美国OpenAI公司推出的ChatGP引发了全球范围内的关注，它使得人工智能生成式内容（AIGC）的概念迅速普及。《ChatGPT走红，AIGC会替代搜索引擎吗？》。这种生成式人工智能的应用不仅改变了个体获取信息的方式，还在逐步改变企业管理的各个方面。
随着人工智能技术的普及，一些企业开始利用这种技术来开发针对特定行业或领域的管理辅助工具，以帮助管理者打破认知边界，构建一种融合人类经验和人工智能的生成式管理决策模式。例如，在企业战略管理中，传统的决策过程往往是基于高层管理者的个人认知，形成一种自上而下的经验式管理模式。然而，随着商业环境的复杂性和产业变革的深化，企业的发展方向已经从单一向多方向发展，这就需要管理者能够处理更复杂的内外部因素。
在这种情况下，企业领导者开始认识到技术在数字化转型中的价值。特别是在后疫情时代，大多数企业都加快了转型的步伐。站在下一个十年的起点上，企业全面重塑的时代已经到来。人工智能等新兴技术将成为推动这一时代发展的关键力量。
生成式人工智能的发展和应用，将使企业管理更加智能化和高效化。数字经济应用实践专家骆仁童博士认为，通过结合人类的经验和人工智能的技术，企业可以更好地应对复杂多变的商业环境，从而实现更快速、更准确的决策。同时，这也将为企业提供更多的创新和发展机会，推动企业在新的竞争环境中取得优势。
高处的果实
随着这轮技术图片，大型语言模型（LLMs）和基础模型的热潮正在推动生成式人工智能的发展，这是人工智能领域的重要转折点。生成式人工智能是以大量数据为基础，通过预设和自我修正的反馈机制构建的，能够产生更大规模数据的人工智能神经网络。它能理解人类的创作要素，重新组合这些要素，创造出新的、人类可以理解的内容。
这些技术不仅破解了语言的复杂性，使机器能够学习上下文、推断意图并独立创造，而且还可以快速适应各种不同任务。这将对未来的工作方式、商业模式和社会生活产生深远影响，极大地提升人类的创造力和生产力。
目前，大多数企业选择直接购买“模型即服务”来开展业务应用。然而，对于许多企业来说，最大的价值可能来自于使用自身的数据定制或微调模型，以满足其独特的需求。
例如，企业可以方便地获取和使用生成式人工智能和大语言模型应用程序。他们可以通过API调用这些程序，并运用提示学习和前缀学习等提示工程技术，根据自身的具体需求进行定制。《企业如何在这波AI人工智能浪潮实现战略布局？》。
为了提高生成式人工智能和基础模型在特定业务应用中的价值，企业将越来越多地利用自身数据对预训练模型进行微调来实现定制，从而实现质的提升。从生成可能的结果到判断和削减结果的可能性，生成式人工智能正在逐步实现输出内容从不确定向确定的转变。
例如，在线旅行代理公司通过部署ChatGPT插件作为“智能客服”，为用户提供旅游出行的个性化建议，帮助用户更快地确定行程安排。对于意外的行程更改，旅客可以通过全天候在线的智能客服快速解决问题。此外，生成式AI还可以应用于内容创建、代码编写、流程自动化、信息安全等领域。
慎思与笃行
越来越多的中国企业正在积极探索生成式人工智能技术，并开始应用大型语言模型来实现更多的创新和效率提升。企业方既需看到明确的方向，也应在过程中谨慎探索，例如选择一些低风险领域进行可行性评估，再开展生成式人工智能试点，探索创新潜力。
人工智能的普及性应用之所以刚刚开始，是因为挡在人工智能理论和实践之间巨大的算法、算力和数据鸿沟最近才得以突破。而在此次突破中扮演关键角色的英伟达公司的股价最近一段时间一路狂飙，全球范围内仍然一卡难求。众多创业公司乃至互联网大厂纷纷表示要All-in生成式人工智能，但真正能够做到的却寥寥无几。这也反映了知行合一之间差异，以及企业计划制定和执行之间的不连续性。
从现在到未来有很多路径，选择哪条路径是“知”所决定的，“知”从不确定性到确定性的提升，可以帮助人们选择自己认为的最佳路径，但现实中的路径是否走得通，则需要克服未来路径上的不连续性。
在未来发展方向不确定性高、未来发展路径不连续性也高的情况下，事物的发展处于混沌状态，企业大多采取适应式管理，在众多发展方向中进行排除，试图找到适合自身资源和能力条件的发展方向，并将有限的资源和能力押注在此发展方向上，力图实现发展路径的突破，进入成长阶段。
成长阶段的企业往往采取愿景式管理，总有企业能够克服发展路径上的不连续性，实现自己的愿景，进入发展方向不确定性低、发展路径不连续性低的阶段，并开始采取计划式管理模式，尽力让自己的发展方向稳定下来，让自己的发展路径持续下去。然而当企业面临剧烈变化时，便不得不重新进行选择，以适应发展方向不确定性升高的外部环境。
