• TheLINK微信杂志

    您不可不读的中欧校友杂志

    1235
  • 中欧校友

    迄今,学院已有遍布全球85个国家的校友20,000多人

    1235

别怕机器人

人工智能会扰乱工业及商业模式,如何处理这一转变决定着谁赢谁输。

2017年第二期

文/柯玟秀

长久以来,关于面目可憎的机器人和人工智能(AI)失控捣乱的故事让我们闻之色变——艾萨克·阿西莫夫(Isaac Asimov)短篇故事里的机器人、《2001太空漫游》里邪恶的HAL9000电脑、《终结者》系列电影里的反面乌托邦,这样的例子太多了。所以当人工智能突破想象的边界闯入现实世界时,难怪我们会为之不安。

“对‘老大哥’和科技的恐惧由来已久。”中欧管理实践学教授杰弗里·桑普勒(Jeffrey Sampler)说,“工业革命时代卢德分子认为机器会抢走他们的饭碗,于是奋起破坏工厂,反抗科技。但从历史上看,科技创造的工作从来都比它破坏的更多,它是世界上的基本增长引擎之一。”

然而,各行各业部署人工智能技术的过程也不可避免带来破坏。制造业向工业4.0转变之时,工厂是机器人作业的第一线,但这只是人工智能融入整个价值链的多种途径之一。使用人工智能的领域还包括产品设计、供应链管理和物流。虽然自动驾驶汽车在高速公路上风驰电掣的场景可能还要等上很多年,但消费者设备上早有了人工智能的身影,如灯具、恒温器和智能手机。金融和健康行业拥有丰富的大数据,使得这些领域被人工智能快速改变。在向着美丽新世界迅速转变的过程中引发了许多问题。公司如何调整战略才能平安度过转型?随着人工智能创造市场效率,我们会看到怎样的产业整合?管理层需要什么技艺傍身,才能确保自己在劳务市场上待价而沽的地位?在全新的人工智能时代,中国又会处于怎样的位置?

“我认为中国有实力成为人工智能的引领者。”桑普勒教授说,“有意思的是,由于历史原因,中国错过了工业革命,不过我觉得中国绝不会错过这次革命。显然他们非常清楚,看到了背后的增长潜力。我觉得中国在智力资源和政府支持创新的政策上都做得非常好。”

中欧飞利浦战略学与国际商务学教席教授麦克罗(Klaus Meyer)对此表示认同,并且指出,中国政府的“中国制造2025”战略不单单是为了升级国家制造业,更是为了应对低技能劳动力相对短缺的问题。他指出,中国对机器人的巨大需求部分促成了美的集团对德国库卡机器人的收购。“劳动力成本增长是一方面,另一方面则是好的机器比人更不容易犯错,至少在许多应用上是这样。”他说,“在某些标准应用中,机器人比人更可靠。”

确实,人无完人,但现在计算机却可能抵达完美,机器学习过程能收集和分析数据,这让计算机可以独立学习,以人类能难以企及的效率完成某些任务。来自中国的围棋世界冠军柯洁在输给谷歌AlphaGo时,提到了计算机具备的这种优越性。5月25日,他在输掉第二盘棋时说:“我认为我离胜利很近了。因为太紧张的缘故,下了一些不好的棋。我觉得这可能是人类的弱点。”

不过,麦克罗教授认为,虽然人工智能可能更有效率,但工厂车间依然需要人类的存在。“也有‘人机交互’之类的说法,就是轻型机器人在人类旁边工作。”他说,“库卡在这项功能的开发上属于行业翘楚,ABB也是。”他举例说,在汽车制造上,机器人可以帮助安装沉重的车窗,而工人则可以在一旁检查车窗安装得是否正确。在其他需要“人机交互”的应用上,机器人可以学会记住制造过程中人类的某些动作,然后通过数据分析,更出色地完成这些动作。

得益于大数据,推动工业4.0发展的人工智能不仅意味着将机器人放到流水线上。“供应链管理方面,最近有一个趋势,就是通过数字技术将供应链的各部分连接起来。”中欧运营及供应链管理学教授赵先德解释,“理想化地说,工业4.0应该利用物联网将采购、生产、运送和服务连接起来。通过数据分析,人们能将供应商、制造商、物流和服务类企业的工作整合起来,有效地满足消费者的需求,而通过持续地分析数据,能够提升整个过程的效率。”

赵教授也担任中欧-普洛斯供应链和服务创新中心主任。他说,一些电子制造商通过监测终端用户对他们产品的操作方式,已经能够进一步发展智能设计。通过收集分析用户数据,他们能够改进未来机型的设计。

