適逢AlphaGo戰(zhàn)勝圍棋高手李世石不久，各種關于人工智能的遐想、吹捧乃至擔憂不絕于耳。但是，當我說包括人工智能在內(nèi)的互聯(lián)網(wǎng)給企業(yè)經(jīng)營帶來的危害時，并不是說人工智能將完全替代人類、機器人將統(tǒng)治世界這樣的人類劫難。因為，在互聯(lián)網(wǎng)現(xiàn)有的邏輯下，這根本就是杞人憂天，對于這類言論根本不值得費口舌解釋。
在這里，我是從企業(yè)經(jīng)營管理的角度，分析過于相信或迷戀技術給企業(yè)可能帶來的管理上的風險和危害。企業(yè)經(jīng)營本質上是一種社會行為，而技術僅僅是達到目的的手段和工具，相信技術能夠解決企業(yè)經(jīng)營中存在問題的想法，本身就是一種危害，甚至對于技術導向的公司也是如此。但這樣的例子數(shù)不勝數(shù)，很多傳統(tǒng)企業(yè)開啟互聯(lián)網(wǎng)+模式，轉型電商，他們認為好像只要做了電商就能起死回生一樣。也有企業(yè)癡迷于大數(shù)據(jù)，相信買了一個軟件就能自然解決目前的經(jīng)營困境，當然，這種想法的產(chǎn)生肯定與某些技術公司對大數(shù)據(jù)的炒作是分不開的。
于是，隨著技術的發(fā)展，我們相信大家的交流越來越方便，從而面對面的溝通是可有可無的。我們相信在網(wǎng)絡這一大平臺下一切中間環(huán)節(jié)都是多余的，從而紛紛試水各種電商平臺。甚至有人認為未來公司也是多余的，未來的模式是平臺+個人，哦對了，廣告也是多余的，廣告增加了成本，妨礙了性價比，進而壓榨消費者…過于相信技術導致企業(yè)不去關注公司的基于公司產(chǎn)品定位的商業(yè)模式以及內(nèi)部運營機制，更重要的是，忽略了人的價值。因為，技術（包括人工智能）只是人的輔助和補充，技術能夠高效地完成一部分工作，從而使另一部分必須由人來完成的工作顯得更加重要，用一句話來總結：技術使人的作用越來越重要，而不是相反。
一、AlphaGo的優(yōu)勢：破解珍瓏棋局
我絲毫不懷疑人工智能的能力，AlphaGo戰(zhàn)勝李世石并不吃驚，并且我相信AlphaGo能夠輕易破解珍瓏棋局！在金庸先生的《天龍八部》中，珍瓏棋局難倒所有在世高手，即使最后被破解也僅僅是出于偶然，但是AlphaGo能夠破解，因為珍瓏棋局破解的關鍵所在是首先要在不可能下子之后下子！之所以說是不可能下子之處是因為，所有根據(jù)經(jīng)驗的高手都不會在那里下子，因為在可以推算的接下來幾步中會損失慘重。而AlphaGo不是依據(jù)經(jīng)驗，而是依據(jù)強大的運算能力，所以阿爾法狗會對每一個可以落子之處沒有任何歧視地進行完整的推演（在目前并非窮舉法的算法下或許還做不到），而不會有任何經(jīng)驗上的傾向和情緒上的波動。AlphaGo不會因為一步棋不符合傳統(tǒng)下法就放棄對這步棋的運算，但是人的記憶和運算能力畢竟有限，只能先從經(jīng)驗上進行篩選，并且能夠推演的步數(shù)也是有限的。所以，我們看到AlphaGo有幾步的下法違法常規(guī)，這可能令我們吃驚，但是它自己并不這么覺得，因為它已經(jīng)對接下來的棋局進行了推演，AlphaGo不是根據(jù)經(jīng)驗，而是根據(jù)對棋局的運算。
因此我們可以看出，AlphaGo或者說是人工智能的優(yōu)勢是存儲記憶能力和運算能力。在這兩方面，AlphaGo的效率要遠遠高出人類。機器不會厭煩，不會有情緒，當然也不會索要加班費，并且能夠計算地比人類更快、更準確。
