导语
人工智能对企业原有资源具有“替代”和“互补”的二元效应。本文将企业内部人类和机器密切合作，进而实现优势增强的能力定义为“人机协同的增强能力”，并指出这种能力是人工智能时代企业竞争优势的新来源，对企业资源观进行了更新。在人工智能时代，企业要避免核心刚性和路径依赖，重点配置具有通用功能的人工智能技术，进而实现人机协同下的能力与资源增强，从而在新一轮科技变革中取得竞争优势。
文 / 钱菱潇、陈劲
随着GPT-4、文心一言等生成式AI大模型的出现，人工智能迎来了新一轮发展的战略机遇。人工智能改变了传统企业资源观中“人机资源”二分的观点，让机器拥有了人的思维和认知智慧，模糊了企业资源的边界。那么，人工智能时代的企业资源观和传统企业资源观有哪些区别？人工智能又将对企业资源配置和企业竞争优势来源带来哪些具体影响？本文将从“人机协同的增强能力” 出发，重点研究这些问题。
人工智能改变了企业资源观的内涵
资源基础观（Resourced-based View，RBV）一经提出便成为管理学的主流领域之一和研究与理解组织的核心视角。RBV将企业资源分为一般资源和战略资源，一般资源包括现金、仪器设备等，而战略资源包括企业组织文化、专利技术、品牌效应等，具有有价值的（Valuable）、稀缺的（Rare）、不可模仿的（Inimitable）、不可替代的（Non-substitutable）等重要特征，拥有这类资源的企业可以取得持续竞争优势和超额利润。当前，企业资源观已广泛应用于国际商务、创业、供应链管理、人力资源管理等多个领域的分析研究。
随着数字技术等新兴科技的不断发展，RBV理论也在不断向前演进。人工智能（Artificial Intelligence,AI）作为新一代的通用技术，已经成为第四次工业革命的核心引擎和全球科技竞争的前沿领域。随着GPT-4、文心一言等生成式AI大模型的出现，人工智能迎来了新一轮的发展机遇。当前各国领军企业正在大力发展人工智能技术，人工智能技术水平和应用能力已经成为企业资源的重要组成部分，也带来了新的研究课题—组织内部资源配置与竞争优势的关系。
具体而言，人工智能技术对企业资源观的内涵和企业竞争优势来源带来了三项变化。第一，人工智能作为一种通用技术和使能技术，能够在短时间内整合跨领域的复杂资源，降低了资源的模仿障碍。第二，人工智能使机器能够自主学习和行动，并在制定解决方案时与人类互动，拥有从前只有人具备的思维和认知智慧，模糊了企业中人力资源与物质资源的边界，有可能实现包括人力资源、物质资源等在内的跨领域能力的增强。第三，人工智能技术更新了企业竞争优势的来源，AI具有的边际成本和进入壁垒低、无规模、实验成本低等突出特点，很容易在市场中获得并易被复制，不满足RBV中资源稀缺性（Rare）和不可模仿性（Inimitable）的特点，因此AI技术本身并不能为企业带来持续竞争优势， AI只有和企业现有资源结合形成不可模仿的独特资源束，才能成为企业的持续竞争优势。
由此可见，人工智能技术打破了传统RBV中人力资源和物质资源“二分”的观点，降低了资源的模仿障碍，只有实现“人机协同”，才能实现企业各类资源的能力增强。在AI时代，能够将人工智能与人类认知能力有效互补的企业将在竞争中处于领先地位，本文将这种能力定义为企业的“人机协同的增强能力”。在下文中，本文将针对人工智能技术对企业资源边界的影响、人机协同增强能力的定义与内涵、人机协同带来企业竞争优势的案例展开分析，进而为人工智能时代下企业资源观的改造作出贡献。
人工智能改变企业内部资源配置：替代与互补双元效应
