生成式AI带来的影响惊天动地又深入生活，正在重塑全球经济与职场。一方面，国际货币基金组织（IMF）指出，这项技术可能会加剧不平等：虽然AI正在激发各个领域的创新，但是占主导地位的技术参与者在资源和市场份额方面具有明显优势；同时回到职场，IMF表示全球40%的工作岗位，以及发达经济体中60%的工作岗位将因AI而面临淘汰或变革，组织和个人都应为此做好准备。
    这一浪潮中，全球头部科技公司是如何进行内部重组和员工再培训的？我们又可以对新技术带来的改变抱有哪些期待？
    基于以上，哈佛商学院教授比尔·科尔与微软现代工作与商业应用业务集团副总裁（Corporate Vice President of Modern Work and Business Applications at Microsoft）贾里德·斯帕塔罗（Jared Spataro）讨论了以下问题：
    •AI会为下一代职场与商业生态带来哪些改变？
    •微软如何看待组织适应业务流程、工作和任务，并从内部做好实施AI战略的准备？
    •怎样应对新技术中的不确定性，避免潜在的伦理问题？

    比尔·科尔：首先介绍一下你的职业背景，以及你如何在公司领导现代工作和商业应用程序吧。
    贾里德·斯帕塔罗：我已经在这里工作了18年，我的微软旅程一直致力于“生产”业务，所以是从Office等应用程序开始，随着时间推移扩展到客户关系管理（CRM）和企业资源计划（ERP）等领域，这些都是企业投资技术的大领域，也给了我一个了解企业利用技术运营业务的非常全面的视角。
    比尔·科尔：技术迭代如此之快，你有哪些跟上AI的策略？它又会如何影响微软的产品？
    贾里德·斯帕塔罗：有趣的是，我会用AI来保持更新。创新和变革的步伐在过去几年里加快了很多，人类很难只靠自己来跟上进度。简单浏览新闻的旧模式已经远远不够，所以我现在会用一个AI助手来帮自己跟上另一个AI助手。我认为这是唯一的出路。
    比尔·科尔：很明智的建议。那么根据这些AI助手的回答，现在最大的趋势是什么？我们未来又可能会面对什么？
    贾里德·斯帕塔罗：我倾向于认为我们处于一个以AI为助手的时代，个人助手或团体助手。你可以把它看作是像ChatGPT和微软Copilot等产品中的独立助手，或是许多不同应用程序中的嵌入式助手。全球几乎每个软件供应商都在将这些助手构建到自己的界面中，但是随着这些助手的爆炸式增长，你会越来越多地看到，人们挠着头说：“朋友，我不知道现在该去哪个助手那里做什么，助手太多了。”因此，我也预计，在未来的几个月和几年内会出现一些整合。
    这里需要补充一个重要背景：根据我们的调查，为了完成其他工作，今天的信息工作者平均60%的时间实际都花在了会议、聊天或发邮件等协调和沟通上。这个比例还在逐月增长，看起来并没有趋于平稳。所以大家实际上告诉我们的是：“天哪，我几乎没有时间进行真正的工作。”从这个角度看来，AI助手的到来恰逢其时。
    比尔·科尔：是的，谈到沟通造成的过载，相信很多人会表示认同。那么有没有关于AI或生成式AI工具对个人生产力产生影响的早期数据？
    贾里德·斯帕塔罗：有两个数据让我印象深刻。被问到“使用微软的Copilot助手后，您是否想回到没有它的工作状态？”时，77%的早期用户表示“永远不想”；另一个有趣的心态是，Copilot的最佳用户估计自己每月可以因此节省超过10个小时。当然，有工作经历的人都知道，人们在回答这类调查时会撒谎，所以我们进行了一些实验，设置了使用Copilot和不使用Copilot的对照组，并给出了一系列跨信息库的任务。平均而言，用户节省了29%的时间，而质量没有实际下降。
    当然它确实平衡了竞争环境，帮助刚入职或工作的人缩小了经验带来的差距，我们也希望有经验的员工可以获得同等的生产力提升，这也是我们正在深入研究的部分。
    比尔·科尔：这就回到一个问题，微软是如何看待AI的？微软在AI方面采取了怎样的战略或方法？你们是如何逐步将AI融入到产品和服务中的呢？
