数字化转型、AI和生产力问题

AIGC的时代做出了“显著提高生产力”的承诺。我当然可以看到它的潜力，因为我正在使用它的一种形式来写这个专栏，它在预测我打算写的下一个单词方面做得很好。但我也注意到，为了最大限度地利用这个功能，我需要按下右箭头键，这大大降低了我的速度。所以，我通常会键入整个单词，因为我用的键盘不支持自动补全。

简而言之，它不仅没有加快我的写作速度(承诺)，反而对我的效率产生了负面影响(现实)，因为当我按箭头键时，它打断了我的打字流程，迫使我重新调整右手的位置。

为了让这种AI工具发挥作用，我不仅需要修改键盘，还需要重新训练自己使用正确的箭头键，而不是输入完整的单词。(这可能需要一段时间，因为我已经有55年没有这样打字了。)

关键路径

当我们学习流程优化时，我们通常会讨论一个称为“关键路径”(the critical pat)的概念，它定义了完成某件事的速度有多快。如果您改进了关键路径之外的任何东西，那么流程完成的速度仍然受到未受影响的关键路径的限制，并且您不太可能看到生产率的提高。

我们从写作者对AIGC的最初反应中看到了这一点。他们能够以惊人的速度创作书籍，每周多达数百本，但关键路径是“编辑”。已经筋疲力尽的编辑们无法处理数百份稿件蜂拥而来，许多出版商不得不停止接受手稿，因为他们不能及时编辑。

更好的计划是先以某种方式自动编辑，但这需要对AI进行更多的培训，以确保手稿符合出版商的政策，而这项工作尚未完成。

即使您首先更改了初始关键路径，您也可能会发现其他依赖项，这些依赖项随后会成为新的关键路径，在新路径也得到改进之前，这些依赖项实质上限制了任何好处。

衡量生产力：汽车和人

我喜欢汽车。对于汽车，如果你在一台名为Dyno的机器上测量性能，你很快就会知道，单靠马力并不能提高性能。赛车仍然必须在赛道上行驶，并将动力传递给道路。牵引力、悬架、驾驶员技能、重量、驱动轮的位置、加速下的重量传递、倾斜度、空气动力学、热量和部件的可靠性都发挥着同样重要的作用。唯一真正的性能测试不是马力或扭矩，而是汽车的竞争力。

与人相比，汽车很简单。人们有各种不同的任务，他们往往无法控制。收到的电子邮件，意想不到的问题，需要谈论项目的同事，分心以及变化无常的管理者——所有这些都会影响生产力。(一个糟糕的管理者可能会通过引入过多的戏剧性事件来摧毁一个部门的生产力。)

或者想想在COVID-19大流行期间发生了什么。最初，我们认为在家工作比在办公室工作效率更高，因为分心的事情更少。结果我们发现，员工的工作时间越来越长，破坏了工作与生活的平衡，要么精疲力竭，要么离职。我们还发现，那些注意力集中、性格内向、工作能力强的人，实际上在家里做得更好。社交能力强的人、新员工，或者注意力不集中、工作技能不强的人，都表现不佳。

对员工采取千篇一律的做法是行不通的。每个人都是不同的，任何关于部门生产力的讨论都需要考虑到工作场所的动态，无论它在哪里，以及每个员工的独特性质。记住，任何“以生产力为中心”的变革的目标都是提高生产力，而非其他问题。

我们需要把AI的重点放在哪里

当谈到生产力改进时，第一步必须是分析需要改进的地方，确定关键路径，然后制定一个计划，以最低的成本对生产力产生最大的影响。但是，许多公司往往在没有这些最初的衡量或理解的情况下就开始行动，而且生产率提高的目标经常被错过。

更重要的是，提高生产率的努力很有可能会让事情变得更糟。几年前，我的一位客户遇到了一个“生产力问题”，于是制定了一个名为“回归基本”的计划——员工必须打卡上下班，因为管理层认为他们是在翘班。结果是生产力的灾难性下降，因为那些习惯偷懒的人会选择在工作中偷懒，而非早退，而那些为了完成工作而长时间加班的人则开始朝九晚五地工作。很快地，优秀员工开始跳槽到更信任他们的公司。

简而言之，您需要很好地理解问题才能有效地解决问题。虽然AIGC可以帮助解决这个问题，但我知道还没有人将这项技术用于解决这个关键问题。如果您不了解自己的员工是谁，他们做什么以及他们是如何做的，您就不能使用数字化转型和AIGC来突然让他们变得更好。相反地，您更有可能让他们变得更糟。