数字化转型、人工智能和生产力问题

       很多人都在谈论，在数字化转型的过程中，生成式人工智能可以提高公司的生产率。但行动太快可能会让事情变得更糟。

生成式人工智能的时代带来了它将显著提高生产力的承诺。我当然可以看到它的潜力，因为我正在使用它的一种形式来写这个专栏，它在预测我打算写的下一个单词方面做得很好。但我也注意到，为了最大限度地利用这个功能，我需要按下右箭头键，这大大降低了我的速度。所以，我通常会键入整个单词，因为我用的键盘不支持自动补全。

简而言之，它不仅没有加快我的写作速度(承诺)，反而对我的效率产生了负面影响(现实)，因为当我按箭头键时，它打断了我的打字流程，迫使我重新调整右手的位置。

为了让这种AI工具发挥作用，我不仅需要修改键盘，还需要重新训练自己使用正确的箭头键，而不是输入完整的单词。

关键路径

当学习流程优化时，通常会讨论一个称为“关键路径”的概念。这是一个过程的路径，它定义了完成某件事的速度有多快。如果您改进了关键路径之外的任何东西，那么流程完成的速度仍然受到未受影响的关键路径的限制，并且您不太可能看到生产率的提高。

从作者对生成AI的最初反应中看到了这一点。他们能够以惊人的速度创作书籍，每周多达数百本，但关键的道路是编辑。已经筋疲力尽的编辑们无法处理数百份稿件的到来。许多出版商不得不停止接受手稿，因为他们不能及时编辑。

更好的计划是先以某种方式自动编辑，但这需要对人工智能进行更多的培训，以确保手稿符合出版商的政策，而这项工作尚未完成。

即使您首先更改了初始关键路径，您也可能会发现其他依赖项，这些依赖项随后会成为新的关键路径，在新路径也得到改进之前，这些依赖项实质上限制了任何好处。

衡量生产力:汽车和人员

我喜欢汽车。对于汽车，你在一台名为Dyno的机器上测量性能，你很快就会知道，单靠马力并不能提高性能。赛车仍然必须在赛道上行驶，并将动力传递给道路。牵引力、悬架、驾驶员技能、重量、驱动轮的位置、加速下的重量传递、倾斜度、空气动力学、热量和部件的可靠性都发挥着同样重要的作用。唯一真正的性能测试不是马力或扭矩，而是汽车的竞争力。

与人员相比，汽车很简单。人们有各种不同的任务，他们往往无法控制。收到的电子邮件，意想不到的问题，需要谈论项目的同事，分心(还有很多)，以及质量变化很大的经理——所有这些都会影响生产力。

或者想想在COVID-19大流行期间发生了什么。最初，我们认为在家工作比在办公室工作效率更高，因为分心的事情更少。我们发现，员工的工作时间越来越长，破坏了工作与生活的平衡，要么精疲力竭，要么离职。我们还发现，那些注意力集中、性格内向、工作能力强的人，实际上在家里做得更好。社交能力强的人、新员工，或者注意力不集中、工作技能不强的人，都表现不佳。

对员工采取千篇一律的做法是行不通的。每个人都是不同的，任何关于部门生产力的讨论都需要考虑到工作场所的动态，无论它在哪里，以及每个员工的独特性质。记住，任何以生产力为中心的改变的目标都是更好的生产力，而不是另一个问题。

需要把人工智能的重点放在哪里

当谈到生产力改进时，第一步必须是分析需要改进的地方，确定关键路径，然后制定一个计划，以最低的成本对生产力产生最大的影响。但是，许多公司往往在没有这些最初的衡量或理解的情况下就开始行动，而且生产率提高的目标经常被错过。

更重要的是，提高生产率的努力很有可能会让事情变得更糟。几年前，我的一位客户遇到了一个“生产力问题”，于是制定了一个名为“回归基本”的计划——员工必须打卡上下班，因为管理层认为他们是在翘班。结果是生产力的灾难性下降，因为那些偷懒的人只是在工作中偷懒，而不是早点回家，而那些为了完成工作而长时间工作的人开始朝九晚五地工作。很快，优秀员工开始在更信任他们的公司寻找工作。

简而言之，需要很好地理解问题才能有效地解决问题。虽然生成式人工智能可以帮助解决这个问题，但还没有人将这项技术用于解决这个关键问题。如果不了解员工是谁，他们做什么以及他们是如何做的，就不能使用数字化转型和生成式人工智能来突然让他们变得更好。你更有可能让它们变得更糟。