人工智能为决策过程提供支撑，而新的 "人工智能超级领导者 "仍将是最终决策人，在分散型权力构架下，他们将带领员工一往无前。

为了作出正确决策，企业要坚定不移地关注业务目标和解决方案，要清楚地认识到，人工智能本身并不是目的，而是用来服务于企业的需求。业务目标和解决方案将得到全新规模的数据支撑，并由人类大脑对其进行抉择和检验。

企业要重新聚焦于技能和资源，在这一过程中，人类领导者仍然是最重要的引领和核心。在此，我们将探讨人力资源和学习与发展（L&D）领导者为何、以及如何在企业里推动这一关键转变。

人工智能使企业确定业务目标的过程如虎添翼，也为企业集中精力实现目标创造了更多时间。随着越来越多的APP在技术上成为可能且更易于执行，人与技术的关系将被重新定义。目标和KPI需要基于新的分布式决策流程和企业架构进行调整。人力资源和 L&D 领导者则要确保企业采用最佳实践和先进方法，并且速度要快。

技术不再是最重要的差异化因素，因此确定正确的业务目标变得尤为关键

生成式人工智能日益普及，使不同企业运用人工智能的能力日益趋同，因此，企业应该把目光放在最大的商业机遇和最紧迫的挑战上。“展望未来，我们应该更加聚焦于‘业务解决方案’，而不是‘基于技术的业务解决方案’，“Hult 国际商学院领导力教授泰伦斯・谢（Terence Tse） 说。“为了做到这一点，企业的全体员工都要深入了解技术能做什么，以及技术是如何发挥作用的。"

正确识别业务目标和需要解决的问题——这也将成为企业保持竞争力的关键差异化因素。归根结底，人工智能不一定总能给我们答案，被围绕于人工智能的赞扬声迷惑是有危险的。"不要为了利用技术而生搬硬凑地寻找解决方案，要为解决方案寻找合适的技术。这事说来容易做来难。"全球最大的私立教育公司英孚教育（EF Education First）董事长菲利普・霍特（Philip Hult）说。必须搞清楚人工智能在解决问题和支持业务机遇上能扮演怎样的角色。"人工智能最擅长去执行标准化、常规化和重复性的任务，"谢说。“无论你如何训练它，它都无法独立解决问题。要解决问题就必须具备人类独有的创造力、横向思维能力和连点成面的思维能力。”

要想在人工智能的世界里取得成功，就必须坚定地设定目标，并做出由人工智能驱动（而不是由人工智能做出）的决策，这反过来又取决于你是否拥有正确的数据。

人工智能需要全新规模的数据——以及使用和检验数据的人类大脑

近年来，人们一直非常关注数据驱动，但对数据的正确性、以及数据所指向问题的正确性却缺乏足够关注。

为了利用人工智能的优势，企业现在就要把重点放在获得合适的基础设施和干净的数据上。人工智能工具并不一定要由公司内部团队去打造——它们可以通过购买、管道输入和使用专有数据进行扩充。“要让生成式人工智能成为真正强大、商业化、有竞争力的工具，我们应该考虑使用内部数据来训练人工智能。“英孚教育数字营销执行副总裁詹森・冯（Jennsen Fung） 说。“由于所有的人工智能工具都能通过软件许可的模式购买到，企业真正的差异化和竞争优势在于能够为人工智能引擎提供怎样的数据。”

同样重要的——如果不是更重要的话——是如何使用数据。"我们可以清晰地指导团队成员如何使用技术和数据，但关键在于，我们想要解决的主要问题是什么？是生产力问题还是增长问题？是决策问题还是保护问题？一旦你有了明确答案，并能将它们与业务优先级相匹配，就能以更快的方式实现你要做的任何事情，"冯先生继续说道。

现在就是开始整理数据的恰当时机。"人工智能和机器学习需要全新规模的数据，"霍特说。"我们已经为此努力了好几年，我们对数据进行整合，使数据可被访问，并将数据转化为不可知的格式。这项工作的进展非常非常缓慢。“

快速做出正确决策所需的部分数据来自关键绩效指标。我们必须从根本上改变这些指标，才能适应人工智能必将给大环境带来的快速变化。"埃斯波西托（Esposito）说："绩效考核不能用着眼于过去的 KPI来衡量。相反，我们要思考，通过预判未来，怎样把绩效考核与未来的事情锚定？否则KPI就会不符合工作中的实际挑战，而我们会基于这样的KPI一直得到扭曲的结论。"

埃斯波西托认为，企业需要更多的试验精神，应该勇于作出更多假设，采用更多测试方法，而不是自以为知道答案。埃斯波西托说："我们需要最纯粹的领导力来评估KPI的可行性，还要能够挑战这些KPI。例如，沙箱测试和试验法在设定和考核KPI上取得了成功，它利用跨学科的观念和思维去实时测试各种方法。

快速决策还取决于是否有正确的企业架构作为支撑。企业必须从等级森严的结构转变为能够分散决策、抵抗风险的网状结构。埃斯波西托说： “在资源分配、自主权和向下授权方面，企业需要进行更深层次的转变，变得不再以强化高层权力为基础。这种信任行为只能在面向未来的企业里发生，而与那些只会管理当下流程的企业无缘。”

