1704034100
调查结果反映出受访者的意见存在矛盾。一方面，84%的各级管理者相信，机器能提升工作效率和趣味性。而另一方面，只有14%的一线管理者和24%的中层管理者表示，会在未来决策时信任智能信息系统提供的建议。相反，近一半的高级管理者（46%）表示，愿意接受智能系统的建议。(14)
1704034101
1704034102
如何弥合信任缺口？在被问及如何才能信任系统建议时，60%一线和中层管理者选择“需深入了解系统是如何运行和生成建议的”，55%选择“挑选配有可靠追踪记录的系统”，49%选择“确保系统能解释其工作逻辑”。
1704034103
1704034104
只有满足以上三点，企业领导才能在机器增强管理者绩效的同时捕捉到其带来的协同效应。否则，若缺乏信任，企业不过是实现了一些日常管理工作的自动化罢了，除此之外无可建树。
1704034105
1704034106
定义判断性工作
1704034107
1704034108
判断性工作是指当信息不充分，无法指导行动方案时，如何依靠判断力来把求知欲、经验和专业知识应用到关键业务决策与实践中去。
1704034109
1704034110
行业领导者在访谈中透露，判断性工作可分为三大类：
1704034111
1704034112
洞察力
1704034113
1704034114
智能机器尽管善于发现规律和相关性，但无法解读数字、数据或文字背后的真正意义。市场营销组织是最先发现这一差别的组织之一，并能用算法等方式计算出促销活动预计带来的销售成果。但是对带来短期销售额与投资的促销活动能否建立起长期的品牌价值，这一点仍需要人的真知灼见和经验来评估。
1704034115
1704034116
抽象思维
1704034117
1704034118
只要人类提供规则与说明，智能机器就能准确识别不同种类的物品（例如，从网上大量的图片中识别各种动物）。但若没有人类的指导，计算机是无法“跳出外壳”自主思考的。例如，计算机无法让优步（Uber）的创建者发现，私家车司机有提供灵活交通服务的潜力。
1704034119
1704034120
环境推理
1704034121
1704034122
当管理者信息掌握不全，无法做出周全的决策时，他们就会参考历史、文化和人际关系等背景信息来填补空缺。例如，成功的风险投资家运用对环境的认识，来巩固其投资计划。
1704034123
1704034124
工业X.0：实现工业领域数字价值 [:1704031710]
1704034125
管理者须多做战略判断性工作
1704034126
1704034127
当管理者从日常、低价值的活动中解放出来后，就有更多精力来管理想法、创意和人际关系，进而优化决策，助力企业成长。
1704034128
1704034129
当然，许多管理者已在做着许多判断。但事实是有太多单调的职责束缚管理者充分发挥求知欲，使其无法专注于战略判断。
1704034130
1704034131
智能机器就可改变这一现状。比如，智能机器能够分析求职者的特点，预测谁将离职，并推荐将其留住的策略。未来，智能机器将广泛接管此类日常工作。到时，这些协调和管控的工作将由机器来承担，管理者的某些职责将不可避免地消失，而某些职责则会扩大（见图7.5）。
1704034132
1704034133
1704034134
1704034135
1704034136
图7.5 企业领导急需判断力(15)
1704034137
1704034138
新一代管理者
1704034139
1704034140
与智能机器共事
1704034141
1704034142
新一代的管理者将视智能机器为同事。然而，判断力仍是人类所特有的能力。智能机器的作用在于，可协助开展数据驱动型模拟以及探索与发现活动，从而促进人类的学习能力，提升其判断力。
1704034143
1704034144
聚焦判断性工作
1704034145
1704034146
某些决策所需的洞察是无法从数据中得出的。需要将经验与专业知识应用于关键的企业决策与实践中，这便是人类判断力的用武之地。
1704034147
1704034148
“真正的”工作是否意味着将管理任务转嫁于人工智能？
1704034149