人工智能在经营管理领域的应用日益广泛。但同时需要注意，想要成熟、合理地使用AI，就要符合商业的伦理，不能野蛮的应用。
因为企业在追求商业价值的同时，也需要承担社会责任。
前些天，我们邀请到中国管理科学研究院学术委员会管理数字化特约研究员、SAP大中华区石油化工行业首席业务架构师——高作鹏老师。
我和高老师一起聊一聊，在遵守商业伦理以及社会责任的基础上，如何在经营管理领域做一些AI的应用。
1、AI技术的历史和定义，以及传统AI与商业AI的区别一、历史和定义
AI这一称呼，在二十世纪五十年代就已经出现了。但真正推进AI技术发展的，是八十年代出现的神经网络模型。
因为八十年代算力算法和数据量受到限制，所以AI的发展并不迅速。到了这几年，AI的发展紧跟时代的潮流，早已进入我们的生活中。比如说智能家居、自动驾驶以及医疗辅助等等。
AI，就是人工智能。所谓人工，就是通过某种方式把人能做的事情交给机器来做；智能，不仅要会思考，还要了解各种模式的思维。
所以说，人工智能，就是将人工和智能合二为一：既能做一些自动化或人为的工作，又拥有自我思考、自我前进和自我学习的能力。
二、传统AI与生成AI的区别
按照传统意义，AI前期的版本就是机器学习，主要用于特定的任务，需要预先定义问题、规则和目标，才能产生一个结果。比如，在传统的经营管理中，自动记账、机器人等，这种模式框定了流程结果。中间做一些自动的处理，主要去代替人工，使流程更有效率。
那么现在的AI，也叫生成式AI。其主要具备两个特点：
第一，整个模型和算法，通过训练的方式，它可以自我学习并创造出新的内容。换句话说，AI已经具备了创造的能力，不用在预定好的问题和规则框架下去发展。
第二，生成式AI能够对从未见过的情况做出反应和判断，它已经具备了像人一样的创造性能力。相当于把人工智能和思维科学以及神经网络结合起来。
举个例子：
我们可以将AI比作一个孩子。你从小会培养孩子学习，孩子会照着书本去学习数学、音乐、语文等。
随着外部信息的不断输入，孩子的见识开始不断增长，当孩子上了大学之后，他的知识面越来越广、学习能力越来越强，其眼界和创造力起来之后，他就会超越你，这就是生成式AI。
2、AI技术在经营管理当中，有哪些应用场景不论是AI画图，还是AI远程医疗，生成式AI已经侵入到我们的生活中了。
如果聚焦到经营管理上，包括销售预测、财务的自动清账、分析成本和利润等，通过将生成式AI与企业经营管理相结合，就能让AI产生对应的作用。
从手工到信息化时代，它的效率其实已经有飞跃式的发展。但企业管理是一个只要有生意就有交易，有交易就有线索，再到回款的一个经营过程。这个过程是客观存在的，不管科技发展到什么程度。唯一的区别就是效率问题。
比如财务的自动清账流程。
财务通常要处理很多银行转账或其他付款，原来高老师在做程序的时候，靠的是数字化手段：如果收A客户的一千块钱，在整个资金池里A客户有打来一千块钱，两者能匹配上，就可以清账。
但在企业的经营管理中，不仅客户很多，而且打款是随机的，很长时间会有多笔款打进来，甚至还会有一笔订单分批次打款的情况发生。这时，人为的去匹配应收账款和已收款，就会变得非常繁琐。如果让AI来做这项工作，当清偿的结果通过人为认可之后，它就能自动提交，清偿也就结束了。
这也叫做嵌入式企业经营管理。在企业的经营管理中，通过在局部地方的应用AI，可以提升效率。而且这种应用，可以马上引进。
比如企业是要增长还是平稳，基于市场应该怎么去做预测、分析和定目标，很多企业销售预测是不准确的。可是如果通过AI来做这件事情，就会变得相对容易很多。
原来的数字化管理，是把管理流程固化到一个软件里，是一个端到端的过程。但AI是纵向的一个点。
比如说销售预测节点、自动清账节点以及库存收货节点，是帮助企业经营管理者在整个端到端的流程中的一个管理节点，去深入挖掘对应的一些管理价值。
以前在企业内部的数据挖掘，比如基于客户的分析，就是做的这件事情。只是大部分都是通过人工的分析，在一些企业经营的风险控制点、市场增长点上去深挖。通过机器学习，能自动深挖一些有用的共力决策的依据出来。这些是原来通过企业的数据去深挖的方法，但它是有边界和条条框框的，这也是AI的应用和原来信息化不太一样的地方。
在SAP，AI已经有很多的应用场景。
比如说营销AI、财务AI、供应链AI、采购AI或人力资源AI，相当于已经把AI技术和生态系统内嵌到企业的管理人员中去了。也就是说，在每一个需要做纵深的管理节点上，去应用AI 的技术，来为管理赋能。
同时，商业AI具有的核心原则如下：