根据传统RBV理论，企业引入新的资源与技术时，可能会带来替代效应或互补效应。当引入的新资源可以通过提供相同或更多样的功能替代传统资源时，替代效应消除了原有竞争优势；而当引入的异质资源能够与传统资源整合形成新的独特资源束时，将能够带来新的竞争优势。在替代效应上，由于AI较低的边际成本和较小的模仿障碍，人工智能的计算能力一定程度上取代了人类传统的认知能力，比如未来绩效预测、产品方案设计、风险投资分析等，机器几乎无限的信息处理能力常会带来更好的预测效果。因此，从替代效应出发，AI的应用将会削弱企业战略资源带来的竞争优势，让各企业资源变得趋同。
但需要认识到的是，AI对人类的替代效应存在着局限性，因为企业决策除了机器最擅长的数据分析和预测外，还需要设定目标、进行价值判断、采取行动等复杂环节，需要机器在人类的指导下完成任务，人能否正确高效地指导机器成为企业管理中的关键问题。机器和人类在处理信息的方法上也存在着“通”与“专”的互补性，以变换器神经网络（Transfromer）为代表的前沿深度学习方法，进行信息处理的优势在于快速、大量、跨领域。人类处理信息时则更依赖于经验，即信息处理捷径，并且能与社会更好地发生互动，这带来潜在偏误的同时，也使得人类经验在特殊、复杂而熟悉的环境中能够发挥独特效用。只有人类和机器结合起来，才能最大化提升复杂信息处理的效率。因此，实现AI和人类的互补效应才是发挥AI作用的关键。
基于人工智能技术的企业资源互补性与传统RBV观点中资源互补性有着本质差异。传统RBV中的互补性指给定A和B两种资源，A越多，B就越有价值。企业会有目的的在异质资源中进行搜索，并将这类资源整合到现有领域的资源中，在保留传统领域价值的同时拓展出未来发展的路径。但是，人工智能技术由于其所具有的通用技术和使能技术的特点，可以影响许多部门和行业并刺激后续创新，可以打破企业原有的知识和资源边界，极大扩展业务领域，影响企业的各类资源配置和资源应用效率。AI资源和企业原有资源发挥互补作用的机制相较于传统RBV中定义的“A越多，B越有价值”的简单模型要更加复杂，如何更好地发挥AI和人类的互补性需要更多的理论与实践探索。
因此，在人工智能技术的驱动下，资源的替代效应和互补效应将会同时发生。如果人工智能能够与人类认知能力形成互补，企业可以创造从前不相关的战略资源的独特组合，实现能力增强（Augmentation），创造新的竞争优势。
人工智能改变企业竞争优势来源：人机协同的增强能力
人机协同的基本思想是协作共赢，即增强彼此的优势。人类的优势在于领导力、团队协作、社交和互动能力，在于感知、推理、归纳、学习；而机器的优势在于搜集、计算、存储、优化，两者具有协同增强的巨大空间。在人工智能时代下，机器承担了传统上属于人类的认知工作，对企业原有资源产生了替代和互补的二元效应，这意味着传统RBV中人机资源二分的时代已经被打破，而是演变成了机器对人类能力的“增强”（Augmentation）。企业需要用组合各类资源的“整合观”和协调各类资源关系的“体系观”来看待人和机器的关系，人和机器不应互为对手，而应将互补优势结合起来。因此，本文将企业内部人类和机器密切合作，利用人工智能资源进而实现优势增强的能力定义为“人机协同的增强能力”。当前，这种“增强”策略正在被各大公司采用，例如微软CEO萨提亚·纳德拉（Satya Nadella）在2016年宣布，微软将打造增强人类能力和体验的智能；再如IBM从2017年起指出公司开发AI的目的是增强人类智能，其总裁兼CEO罗睿兰（Ginni Rometty）甚至建议用增强智能（Augmented Intelligence）取代人工智能一词。在国内，百度的“All in AI”，华为的“打造无所不及的AI”和阿里巴巴的“用户为先，AI驱动”等战略，均体现了国内头部企业对人工智能资源的大力投入。
