美國OpenAI公司推出的ChatGP引發了全球範圍内的關注，它使得人工智能生成式内容（AIGC）的概念迅速普及。《ChatGPT走紅，AIGC會替代搜尋引擎嗎？》。這種生成式人工智能的應用不僅改變了個體擷取資訊的方式，還在逐漸改變企業管理的各個方面。
随着人工智能技術的普及，一些企業開始利用這種技術來開發針對特定行業或領域的管理輔助工具，以幫助管理者打破認知邊界，建構一種融合人類經驗和人工智能的生成式管理決策模式。例如，在企業戰略管理中，傳統的決策過程往往是基于高層管理者的個人認知，形成一種自上而下的經驗式管理模式。然而，随着商業環境的複雜性和産業變革的深化，企業的發展方向已經從單一向多方向發展，這就需要管理者能夠處理更複雜的内外部因素。
在這種情況下，企業上司者開始認識到技術在數字化轉型中的價值。特别是在後疫情時代，大多數企業都加快了轉型的步伐。站在下一個十年的起點上，企業全面重塑的時代已經到來。人工智能等新興技術将成為推動這一時代發展的關鍵力量。
生成式人工智能的發展和應用，将使企業管理更加智能化和高效化。數字經濟應用實踐專家駱仁童博士認為，通過結合人類的經驗和人工智能的技術，企業可以更好地應對複雜多變的商業環境，進而實作更快速、更準确的決策。同時，這也将為企業提供更多的創新和發展機會，推動企業在新的競争環境中取得優勢。
高處的果實
随着這輪技術圖檔，大型語言模型（LLMs）和基礎模型的熱潮正在推動生成式人工智能的發展，這是人工智能領域的重要轉折點。生成式人工智能是以大量資料為基礎，通過預設和自我修正的回報機制建構的，能夠産生更大規模資料的人工智能神經網絡。它能了解人類的創作要素，重新組合這些要素，創造出新的、人類可以了解的内容。
這些技術不僅破解了語言的複雜性，使機器能夠學習上下文、推斷意圖并獨立創造，而且還可以快速适應各種不同任務。這将對未來的工作方式、商業模式和社會生活産生深遠影響，極大地提升人類的創造力和生産力。
目前，大多數企業選擇直接購買“模型即服務”來開展業務應用。然而，對于許多企業來說，最大的價值可能來自于使用自身的資料定制或微調模型，以滿足其獨特的需求。
例如，企業可以友善地擷取和使用生成式人工智能和大語言模型應用程式。他們可以通過API調用這些程式，并運用提示學習和字首學習等提示工程技術，根據自身的具體需求進行定制。《企業如何在這波AI人工智能浪潮實作戰略布局？》。
為了提高生成式人工智能和基礎模型在特定業務應用中的價值，企業将越來越多地利用自身資料對預訓練模型進行微調來實作定制，進而實作質的提升。從生成可能的結果到判斷和削減結果的可能性，生成式人工智能正在逐漸實作輸出内容從不确定向确定的轉變。
例如，線上旅行代理公司通過部署ChatGPT插件作為“智能客服”，為使用者提供旅遊出行的個性化建議，幫助使用者更快地确定行程安排。對于意外的行程更改，旅客可以通過全天候線上的智能客服快速解決問題。此外，生成式AI還可以應用于内容建立、代碼編寫、流程自動化、資訊安全等領域。
慎思與笃行
越來越多的中國企業正在積極探索生成式人工智能技術，并開始應用大型語言模型來實作更多的創新和效率提升。企業方既需看到明确的方向，也應在過程中謹慎探索，例如選擇一些低風險領域進行可行性評估，再開展生成式人工智能試點，探索創新潛力。
人工智能的普及性應用之是以剛剛開始，是因為擋在人工智能理論和實踐之間巨大的算法、算力和資料鴻溝最近才得以突破。而在此次突破中扮演關鍵角色的英偉達公司的股價最近一段時間一路狂飙，全球範圍内仍然一卡難求。衆多創業公司乃至網際網路大廠紛紛表示要All-in生成式人工智能，但真正能夠做到的卻寥寥無幾。這也反映了知行合一之間差異，以及企業計劃制定和執行之間的不連續性。
從現在到未來有很多路徑，選擇哪條路徑是“知”所決定的，“知”從不确定性到确定性的提升，可以幫助人們選擇自己認為的最佳路徑，但現實中的路徑是否走得通，則需要克服未來路徑上的不連續性。
在未來發展方向不确定性高、未來發展路徑不連續性也高的情況下，事物的發展處于混沌狀态，企業大多采取适應式管理，在衆多發展方向中進行排除，試圖找到适合自身資源和能力條件的發展方向，并将有限的資源和能力押注在此發展方向上，力圖實作發展路徑的突破，進入成長階段。
成長階段的企業往往采取願景式管理，總有企業能夠克服發展路徑上的不連續性，實作自己的願景，進入發展方向不确定性低、發展路徑不連續性低的階段，并開始采取計劃式管理模式，盡力讓自己的發展方向穩定下來，讓自己的發展路徑持續下去。然而當企業面臨劇烈變化時，便不得不重新進行選擇，以适應發展方向不确定性升高的外部環境。
