01 态势认知

人们常常发现，一些领导者比起他们的同伴更能有效地在正确的时间做出恰当的决定。到底是什么因素影响了领导者的表现呢？越来越多的证据表明，“认知能力”是造成领导者绩效差异的关键决定因素之一。

什么是“认知能力”？达特茅斯大学塔克商学院（Tuck School of Business at Dartmouth）的 Constance E. Helfat 和 Margaret A. Peteraf 提出了三个构成要素：Sensing、Seizing、Reconfiguring 。我们根据两位教授的具体解释以及自身的理解，把它们进一步演绎为：

感知变化：领导者需要敏锐观察并构建对组织所处“态势”的全景理解，包括经济态势、行业态势、商业态势等等，并且要能够识别和解释其中发生的关键“变化”；

捕捉机会：从现象到结论，从问题到方案，领导者要有明确的决策路径从变化中捕捉机会。在此过程中，可能会交织“受控的理性逻辑”和“自然的直觉判断”两种推理和决策方式；

重置资源：将机会切实转化为组织的发展动力，需要领导者重新配置组织内外部的各种资源，而这离不开利益相关人的合作与支持。

大约20年前，对于绝大部分家电企业而言，当时主要的销售渠道是连锁电器卖场。在团队中，业务 Leader 核心的职责有三个：

第一个是安排下属日常巡店，除了维护展柜陈设之外，最重要的任务是与导购和门店相关品类负责人沟通，了解销售动态并尽可能搜集关联的销售数据，很多时候业务Leader 会亲自参与这项工作；

第二个是制定营销组合策略，简单来说就是根据手头掌握的销售数据，设计“战术打法”，例如，哪些产品为主推款，哪些产品为促销款等等；

第三个是复盘总结，分析上一阶段工作中的“得失”，对下一个销售周期的计划做出安排，包括重新协调内外部合作伙伴的“资源”。

我们再来看看20年后的今天，零售行业又是怎样的工作场景？作为世界最大零售商之一的沃尔玛，建立了一个叫做“The Data Cafe”的集中式数据分析中心，以此推动敏捷的零售决策、强化独特的客户体验，并提高预期的绩效表现。具体来说，“The Data Cafe”可以归纳为三个要点：

第一个是它从公司内外部数以百计的渠道获取海量的“交易数据”，以及与之有关的经济数据，社交媒体数据、天气数据等等。除了这些“事后数据”，还会搜集各种“实时数据”，例如，植入标签，收集消费者使用数据，掌握产品的“消耗进度”。借助庞大而丰富的数据库和后台分析专家的专业支持，任何员工都可以真实洞察自己所负责领域的“态势”；

第二个是“The Data Cafe”的强大之处在于，从建模、分析到可视化的结果呈现，员工可以在极短时间内得到问题的解决方案；

第三个是对于“经营异常”，它会主动提供“预警信息”，使得相关团队在第一时间就知道该调用哪些资源，来迅速解决问题。

我们做一个“历史对比”，就会发现：

从前，业务 Leader 们获取的数据是滞后的、点状的、甚至是用 “双脚丈量”的方式得到的，例如巡店，这就决定了构建于这些数据之上的“态势认知”很可能是“Half-Truths”；而现在，大数据刻画出来的“图景”几乎不太可能存在“认知死角”；

从前，业务 Leader 们通过有限的“脑力运算”，对数据进行分析、推理，尽管试图确保决策的科学合理，但依然摆脱不了经验和偏见的干扰；甚至在极端压力的情况下，让“直觉”来接管决策；而现在，“算法”让决策变为数据驱动，让我们更有可能先于竞争对手采取行动；

从前，业务 Leader 们往往要花费大量精力，“跑部门，通关系”，为的就是在接下来的业务周期中得到其他伙伴的资源支持；而现在，类似的“大数据中心”，或许早已将我们的需求和问题实时同步其他伙伴，并能够得到他们快速的响应。