人工智能促使人们重新理解企业和员工，人的素质因此变得更加重要。新的人工智能超级领导者正在崛起，他们利用人工智能工具提供决策所需的信息，并由他们自己做出最终决策，而不是完全依赖于人工智能的建议。人工智能支持下的超级领导者在决策时会让周围的人一起参与，他们的工作结构是分布式的，而不是自上而下的等级式。他们是沟通者、合作者和变革者。他们着眼于未来。

随着人工智能加快变革步伐，企业需要这样一种领导者——他们能够基于企业所处的宏观大局采取相应的行动，并且是技术达人。

谢说："地缘政治、人口特点和市场形势都在快速变化，因此领导者要有更广阔的视野，更不用说对正在涌现的各类技术具有深刻理解了。“

他继续说道："我认为，领导者必须用开阔的视野看待企业内部的待办事项，同时有意地从日常工作中抽身出来进行思考。他们必须有很强的适应能力，能迅速果断地采取行动，并积极主动地开展人际联系与合作，使机遇最大化。"

要做出果断判断并迅速行动，领导者就必须清楚数字技术能做什么，以及它是如何工作的，才能根据可能的情况做出业务决策。"谢说："技术应该成为公司全体高级管理层工作内容的一部分，而不是托付给首席技术官就可置之脑后。他们的脑子里必须兼顾业务和技术，不应区别对待。"

人工智能使决策更大胆，但决策最终仍由人类领导者做出

一个典型的领导者所做的大部分工作都与决策相关，其中对战略、人员和企业产生影响的重大决策最为关键。詹森・冯说："人工智能将提供更多信息帮我们做出大胆决策，但最后的把关者仍然必须是人类。"

人工智能提供的数据集的规模和广度为人脑所不能，能帮助人类大大提高决策质量，还使我们的决策过程不会受到个人偏好的过度影响。"人类具有无意识偏见，如果让计算机对所有相关数据源进行初步分析，就能极大改善决策，"Hult EF 企业教育集团旗下阿什里奇教练中心（Ashridge Centre for Coaching）主任埃里克・德・哈恩（Erik de Haan）说。

尽管如此，德・哈恩认为，实际决策仍然是一个高度敏感、情绪化和道德化的行为，会产生很多后果，因此仍然必须由人来做决策。他说："最好的办法是让人类接受人工智能提供的信息和分析，然后自己做决定。人工智能可以复制计算思维，但无法复制怀疑、感觉、伦理或关爱思维，而这些因素在决策中至关重要。"

一旦做出决定，人工智能超级领导者就会通过参与、而非指令的方式将员工凝聚在一起。有效的沟通是核心，同时还要了解人们的行为动机。

人工智能可以在测试团队的需求方面发挥有益的作用。Hult EF 企业教育的教务主管大卫・比什（ David Bish） 说："人工智能可以帮你通过在线倾听——无论是电子邮件、社交媒体还是聊天——来确定需要解决的问题，还能利用灵活的提问技术来从事复杂的数据收集活动。"

目前，人们已经借助人工智能开展多种交流——网上聊天、电子邮件和起草文件等等。但是，鉴于沟通在企业中的重要性，领导者必须审慎地判断在何时何地使用这个工具。

对团队成功至关重要的沟通即使不是完全由人来进行，也需要很高比例的人的投入。“当领导者需要就一项敏感或有争议的变革进行沟通时，语言的选择和共鸣的表现至关重要，这取决于对形势和受众关注点的深刻理解。沟通需要在情感层面上进行。在任何交流中，都必须由人类做出最终决定。”比什说。

在这个越来越不确定的世界里，领导者要能给员工一种舒适、确定和兴奋的感觉。对于安永全球人才领导者、Hult 国际商学院兼职教师利亚兹・沙（Riaz Shah） 来说，在不确定时期发挥领导作用就是领导力的真谛。"能够为人们设定一个令人兴奋的愿景，与人们一起制定计划，同时让他们了解自己将如何服务于共同的目标——所有这些品质都没有改变，在未来也不会改变。"

职能部门的领导者必须确保人工智能服务于业务需求。与此同时，人力资源和学习领导者必须支持员工增强适应力并拥有学习心态。沙说："批判性思维、情商和创造力是人类参与竞争的重要技能。我们应如何在企业中提高这些技能，打造一种无所不学、而不是无所不知的文化？我认为，人力资源部门和学习领导者应该激发人们学习新技能的热情。”

沙继续说："领导者应该在不确定之处为人们提供确定性。我们不喜欢不确定——我们喜欢有答案，但我们越来越得不到答案。我总是说，你不需要掌握答案，你要做的是提出正确的问题。最聪明的人总是在不断修正对自以为已经解决的问题的理解。他们乐于接受与自己思维方式不同的观点，"他说。

"因此，我认为领导者的工作就是给每个人一个愿景，而且让人理解背后的原因。但同时也要让人们意识到，这是一个充满不确定性的时代，我们不知道答案是什么，没关系，因为我们可以提出更多的问题。这也是让我们的企业获得更多创造力的好方法，"沙总结道。