今天小編分享的科技經驗：AI的誤用，看來是真的開始了，歡迎閱讀。
怎麼把 AI 變成一個良性的商業模式，仍然還在艱難探索中，但我發現 AI 的誤用是切實地開始了。
之前，網上流傳着一個視頻：
我本來就預感這東西會越來越多，沒想到都這麼生動了。
AI 成為監工和鞭子
有些價值體系下，其實特别容易讓這事發生。
下面兩種價值觀：
價值觀 1：
你辭職啊，我秒批。
我為什麼要考慮員工的家庭，我又不是你婆婆、也不是你媽媽。
你可以不用承擔重要的工作，但漲薪的時候就沒有你什麼事。
價值觀 2：
如果你業績好，你可以永遠不需要去加班加點，公司永遠是愛你的，永遠給你非常好的收入待遇。如果你業績沒那麼好，只達到了平均水平，你只要拼搏，公司永遠不會辭退你。但是業績不好，又從來不拼搏的人，這家公司永遠不能容忍，一個（公司都）不能容忍，都會逐步通過各種手段全部淘汰出局。
這些價值觀下面，上面視頻中的手段會以公平的名義推進：
當你的行為足夠透明，并且可以數字計量，那我就可以足夠公平，賞罰清楚。
你上班都睡覺了，你還是認真負責麼？有事了你也不加班加點，你還是認真負責麼？你都不愛公司了，公司為什麼愛你？
人到底應該不應該被充分量化
這是一個管理學者甚至《組織行為學》教材也不怎麼提及，但卻無比現實的話題。
人在辦公情境下到底應不應該被充分量化？
各種技術的發展已經把我們推到了必須面對這個問題的時候。
外賣小哥、滴滴司機、抖音主播等都是先行者，每個人都已經在這個問題裡面了。
是算法，而不是人在做對應的管理。
如果在各個平台上把人充分數字化是合理的，那為什麼辦公室就不行了？
我表達下我自己的觀點。
這裡不做任何道德審判和法律審判，那些留給對應專家好了。
我的觀點是：
第一，度量結果，而不是人的行為是沒有問題的，也是應該的。
銷售額、系統的無故障時間、流量、外賣的好評率、差評率等必須被度量，形成合理的反饋，然後好繼續判斷應該采取什麼措施。
第二，度量行為過程細節是錯誤的。
就是像視頻裡那樣，把人的活動都錄下來然後反復做分析，這是錯誤的。
這可以聯想到其它的事。
假如某個國家，四處都是竊聽器，那這個國家是不是就可以防止腐敗？
假如腦波技術成熟了，不停掃描腦波是不是就可以防止恐怖活動？
為什麼這是錯誤的，和生物特性有關。
被監視先天就會關聯到不信任，然後產生的就是不安全感。
人的行為是充滿缺陷的，這些缺陷的暴露反過來又會變成彼此攻擊、找茬的道具，于是負反饋會大量發生，進一步強化不安全感。
不安全，動搖的可是人類需求中最基礎的部分。
這部分一動搖随後必然走入破壞性心理自衛：推诿、逃避、憂慮、攻擊、冷漠。
其實，如果有條件可以統計這類系統上線後組織的特征，但我個人現在沒辦法把這個變成研究項目。
最可能產生的結果
在這種類似集中營的管理方法下，每個人既不會有安全感，也不會有責任感、歸屬感。
正常人大概率都會把這個工作看成糊弄下、混口飯吃的營生。
先是有能力的肯定逃走，沒選擇的會留下。
留下的呢，會在被攝像頭定義的責任裡面工作，多一點估計也不願意。
還有一部分會開始找系統或者公司的漏洞，研究離職的時候怎麼報復回來，因此離職的時間點會成為矛盾集中爆發時期。
哪些事不可能幹好呢？
對于需要復雜協調的事，大家會比較躲事，不會先考慮怎麼把事幹好，而會先考慮怎麼規避責任。
隐含的内部對立加劇，内部耗散快速增加。