在数字经济应用实践专家骆仁童博士看来，企业在探索生成式人工智能技术时，应该注重知行合一。这意味着企业需要将理论知识与实际应用相结合，以确保创新和技术的有效应用。同时，企业在选择发展方向时应谨慎行事，通过可行性评估和试点项目来降低风险。此外，企业还需要关注未来发展路径上的不连续性问题，并在面对剧烈变化时灵活调整策略。
生成式管理
在信息爆炸且便捷的互联网时代，计划式管理容易让企业忽视外部信号，导致组织僵化，错失发展机遇。
过多的市场信号也会导致采用涌现式管理的企业在市场中随机漫步和无序扩张，虽然看到多向的发展路径却无法一力贯之。因此，缺乏高速处理海量信息能力的企业，无论是采取适应式、愿景式、计划式、涌现式管理中的哪一种，都难以创造最优绩效。面对错综复杂的外部环境和多元业务组合，企业可以借鉴生成式人工智能技术的逻辑，尝试生成式人工智能管理逻辑。
在发散阶段，生成式人工智能管理机制从各个业务获取海量信息，对企业决策模型进行预训练，使其能够学习数据中的规律和模式，进而预判企业后续的经营方向和未来状况。
在收敛阶段，经过训练的模型进入决策辅助模拟阶段，生成的数据供管理者参考。管理者同时对模型输出的决策方案进行评估，以便于后续改进模型和提高生成结果的质量。
在实践中，企业采取的自下而上与自上而下结合的决策方式，就有生成式管理的模式。
例如，任正非在讨论华为决策体系转型时说“我也不知道一线要多少资源合适，只能让听得见枪声的人呼唤炮火，因为他离客户最近，大家先听他的，选择先相信他。我们事后复盘时发现浪费弹药了，再‘秋后算账’、总结经验。”华为一线的每一次呼唤炮火属于一次自下而上的策略输出。《为什么华为被制裁具有必然性？世界格局变化加速数字经济，企业应如何应对？》
随着企业的不断发展和外部环境的快速变化，很多企业在同一时点拥有创新业务、成长业务、成熟业务和转型业务等组合。这些业务分别面对不同的发展方向不确定性和发展路径不连续性。
为了应对各类业务面对的机遇和挑战，企业将服务于不同类型的用户，采用相应的组织结构，发展符合用户需求的产品，并尝试在各不相同的市场环境中进行竞争合作。于是企业管理的复杂程度开始指数级上升。
生成式管理包括两个核心理念，一是“生”，二是“成”。企业整体管理目标的基础是各个业务的管理目标，而每个业务的管理目标又包括用户管理、组织管理、产品管理和市场管理等方面。
在“生”的方面，企业可以使用预训练的管理模型，针对每类业务所面临的管理问题和数据信息打标签，并不断通过管理人员的评估，对模型进行优化，形成自下而上的管理信息汇集系统。
在“成”的方面，包括各项业务目标的达成和公司整体目标的达成。由于每项业务的管理目标都包括用户管理、组织管理、产品管理和市场管理等具体目标。这些目标汇聚在一起，应该达成各项业务的整体管理目标，而处于不同发展阶段的各项业务整体目标的汇集，则应该能够达成公司层面的整体目标。
企业高层管理者可以自上而下地对各业务目标达成情况进行评估和排序，并调整公司层面的回报模型，进而促使各个业务达成自身目标的同时，帮助公司达成整体管理目标。
企业管理是一门科学，可以通过规则的制定应对管理中的不确定性。用规则的确定性，应对变化的不确定性，用流程的连续性应对行为的不连续性。需要管理者对管理体系进行适度干预，包括但不限于对管理数据的评估、对管理行为的反馈和对管理模型的优化。
数字经济应用实践专家骆仁童博士的观点是，构建生成式管理并非一项临时应对或补救措施，而应从设计初期就全面规划并在整个生命周期中持续优化。
生成式管理的关键在于决策模型和赋分策略的相互影响，实现自我优化，在接受外部指令时，能够自主产生大量内容并进行快速筛选，找出最佳解决方案。
生成式人工智能的发展不仅带来了挑战，也带来了思维上的发展。
相关产业变革：
《人工智能如何给制造业赋能？AIGC新趋势在制造业有哪些应用场景？》
《好莱坞集体罢工抗议AI抢饭碗，生成式人工智能AIGC会对影视行业产生什么影响？》
《AI制药会给行业带来哪些机遇和挑战？》
《建筑业如何实现数字化？》
商道童言（Innovationcases）欢迎点赞和分享哦！~~
免费电子书：结构化思维 | 荆棘商途 | 年度十词 | 创新企业案例 | 区块链金融
数字经济应用实践专家 骆仁童主讲课程
智慧应用 |《能源互联网》.《新型电力系统》.《智慧建筑》.《智慧机场》.《智慧交通》.《烟草数字化》.《智慧城市》.《数字政府》
数字应用 | 《大数据及中台》.《区块链》.《元宇宙》
人工智能 | 《人工智能趋势》. 《ChatGPT新纪元》
数字化转型 |《制造业数字化》.《零售业数字化》
金融类课程 | 《金融科技创新》. 《商业银行变革》 .《数字人民币》
思维与技能 |《数字化管理思维》.《数字化组织变革》.《用户思维》
宏观与趋势 |《2023宏观趋势》.《数字经济》.《双碳战略》.《新能源汽车》
创新与创业 |《创业导师能力提升培训》.《中小企业赋能》