人工智能驱动企业：通过情境感知AI重塑组织5互动增强

5 互动增强
互动是组织的脉搏。人与人之间的交流是公司价值的催化剂。如果没有互动，我们几乎根本不需要组织：我们可以独自生活在小岛上，摆脱协作的复杂性，经营我们的生活和事业。
然而，在大多数情况下，我们并非如此。相反，公司依赖于公司——一群人相互反应和响应的互动活力。在本章中，我们将剖析组织中“面向任务的互动”的构成和生命周期。我们将探索如何利用情境感知人工智能 (AI) 来丰富此类组织互动的价值创造。

5.1 互动价值
公司以人际网络为架构，这隐含地承认了个人之间的互动能够创造价值。然而，这种价值创造是如何发生的呢？为了回答这个问题，让我们探讨一下买卖双方之间典型的谈判互动。
Alix 是一名汽车销售员。要想成功，她必须掌握核心销售技能——礼貌待人、魅力十足、以客户为中心。此外，她还必须知识渊博。她必须对旗下车型的功能和性能了如指掌，这样才能将合适的车辆与合适的客户匹配。无论她待人接物多么友善，如果她无法找到符合自身需求的产品，潜在客户几乎都会选择向她购买。
一天，Salma 来到 Alix 的修车厂。Salma 有一些特殊需求：她想要一辆电动汽车，以便她作为商业顾问能够以低廉的价格驾驶。这辆车的续航里程必须超过 300 英里，因为 Salma 经常在各州之间奔波，每周有几个晚上不在家。此外，Salma 还希望获得最新的驾驶辅助系统，例如自适应巡航控制和泊车辅助系统。这些配置让她的长途旅行——以及在市区停车——更加轻松省力。她还想要一台一流的音响，这样她就可以在长途驾驶中尽情欣赏她最爱的古典音乐和歌剧。

萨尔玛一直在努力寻找一辆符合她预算且功能齐全的汽车。幸运的是，阿利克斯胜任了这项任务。她对旗下所有车型了如指掌，这意味着她很快就能找到一辆符合所有条件的车。这辆车几乎是全新的，但由于它曾被制造商用于赛道安全测试，因此现在的售价比建议零售价低了20%。这使得这辆车刚好符合萨尔玛的预算。
两位女士讨论了这辆车，并在一个小时内达成了交易。销售员阿利克斯和买家萨尔玛都比之前赚得盆满钵满。阿利克斯最终以她想要的价格卖出了这辆车。萨尔玛最终以低于预算的价格买到了一辆符合她所有要求的汽车。

尽管在这次互动中，资金只流向一个方向，但Salma 在效用方面却获益匪浅。双方都从交易中获得了最大收益，这就是经济学家所说的帕累托最优。这次互动最终实现了对双方都最有利的结果。购车的例子是一个典型的经济市场交易。然而，商业互动的形式多种多样，许多互动并不直接涉及财务因素。例如，技能和观点的交流。这种协作互动对企业至关重要，因为它是所有企业完成任务和共同创造的基础。

这种互动是企业所有经济价值创造的基础。它们在现代组织中无处不在。以下场景每天都在世界各地的公司上演：

采购团队遇到零件供应问题。他们通过电子邮件分享产品质量数据，然后召开 Teams 会议讨论如何解决这个问题。
人力资源主管回顾各招聘机构和猎头公司过去一年的业绩。然后，主管们开会制定未来一年的企业招聘策略。
产品经理与设计师举行多次会议，集思广益，构思新产品的用户界面。
买家和供应商在数周内就采购条款进行谈判。
所有这些互动都有一些共同点。它们都涉及实现特定的组织目标，例如解决供应问题或制定招聘策略。除了使用结构化数据（例如第一个例子中的产品质量数据）之外，它们还涉及大量非结构化信息的沟通。在某些情况下，这些信息是隐含的、不言而喻的或未记录的，例如产品经理和设计师之间的专业理解。
此外，所有互动都是迭代的。它们涉及一系列对话和交流，其中一些是同步的。这些连续互动通过多种方式进行——包括电子邮件、短信、面对面会议和视频会议。互动持续进行，直到互动目标达成。
5.2 互动与情境感知人工智能
互动对组织至关重要。然而，花费在互动上的大部分时间却毫无成效。例如，一项关于小组设计会议的研究发现，总体而言，只有40%的时间用于直接讨论设计。大约30%的时间用于通过演练和总结来评估项目进度。另外20%的时间仅仅用于协调活动：召开会议来安排会议，这已是老生常谈的商业模式。在所有这些任务之上，还有一项繁重的任务，即澄清和总结所讨论的想法。总共有三分之一的时间被用在了澄清过程上。在小组成员之间协调和分享专业知识所花费的大量时间，对现实世界产生了影响。研究发现，团队通常会提出多种解决方案，但很少对多种方案进行广泛讨论。三分之一的方案从未得到明确的评估。
如果执行得当，情境感知人工智能可以消除大多数企业互动中常见的许多令人沮丧的低效环节。为此，它可以发挥三大关键作用：