第一，相关性。AI技术跟企业的经营管理是强相关，企业就要做商业AI这件事情。第二，可靠性。企业经营管理的数据，一定是要可靠的。比如说财务的利润分析，不能给一个模棱两可的答案，需要一个精准的数字。第三，负责任，也就是要合规。AI虽然有自我学习和创新的能力，但没有完全放开的话，也是非常有风险的一件事情。从经营管理的角度来看，AI在技术角度又可以分成四种：
第一种，嵌入式AI。
就是将其嵌入到企业的整个应用、软件中去，来提高整个企业的运营效率。
比如说在采购品类管理的场景中，可以通过历史已有的采购信息、供应商寻源、库存信息等，来实时获取行业市场信息，精准的生成品类攻略。同时，还可以通过AI，自动进行一个成本结构的分析，获取一些可视化的图片，以及对应一些按照AI分析结果来执行品类策略，发现业务价值。
甚至我们还可以利用AI，提前于实际发生去做模拟。如果按照这样的一个品类策略去采购，对实际库存成本的影响有多大，都可以通过嵌入式AI实现。
虽然AI的功能很强大，但这些功能也不是一蹴而就的，尤其是在商业这一块，AI需要一个时间的推演：随着时间的推移和数据量的增多，它的精准度才会越来越高。
关联交易的对账在公司运营中，尤其是上市公司，它涉及合规性，并需要进行相关披露。尽管有时候企业并不是故意出现纰漏，比如说漏记、双方未平账等，或是基于专业判断认为某些事项可做可不做，但这些情况都可能发生。
我们通过AI模型的训练，可以设定某种基准来判断是关联交易，并确保判断的精准性。这种方式不仅保证了判断的客观性和准确性，而且不管财务部门换了谁，都可以采用这一个标准去判断。这样就可以不依赖任何人。
除此之外，还包括业务完整性审查，如果有AI这样的筛查软件，就能够改进异常或检测、预防，以降低因欺诈风险而导致的损失。
再比如说，一个销售流程，从订单录入到处理，订单监控、开票收据和财务收入。如果也有AI的能力，那么处理订单的能力就能提高40％。这些都是SAP经过一些历史的评价去分析出来的。
财务在月结关联交易汇票对账时，工作量非常大。如果这时有一个管理机器人，月结的效率就能提高。人工每一次月结需要使用120个小时的话，RAP加上AI，基本上每次月结的时间可以小于18个小时。
由此可见，AI应用后所对应效率的提升，并不是一倍或两倍，而是一个指数级的提升和质的变化。将管理人员从手工的重复性劳动中解放出来，让他有时间去专注于更高价值的工作。
另外，对于生产型的企业来说，AI有一些精细化成本核算和获利能力的提升途径。
它会基于原来的历史情况去思考，如果想要提升获利能力，就需要一个什么样的提升路径。也就是帮管理者去发掘对应的，在管理提升上的方法和路径。
这一点，也是很多企业做不透的地方，主要是因为以下两点：
第一，收入方面。如何更精准的匹配客户的需求，需要结合企业自己的竞争力。比如说，企业核心的竞争产品和客户需求之间的匹配，它能使整个公司的收入最大化。其实就是通过人工智能去预测收入、市场和产品。人工智能通常都会给出一个相对合适又客观的定价策略。
关于目标怎么定，不论是基于稳健经营的策略，还是要翻番，有时候它的回答可能会超乎一些人为的判断。
比如说，今年大家都觉得经济不好，但人工智能判断这个市场的结果是有可能翻番。并且它会给到一个比较准确信息的判断，不论是对准客户需求、市场还是市场，它都有一些策略。
第二，支出方面，它会告诉你改善点在哪里。比如说哪些流程不合理，又或者是采购的成本不合理，你就要去做优化。而且这种提醒也并非一次性的，如果你觉得这个结果不合适，就可以再继续输入一些不同的参数再去模拟，你能看到这么做的话，会产生一个什么样的结果。
我们经常会用战略的工具，即波斯顿矩阵，去分析金牛业务、明星业务和现金流业务。这种分析的前提，是有足够的市场判断能力，对竞争对手的分析以及对未来市场增长的分析，然后做出比较客观的评价。我们经常组织一些共创会，将企业的大小手、大市场、技术大拿和产品大拿请过来，通过一些感知能力，可以使我们的判断更精准。
现在如果有人工智能的加持，那么我们可以利用人工智能来做这些前期数据的收集工作，其可信度还更高一点。
像一些决策支持、产品、客户和定价等，单纯依靠人为的判断很难，需要大家相互交流，但通过人工智能得出的一个价，就可以拿出去跟客户谈，因为这时客户能接受的最高定价。这就解决了企业定价的大问题。我们常说定价即经营，有时候定价就是定生死。所以，人工智能真的可以解决经营上的好多问题。
第二种，自助式AI。
人机对话，相当于一个语音识别。通过跟语音助手对话的方式，让它自己去做一个人机交互。
比如说，你可以通过“小爱同学”，要这一个月基于三级部门单元的经营利润表，需要按照收入业绩确认口径进行统计。
你将这些条件准确输入之后，很快就会生成业绩评价表；或者你跟“小爱同学”要各个事业部这个月的利润表或销售数据，也能很快生成，然后进行汇总整合。