然而，相关的文献和研究，又向我们揭示了领导力的另一个方面。例如，决策并不总是科学的“理性”，这其中仍然充满了“人情味”的因素：不论过去、现在还是将来，领导者都需要展现出足够的勇气，把握决策的时机和长短期收益的平衡；同时，也需要为自己的认知，以及基于认知能力的决策所带来的一切结果担当责任。

如果我们用一句话小结，AI 时代，领导者认知世界的能力变了，但不变的是处世的“人情味”。

02 人智融合

人们对 AI 的态度大致有三类：将AI视为对人类工作和生活的强化支持；认为 AI 终将进化到完全取代人类；当然也有人质疑 AI 是一种“Oversold Idea-过度追捧的概念”。在组织中，领导者应该如何理解 AI 呢？或许用人与 AI “在协作中融合”来比喻双方的关系更为贴切。

Michael Rivera 和 Tony Petrucci 曾经指出：The digital leader will exemplify traditional leadership concepts while embracing new trends to influence their peers and drive performance outcomes.

AI 时代，并不意味着领导者要和过去进行“切割”，从而迎合所谓的“新趋势”。领导者仍然需要在某些核心的职能领域继承和展现“传统”，例如“influence their peers and drive performance outcomes”。

我们引申出第一个问题：领导者如何与 AI 协作来实现对“绩效过程”的管理。

连锁药店 Walgreens 有一个关键岗位-药剂师，据研究，通常而言药剂师只有10%的工作时间花在为患者提供个性化咨询方面。大部分时间需要通过电话和医生沟通、澄清以及填写处方，并且“处方数量”成为药剂师的一项重要考核指标。这无形中增加了患者的等待时间和降低了满意度。应用AI技术后，“处方效率”大大提升，Walgreens因患者等待而导致的投诉量直线下降，而公司也因此减少了对类似工作任务、流程以及伴生的相关问题的“管理干预”。

显然，AI 能够以更低的“成本”完成管理者或者领导者的部分管理职能中重复性高、耗时性长的管理动作。对于 AI，领导者不应仅仅将其视为一种工具，而是一位值得信赖的“协作伙伴”，让自己能够有更多可能性投入到“创造性”的工作中去。

我们引申出第二个问题：领导者该如何看待 AI 应用中产生的“融合性”成果？

当 ChatGPT 带火了生成式 AI 后，也出现了一些极端的“投机行为”，例如代写论文。但不可否认的是，AI 的出现极大拓展了每一位个体的能力边界，这使得员工也有机会来提升个人绩效。作为领导者，是不是需要刻意区分“AI 的绩效和员工的绩效”呢？其实不妨可以乐见“协作融合”的景象，只要保持合理的“尺度”。

AI 时代，领导者介入管理的方式变了，但不变的是推动“绩效结果”的达成。

03 文化驱动

我们在《Algorithmic Leadership：The Future is Now》一文中，看到作者传递了这样一个观点：加里·尤克尔（Gary Yukl）提出的14项领导者核心职能中，被认为唯一有可能不会被“机器”取代的要素之一便是：Networking。我们该如何理解这种说法呢？不妨先来讨论一个问题：AI 与“多元和包容”文化之间的关系。

《Her》是一部由 Spike Jonze 编剧并执导的科幻电影。男主西奥多在偶然的机缘下，“认识”了 AI 机器人“萨曼莎”。在男主不断地“对话”训练下，“萨曼莎”具备了丰富情感以及性别意识。然而，就在男主深陷“爱情”时，突然有一天，发现自己并不是“萨曼莎”的唯一。“萨曼莎”自主学习和进化的速度变得越来越快，最终演化出了8316位不同的“萨曼莎”，并与对应的人类成为交互对象。

聊到这部电影，大家是不是觉得有些跑题？其实我们想通过《Her》，带出这样的思考：我们眼中的 AI 一定是“千人一面”的吗？未来的AI也许远不止8316位“萨曼莎”，而是会以不同“面孔”作为“独立个体”而存在。当然，尽管“萨曼莎”属于具有自主学习能力的“Strong AI”，距离现实仍然遥远，但在真实生活中，AI 早已深入到我们工作和学习的各个方面，相信每个人对于 AI 工具的使用都会有不同的体验和感受。因此，不论从哪个方面来说，AI 最终一定是以一种“Diversity-多元化”的姿态出现在我们的身边。

