35年前，我开始用技术改变商业。和现在一样，当时我们需要化解的最大风险在于，如何改变来自人们和机构的抵触。众所周知，由于人们尚未准备好接受新的工序和技术，75%的改造项目都无法完成预期目标。但实际上，上述风险的化解和新兴技术支持工序的学习不仅有利于咨询行业的发展，还将继续成为项目成功的关键要素之一。
有了人工智能(AI)，人们开始重新使用变更管理和流程重组两大功能。曾经的单行线逐渐演化成了双向道路：我们现在可以教科技如何与人沟通，就像我们曾教人如何使用科技一样。记住，AI驱动的变革成功与否，很大程度上取决于人们能否正确理解以人为中心的设计。
数字变革最难的部分恰恰是“模拟”人类
在科技引领的传统变革中，变革管理的目标一直是教导人们使用科技、投入领导力和资源，以确保人们能够遵守、接受。这种方法就像是条单行线：人们学习完科技的运行方式后，再开始下达指令、获取结果。不过，科技只能基于预先设定好的规则，遵循精确的指令。在绝大部分情况下，科技产出的结果需要人们用特定的技能进行翻译解读后，才能应用于各类专业。
随着AI试点大范围扩张，公司、顾问和科技企业必须重新思考变革之路。想要成功落实影响深远的AI项目，强大的AI模型和算法必不可少，但目前这却供不应求。成功最重要的因素之一是实施以设计为主导的人类变革方法，而该方法必须将全新的AI能力和人类对工具的偏好融为一体。忽略了这一点的公司很有可能深陷于AI的诸多试点工程中，无法创造出真正的影响力。
这就是很多创建“AI旅游业”的公司都没有意识到的关键点。很多项目都主要聚焦于机器学习算法、高级AI模型和完善的训练数据，却没有重视成功最重要的因素：交互和工作流的设计，以及工序、科技和人类三者之间的编排。虽然各个行业都完成了有关AI项目过多的概念证明，但很多公司仍执着于扩大AI应用的规模、实现预期收益。成功人士的经验表明，如果能带着目的去熟练地设计工作流和用户交互，那么用户就能更快接受，公司也能更早地获取商业收益。以下几个例子可以证明：
某家金融服务公司是该行业首批实施面向客户的AI系统公司之一。因为非常关注对AI科技的正确理解，因此公司选择将大量资源投入到模型准确性、科技准备度方面的考核中。尽管基础技术和商业案例都很强大，该技术的采用率仍未达到预期目标。如果公司未能真正地把精力放在工作流和人机交互的设计中，那客户的采用速度会很慢。
与之相反，同行业的另一家公司则决定将AI嵌入客户体验中。为了实现该目标，该公司花费了数月的时间进行有目的性的设计，用户检测，并推出了类似的AI科技，重点关注功能和用户设计的编排。在两个月内，该产品的用户群超过100万，大大超乎人们的预料。
这种例子实际上并不陌生。作为人类，我们做出的大多数决定都是基于信息呈现在我们眼前的方式，而非信息的具体内容。我们自认为是拥有自由意志的理性个人，但科学证明，我们所做的决定更多的是基于偏见和背景，而非分析和内容。
如果你还不相信，请看下面两张图中的方块A和方块B。在右图中，方块A和方块B的颜色一样。在左图中，两个方块不变，但我们加了一些背景，让方块A看起来比方块B颜色更深些。分析结果显示，虽然方块A和方块B的颜色一样，但大多数人都会猜左图的方块A比方块B深。这个简单的例子表明，相比于分析和内容，偏见和背景对人类感知的影响更大。
情商和决策科学
众所周知，情商是职业成功与否的关键因素，比个人表现或资质更为重要。在当今的世界里，成功主要取决于人们影响他人的能力，因此善于沟通、能够用深切同理心进行感知的人非常占优。每天，我们都面临数百个“A还是B”的选择：有时候是候选人选拔，有时候是投资或者产品选择。具有高情商的人会自然地用同理心去理解我们所处的背景，从而更好地与人沟通、帮助人们发现他们想选择的深色小方块。