AI除了生成以外，还有一个经营分析的过程，可以分析绩效产生的原因和数据来源，相当于是让机器去挖掘和思考。这样的好就是，比起业务部门总经理或负责销售的人来做汇报，更加客观。
第三种，集成式AI，也叫自然语言分析。
换句话说，我们在做人机交互的时候，它在识别我要做什么，识别之后再去思考我要的是什么，然后通过人工智能的一个自然语言分析模型去查询。
即Just ask：你问什么，我就回答什么。
在经营管理的过程中，如果需要像文心一言这样的第三方辅助设备，就可以把经营管理相关的信息进行集中的分析。不过需要去训练它，随着交流的东西越多，其匹配度才会越高。
第四种，构建式AI。
这是专门做AI算法、AI大数据的科学家才能做的事情。
对于大部分企业来说，前三种AI就可以满足整个经营管理的诉求了。
3、AI除了优点以外，局限性和风险是什么AI的优点是智能、高效和准确，但也有一定的局限性，比如说数据依赖。
从AI的商业应用来看，它需要大量原有的基础数据，其中包括企业内部的历史数据（必须是有效数据，通过治理的数据才有用），以及外部的市场数据（竞争对手的一些数据）等。同时，AI的智能从现在的技术环境来看，它是有限智能，并不是像人一样完全无限的。
之前有某个AI，我在跟它对话的时候，如果说的是常用的信息，它能够做出对应的回答。可如果在对话的时候，我直接进入一个非常专业的领域，它最后说出来的话就非常模棱两可，可以说是毫无用处。
此外，AI还涉及到人类的伦理问题。随着科技的发展，我们在道德伦理方面也需要找到一个平衡。一件事物有好的一面，必定就会有不好的一面，需要对其进行控制。
4、现在市面上，AI技术的一些方法和工具在AI行业里面，有很多编程语言、开发模型以及一些数据分析的工具。而且，随着时间的推移，这些工具也会变得越来越精准，越来越高效。
5、AI技术未来的发展趋势AI技术在未来的发展趋势，一共有四个特点：
第一个，AI技术正在被广泛应用于各行各业中。
比如说金融、医疗、教育和交通等。就像现在高老师正在跟北京市教委谈的，关于智慧交通的AI交通一样。这能为社会提供更高效、准确的服务，并创造更多的商业机会。
任何一个新技术的产生，都是为经营管理、商业、市场和人类服务。AI也是一样，它是为人类服务的，大家不要怕它，应该去学习、了解和应用它。
第二个，AI技术正在成为许多企业提高生产力和效益的利器，尤其在自动化、智能化方面的表现更加突出，可以说是实现数字化转型和升级的重要途径。
原来数字化转型是靠系统和数据，数据驱动未来，现在有了AI驱动，它的能力可以更加快速的使企业得到增长和发展。这才是AI应用的趋势。
第三个，人机交互将更为普及。
脑机结合有两种方式，一种是头戴式，基本不会有太大影响，带个帽子就可以。而另一种则是侵入式，需要将芯片植入大脑中。
第四个，AI新型的算法在未来会更高效和智能化。
随着新型算法对计算机的要求匹配不断往前，其自我学习的优化能力也会越来越高级和有价值。
同时，新型算法还会涉及到连接神经网络。
人的大脑是最有价值的，如果将AI和大脑的一些神经网络结合在一起，包括卷积神经网络等技术，那么就可以实现一些高质量的图像和语音识别等。
我们智能化的需求和一些实现的场景，就会越来越丰富。当计算能力、云计算能力、服务器的GPU能力，这三个要素加在一起，AI技术在未来的能力就会越来越强、越来越广泛。
小结：
1、五个议题
（1）简单介绍了AI技术的历史和定义，以及传统AI与生成AI的区别。
（2）AI技术在经营管理当中，有哪些应用场景。
（3）AI除了优点以外，它的局限性和风险是什么。
（4）现在市面上，AI技术的一些方法和工具。
（5）AI技术未来的发展趋势。
2、两个问题
（1）中小企业面对人工智能商业的应用浪潮时，需要做哪些准备？
第一个建议，学习。
任何的新事物，都有一个学习和了解的过程。比如说，作为管理者，在管理人时如何做一个正确方向的判断，是需要靠大量的学习和输入信息量都集中到一起之后，才能做一个比较倾向于正确的判断。
第二个建议，找“点”。
在企业经营管理的过程中，每一个企业的发展周期和节点都不同。那么对于企业经营管理的时间点来看，只需要解决最困扰企业的问题。而且这些问题是计算机或AI技术能够帮忙解决的，企业就去探索这样的点。换句话说，我们不要去关注表面的工作，而是去找到最能解决问题的点，并进行深入的研究，试一试这个点是否具备解决问题的能力。
（2）企业有哪些学习的途径？
学习能力可以分为自我学习和被迫学习。
自我学习，就是通过耳濡目染或外界市场的一些发布、案例，来获得启发去了解对应的一些信息；
而被迫学习，如果认为一些技术对自己的某件事来说有用，就可以通过一些咨询机构过培训机构去了解这些信息技术，究竟能为我们做到哪些。
