超越头脑与心脏的二分法：最好的领导者如何与人交手？

我领导一家科技公司已有 20 多年，经常被问到一个问题：“如何才能成为一名真正有效的领导者？

多年来，这个问题一直保持不变，即使我的答案发生了变化。

二十年前，领导力就是战略思维和决策。然后是仆人式领导的时代，授权和激励团队变得至关重要。在很长一段时间里，各行各业的领导层都推崇这种平衡理性和情商的头脑模式。但考虑到过去二十年转型的速度，这种模式正在慢慢分崩离析。

随着人工智能盛大进入我们所有人的生活，重塑整个行业，我们可以看到，从山姆·奥特曼到埃隆·马斯克再到马克·扎克伯格，当今最成功的领导者之所以成功，不仅仅是因为他们进行战略思考或激励团队，而是因为他们卷起袖子参与其中。

越来越明显的是，今天的成功不仅需要头脑和心灵，还需要双手。

一、失败的人工智能实验

去年1月，我向全公司发出了一份备忘录：“所有团队现在都有权尝试人工智能工具。想办法提高生产力并报告。

最初的反应相当热烈。部门负责人和经理安排了培训计划，采购批准了订阅，讨论频道充斥着有关更好地使用人工智能的提示和技巧的文件。

然而，三个月后，我们的进度和生产力仪表板持平。

所有部门领导都向我介绍了他们采用人工智能的综合战略：工程构建的人工智能沙箱、根据我们的品牌指南营销经过训练的模型，以及创建混合人机工作流程的运营。

一切都在纸上看起来很完美。然而，我们的成绩并没有改善。我们已经按照书本做了所有事情——但我们没有得到我们预期的结果。

向强大的互联网寻求答案，我发现问题不在于努力或热情。许多公司在实施人工智能方面面临挑战。麦肯锡的《2024 年人工智能状况报告》指出，尽管与上一年相比，各行各业的人工智能采用率急剧增长，但与人工智能作斗争的公司比例仍保持在 70% 左右。

那么，到底缺少什么呢？

当我开始深入研究细节时，问题就变得清晰起来了。我们的领导者完全按照他们接受的培训来应对这一挑战——以战略思维（头脑）和真正关心赋予团队权力（心）。

团队在现有流程上分层人工智能工具，而不了解该技术实际上是如何组合在一起的。输出没有错;它们只是与我们更广泛的目标不一致。

我改变了方法，要求经理和潜在客户也参与进来。在培养这种动手人工智能素养后的几周内，一切都发生了变化。我们没有盲目地激励人工智能放大的产出，而是开始衡量真正重要的事情：质量改进、创新实验和腾出时间进行战略思维。

二、头脑+心是必要的——但还不够

长期以来，对领导者工作的传统理解一直局限于头脑和心灵，即战略和授权。战略和运营决策塑造了员工的目标和目标，从而塑造了员工各自的日常工作。

多年来，头部优先的领导力意味着领导者可以依靠专家顾问将技术复杂性转化为业务洞察力。后来，心灵至上的领导层出现了，这意味着用自主权、资源和鼓励来激励团队，相信他们会找到自己的解决方案。

这些模型仍然非常重要。企业每天面临的不断变化使得战略判断变得更加重要。每年都会带来新技术或市场趋势，迫使领导者转向。头脑——综合复杂性、权衡权衡和决定方向的能力——仍然是领导力的基本工作角色。

同样，心脏也从未像现在这样重要。经常经历中断的团队需要稳定的情绪、可靠的指导以及领导者了解挑战的复杂性。定义以心为中心的领导力的同理心、灵感和人员发展技能对于帮助组织管理此类变革至关重要。

但人工智能以以前的技术变革从未做到过的方式颠覆了这种传统剧本。

三、人工智能如何重新定义领导力

与过去的创新不同，过去的创新通常会在可预测的时间内改变特定流程或行业，人工智能作为我所说的“元技术”运作。它不仅改变了我们的工作方式，还改变了我们的工作方式。它改变了我们对工作本身的看法。然而，从本质上讲，它会造成危险的知识差距。领导者发现自己在他们根本不了解的技术上进行战略押注，并由专家指导，而专家自己也经常实时学习。

领导者不能简单地分析人工智能的市场影响或竞争影响，因为人工智能不断发展自己的能力。这里的战略格局正在被算法改写，这些算法的决策过程甚至对其创建者来说仍然不透明。这给战略领导带来了另一层模糊性和前所未有的挑战。

