尽管创纪录的快速采用和持续的媒体炒作（从反乌托邦到乌托邦的报道），生成式人工智能更多地是一个智力承诺或企业关注的领域，而不是一个可操作的现实。据估计，到 2030 年，人工智能市场规模将达到近6700 亿美元，生产力加起来将达到4.4 万亿美元，但企业领导者仍然想知道人工智能到底能做什么、如何利用它以及它将如何实现所宣传的经济效益。人们对人工智能的潜力不乏希望或信念，尤其是在经济动荡时期。

与数字化转型的任何方面一样，生成式人工智能的有效部署将更多地依赖于人类的适应能力，而不是技术能力。事实上，人的因素——人和文化——将推动人工智能的采用或缺乏。这意味着公司需要花尽可能多的时间思考如何利用文化优势，并实施必要的流程来补充或补偿其文化弱点，以推动人工智能的采用。例如，如果一种文化是被动攻击性的或厌恶风险的，那么建立正确的正式激励措施来奖励风险将会产生奇迹。相反，如果一种文化如此具有创业精神，以至于它会抓住任何新的市场机会，以至于被闪亮的新事物分散注意力，那么正式的激励措施和流程就必须奖励专注、纪律和忽视新奇潮流的能力。

虽然 GenAI 太新，无法理解或预测它会发展到什么程度，而且人工智能总体上最近才成为主流，但从最近的企业历史中仍然可以学到有关组织如何采用和实现新兴技术价值的宝贵经验教训。这些解释了为什么有些文化不仅能够更好地拥抱新技术，而且能够创新。更具体地说，来自科学研究和现实世界案例研究的证据确定了七个可概括的教训，可帮助您提高在组织层面采用 GenAI 和任何新技术的能力：

了解阻力来自何处，并推动创新。

改变或改变将会改变你。这是创新的最大论据，尽管有时它会遇到组织不愿改变的情况。这种阻力存在于每个组织中。但为了保持竞争力，公司需要能够坚持到底。

生成式人工智能也不例外：虽然一些组织拥抱它，但也有太多组织对此表示抵制，因为他们已经尝试和测试了做事的方式，而对未知的恐惧掩盖了任何改变的愿望。与任何其他创新一样，如果 GenAI 可以在整个系统中部署，使其能够面向未来并提高其整体适应性，那么 GenAI 将有效地增强组织的实力。然而，这需要合适的倡导者（变革推动者、内部创业者等）来对抗系统中固有的、本能的阻力，这些阻力会对任何可能被视为对现状构成威胁的变化感到愤怒。

成功地将新技术引入组织——尤其是当新技术很流行或有争议时——还需要了解阻力来自何处及其背后的逻辑。有时，抵制可能是正式和明确的，例如有报告表明75% 的组织正在考虑禁止员工使用生成式人工智能。其他时候，需要解决的是非正式的阻力，这种现象非常普遍，以至于有一个特定的学术术语“被动创新阻力”，旨在强调员工抵制变革和满足现状而产生的无意识阻力。解决这种隐性恐惧的最佳方法是推销这项技术将加强组织的方式——并提高每个部分的弹性——目标是将态度从消极升级为积极，或者至少是中性。

专注于问题会有所帮助。

生成式人工智能是一种非常通用的技术。然而，这可能是一个缺点，因为它与特定问题没有明显的联系，这可能会使其成为等待问题解决的巧妙解决方案的状态。

为了解决这个缺点，组织必须从问题入手。也就是说，确定企业必须解决的最紧迫和最痛苦的挑战。一旦他们有了明确的目标，他们就应该测试人工智能以及其他潜在的解决方案。当谈到生成人工智能时，一个重要的思维转变是减少对自动化的关注，这往往意味着破坏或消除，而更多地关注放大。

例如，H&M从人工智能领域的落后者变成了先驱者，因为它认为人工智能不是“人工智能”，而是“放大的”智能，重点关注这项技术如何增强或增强现有的组织能力，而不是仅仅消除低效率，包括人类。同样，在科技巨头中，亚马逊在人工智能领域的起步相对较晚，但一旦将人工智能定位为现有业务线内其他创新的推动者，它就成功地超越了竞争对手。沃尔玛决定投资生成式人工智能，通过增强员工的能力来改善客户服务，帮助他们找到所需的东西并满足他们的需求。

