AI几乎可以成为任何行业的重大变革者。它带来了我们几乎所有工作方式的巨大变化,或者用CEO的话说,它带来了"业务流程效率"。
但AI本身并不能直接做到这一点:只有当应用程序平衡且适合商业模式时,它才能做到这一点。我经常说,新技术(任何新技术)对公司来说既可能是帮助也可能是阻碍,这取决于适配性。
在使用AI进行业务流程工程(BPE)时,我们还必须解决一些模糊性问题。
哈佛商学院的Lian Parsons写道:"当我们不清楚预测是如何生成的时候,我们就很难建立防御能力或问责制。"这展示了哈佛DCE专业与高管发展部Mark Esposito的观点。"我们必须解决的挑战是决定人类的角色,以及如何让技术以人为本。即使人类在很大程度上摆脱了重复性任务,这并不意味着我们要剥夺人类的权力委托。如果我们对这个角色不清楚,那么我们必须有意识地尝试定义它。"
那么,这种适配性又如何呢?
服用药物
在最近的TED演讲中,哈佛商学院教授Karim Lakhani用了一个不同的比喻来讨论这个问题:把它比作病人服药。
"我们实际上不知道正确的剂量、产品的功效、副作用、毒性,甚至在使用这种药物时应该遵循什么样的正确饮食,但这种药物已经在数亿人中推广使用,"他说,并指出他的组织一直在进行一系列AI的"临床试验",有点像新药试验,实际测试采用趋势的温度,看看人们使用AI时会发生什么。
他认为,出现的是一个"参差不齐的技术前沿"——一个以不同速度发展的系统和流程网络,以及伴随这样一个生态系统而来的所有挑战。
"AI在某些事情上非常擅长,"Lakhani说。"当你将它用于(这些功能)时,AI表现得非常好,人们变得更好。但是当你将AI用于它不擅长的任务时,你的表现会下降,而且会急剧下降。"
AI"临床试验"中测量的生产力提升
在生产力方面,他指出在一项研究中,AI的使用平均导致完成的任务增加了12.2%,任务完成速度提高了25%,任务完成质量提高了40%。
但是,他提到,对于领导者来说,在创新用例方面避免"在方向盘前睡着"是很重要的。
宝洁的控制论队友
引用随机化结果,Lakhani谈到AI从工具转变为队友。
"我们看到的第一部分是生产力的大幅提升,"他说。
然后,他指出,事情真正起飞了。
"虽然AI模型的性能能力每六个月或每九个月呈指数级增长,但大多数组织的吸收能力是线性的,"他补充道。"这是线性的。这意味着每六个月或九个月,你将在指数级上落后于模型真正能做的事情。"
他认为,公司将无法快速吸收活动以应对指数级曲线。这是个问题吗?我想,在某种程度上是的。部分只是在竞争中。
Lakhani描述了试图在人群中脱颖而出的过程。当他谈到试图基于每月20美元或基本模型订阅价格来区分你的业务时,这很有趣。
换句话说,你必须使用有界值为你的组织创造巨大价值...
四幕剧
Lakhani后期提出的另一个关键概念是他所谓的"四幕剧"作为领导力路线图。
第一阶段是尽你所能学习AI——了解系统和模型,以及它们能做什么。理解商业背景。观察事物如何随时间变化。
第二步是用AI做事情。他说,这是事情经常搞混的地方。他谈到领导者将所有活动委托给其他人,而他们应该自己承担某些任务。
第三阶段是想象在业务中可能发生什么,第四阶段是让这些事情发生——实现你的想法。
本质上,Lakhani向我们展示了AI转型带来的大量生产力,工具变成智能体,智能体在功能上变得像人类一样。
我们会有智能体作为老板吗?那会是什么样子?
敬请关注。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。