您如何做出明智的技术决策，独立学习和改变行为？

当技术的故障模式尚未完全了解时，您如何评估风险？

当人工智能对不同业务功能的影响仍然高度不可预测时，您如何规划资源分配？

此外，面临人工智能转型的团队需要能够在学习曲线中建立信心并在自动化程度不断提高的情况下保持人际关系的领导者。他们可以很快识别领导者何时以抽象的方式而不是从生活经验中说话。在以前的组织变革中有效的鼓舞人心的语言——“相信过程”、“拥抱学习曲线”——当领导者自己没有走过这个学习曲线时，听起来很空洞。

也许最关键的是，人工智能的失败以前所未有的方式考验着领导力的可信度。当传统举措陷入困境时，经验丰富的领导者可以指导团队克服障碍，因为他们了解潜在的挑战。但是，当人工智能实施产生意想不到的结果、产生幻觉信息或造成工作流程中断时，没有实践经验的领导者会发现自己无法与团队一起排除故障。

当领导者仅仅依靠头脑和心灵时，他们不可避免地会制定听起来具有战略意义但缺乏作特异性的广泛指令。这就是我们在 ProofHub 发生的情况，当时我们为团队提供了明确的授权（“完全自主”）和战略方向，但期望从根本上来说仍然模糊，因为我们对技术的了解不够深入，无法提供具体的指导。

团队将我的指令解释为“值得尝试”而不是“掌握必不可少”，正是因为我自己的参与表明它是可选的而不是关键的。

四、“手先”的实际含义

手先的领导就是通过参与行动来管理。换句话说，它可以理解为在执行时进行创新。手工领导不是微观管理或放弃战略。这是关于领导者使用新技术培养足够的作流畅性，以弥合战略愿景和实际实施之间的差距。

技术转变中最舒适但最不幸的神话是相信您可以仅通过高层次的概念理解来有效地指导采用。人工智能不遵守这条规则。它不是一种可以从幻灯片或会议室进行管理的技术。因此，我们创建了一个动手至上的领导模式，要求包括我自己在内的每位领导者都利用人工智能培养真正的运营素养。

我们为此创建了一个三管齐下的计划。

第1部分：领导力的人工智能素养

第一个方面是建立基本的理解，每个领导者都必须了解人工智能。不仅仅是平台或工具，还有它所拥有的对架构、治理和竞争优势的理解。

这包括了解不同大型语言模型 （LLM） 之间的理论和行为差异。了解数据依赖关系，了解训练数据的质量和范围如何影响输出可靠性等。

我还与其他领导和经理合作，从内心深处了解为什么我们需要置信度评分阈值，以及我们在哪些方面需要人工验证检查点。这种直接参与向我们展示了传统分析会错过的机会——竞争对手可能肤浅地实施人工智能的领域，为更复杂、更基于作的方法创造了机会。

我们对团队的经历表示同情，理解产生不一致结果的提示的挫败感、辨别技术上正确但上下文错误的 AI 输出的挑战，以及正确验证和完善 AI 生成的工作所需的大量时间投入。

第2部分：人工智能领导力舱

第二个方面是将所有内容整合在一起。我们组成了四组跨职能的人工智能领导小组：Visioneers、Architects、Pathfinders 和 Creators。

有远见的人

作为战略问题标识符，Visioneers 在将组织需求与人工智能可能性联系起来方面发挥着至关重要的作用。他们对市场压力、客户痛点和竞争威胁的了解使他们能够发现人工智能可以在哪些方面创造真正的业务优势，而不仅仅是技术新颖性。

我与我们的首席营销官和产品主管一起领导了 Visioneers 小组。我们的主要职责是问：“哪些业务问题值得用人工智能解决？我们拥有商业案例，这意味着我们必须证明为什么使用人工智能解决特定问题将产生可衡量的投资回报率，而不仅仅是运营效率。

建筑师

架构师也称为工作流程设计师，是将战略愿景转化为实际现实的运营领导者。他们采用 Visioneers 发现的问题，并设计实际的人机工作流程来有效解决这些问题。

他们的关键洞察力是了解人类判断在哪些方面仍然至关重要，以及人工智能可以在哪些方面可靠地处理任务。他们负责创建护栏——质量检查点、监督机制和故障协议，以确保人工智能集成得到改善而不是影响工作质量。

我们的工程主管在架构师舱中发挥了带头作用，但整个领导团队都参加了工作流程重新设计会议。

探路者

作为该组织的人工智能智能网络，一群研发、数据分析和产品领导者不断探索新兴的人工智能功能，在新的可能性成为主流之前进行受控实验和压力测试。

它们的价值不仅在于与人工智能发展保持同步，还在于对哪些已准备好用于业务应用，哪些内容仍处于实验阶段，提供经过审查的实用评估。他们向建筑师提供经过验证的概念，并为 Visioneers 发现新兴机会。