客户服务是人工智能的另一块用武之地。赵先德教授指出,京东是行业中斥巨资投资人工智能、以求提升服务质量的公司之一。分析客户对品牌、产品规格和颜色的偏好也能够有助于在电商价值链上创造效率。它不仅可以让某些定制化服务成为可能,还能精确地定位客户需求的内容、地点和时间,从而提升订单和运送的效率。大型网上零售商同样可以利用人工智能来分析影响客户行为、竞争对手售价及长期潜在需求等方面的数据,从而制定价格。“研究需求价格曲线很重要。在产品生命周期的不同阶段,这一曲线可能会大有不同。”他说。

推动效率提升的大数据同样会对各行业的竞争版图产生深刻影响。“你会看到,基于这个全新的数字经济逻辑所产生的大量整合、兼并和收购。”赵先德教授说,“我们看到有些公司收购其他公司,只是为了获得更多供应链上的数据。”

随着数据交换将效率推向最大化,大数据与日俱增的重要性也使得制造价值链上的公司之间的互动变得更为复杂。担任中欧中国企业全球化中心联合主任的麦克罗教授指出,除去机密性和安全性等问题以外,数据交换的复杂性也会在某些情况下改变力量平衡。

“如果通用这样的公司成功地在价值链内推广了他们的数据交换平台,那么作为平台提供方,最后他们会是大赢家,因为他们掌握着每个人的数据。”他说道,“这让他们在价值链中有更多筹码去和别人谈判。因此在某些领域,我们也许会看到垂直整合;但在另一些领域你会发现专业服务供应方也在发展,他们通过提供大数据分析或云服务发挥越来越重要的作用。”

赵先德教授表示,中国有大量的小型物流及供应链公司已经开始通过这种方式来利用自己的位置获利。他提到的一家公司是创捷供应链。这家位于深圳的公司起初为手机制造商做出口物流及电子元器件进口。随着对供应链认识的加深,他们发现还可以帮助制造商解决采购、融资等问题。这让他们从手机设计者、供应商和制造商那里积累了可观的数据。

然而,赵教授也指出,大部分公司对自己收集的数据的利用率还不足5%。背后原因追根究底还是人才紧缺。为了有效地利用大数据,公司需要能够分析数据并运用数据解决管理问题的员工,而两样兼备的人才凤毛麟角。“为了将管理决策过程自动化,就要有人懂得需要做哪些决定,以及怎样利用数据、分析和数学工具来真正做这些决定。”他解释道,“现在中国这样的人才非常匮乏。你不能全靠机器去做决策,智能机器需要有人帮助它们开发自身智能。”

麦克罗教授指出,制造商会越来越需要雇佣三种新型技术人才。“你需要运作机器人的人、为它们编程的人,以及可以在指导性工作场所工作的人。”他说,“有了机器人,却没有人知道如何善用它们,这种错误可以非常昂贵。”

指导性工作场所指的是那些由计算机指导的人类流水工作线。麦克罗教授解释,这种新型低技能劳动意味着,生产线上的人只需扫一下面前经过的产品上的条形码,就会得到相关的工作指示。“工人不需要去想或者理解要做什么。”他说。而其他的工作,即为机器人编程以及分析它们生成的数据,就需要比以前传统工厂的工作更高的技能。

这些新型的制造工作也需要管理者学习新技能。麦克罗教授指出,在传统制造业,管理者只需要有能力领导一大批低技能工人。工业4.0则要求管理者学习如何去管理负责处理编程、分析等复杂任务的高技能工人,以期获得更多创造性投入。

在桑普勒教授眼中,对员工的再培训和再部署同样会是中国的优势,尤其是与劳动法相对严格的欧洲相比。“鉴于劳动力状况,欧洲或许会有一段非常艰难的转型期。”他说,“别提裁员了,甚至彻底更改一下某个人的工作内容都不是件简单的事。所以中国在行动速度上有优势,如果行动方向对了,或许就会如鱼得水。”

随着人工智能在各行业应用得越来越多,桑普勒教授指出,不同的国家和地区可能会有不同的解决方案来应对转变。他说,真正的问题在于由什么来充当稳定力量。“公共和私人策略要怎样结合,才能让这些东西加速发展?这个问题比较有意思。”他说,“每个人都激动万分,但没有人知道真的上路后会怎样。这种心情就像等待坐过山车:满怀期待,每个人不安又兴奋,你觉得车到站时会安然无恙,过程中却免不了许多颠簸曲折,但我们不知道这究竟是一种什么感受。”

所以,还是系好你的安全带吧!