协调活动——几乎零摩擦
澄清想法——以增加互动中创造的价值
协调和分享专业知识——包括主动提醒被忽视的方案
客户与卖家之间的市场互动是现代企业所有经济价值创造的核心。最简单的情况是涉及一件产品或服务的交换交易。这里，创造的经济价值是客户愿意支付的价格 (WTP) 与公司生产和交付该产品或服务所产生的（机会）成本之间的差额。因此，企业创造的总经济价值等于互动总数乘以每个单位创造的经济价值。

image
这些功能为企业带来双重好处（参见标注“买卖双方互动中的经济价值创造”）。首先，它们增加了互动产生的价值——从而降低成本、提高质量或生产出更具创新性的产品。其次，它们使组织能够扩展互动——参与比没有人工智能帮助时更多的互动。这种扩展对生产力具有强大的刺激作用。如第二章所述，通过增加互动量，企业可以实现生产力的非线性甚至指数级增长。

请注意，大多数顾客支付的价格低于他们愿意支付的价格。因此，这笔交易为他们创造了一些价值。我们称之为消费者剩余。在竞争环境中，企业竞相提供更大的消费者剩余来吸引消费者。他们可以通过两种方式做到这一点：降低价格或提高顾客的支付意愿——例如，在产品中增加新功能。赢得消费者需要提供更大的消费者剩余，而不一定需要更低的价格。扣除消费者剩余后剩余的价值（方框2）可以分配给内部利益相关者，例如股东（利润）和员工（更高的工资）。这意味着，为了能够创造更多利润——并通过提供更大的消费者剩余来赢得客户——企业必须能够创造比竞争对手更高的经济价值。在竞争激烈的行业中，几乎没有其他方法可以提高盈利能力。只有拥有过度市场力量、以垄断或近乎垄断的方式运营的公司，才能在无法提升经济价值的情况下蓬勃发展。

人工智能从何而来？现代工业的大部分重点在于提高生产力，从而降低单位成本（方框3）。但这只是提升经济价值的一种方式。人工智能的大部分潜力在于其他方面：通过提升互动价值来改进产品和服务，从而提高客户的支付意愿（方框4），以及通过增加互动次数来扩大业务规模（方框5和6）。

这种规模化创造的附加经济价值很可能会被划分为：客户作为额外的消费者剩余（方框5），以及企业的额外利润，或分配给其他内部利益相关者（方框6）。各方获得的价值比例将取决于企业所在市场的竞争环境。现在，让我们进一步探讨情境感知人工智能如何促进互动。为此，我们必须首先了解互动的结构和生命周期。

5.3 语境层次

与人与人之间的所有互动一样，交易中也存在三个关键的上下文层。每个层都伴随有摩擦，这些摩擦可能会减慢流程、降低效率或使其不够精确。

image
第一个交互层是任务上下文。这就是我们目前的工作。就我们二人组而言，目标是在合理的范围内为组织争取到最佳条款。与之前双方都达成的合同保持一致，
这可能是一个关键标准。这里的主要摩擦在于时间和精力：将新合同与之前的协议进行比较可能既耗时又复杂，在某些情况下甚至不切实际，甚至不可能。

第二个互动层面是社会背景。这是互动发生的人文环境。就他们而言，Beth 和 Sadiq 是同一家公司的同事，但他们的目标可能不同。作为一名采购分析师，Beth 的首要任务可能是找到最佳交易，即为公司买卖的商品争取最高的利润。然而，Sadiq 的关注点可能截然不同：作为一名律师，他寻求的是那些使公司承担较低或零法律风险的合同。两位高管之间意图上的不一致导致了摩擦：Beth 和 Sadiq 的目标可能不一致或完全冲突（例如，适合 Beth 的高利润交易可能会给 Sadiq 带来过高的法律风险）。即使他们的目标能够一致，这样做也可能非常耗时，并且需要他们之间进行大量的会议和沟通。

第三个交互层是关系情境。顾名思义，这是相关人员之间的人际关系。Sadiq 和 Beth 是同事，但他们可能并非朋友。即使他们关系良好，他们也可能很少或从未密切合作过。此外，他们可能不熟悉或不认识合同供应商。三方之间的沟通渠道会产生摩擦：他们可能并不信任……