一如既往，少即是多。

一般来说，对现状进行小的、渐进的改进将是比大规模宏伟总体规划更好的测试和部署技术创新的方法。正如哈佛商学院教授艾米·埃德蒙森（Amy Edmondson）在她的最新著作《正确与错误》中指出的那样，这也是设计导致智能失败的实验的最佳方式，因为它使我们能够在小错误失控变得严重之前发现它们地方性问题。

因此，宜早不宜迟，并以开放的心态和实验的心态接近你的人工智能飞行员，是最好的学习方式，包括从失败的实验中学习——而快速失败是为成功创造条件的一个很好的公式。从长远来看，只要你能从这些失败中吸取教训。

直觉是共同的敌人。

部署生成式人工智能或任何形式的数据驱动自动化，没有比人类直觉更大的障碍了。事实上，无论人们扮演什么角色，通过自主技术产生的类人活动常常被人们视为对控制、权力和自主的威胁。公平地说，它通常确实会减少人类的自由和即兴发挥。工人们担心他们正在忙于培训的技术会被取代。高管们将基于人工智能的标准化视为对其权力的攻击，因为决策和行动已被编码在系统中并脱离了个人机构。

因此，重要的是要传达出这里存在一个权衡：在放弃对次要决策的一些控制权时，人们可以将更多的精力集中在更高阶的任务上。

例如，招聘人员和招聘经理往往会高估自己评估他人才能的能力，但研究表明，人工智能在识别人们的潜力方面至少同样准确，甚至更准确。最终，只要技术能够达到人类的能力水平，人类就有机会开发和部署其他技能，特别是那些技术（包括 GenAI）无法掌握的技能。例如，在万宝盛华集团，我们的招聘人员正在利用 GenAI 外包一些重复性和非创造性的任务（例如，总结和解析简历、校对和更正求职信以及打招聘广告），以便他们可以花更多时间高价值活动：帮助候选人了解一份工作是否适合自己，帮助客户缩小他们想要的候选人与实际需要的候选人之间的差距。

每个人都喜欢改变，直到他们不得不这样做。

改变是一个可爱的想法，但无论是在个人还是集体层面，一旦我们意识到执行它所需的努力、坚持和斗争，这个想法就开始失去很多吸引力。其实，我们喜欢的不是改变，而是改变了。

对于生成式人工智能来说也是如此：拥有一个已经经历过试验、利用其力量、扩展或工业化阶段的组织的想法是很诱人的。然而，穿越这些阶段并经历这些经历的过程才​是真正需要完成的工作。因此，组织应该像个人学习一门新语言或完成新的大学学位一样对待人工智能的采用：要有耐心、时间、奉献精神，并认识到重要的不是目的地，而是旅程。 。

流程以文化为午餐。

文化阻力通常被认为是人工智能采用的主要障碍。尽管组织对“文化变革”干预措施的投资持续增长，但刻意塑造或重塑公司文化的尝试需要大量时间且成功率较低。

更好的方法是将文化视为一种约束或设定参数，并像对待你与天气的关系一样对待它：不是你可以改变的东西，而是影响你选择服装的东西。关键是建立新的系统和流程来抵消文化的影响，例如抑制非正式动力和力量影响的外在正式激励措施。正如学术评论所表明的那样，此类流程最好由中层管理人员部署和实施，因为他们的行为和决策可以推动变革，并在更广泛的员工队伍中灌输新的习惯。

积极主动地关注道德问题。

由于媒体对生成式人工智能的报道相当煽情，因此这个主题通常会引发道德困境、法律恐惧和伦理担忧。组织必须从一开始就解决这些问题，将人工智能定位为既符合道德设计又改善现状的人工智能。例如，对用户保持透明，让人们能够“选择加入”，并确保人工智能的应用代表着对现有流程和方法的改进，这不仅能让公司摆脱困境，还能让怀疑论者相信生成式人工智能可以创造他们的工作和生活得到了宝贵的改善。正如Gartner关于道德人工智能采用的报告所建议的那样，透明度至关重要：“无论是员工、客户还是公民，都要坦诚地告诉人们他们正在与机器进行交互，并在整个过程中多次清楚地标记任何对话。”

结语

最终，文化总是在不断发展。进步并不是采用每一项创新或新技术的结果，而是利用正确的工具来推进战略并提高组织的长期有效性。如果公司能够弄清楚如何将人工智能无缝集成到其战略和文化中，他们可能会增加相对于竞争对手的竞争优势。大多数组织仍在试图解决这个问题。那些成功破解文化采用密码的公司将获得这项新技术的回报。