    贾里德·斯帕塔罗：让我们后退一步回到2023年。那时候的大部分时间里，人们都感觉：“我明白了，你的技术可以总结和回答基本问题。”但在2024年，我们发现它不仅具备关键技能，而且是一个通用的推理引擎。以往计算机基本都能对基于数学公式的问题进行推理，而这是我们第一次拥有自然语言驱动的推理引擎，这点非常重要。
    但比这更重要的是，我们发现了“检索增强生成模式”（RAG），它本质上是说，如果你问我一个问题，并且在我回答这个问题时提供一个“信息源”，也就是“一整桶”数据作为参考，只要正确答案在这桶数据里，我就可以基于这些参考数据进行推理，并提供一个正确答案。这桶数据也叫“上下文窗口”（context window）。在我看来，这已经成为我们在2024年看到的对商业而言最大的进步。这意味着，随着大语言模型在推理方面越来越好，你可以用它来推理财务、HR数据等所有类型的数据，帮你做出决策。这是目前生成式AI在商业领域中一个非常令人兴奋的创新。
    比尔·科尔：你谈到了节省时间，为自己争取回那10个小时。你是否也期望在工作中有这种程度的提高？
    贾里德·斯帕塔罗：没错，我们就是这样做的。身处AI助手时代，我们致力于帮助大家逐步提高绩效和生产力。但下一代技术将使我们从关注个人甚至小团队，转向以流程为导向，或者“以功能为导向”的生产力。
    如今，许多对公司运营而言常见且核心的流程都可以实现自动化：季度末结账、审查销售渠道、回答客户问题，甚至是找出与客户打交道的下一个最佳方式、挖掘适合作为新客户的合适人选，这些都可以自动化。今天很多需要逻辑推进、基于数据的推理工作都是由人来完成的，我们相信第二代技术会将我们带入流程自动化阶段。所以，我们再次看到这项技术正以越来越复杂的方式被用于获取回报。
    比尔·科尔：这些似乎涉及技术性问题和适应性业务间的区别。可以解释一下这种区别，以及AI和管理者在解决这些问题时扮演的角色吗？
    贾里德·斯帕塔罗：当然。在变革时期，适应性领导力认为员工面临的业务问题基本分为两类，一类被称为“技术性”商业问题，这些问题已经得到了解决。很多运营问题往往属于技术性问题，比如在医疗领域中，随着时间推移，一些手术会逐渐成为常规操作。其次是“适应性”问题。雇主在进入一个全新或者充满大量创新和变革的领域时很难找到专家，而且解决这类问题需要一套不同技能。这部分更多的是测试和学习过程。
    这很好地描述了我们目前在AI方面的经历。一些客户会把人工智能时代的到来当作一个技术性问题，但我认为这样会失败，它太循序渐进了。我更愿意把它看作信息工作领域的工业革命，这就是我们刚刚讨论的适应性挑战或问题的定义。
    回到实践中AI和管理者扮演的角色，有趣的是我必须在与人们合作时告诉对方把这些助手当作人类，并像和人聊天一样与它展开讨论。要认识到，这个模式不是我们在搜索时输入一个关键词，然后期待对方给出回答。而是提出问题，得到反馈，提问者再重新确定方向。这个过程中的多曲折、多步骤性质是获得复杂答案和真正价值的一部分。我们看到了这一切，但我们丝毫不会羞于从平凡的事情做起，因为我们认为从平凡的事情做起会带来真正的好处。
    比尔·科尔：面对如此重大的变化，微软内部是如何进行重组和再培训的？为了制定有效的AI战略，并在受AI影响的经济中争夺客户，微软内部发生了什么？
    贾里德·斯帕塔罗：基本上有两个方面。第一，我们积极向每个职能部门的每个员工推出了自己的AI助手Copilot，告诉大家“请熟练应用。”我们在这方面提供了很多指导，也创建了很多小组，因为我们发现以一种可以迅速传播的方式来学习使用这个工具非常重要。员工可能在财务部门工作，也可能在销售部门工作，我们会说：“这有一个工具，和一些你可以立即在工作中使用它的方法。请开始使用，并告诉我们你学到了什么。”
    第二是在各个职能部门开展工作，确定具体的业务问题。我们会说：“感觉AI在这方面应该能帮上忙。我们为什么不开展一个试点项目并切实观察，设置对照组和以不同方式学习使用它的小组，看看有没有可以提高效率的地方。”