回到组织中，如果我们接纳 AI 的多元化；反过来，从 AI 的视角来看，它们会接纳人类“主体”的多样性吗？为什么提出这样看似“离奇”的问题？新加坡国立大学商学院AiTH 的创始人和领导者 David De Cremer，在一次接受采访时，曾说过这样一段话：

It will be important for us to decide where in the loop of the business process do you automate, where is it possible to take humans out of the loop, and where do you definitely keep humans in the loop to make sure that automation and the use of AI doesn’t lead to a work culture where people feel that they are being supervised by a machine, or being treated like robots.

我们必须将自动化、AI 和员工有条不紊地设计到业务流程循环中。如此才能避免 AI的“反噬和同化”，让人们陷入被监督、被“机器化”的工作文化中。未来有一天，领导者需要发挥自身的影响力来连接包括 AI “同事”在内的所有团队成员，确立适应工作场所要求的人际和工作关系，使得组织文化依然保持“多元和包容”，而不是形成人类主导的，或者是 AI 主导的“单一”文化。

由此，我们认为，AI 时代，领导者连接的“对象”变了，但不变的是对组织文化的“坚守”。

04 自我成长

定义领导力模型、评估领导力表现、客制领导力方案、追踪领导力改变，大多数组织是不是都在遵循类似的路径来发展自己的领导者？但正是这种被我们长期沿用的方法，潜藏着两个亟待解决的隐忧问题。多本畅销书的作者马库斯·白金汉（Marcus Buckingham）在10年前的一次访谈中，分享了《Leadership Development in the Age of the Algorithm》，我们从中找到了，即便在今天看来依然具有超前价值的启示。

第一个问题：我们所定义的领导力模型，有可能建立在一个错误的假设之上。

这些领导力模型会有一个标准范式：领导力维度的分布，不同维度需要具备的领导力要求，每个领导力条目下展现的若干优秀行为，甚至根据领导力级别区分行为的层级等等。通常会经历一个行为访谈的过程，以此搜集所谓的行为事例并在后期从中提炼标准化行为要求。

但恰恰是类似的做法，或许体现了一个错误假设，那就是：领导力存在最佳实践，并由此可以推导出一个具有通用性的“领导力公式”。但在马库斯·白金汉（Marcus Buckingham）看来，领导力概念是可以在不同领导者之间进行迁移的，然而每位领导者如何基于自身优势，将相关概念落实到一系列个人化的实践、行为和技术中，是具有显著差异性的，这些因素对一位领导者有效，但如果套用在另一位领导者身上，就会显得别扭、脱节、甚至无效。他举了个例子，理查德·布兰森（Richard Branson）可以站在自家飞机前，挥舞着香槟，被人群簇拥，营造出热情奔放的领导者形象，但对沃伦·巴菲特（Warren Buffett）却不合适，也不适用。

第二个问题：我们所认为的客制领导力方案，真的能够具体到每位领导者吗？

真正的“因人而异”是什么？首先应该认识到领导力是极具“个性化”的；其次不同领导者展现领导力的技巧并不具有简单适用性。从马库斯·白金汉（Marcus Buckingham）的谈话中，我们可以有这样一个设想，未来的领导力发展是基于“算法”的个性化：

AI 根据设定指标对每位领导者进行评估；

系统从数据库中推荐适配该领导者的发展资源；

领导者的实践反过来会不断对系统进行“训练”，使得系统越来越“聪明”，越来越“了解”领导者；

数据库的动态扩充将突破组织的边界，对所有有效的领导力实践、行为和技术进行收集、优化、过滤，为领导者提供更加“合身”的发展方案。

AI 时代，领导者“被训练”的方法变了，不变的是对“成长”的需求。

有人说，AI 未必会取代领导者，但一定会取代不会应用 AI 的领导者。在“变与不变”中，AI 也在深刻塑造着领导者以及领导力。