情境感知型人工智能可以利用其感知和推理能力，帮助消除各个交互层面的摩擦。然而，人工智能能否真正取代这些层面中的人类交互，取决于一些关键因素。
任务——无论是日常任务还是创造性任务——都是所有组织交互的核心。然而，每项任务都涵盖在人际和社交层面，而这通常决定了任务完成的路径。这是因为所有信息交换——例如澄清想法、成员之间的协调和任务执行——都发生在这个层面。他们了解环路中其他两个人的工作习惯，并且可能需要在达成任何协议之前建立信任（有关信任的更多信息，请参阅标注“你信任谁”）。

5.4 搜索-评估-参与视角
上图帮助我们理解任何交互中的上下文层次。然而，它未能揭示参与者在交互中的行为。这需要我们深入了解企业交互的生命周期。

交互的生命周期包含三个阶段——搜索、评估和参与。

搜索涵盖了企业日常面临的最关键挑战：寻找可以互动的合作伙伴；从中获取知识的来源；以及针对常见或独特问题的解决方案。

二十年来，我们一直能够利用人工智能为结构化、可衡量的交互增添价值。然而，处理非结构化数据并从中发现有意义的模式的能力是一个相对较新的现象，而生成式人工智能的出现使这一现象成为可能，并加速了这一进程。

然而，仅仅因为人与人之间的对话可以被机器人总结，并不意味着这些对话应该完全被机器人取代。社交互动是人类建立信任的重要方式——尤其是在与陌生人合作时。成功实施人工智能需要企业考虑哪些交互元素可以由人工智能驱动而不会损失信任和价值；哪些部分可以由人工智能赋能，并且可以与人类协同工作；哪些方面必须由人类保留。

当团队内部互动时，可以通过指定仲裁员（例如，共同汇报的经理）来培养信任。但在市场环境下，或跨团队工作时，仅靠单一仲裁员建立信任可能不切实际。在这种情况下，个人之间的初始互动可能必须面对面进行。一旦建立了信任，他们就可以转向自主的人工智能辅助模式。更广泛地说，人类之间社交互动的需求不太可能被取代。然而，随着人工智能的成熟，建立信任所需的面对面互动程度可能会发生变化。技术的进步可以减少同步会议的时间，并通过更快地提供更多情境信息来加速信任的形成。

因此，虽然情境感知人工智能可能无法独自建立信任，但通过改进业务流程，它可以促进人类更快地相互信任。评估是至关重要的第二阶段。它包含对合作伙伴能力、知识来源实力以及搜索生成的解决方案质量的评估。参与是生命周期的最后阶段。在此阶段，高管与合作伙伴互动，交付项目或就业务决策进行咨询。在此阶段，推荐的解决方案将在企业中得到实施。至关重要的是，它包括监控组织既定目标的进展情况。

如今，企业主要使用结构化数据来帮助完成这些阶段。例如，在搜索阶段，经理可以使用客户关系管理软件来识别收入超过一定门槛的潜在客户，或使用知识管理系统来识别拥有特定经验或专业知识的顾问。她可以评估定价模型是否符合客户预算，或根据经验年限对入围人员进行评分。一旦与客户接洽，经理可以根据登录次数和点击次数来监控客户使用情况，或根据顾问完成任务的速度或用户提交的绩效评分来评估顾问。这些分析使用结构化数据来提供有用的洞察。然而，这些数据仅能捕捉到互动的一小部分。因此，它们充其量只能提供建设性但有限的观点。在情境感知人工智能的帮助下，使用非结构化数据极大地拓展了我们的视野。

它可以在互动的所有三个阶段（搜索、评估、互动）发挥作用。我们将简要探讨情境感知人工智能如何使这三个互动阶段受益。然后，我们将提供三个详细的案例研究，更深入地阐述其中的一些想法。

5.4.1 搜索与评估

招聘
人工智能可以增强企业日常面临的最关键挑战之一——合作伙伴的搜索和评估。设想一位设计师与一位产品经理就新产品的设计进行沟通。
想象一下，我们的二人组在一家大型组织工作。公司可能有很多设计师可供选择。产品经理可能负责挑选最适合其项目的设计师。一个能够访问公司数据的情境感知型人工智能系统可以将其搜索范围扩展到公司自身知识范围之外。如果配备了值得信赖的供应商的资料，那么它还可以推荐公司外部拥有产品设计关键资质的候选人。
以人工智能为中心的企业这个概念超越了产品经理和设计师的例子，可以涵盖所有采购业务。 Sonoco Products Company 企业分析总监 Santosh Menon 表示：“在全球范围内搜索和评估供应商合同的能力是情境感知 AI 最重要的应用之一。”

