加快人工智能与制造业融合创新

    找准融合的发力点
    这场整体产业升级的变革过程，打破了不同行业的原材料采购、生产、销售和服务等既定价值链模式，让市场的迭代优化机制从效率上重新定义不同企业的专业优势和协作能力，促进人工智能在资源整合中的主导变革作用的发挥。因此，每个制造企业都是重要的贡献者和收益者，要把握人工智能快速发展的历史机遇，通过企业协同和跨界创新，实现优化升级和整体跨越式发展。
    第一，创新组织管理方式。互联网和大数据发展对传统组织管理方式形成挑战，加快人工智能与制造业融合发展，关键在于组织模式的协同和激励策略的创新。传统组织管理是通过产业链上下游进行合作的，企业内通过层级式组织来管理。但是，这与智能化生产相悖，为了实现数据的资源连接和快速迭代，必须关注组织模式协同，增强响应能力。如海思堡个性化定制工业互联网，通过个性化定制技术赋能中小服装企业，聚焦服装行业产业协同，整合上游设计和下游定制，形成了开放的智慧产业生态系统。它的协同机制在于，组织的核心功能实现去中介化（节点之间能快速连接）、去中心化（每个节点都通过连接其他节点来自治发展）和去边界化（信息和资源可以灵活调配）。
    第二，提高协同创新效率。企业须将视角从关注自身扩展到产业链甚至整个产业生态系统，不断提升自身在生态系统中的不可替代性，并在一定程度上与生态系统中各方协力推进创新。人工智能变革背后的推动力是数据的搜集和使用，有别于任何一种形式的有形和无形资源，只有鼓励企业和产业之间跨界使用，才能构建起全景式数据，解决“用户—产品—场景”三元结合的实践问题。数据赋予企业新的竞争力，通过产业链上企业间的信息交互与共享，改变和提升传统企业协作方式的效率，重新组织和安排生产要素，形成共赢的智慧产业生态圈。在工业云领域，GE Predix与亚马逊AWS、SIMES MindSphere与SAP HANA、SAP 与BOSCH等，不仅有大企业的横向或纵向的贯通连接，还有围绕每个大企业的庞大集成商、渠道商、服务商、咨询公司等多层次合作体系。此外，数据资源的使用不仅是数据融合层面，还包括系统设计的可拓展性和灵活性。因此，人工智能产业需要从产业和社会层面引导数据融合规则、系统设计规范、人才发展政策，减少企业逐个摸索的成本，降低进入壁垒，提高整个产业的协同创新效率。
    第三，创新人才激励机制。制造业步入智能化时代，产业生态系统中企业之间的利益分配由市场决定，但企业对人才价值衡量和激励的方式将被颠覆。在传统企业中，员工是被嵌套在某一个固定工作岗位中的社会人，岗位价值决定个人价值。但人工智能为制造业赋能后，每个员工的工作内容都将发生重大改变，由一人对应一个岗位变成一人兼顾数个岗位，让企业难以衡量单个员工的工作价值。因而，互联网和大数据给制造业实现人工智能化带来的最大冲击，是要重新定义企业与人的关系。这促使企业对人才的评价标准由单一岗位价值，转变为员工运用数字资源在战略、生产、管理、销售中的一个环节或几个环节为企业创造价值的能力。就人才激励而言，帮助人才实现自我价值是企业人力资源管理的第一要义，薪酬、股权等外在激励措施只是未来人才激励的一部分。数字化领军企业拥有海量、专属的数据，能为员工实现自我价值提供广阔的舞台，更易于聚集优秀人才，再由人才推动企业不断创新，形成“数据驱动—人才创新—企业增值”的智能化组织发展模式。
    （本文系国家自然科学基金面上项目（71672192）、中央高校基本科研业务费资助项目（2018CDXYJG0040）阶段性成果）
    （作者单位：重庆大学经济管理学院；北京市人力资源和社会保障局科学研究所；重庆工商大学管理学院）

上一页  [1] [2] [3] 下一页