對于需要開拓的事，這時候大家的基礎心态是等待上司派活，但上司離現場太遠，創新大概率是不靠譜的創新。現場和決策一脫節，基本不太可能做出真的創新和改善。
從有用沒用的角度看，既然做監工和鞭子，那就必然只能做匹配監工和鞭子的事。
把這模式套在辦公室裡面，不是一點用沒有，但大概率會一地雞毛。
組織需要是個生命體
彼得聖吉在《第五項修煉》裡舉了一個特别好玩的例子，他說（大致）：
美國人的汽車曾經被日本人打得稀裡譁啦，然後開始拆日本車。拆完日本車後發現發動機邊上的三個螺絲在日本人那裡是三個一樣的螺絲，而在美國人這兒就是三個不一樣的螺絲，反向一追溯就發現沒有任何理由，就是因為是三夥不同的人做的。每夥人自己做的都對，就是放一起不對。越分散切塊，這類三種不同螺絲的情況就越多。
越用 AI 強化偏機械的剛性，上面的問題會越嚴重。
除非是極少數的搬磚工作，單純地強化自頂向下的剛性，柔性的徹底喪失，會導致非常嚴重的後果。
從旁觀者角度看，好幾個現在知名的互聯網大公司裡這問題已經很嚴重了。
然後卻還在強化剛性，強化老大的英明神武。
南轅北轍式解決問題，問題是不會解決的，只可能更嚴重。
什麼是不誤用
英國人最先發明的坦克，但看起來英國人是把它當能動彈的大炮用，所以在索姆河之後也沒起什麼太大作用。
到了德國人手裡，德國人跳出了既有思維的窠臼，把攻擊和速度結合，全面更新了戰法，就變成閃電戰。
當心裡總是期望一個更好的鞭子的時候，那就不管看到什麼，都會想到這個這東西可以做鞭子。
在企業級生產關系領網域，真想不誤用，首先要有新的構想。
我之前曾經把這樣的新系統概括為企業的智能原生化。
過去的企業基本是按職能做切割，即使搞成 BU 内部也還是按職能切割，只不過責任和結算單元變了。
AI 越發展，這種結構越是生產力的障礙。
企業的智能原生化如果要概括是下面幾點：
1. 匹配各個職責的角色 Agent 化。
2. 形成一個超級的智能中心。各種結果的反饋要充分實時反饋到這裡來。最終的決策分層分級。AI 能做的 AI 做，AI 不能做的人做。
3. 重構人、AI 的職責邊界。
1~3 螺旋遞進逐步放大。最終體現出的特征是智能優先、萬物皆數、實時反饋與中心決策。
在這個過程中，人向 AI 讓渡越來越多的職責和權利。
一個老問題：人去哪兒？
有人會問個老問題：
如果企業裡人越來越少，AI 幹得越來越多，那人幹什麼去？
這話題這裡不展開，就簡單做個科幻式的回復：
世界經濟每年平均增長 5% 是個上限，拿過去幾十年的現實來看，基本達不到。
5% 什麼概念呢？
即使 5%，100 年也就增加 131 倍。
環境、人口、資源等能不能抗住還不好說，然後很可能就沒機會造戴森球了。
如果把 100 倍經濟增長壓在 10 年裡面，在過去的技術條件下是沒可能的。
加上 AI 沒準就真行。
只要 AI 用對地兒，更多地創造新領網域，提升生產率。
關鍵是這種生產力要有出口并形成循環。
如果是開頭那種用法就麻煩了，大家都那麼用，整體經濟不但不會增長，還有衰退的風險，因為整體生產率會變低。
小結
在 AI 的各種應用裡，對企業的重塑可能比過去互聯網還要大。如果我們經常用财務軟體，就會知道這東西和化石一樣，其實真的沒走多遠。互聯網對企業的重塑是在既定脈絡下的，AI 的重塑則是解構性質的。企業裡人都沒了，還不是解構性質麼？所以到底在企業裡怎麼用 AI，業界确實可以開始思考這個問題了。