在數字經濟應用實踐專家駱仁童博士看來，企業在探索生成式人工智能技術時，應該注重知行合一。這意味着企業需要将理論知識與實際應用相結合，以確定創新和技術的有效應用。同時，企業在選擇發展方向時應謹慎行事，通過可行性評估和試點項目來降低風險。此外，企業還需要關注未來發展路徑上的不連續性問題，并在面對劇烈變化時靈活調整政策。
生成式管理
在資訊爆炸且便捷的網際網路時代，計劃式管理容易讓企業忽視外部信号，導緻組織僵化，錯失發展機遇。
過多的市場信号也會導緻采用湧現式管理的企業在市場中随機漫步和無序擴張，雖然看到多向的發展路徑卻無法一力貫之。是以，缺乏高速處理海量資訊能力的企業，無論是采取适應式、願景式、計劃式、湧現式管理中的哪一種，都難以創造最優績效。面對錯綜複雜的外部環境和多元業務組合，企業可以借鑒生成式人工智能技術的邏輯，嘗試生成式人工智能管理邏輯。
在發散階段，生成式人工智能管理機制從各個業務擷取海量資訊，對企業決策模型進行預訓練，使其能夠學習資料中的規律和模式，進而預判企業後續的經營方向和未來狀況。
在收斂階段，經過訓練的模型進入決策輔助模拟階段，生成的資料供管理者參考。管理者同時對模型輸出的決策方案進行評估，以便于後續改進模型和提高生成結果的品質。
在實踐中，企業采取的自下而上與自上而下結合的決策方式，就有生成式管理的模式。
例如，任正非在讨論華為決策體系轉型時說“我也不知道一線要多少資源合适，隻能讓聽得見槍聲的人呼喚炮火，因為他離客戶最近，大家先聽他的，選擇先相信他。我們事後複盤時發現浪費彈藥了，再‘秋後算賬’、總結經驗。”華為一線的每一次呼喚炮火屬于一次自下而上的政策輸出。《為什麼華為被制裁具有必然性？世界格局變化加速數字經濟，企業應如何應對？》
随着企業的不斷發展和外部環境的快速變化，很多企業在同一時點擁有創新業務、成長業務、成熟業務和轉型業務等組合。這些業務分别面對不同的發展方向不确定性和發展路徑不連續性。
為了應對各類業務面對的機遇和挑戰，企業将服務于不同類型的使用者，采用相應的組織結構，發展符合使用者需求的産品，并嘗試在各不相同的市場環境中進行競争合作。于是企業管理的複雜程度開始指數級上升。
生成式管理包括兩個核心理念，一是“生”，二是“成”。企業整體管理目标的基礎是各個業務的管理目标，而每個業務的管理目标又包括使用者管理、組織管理、産品管理和市場管理等方面。
在“生”的方面，企業可以使用預訓練的管理模型，針對每類業務所面臨的管理問題和資料資訊打标簽，并不斷通過管理人員的評估，對模型進行優化，形成自下而上的管理資訊彙集系統。
在“成”的方面，包括各項業務目标的達成和公司整體目标的達成。由于每項業務的管理目标都包括使用者管理、組織管理、産品管理和市場管理等具體目标。這些目标彙聚在一起，應該達成各項業務的整體管理目标，而處于不同發展階段的各項業務整體目标的彙集，則應該能夠達成公司層面的整體目标。
企業高層管理者可以自上而下地對各業務目标達成情況進行評估和排序，并調整公司層面的回報模型，進而促使各個業務達成自身目标的同時，幫助公司達成整體管理目标。
企業管理是一門科學，可以通過規則的制定應對管理中的不确定性。用規則的确定性，應對變化的不确定性，用流程的連續性應對行為的不連續性。需要管理者對管理體系進行适度幹預，包括但不限于對管理資料的評估、對管理行為的回報和對管理模型的優化。
數字經濟應用實踐專家駱仁童博士的觀點是，建構生成式管理并非一項臨時應對或補救措施，而應從設計初期就全面規劃并在整個生命周期中持續優化。
生成式管理的關鍵在于決策模型和賦分政策的互相影響，實作自我優化，在接受外部指令時，能夠自主産生大量内容并進行快速篩選，找出最佳解決方案。
生成式人工智能的發展不僅帶來了挑戰，也帶來了思維上的發展。
相關産業變革：
《人工智能如何給制造業賦能？AIGC新趨勢在制造業有哪些應用場景？》
《好萊塢集體罷工抗議AI搶飯碗，生成式人工智能AIGC會對影視行業産生什麼影響？》
《AI制藥會給行業帶來哪些機遇和挑戰？》
《建築業如何實作數字化？》
商道童言（Innovationcases）歡迎點贊和分享哦！~~
免費電子書：結構化思維 | 荊棘商途 | 年度十詞 | 創新企業案例 | 區塊鍊金融
數字經濟應用實踐專家 駱仁童主講課程
智慧應用 |《能源網際網路》.《新型電力系統》.《智慧建築》.《智慧機場》.《智慧交通》.《煙草數字化》.《智慧城市》.《數字政府》
數字應用 | 《大資料及中台》.《區塊鍊》.《元宇宙》
人工智能 | 《人工智能趨勢》. 《ChatGPT新紀元》
數字化轉型 |《制造業數字化》.《零售業數字化》
金融類課程 | 《金融科技創新》. 《商業銀行變革》 .《數字人民币》
思維與技能 |《數字化管理思維》.《數字化組織變革》.《使用者思維》
宏觀與趨勢 |《2023宏觀趨勢》.《數字經濟》.《雙碳戰略》.《新能源汽車》
創新與創業 |《創業導師能力提升教育訓練》.《中小企業賦能》