数据捕获
AI 为公司互动增值的另一种方式是将参与者的自然语言（例如对话、短信和电子邮件）转换为结构化数据。这些数据存储在知识图谱中，可供挖掘以生成洞察和建议。这些洞察的生成依赖于大量使用传统的机器学习和优化模型。计量经济学董事总经理 Bruce Tizes 博士（医学博士、法学博士、公共卫生硕士）表示：“自然语言处理是彻底改变医疗保健服务的基础。这项技术是精准医疗和个性化治疗计划的基础。AI 系统将解读复杂的患者叙述以及临床数据，以制定有针对性的诊断和治疗计划。”
5.4.2 参与

指导
互动可以被视为一场重复博弈。人工智能系统可以追踪每次重复互动中互动性质的变化。基于从持续互动中学习到的经验，人工智能可以引导高管朝着改善公司业绩的方向发展。它能够提升团队成员频繁互动的团队的业绩。这种实时监控互动、从中学习并引导用户提升绩效的理念在很多情况下都存在。Persistent Systems 首席数据科学家 Dattaraj Rao 介绍了他们为体育分析开发的一款人工智能系统。该系统允许用户通过简单的自然语言界面，了解运动员通过不同统计指标衡量的运动轨迹，从而找到改进的途径。这个例子也凸显了使用情境感知人工智能构建界面的能力，这种界面可以简化操作。再举一个例子，reMarkable 企业战略与企业业务副总裁 Paul Kagoo 认为，使用自然语言的实时推荐引擎（而非聊天界面）可能更适合作为 AI 应用于团队互动的切入点。
现在，我们来深入探讨一下案例研究（总结于表 5.1）。
image
5.5 在非结构化任务交互中丰富情境

案例研究：孤立的农学家
进入农业科技领域。该领域的一家中型公司面临着巨大的挑战。该公司在全球范围内部署了农学家团队。他们的职责是帮助农民优化产量。然而，这些团队却各自为政，各自为政。业务孤岛中的农艺师经常会遇到一个问题，而其他地方的同事可以解答。

和基于AI生成的交互和更大的资源池，设计师们根据提交的设计，根据历史数据，从合适的方案中推荐合适的改进方案，例如：“这段意外的干旱期可能会如何影响我所在地区的收成？” 但问题在于：除非农学家本人知道答案，否则找到答案非常耗时，因此大多数人都不愿尝试寻找答案。AI也并非简单的解决方案。仅仅将普通的生成式AI强加到现有流程上是一种失败的做法。ChatGPT及其同类产品缺乏专业知识和背景知识，无法解决特定领域的专家问题。由大型语言模型支持的生成式AI可以回答广泛的人类生成问题。然而，它无法回答诸如上述公司特有的定制问题。在这种情况下，很可能有几位同事掌握与问题相关的信息，但这些信息在数字搜索中均未显示。由于组织规模庞大，以及建立哪怕是最基本的信息共享流程的成本和复杂性，数据仍然停留在人们的头脑中，或存在于互不相关的文章和幻灯片中。因此，公司创造的价值低于其应有的水平。

为了应对这些挑战，该公司正在实施一个特定领域的情境感知人工智能平台。该平台可以理解非结构化的自然语言问题和文档。因此，它可以识别公司内部的相关知识来源（感知）。它还可以突出显示适当的相关性并生成对话式答案（推理）。即使同事未能上传关键文档，人工智能平台仍然可以将此人标记为可能在某个领域拥有专业知识的人。

情境感知人工智能带来的附加价值：减少从团队成员获取知识的阻力。与人工智能出现之前的情景相比，客户价值提升了，因为在人工智能出现之前，客户获取解决方案和知识的渠道受到组织约束的限制。人工智能的实施意味着，更多客户问题能够得到成功解决。

5.6 在非结构化社交互动中丰富情境
案例研究：不安全的分享者
Articul8 AI 创始人兼首席执行官 Arun K. Subramaniyan 博士讲述了他观察到的一条制造生产线，工人们通过一个非正式且充满风险的流程来验证其产出。生产线两端的工人们会在智能手机上交换生产过程中产品的和笔记。他们这样做是为了监控生产进度并实时检测质量问题。