    我们已经看到了一些出色成果，特别是在客户服务方面，因为客服本质上是信息密集型工作，需要回答和解决人们的问题。我们在销售方面也开始看到一些不错的成果，这里同样存在将客户及其需求与我们要销售的产品进行匹配的问题，而且我们在这方面做得越来越多，每个职能部门都在学习如何成为AI从业者，这就是我们的思路。但先从广泛层面入手，再开展针对具体问题、基于各职能部门的试点项目，这一组合打法就是我们的实施方式。有意思的是，这是一种非常自然的技能培养方式。不是那种“暂停工作，教练吹哨，大家都抽出一天时间去上基于YouTube的AI培训课”的模式，大家是根据自己的实际工作来学习，并会因为展现出创新能力，证明AI对自身工作产生了积极影响而获得奖励。
    比尔·科尔：这听起来像你之前给各组织机构的建议：不要跳过或试图跳过AI发展的各个阶段，而是循序渐进地去经历它们，因为这将是员工学习处理新技术的最自然的方式。
    贾里德·斯帕塔罗：没错。这听起来可能违反直觉，但传播AI创新的一个方面绝对是人的因素。人们必须学习它，学会不害怕它。他们必须明白，无论是对个人还是对领导者或管理者的身份来说，AI都能带来好处。所以我想说，积极应对，迅速行动，但不要试图一跃而过，也不要试图通过彻底重塑一切来让整个公司脱胎换骨，那会带来不必要的混乱。
    比尔·科尔：我们花了很多时间研究生产力优势和未来将出现的惊人用例，其中也包括风险和道德等问题。可以分享一下你们团队如何处理这些问题吗？微软在未来与整个行业中的角色是什么？
    贾里德·斯帕塔罗：AI非常强大，但我们倾向于认为它是一种中立的技术，这意味着它可以用于好事，也可以用于坏事。所以我们正试图采取措施，以“负责任的AI倡议”（responsible AI initiatives）形式保证让它用于好事。因此，对我们而言有几个很重要的领域：在负责任的AI中，我们采用了许多工具，更加透明地了解培训和基础模型的实质内容，因为大家经常会担心这些基础模型中存在偏见。我们希望他们对这些内容感到满意，所以做了很多工作，让它们接受特定信息来源和信息体的训练，涉及社会的各个方面。
    我们在AI助手的实例化中也采取了特殊的预防措施，特别是在Copilot上。你可以把Copilot看作一个强大的大语言基础模型“编曲家”，我们在这部分做了很多工作，来捕捉不合适的内容。举个例子，在会议中，Copilot可以回答关于“莎莉在这次会议上说了什么？她的关键点是什么？”但也有人会问Copilot“你认为莎莉聪明吗？你认为莎莉知道她在做什么吗？我应该听莎莉的吗？”我们会捕捉这些价值导向的问题，告诉提问者，“我只是AI助手，你必须自己做决定。以下是一些有关她的现实互动，有助于你思考。”所以对于我们来说，这个部分非常重要。我们已经和工会做了一些工作，并与世界各地的政府密切合作。我们明白，让社会的每个方面都参与到这项强大的技术中是非常重要的。
    比尔·科尔：最后我想用对未来的想法或预测来结束这个话题。你在微软已经工作了近20年，想到这些年的变化，以及之后会发生什么时，你认为我们未来看到的会与过去20年相同吗？你如何设想未来20年的发展？
    贾里德·斯帕塔罗：我认为现在的这些更有意义。事实上，经济学家一直在研究与生产力有关的谜题，他们想知道为什么我们把这么多信息技术投入到企业和宏观经济环境中，却看不到生产力的飞跃？为什么它没有带来改变？这是过去几十年来经济学家面临的一个真正问题。
    我的回答是，因为我们现在正在为这个时刻做准备。我们投入的许多信息技术都是为了整理数据，这些技术一直致力于以数字化的方式开展工作。甚至在疫情期间，我们也看到人与人之间的互动大幅增加，而这些互动本质上就是我们所说的“通过数字媒介进行”，通俗来说就是“我们现在是线上开会”。这些都很重要，因为它为AI在数据上进行推理奠定了基础。所以在与世界各地的各种领导者见面时，我都会说：“我们过去50年里在信息技术领域所做的一切努力，都是在为这一刻做铺垫。”而这一刻实际上就是信息工作领域的工业革命。我们将重新配置公司，利用这项技术重新搭配组织的工作方式，并因此重构整个经济体。我不知道它最终会如何发展，但我们坚信它会产生巨大影响。所以，我们很高兴能与社会的各个层面、与每个人携手合作，共创未来。