本文以人机协作背景下的国际象棋赛事为例，对“人机协同的增强能力”进行进一步阐释。有研究指出，当人类与AI协作进行国际象棋比赛时，取得胜利的棋手往往不是国际象棋领域的顶尖棋手，而是那些具有“中等国际象棋能力的计算机工程师”，他们能够从计算的角度看待国际象棋游戏。这一结果对于人工智能时代下的企业资源观有着深刻的启发意义。由于特定领域的企业往往将有限的注意力集中在该领域的资源配置和能力提升上，常常忽视了提升“通用”的增强能力。但是人工智能这一通用技术的快速发展，让原本不相关领域的替代（如计算机技术和国际象棋）成为可能，深度学习方法的普及减少了对特定领域专业知识的需求。因此，在人工智能时代，企业尤其要避免核心刚性和路径依赖，在原有资源基础上重点配置具有通用功能的人工智能技术，进而实现人机协同下的资源增强，构建出新的能力增强点，获得AI时代下企业竞争优势的新来源。
在构建人机协同增强能力的过程中，企业要注重数据资源的收集和分析工作。企业数据是人工智能技术的重要互补资源，AI模型只有通过大型数据集训练才能变得准确。由于AI模型对大量高质量数据有很高要求，这也让拥有数据资源的企业相比于其他企业和科研机构，在AI研究中处于优势地位。除了数据质量外，许多AI应用程序是以监督学习的方式开发，这使得数据的适当标记也十分重要。许多头部AI企业通过企业平台收集了大量数据，如谷歌为了改善计算机视觉算法，建立了“JFT-300M”的内部数据集，其数据量是ImageNet的300倍；Facebook使用从其平台Instagram获取的35亿张图像和1.7万个相应标签的专有数据进行训练，显著提高了图像识别的精度。微软、雅虎、百度、Linkedin等企业都拥有大量的独家数据资源和B2C业务，IBM、NEC和Adobe等企业通过云计算和其他服务访问大量数据。因此，有意识地收集数据是AI时代企业发展人机协同增强能力的关键环节。
人工智能时代下企业人机协同实践
本部分从智慧教育、智慧物流、智慧医疗三个新兴产业出发，对科大讯飞智慧教育、中舟智能智慧物流、腾讯智慧医疗等企业布局人工智能资源，培养企业内部人类和机器密切合作能力，进而实现优势增强的人机协同实践展开具体分析，以呈现人工智能时代下企业资源观和企业竞争优势来源的改造与更新。
智慧教育。AI时代下的智慧教育可以界定为用AI技术实现个性化学习和精准化教学，构建兼具人性化与智慧化特征的教学生态。智慧教育让教师教学变成了“人机共教”的协同教学，搭建有利于教师发挥作用的智慧教育体系，帮助教师增强人机共教能力成为了关键问题。科大讯飞将培养人机协同的增强能力作为AI时代企业获得竞争优势的核心战略资源，其打造的智慧教育课堂可以对学习者进行全程深入跟踪，利用教学大数据智能识别学生对知识的掌握情况，并提供智能化个性指导，形成了教师根据大数据课前预设教学重难点、课中解决重难点、课后推动针对性作业的联动体系。科大讯飞搭建的智慧教育系统通过智能评价技术、语言学习技术、知识图谱构建技术，提升了教师对学生学习情况的掌握。2023年8月，在讯飞星火认知大模型V2.0 出现后，教师仅需用几句话描述需求，就可以通过“星火教师助手”进行“对话式开发”，完成轻应用搭建，还可以“瞬间”完成单元教学规划、教学活动设计和课件制作等，实现教学效果增强，大大提升了人机协同效率。