鉴于该产品技术性极强，数据安全问题也令人担忧。除了诸多商业风险外，整个流程还非常随意，依赖于工人们对流程和潜在问题解决策略的内在理解。
显然，我们需要一款软件产品，让工人能够更好地沟通和协调（感知）。人工智能软件系统还可以识别工人沟通中的模式，并将其与生产线上的产品数据关联起来。这将使人工智能系统能够在问题出现时精准定位，在问题发生之前预测不良后果，并在问题被标记时提出解决方案（推理）。更先进的情境感知人工智能系统还可以充当两个人之间的调解人，就规范进行“协商”。由上游人员预先设置相关说明和设置，以便下游任务高效完成。手动操作较为棘手，因为每个人的动机各不相同。先进的人工智能系统可以理解这些动机，并通过及时向各方提供相关信息来辅助谈判。

情境感知人工智能带来的附加价值：减少与团队成员共享知识的摩擦。与人工智能出现之前相比，客户价值有所提升，因为在问题显现之前就标记出了更多风险。

5.7 在非结构化关系交互中丰富情境
案例研究：疲惫的谈话者
设想一下软件产品经理和用户体验设计师之间的互动。在传统的互动中，产品经理会与设计师举行启动会议，向设计师解释产品功能的目标及其旨在提供的客户价值。在此基础上，设计师会结合先前的设计并运用一些新方法来生成潜在的新设计。这导致双方进行一系列进一步的会议，直到就最终设计达成一致。最终设计由工程团队实施。大多数产品经理和设计师认为这个过程过于耗时费力，而且很少能带来最佳结果——因为在这个过程中，讨论疲劳不可避免地会出现。
人工智能可以在改进这一流程方面发挥关键作用。它可以让各方根据公司历史数据和通用最佳实践，结合人工智能系统提供的建议，输入自己的想法。更重要的是，它可以为各方提供一份定制化的、对方观点的概要。例如，产品经理第一次提出的新功能用户体验设计请求，人工智能系统就会清晰地进行总结。此外，它还会包含适当的注释和标签，指导设计师查看历史请求，以及这些请求的优缺点（感知）。现在，当设计师创作出一套新的设计方案时，系统可以先评估他的设计方案，然后再将其提交给产品经理。它通过基于早期设计项目数据（推理）的机器学习来实现这一点。

这种“早期预警系统”使设计师能够在将样品发送给产品经理之前对其设计进行迭代。这个过程持续进行，二人之间几乎无需直接沟通，直到最终设计达成一致。这个过程耗时更少，也更不容易出现讨论疲劳，因为它减少了参与者之间同步会议的需求。此外，与历史数据进行基准测试，可能会产生比传统流程更高质量的设计。

情境感知人工智能带来的附加价值：减少从团队成员获取知识的摩擦。与人工智能出现之前相比，客户价值得到了提升，因为新的视角和过去的失误变得更加清晰。因此，更多的客户问题得到了解决，解决方案也得到了改进。会议次数减少，因此劳动力成本大幅下降。

5.8 组织交互与代理架构
以上示例揭示了情境感知人工智能可以为企业带来的价值。正如我们在第4章中看到的将人工智能应用于任务一样，设计合适的人工智能架构（包括知识图谱或智能代理）用于交互，分别取决于感知和推理的需求。然而，代理在组织交互中尤为重要。它们是交互中不同参与方之间信息和知识流的守门人。
为什么我们需要这样的守门人？首先，信息过载是一个现实问题。正如赫伯·西蒙所指出的：“信息过载导致注意力匮乏。” 代理必须运用推理来优先处理接收到的信息，并明智地传递这些经过筛选的信息。此外，在交换信息时可能需要遵循保密和隐私保护措施，并且代理的设计需要能够实施这些保护措施。
一旦实现双向交互，想象一下情境感知人工智能（特别是代理架构）在更广泛的范围内部署——涵盖整个内部和外部市场——的潜力。我们将在下一章探讨这一前景。

5.9 小结
企业通常通过人与人之间的互动创造价值。这种价值源于：结合互补的知识和专长，探索和生成新的替代解决方案；运用多元化的视角评估解决方案；以及在互动过程中生成多方面的反馈。
交互包含三个情境层：
任务情境
社交情境
关系情境
交互的生命周期包含一个“企业交互生命周期”，该生命周期包含三个阶段。阶段包括：
搜索（寻找合作伙伴、知识来源和解决方案）
评估（合作伙伴的能力、来源的优势、解决方案的质量）
参与（与合作伙伴互动并监控进度）
情境感知型人工智能贯穿于整个交互生命周期及其情境层面，旨在：
通过识别原本由于认知和组织限制而无法被企业了解的合作伙伴和解决方案，提升成果价值
通过减少此类交互的摩擦和成本，提升参与者以及整个企业更大规模运营的能力
智能代理对于把关组织交互至关重要，其双重目的是防止信息过载并保护机密性和隐私