèi)一樣。相反，它是一個在群體中運(yùn)作的選擇過程。更有效的組織將以更高的速度生存。由于成熟的公司很難適應(yīng)環(huán)境的變化，我懷疑我們將看到新公司的出現(xiàn)，它們從一開始就接受人工智能和人類的貢獻(xiàn)，并將它們自然地建立在他們的工作流程中。

閱讀更多關(guān)于企業(yè)管理或相關(guān)主題的?文章?創(chuàng)新、技術(shù)和分析以及組織決策

• ECEric Colson是Stitch Fix的首席算法官。在此之前，他是Netflix的數(shù)據(jù)科學(xué)和工程副總裁。@埃里克-科爾森