破解AI不确定性：管理者必备的四大策略

Oguz A. Acar, Bob Bastian

/

leeron

随着生成式 AI 即将重塑商业世界，它带来了管理者未曾习惯的那种充满“未知的未知”的不确定性。管理者面临着在高度不确定的环境中预测固有的不可预测结果的双重挑战，同时还需在快节奏的环境中争分夺秒。

在这样的情境下，管理者很容易陷入对 AI 的恐惧中，选择等待风潮过去，或者夸大其潜力。但其实，有一种更为审慎的应对方式。

设想一家消费品公司的管理者在决定是否投资开发新的 AI 驱动的聊天机器人。表面上看，优势显而易见——提高客户满意度、降低成本、实现全天候服务等。但实现这些优势的过程充满了不确定性。例如，该管理者可能不知道其他公司是否在开发类似技术，AI 发展的速度有多快，或该聊天机器人能否充分理解必要的上下文以进行有意义的互动。

这些不确定性不仅在性质上有所不同，还需要采取不同的策略应对。有些需要严谨的分析，而另一些则要求更灵活的试验性方法。对于管理者来说，迈向 AI 领域更大确定性的第一步是认识并理解这些不确定性。

围绕 AI 的不确定性类型

AI 带来的不确定性形式多样，但我们可以将其归纳为每位管理者应考虑的三大主要类别：状态不确定性、效果不确定性和应对不确定性。

• 状态不确定性 是指当管理者缺乏足够的信息来预测市场趋势和变化时的情形。面对此类不确定性，管理者在理解 AI 当前的能力和未来的潜在发展方面会遇到困难。随着 AI 的迅速发展，区分当前可实现的目标与未来遥远的可能性变得愈加困难。这种不确定性尤其令人担忧，因为 AI 专家在一些关键问题上的观点往往大相径庭，比如 AI 扩展是否存在极限、AI 的虚构问题是否可以解决，或者 AI 是否能够真正进行推理。
• 效果不确定性 则描述了管理者在预测 AI 对业务的影响时遇到的困难。AI 会颠覆整个行业，还是仅仅成为另一个工具？这一不确定性因目前测试集中在与现实世界关联不大的狭窄基准而加剧。因此，即使是开发者也无法确定诸如未来模型上下文窗口扩展等改进会对商业成果或员工互动带来何种影响。
• 应对不确定性 是指管理者在决定如何应对围绕 AI 的多种不确定性以及这些行动的后果时面临的挑战。是作为早期采用者大胆尝试，还是更稳妥地等待观察？应将重点放在自动化和成本削减上，还是增强人类能力？这一不确定性还涉及对模型和技术的选择——是开发定制模型、微调现有模型，还是整合诸如检索增强生成（RAG）等技术？

应对 AI 不确定性的四大策略

那么，管理者如何有效应对这些不确定性？根据战略研究，我们建议采取四种关键策略：观察、思考、行动和塑造。

这些策略在关注点（从内部到外部）和主动性程度（从反思到积极行动）上有所不同。前者区分了策略是主要关注内部因素（如组织能力和资源）还是外部环境（如技术发展和市场趋势）。后者区分了更偏向反思（侧重理解、分析和准备）的策略与更偏向积极行动（注重直接采取行动和影响结果）的策略。重要的是，这些策略并非互相排斥；它们可以结合起来，构建应对 AI 不确定性的全面计划。

思考

“思考”是一种内部且反思性的策略，管理者通过利用过去成功案例的心智模型来理解当前的形势。这种方法在管理者探索 AI 如何影响其组织（效果不确定性）及如何应对（应对不确定性）时尤为有效。有充分证据表明，制定战略性思维的效果显著。一项针对 104 家企业的研究显示，采用这种方法可加快战略行动的速度。但这并非全部——当管理者感到疑惑时，突破的一个方法是质疑他们的认知。这涉及到元认知，即对自身思维的思考能力。研究表明，元认知思维能够促进自我反思，鼓励管理者在面对 AI 不确定性时探索替代策略。例如，反思过去的技术实施项目——无论成败——可以促使管理者重新评估他们对 AI 的初始假设，并探索如早期员工参与或彻底风险评估等替代策略。

观察

与“思考”依赖过去的经验和反思不同，“观察”关注的是未来的发展和潜在趋势的可视化。当管理者在预测 AI 能力和市场趋势的走向（状态不确定性）及其潜在影响（效果不确定性）方面感到缺乏信心时，这种方法尤为有用。

这种策略的核心之一是客户洞察，即预测客户需求和行为可能如何变化。研究表明，使用多个、不同的未来情景帮助管理者为各种可能发生的事件做好准备，即便是那些超出其控制范围的事件。实际上，飞利浦、ASML 和壳牌等多家公司都利用前瞻性来制定在不确定环境下的战略。例如，半导体巨头 ASML 定期与客户沟通，了解其长期愿景，识别客户尚未发现的问题，并设计应对这些挑战的情景方案。

行动

“行动”是一种侧重内部环境和积极试验的主动策略，尤其适用于管理者测试当前和未来 AI 发展对其业务的影响（效果不确定性）并设想潜在行动结果（应对不确定性）。

该方法包括进行快速试点测试，通常被视为应对新兴激进市场（如金融科技）的最佳策略。研究表明，灵活、可适应的行动对于在不可预测的市场中取得成功至关重要。比如，微软测试了其 Bing 搜索引擎约 80% 的变更，通过这种试验来优化产品。同样，Moderna 也在不同业务功能中测试超过 400 个定制化的 GPT 聊天机器人，积极探索 AI 的应用。

塑造

“塑造”是一种积极且以外部为中心的方法，尤其适用于应对 AI 市场趋势（状态不确定性）并预测 AI 市场变革将如何在未来转型商业（效果不确定性）。

采用这种方法的管理者不仅仅是对不确定性做出反应——他们主动努力影响技术发展轨迹和行业动态。他们致力于引导市场知识和认知的发展，使之与公司战略愿景保持一致。例如，Klarna 和可汗学院与 OpenAI 合作，共同创造和试验 AI 模型，以塑造其行业的未来。同样，阳狮集团也迈出了一步，开发了自己的先进 AI 系统 Core AI，利用其专有的消费者数据和海量媒体互动数据。

将 AI 不确定性转化为机遇

应对 AI 不确定性需要的不仅是单一的方法，而是管理者可根据需要部署的一整套策略。从“思考”入手可以奠定坚实的基础，而“行动”和“观察”使您能够试验、测试并完善策略。当时机成熟时，“塑造”提供了主动影响市场、引领行业内 AI 未来发展的机会。采用这种多层次的策略对于将不确定性转化为机遇至关重要。掌握这一点的领导者将最有能力引领下一波创新浪潮。