情商这种技能很难教，直至现在也没有通过编程嵌入科技之中。随着过去20年来AI的发展，情商也在神经系统科学、工具领域取得了快速进展，比如功能性磁共振成像。可以说，我们正试着对人类自身的感知法则进行还原工程。
我非常热衷于这个话题，因此早在几年前，我就进行了一个小尝试：用特定方法将设计和科技引领的商业变革结合在一起。我想用以人为中心的设计原理作为商业还原工具，以研究超越传统流程图和生产力指标的人与工序设计和人与科技设计。该设计的预设条件非常简单：通过设计，我们能够更好地安排部分指标，让人们采用特定科技，并按照预期表现，降低人们对训练、异常处理或遵守程度提升的需求。在这种情况下，我们不仅能带来快乐，还能提高生产率。
在学习内容和扩展对象远远超出预期范围后，我们的工作量开始有所加大。现在，多条分支都取得了进展。一直以来，Adam Cutler等IBM Design的同事都专注于通过情感联结AI和人类，以激励人们使用这些新科技。此外，很多大学也都在试着解读关系建立这门科学，并以此训练AI，让它以一种我们理解、信任的方式进行交互。
经证明，人格洞察力和传统人口学能够提高消费者偏好的预测准确性。Tone Analyzer可以阅读邮件、推特等文本，并判定用户是否生气、沮丧或害怕，从而调整动态交互、更好地满足客户需求。
相关阅读：
扩展规模：为愉快交互而设计的企业级AI
想要让更多的人采用科技，设计一款减轻压力、减少完成任务步骤的AI应用是极其简单的途径。数据量和点击量的减少能带来积极的用户体验，从而提高采用率。与之相反，理解行为偏见并针对其进行设计，可以防止生产率损失、网络安全漏洞等一系列脆弱性问题。
想要成功地实现以AI为导向的商业变革，请记住如下几个简单的准则：
重新思考那些影响AI能力的工序。设计最优化目标的AI嵌入型任务和最优化共鸣情况的AI推动型交互。
在AI-人类交互设计中，将人类塑造成社会情绪实体，而非分析实体。人类交互的设计应当最大程度上改进表现，改进程度应当和数据使用或任务生产率一样。
让AI学习人类不喜欢做的任务，比如减少那些为了完成任务而记忆且重复点击的数据量。记住，我们的大脑和行为都偏好简单的任务，而非正确的任务。
教AI学习情商、创建积极的上下文，让用户信任AI、和AI自然地沟通，从而作出预期选择。由于很多行为规则都被编码成“无意识偏见”，所以多做些用户测试吧，别总是直接询问用户的需求（提示：他们可能无法有意识地进行理解）。
提升AI科技和具有AI高效性质的人类交互设计能力，并将其纳入每个AI试点中。
我们见证了科技新曙光的诞生，这种技术将大幅提升人们实现和提供商业结果的能力。有了AI，以及科技和设计的融合版本，我们就可以创建相关工具，减少认知障碍、扩大认知范围，就像我们通过杠杆、车轮、发动机和电机来提升人体力量一样。
在教AI人类的举动时，我们进一步理解了人类自身的偏见，以及人类相互沟通的能力。很有趣的是，在人们教导技术如何提高与人类沟通的效率后，我们被迫变得更高效了。在此情况下，我们与他人共事、创造更好结果的能力都会大幅提升。
作者：Jesus Mantas，IBM全球企业咨询服务部全球战略与产品主管
以上内容仅代表作者个人观点。
本文由世界经济论坛原创，转载请注明来源并附上原文链接。
翻译：叶枫
责编：万鸿嘉
世界经济论坛是一个独立且中立的平台，旨在集合各方观点，讨论全球、区域及行业性重要话题。