智慧物流。当前人与机器配合共同作业已成为物流行业的主流工作模式，人工智能技术作为推动物流系统降成本、强柔性、智能化发展的重要抓手，为实现供货方的利润最大化与需求方的服务最优化提供了重要保障。现实操作中，如何减少人与机器配合中的无效摩擦，通过人机协同提升生产效率已成为当前智慧物流发展中的核心议题。在智慧物流领域，机器的优势在于精确性、重体力的作业，而人类的优势在于高度柔性化的作业和协调决策能力。亚马逊研发出第一个完全自主移动机器人Proteus，该机器人可以在复杂的仓库环境中独立导航和操作，而人员则专注于异常情况管理、订单处理等任务。而我国的中舟智能基于强大的多维度AI感知能力、机器学习、控制决策等技术，为客户提供了基于AMR（自主移动机器人）的人机协同柔性物流方案，最大程度地解决了动态环境的货品搬运问题，保证机器人在有人、有叉车存在的动态环境下也能够自如工作，一方面保障了工人的作业安全，同时也促成了人机间的合理分工与高效协同，增强了物流系统效率。
智慧医疗。在智慧医疗领域，人工智能技术可以实现器官识别、基于医学影像的疾病判断、手术视频解析等工作，将医生的专业知识和AI机器预测相结合进行医疗诊断。但与此同时，AI也存在“不透明”的问题，莱博维茨（Lebovitz）等学者对美国医院使用人工智能技术进行乳腺癌、肺癌和骨龄测定的研究发现，如果医生无法将自己的知识和AI推断有效结合起来，那么诊断效率就没有得到提升。因此，帮助医生更高效地理解并利用AI推断，真正提升人机协同效用成为了智慧医疗领域的关键。在治疗心血管疾病的过程中，对心脏MRI检查影像的判断需专家凭借大量经验，这易受主观因素的影像且漏诊误诊率较高。因此为提升其产品的人机协同能力，西门子医疗与英特尔将AI应用到心脏病学与放射性影响分析中，基于Dense U-Net对心脏的左右心室进行语义分割，大大提升了医生的影像判读的效率。腾讯觅影数智医疗影像平台通过“影像云+影像AI”的方式，使远程诊断、远程会诊、辅助诊断等在数字影像应用方面取得新突破。医生可通过移动端完成多场景多终端诊断，一键开启MDT会诊，并可调用AI引擎进行临床辅助诊断，这些都是企业培养人机协同增强能力的重要战略举措。当前，大模型更是让智慧医疗领域的人机协同取得重大突破。2023年9月，腾讯健康公布医疗大模型，全新发布智能问答、家庭医生助手、数智医疗影像平台等多场景AI产品，这一大模型加入了超过285万医疗实体、覆盖98%医学知识图谱与文献，经过3000万包括患者、医生、药厂等场景及医疗流程的问答对话进行多任务微调，以及36万专家医生标注数据的强化学习，大大提升了人机协作的效率，实现智慧医疗水平增强。
结语
人工智能作为一种通用技术和使能技术，赋予了机器人以智慧，也改变了企业资源观的内涵。人工智能降低了企业资源的模仿障碍，将企业内部从“人”“机”资源二分变成了“人”“机”资源融合，并对企业原有资源具有“替代”和“互补”的二元效应。由于机器和人类具有“通”与“专”的互补性和协同增强的巨大空间，发挥人类和机器的互补作用是利用人工智能的关键。基于以上分析，本文将企业内部人类和机器密切合作，进而实现优势增强的能力定义为“人机协同的增强能力”，并指出这种能力是人工智能时代企业竞争优势的新来源，对企业资源观进行了更新。在人工智能时代，企业要避免核心刚性和路径依赖，重点配置具有通用功能的人工智能技术，进而实现人机协同下的能力与资源增强，从而在新一轮科技变革中获得竞争优势。
关于作者 | 钱菱潇：清华大学经济管理学院博士研究生；
陈劲：清华大学经济管理学院苹果公司讲席教授、清华大学技术创新研究中心主任。
责任编辑 | 刘永选
内容来源：清华管理评论
喜欢清华经管EMBA，请点在看
继续阅读
阅读原文