AlphaGo是不依靠經(jīng)驗的，有些人對此表示懷疑，因為設計團隊聲稱AlphaGo一直在不斷地進行深度學習，并且不斷鍛煉自己。這種說法是存在問題的，理論上來講，通過窮舉法AlphaGo是一定會贏的，但是由于圍棋的可能性實在太多導致目前的運算能力無法支持，所以其設計團隊就不得不通過其他方法彌補這一缺陷。方法就是用概率去排除掉一些情況減少運算量，以使推演在運算能力之內(nèi)。所謂的鍛煉學習，不過是收錄更多的棋局并通過一定的概率計算排除某些情況的過程。歸根結底，考驗的是收錄的完整性和運算能力，這是通過一些技巧實現(xiàn)窮舉罷了，而隨著計算機運算能力增強，采用窮舉法就能使計算機立于不敗之地。
二、AlphaGo的局限：無法像人類一樣學習和思考
AlphaGo雖然擁有完美的存儲記憶能力和運算能力，但是這些能力人類也都具備，只不過不完美。但是，人類擁有的其他能力，AlphaGo卻完全沒有，所以人工智能永遠無法代替人類（在現(xiàn)有計算機的設計邏輯下）。從這個角度來講，人類是完美的。雖然人有情緒和感情波動導致的失誤，人的記憶有限還容易遺忘，但是人能夠思考，能夠創(chuàng)造，能夠想出新的東西，能夠進行感性的、抽象的邏輯和概括，能夠根據(jù)有限的、不完整的信息進行加工和推理，但是機器卻不能。AlphaGo的沒有情緒和一個人經(jīng)過訓練導致的不受情緒影響有本質區(qū)別。正是因為AlphaGo沒有情緒，AlphaGo也不能像人類一樣進行抽象的學習和思考。
從輸入的角度看，人工智能的輸入完全來自于外界，雖然可以進行邏輯推理，但是邏輯必須是確定的、結構化的和可量化的。人工智能只是按照特定的邏輯和數(shù)據(jù)進行運算，并不會產(chǎn)生新的條件。假如信息和條件不完整，那么得出的結果就是概率事件，但是信息和條件的不完整性也需要設定一個概率值。但是在大多數(shù)決策中，我們沒有可以量化的信息，邏輯也是非結構化的。
從輸出的角度看，人工智能及計算機給出的結果并不解決問題，只是指出問題所在。通過計算機的運算，可以幫我們找出異常數(shù)據(jù)，比如某些月份的銷售異常，但是至于為什么異常，就需要我們根據(jù)實際情況進行分析，而這種分析是無法量化的。數(shù)據(jù)分析可以得出啤酒尿布放在一起銷量會提高的事實，但要分析出為什么啤酒尿布放一起銷量會增加還需要人類的智慧。
三、大數(shù)據(jù)有用嗎——我從來不相信問卷調(diào)查
時至今日，我們到處都能夠發(fā)現(xiàn)大數(shù)據(jù)的身影，從IT到DT，大數(shù)據(jù)時代等等，仿佛一個企業(yè)不采用大數(shù)據(jù)明天就會破產(chǎn)一樣。很明顯，對大數(shù)據(jù)的吹捧過頭了。因為，我從來不相信問卷調(diào)查，更不用說對問卷調(diào)查的數(shù)據(jù)分析結果了。
在管理學上，有專門的課程講解調(diào)查問卷的問題設置，比如選項的多少、問題的順序和調(diào)查區(qū)域和群體等都會對結果產(chǎn)生影響。也就是說，調(diào)查結果本身就有很強的主觀性。另外，即使問卷設置盡量合理客觀，結果依舊差強人意，因為很多時候被調(diào)查者也不明白自己怎么想的，或者想要什么。當然人人都想要一部配置高、顏值高的手機，但是如果把價格考慮在內(nèi)大部分人就不考慮了。喬布斯當年認為3.5寸是手機的最佳尺寸，但是現(xiàn)在用過大屏手機的人不會這樣想了，甚至連蘋果公司自己都不這么想了。所以，喬布斯懂得探知客戶的潛在需求，或者引領客戶需求，而引領客戶需求實際上也是激發(fā)了客戶的潛在需求。這些，是無法通過問卷獲得的。有些人會在創(chuàng)業(yè)之前咨詢周圍的朋友，很多人表示項目太好了，完美解決了現(xiàn)存的某一痛點，一定支持。但結果是用過一段時間就反水了，還會找到很多借口。所以，寧愿通過觀察，或者無目的的訪談去了解人的真實想法，也不要通過問卷獲取。
