AI 將如何重新定義管理工作#

由 Vegard Kolbjørnsrud、Richard Amico 與 Robert J. Thomas 所撰。三位作者調查了 14 個國家、共 1,770 位管理者，並訪談了 37 位負責數位轉型的高階主管，藉此歸納出在 AI（artificial intelligence，人工智慧）時代，成功管理者必須掌握的五項核心實踐。

理解 AI 與機器學習（machine learning）已不再只是技術顧問、IT 部門或資料科學家的專利。今日的每位領導者與管理者，都應該掌握 AI 的實務基礎——而對絕大多數人而言，這些基礎是可以學會的。

五項管理者必須掌握的實踐#

1. 把行政工作交給 AI#

調查顯示，各層級的管理者花費超過一半的時間在行政協調與管控上。例如：

• 門市經理或護理之家的領班，必須因應員工生病、休假或臨時離職而不停調整班表
• 撰寫例行性報告佔據大量分析時間

這些正是管理者預期 AI 衝擊最大的領域，事實也將如此：AI 會自動化大量此類工作。

報告自動化的真實案例：美聯社（Associated Press）導入 AI 軟體機器人後，季度盈餘報導從約 300 篇擴張到 4,400 篇，記者得以將時間轉移到調查性與詮釋性的深度報導上。

調查中有 86% 的管理者表示，他們希望 AI 能協助監控與報告類工作。

2. 聚焦於判斷工作（Judgment Work）#

許多決策需要超越資料的洞察。管理者運用對組織歷史與文化的理解、同理心與倫理思辨——這正是「人類判斷」的精髓：將經驗與專業應用於關鍵的商業決策與實踐。

受訪管理者認定未來最重要的四項新技能中，有三項屬於判斷導向：

• 創造性思考與實驗
• 資料分析與詮釋
• 策略制定

美國海軍 IT 組織 ERP Services 主管 Layne Thompson 的觀點：「機器學習若真能輔助決策，我們就應該把這項技術視為支援而非取代管理者的工具。」

3. 把智慧機器當作「同事」#

把 AI 視為同事的管理者，會理解自己無需與機器競賽。雖然人類判斷不太可能被自動化，但智慧機器能在以下面向大幅強化判斷工作：

• 決策支援
• 資料驅動的情境模擬
• 搜尋與發現

調查中有 78% 的管理者相信，未來他們會信任智慧系統提供的建議來做商業決策。

EQT Ventures 的 Motherbrain 案例：這家創投公司利用 AI 系統 Motherbrain 掃描多元資料源、評估投資機會、發掘潛力新創。當系統發現有趣的標的時會通知投資專員，專員回饋的評估又會用來訓練系統。EQT 將這套軟體定位為「友善且樂於協助的同事」，在合適時機提出問題與建議。

4. 像設計師一樣工作#

管理者本身的創造力固然重要，但更關鍵的是整合他人創意的能力。「管理者—設計師」會：

• 將多元想法匯集成可行且具吸引力的解決方案
• 在團隊與組織中植入設計思考（design thinking）的實踐

調查中有三分之一的管理者，將「創造性思考與實驗」列為自己必須學會的關鍵能力。

澳洲保險集團（Insurance Australia Group）執行長 Peter Harmer 強調：「我們需要的是能在想法上層層堆疊的人——不是要在點子競賽中勝出，而是能說『天啊！如果我們把這兩三件事兜在一起，就能做出截然不同的東西』。」

5. 培養社交能力與人際網絡#

管理者重視判斷工作，卻常低估深度社交能力的價值。當 AI 接手大量行政與分析工作後，下列能力將成為差異化關鍵：

• 建立人際網絡（networking）
• 教練與輔導（coaching）
• 跨界協作（collaborating）

管理者必須能引導出多元觀點、洞察與經驗，並透過數位工具串連夥伴、顧客與社群的知識與判斷。

本書能為你做什麼#

AI 終將比人類更便宜、更有效率、可能也更不偏頗。但這對管理者並非威脅——它意味著工作會轉向只有人類能做的事。

撰寫盈餘報告是一回事，但設計能凝聚員工、賦予使命感的訊息，徹頭徹尾是人類的工作。追蹤排程與資源或許將屬於機器，但擬定策略仍然是無可置疑的人類疆域。

本書將協助你掌握以下主題：

• 建立 AI 團隊
• 挑選正確的專案
• 理解 AI 倫理與偏見
• 在組織中擴展 AI

若你完全是 AI 新手，建議從第一章依序讀完；若已有基礎，可直接從目錄挑選感興趣的章節切入。書末附有重要 AI 名詞的詞彙表（glossary）。

迎面而來的衝擊不會一次到齊，但發展速度比多數高階主管所認知的更快、影響也更深遠。正如試算表與視覺化工具最終成為管理者的必備工具，幾乎不需寫程式的「易用 AI 平台」也將很快普及。願意理解未來工作樣貌的人，便能在 AI 賦能的職場中蓬勃發展——學習 AI 基礎，是踏上這條路的起點。