問卷調(diào)查的例子只是為了說明，如果數(shù)據(jù)本身的真實性就很難保證，那么大數(shù)據(jù)的結果就沒有意義了。當然，并不是所有的數(shù)據(jù)都是主觀的，比如公司的銷售數(shù)據(jù)，統(tǒng)計部門的統(tǒng)計年鑒，還有互聯(lián)網(wǎng)上采集的瀏覽數(shù)據(jù)。但是要想利用好數(shù)據(jù)就不僅是技術的問題，甚至不是技術的問題。數(shù)據(jù)本身不具目的性，從輸入的角度看，必須要先根據(jù)目的確定分析方法，比如對數(shù)據(jù)進行切片挖掘。現(xiàn)有的信息系統(tǒng)如SAP也僅僅是提供較為完善的數(shù)據(jù)，而即使對于能夠提供可視化數(shù)據(jù)挖掘模型的系統(tǒng)，對于操作者來說也必須要選擇合適的模型，而這一選擇方法和模型的過程，只有人類思維才能做到，這一決策過程是非結構化的，所以計算機無法做到。
再次從輸出的角度看，通過數(shù)據(jù)分析，計算機會給出一定的結果，但是這一結果必須和實際問題結合才有意義，并且如果將結果用于解決問題，還需要人類的思維分析，如上面提高的啤酒尿布案例。所以，數(shù)據(jù)分析只是提供輔助決策的信息，而無法替代決策，無論是從輸入還是輸出的角度，一個能夠進行敏銳分析和思考的人給企業(yè)帶來的價值遠遠高于一套大數(shù)據(jù)系統(tǒng)，如果企業(yè)沒有這樣的人，大數(shù)據(jù)就毫無意義。而如果沒有大數(shù)據(jù)系統(tǒng)，依舊可以通過人腦的分析能力彌補，比如中國人口密度的“愛輝—騰沖一線”（也稱胡煥庸線）與最近大數(shù)據(jù)的分析結果是一致的，也就是說早在上世紀30年代胡煥庸先生就得出了這樣的結論。
四、管理就是決策：人工智能使管理者更加重要
管理大師赫伯特·西蒙說，管理就是決策。但實際上，大部分中層管理者處理的大多工作不是決策問題，而是按部就班的執(zhí)行流程。如果把管理者的工作內(nèi)容進行劃分，就會分成兩部分：有特定流程的日常工作和需要做出判斷和非常規(guī)的決策。
前者可稱為routine，執(zhí)行已經(jīng)程序化的流程，后者是臨時的、一次性的、非結構化的調(diào)節(jié)性工作。真正的管理者應該擅長于后者，并且應該把更多的時間花在后者。管理者應該發(fā)現(xiàn)并處理一些在routine之外的工作，并且盡快將之變成routine。比如，通過分析常規(guī)數(shù)據(jù)發(fā)現(xiàn)了公司庫存管理中的弊端，于是設計出一套新的庫存管理辦法，并且將之流程化，然后推廣到全公司。在這一過程中，計算機可以代替的是數(shù)據(jù)處理的過程和流程化之后的工作，但是提出問題分析方法并且找出解決辦法這一過程卻是必須要人類才能完成的。
隨著人工智能的發(fā)展，大多甚至全部routine的工作都可以被取代，因此之前那些只是匯總一下數(shù)據(jù)就能蒙混過關的管理者將會面臨淘汰。而真正側重于非結構化決策的管理者將顯得更加重要，因為其不需要再被日常瑣事所累。這也對管理者提出了更高的要求，這些管理者的能力也是人工智能完全不具備的，但人工智能能夠進行決策支持，從而使管理者更加高效，并減少失誤。
毫無疑問，人工智能及其他互聯(lián)網(wǎng)技術有助于提高工作效率，能使管理者把更多時間精力用在需要的地方。但是這里面臨的一個問題是，很多企業(yè)過分看重或者癡迷于技術，從而愿意投入更多的資金用在技術上，但反而忽視了人的作用，甚至認為人的作用降低了，這種思維具有極大的危害，很容易導致本末倒置。
與企業(yè)過分看重技術忽視人類這種思維相似的是，技術在使溝通更加方便的同時，也使溝通變得更加困難。任何時候，面對面的溝通都是最有效的，因為溝通傳遞的信息不僅是文字，還有情緒、態(tài)度、觀點等。而通過互聯(lián)網(wǎng)的溝通，如微信，只有文字和聲音，在信息多級傳遞的過程中還可能失真。相對于面對面的溝通，微信傳遞的信息是有限的，這可能會導致溝通效率的低下，所以有時我們會在微信說了很久都無法說清之后拿起電話。