创造者

也许最重要的是，这个 Pod 确保战略领导者与技术实施现实保持直接联系。创作者是构建、集成和维护人工智能系统的实践技术专家。他们执行建筑师设计的工作流程，但对技术上可行和可持续的内容进行了关键的投入。

他们的角色不仅仅是编码。它们确保人工智能实施随着时间的推移是安全、可扩展和可维护的，而不仅仅是在初始部署中发挥作用。

这些 Pod 以结构化循环运行

Visioneers 每月识别高影响力的问题，架构师设计解决方案并与 Creators 合作实施，而 Pathfinders 则提供有关新兴可能性的持续情报。该网络在战略方向、实际设计、技术实施和创新之间创建持续反馈，从而防止通常破坏技术计划的孤岛。

事实证明，这种协作领导方法对许多开展人工智能计划的行业都是有益的。最近发表在《哈佛商业评论》上的一篇文章指出，“在人工智能扎根的公司中，最好的领导层是分布式的，许多高管同步工作。我们采取了类似的方法，将分布式责任转化为分布式运营流畅性。

第 3 点：衡量和迭代以改进

第三个方面是激励重新调整和进度参数化。简单来说，这是关于衡量我们的方法的有效性，并通过不断迭代来改进它。因为被测量的东西会得到改进。

传统的生产力指标会让我们庆祝更快的报告生成或增加的内容输出。但直接使用人工智能工具告诉我们，原始产出收益往往掩盖了隐性成本和质量下降。

因此，我们使用以下参数：

放大比（节省自动化任务的时间）/（投入人工智能监督 + 培训的时间）

当我个人花费数小时完善提示以生成合适的营销文案时，我明白“节省的时间”计算必须包括为使人工智能输出真正有价值而投入的时间。

对于我们的工程团队来说，我们发现 10：1 放大比（节省 100 小时，投入 10 小时进行审查和改进）的 AI 代码生成比 3：1 的生成更有价值，即使后者产生更多的总代码。

这种洞察力的出现是因为领导团队成员亲身体验了有效的 AI 代码和可维护的 AI 代码之间的区别。

受 AI 影响的质量增量 （AQD）（后 AI 质量分数） – （Pre-AI 质量分数）

该指标跟踪人工智能是否真的在提高工作质量，而不仅仅是工作速度。AQD 衡量人工智能实施前后质量得分的差异。例如，在工程领域，这可能意味着实施 AI 代码审查后生产错误减少 20%。对于营销团队来说，它可以代表人工智能辅助活动的客户参与度提高 15%。该指标确保人工智能的采用可以改善结果，而不仅仅是产出。

创新产量（每季度测试的人工智能创意数量）×（实施创意的成功率）

我们的 Pathfinders Pod 每季度测试了数十个 AI 应用程序，但成功不仅在于技术功能，还在于有意义的业务影响。在实践中，这意味着如果我们每季度测试 10 个 AI 应用程序，其中 2 个在组织范围内进行扩展，并产生可衡量的业务影响，那么您就会跟踪实验速度和转化效果。它阻止了无休止的试点计划，这些计划永远不会转化为运营改进。

只有亲自使用过人工智能预测工具的领导者才能区分技术成功和商业价值。

AI 流畅度分数

该指标提供了 360 度定性评估，评估领导者是否真的可以有效地指导人工智能的采用，或者只是抽象地管理它。它衡量同行和团队对领导者是否能够对人工智能工具进行故障排除、提供具体指导并根据实践理解而不是供应商承诺就人工智能应用程序做出明智的决策的反馈。团队立即认识到根据 AI 经验发言的领导者之间的差异，这直接影响整个组织的采用效率。高人工智能流畅度得分表明领导者具备有效领导人工智能计划的实用技能和经验，而低得分可能表明需要进一步培训和实践经验。

寻找人工智能的嘶嘶声

在六个月内，我们以手为先的方法取得了具体的成果。生产错误下降了 35%，营销参与度增加了 28%。最重要的是，我们的创新收益率从 15% 跃升至 65%。我们将重点从扩展仅仅有效的 AI 工具转移到具有真正业务影响的应用程序上。一项内部 NPS 调查显示，团队对领导指导的信心提高了 73%，加速了所有部门的采用。我们现在正在将此模型扩展到代理 AI 等新兴技术，应用相同的作流畅性原则。

入门：选择一个工作流

人工智能时代最大的讽刺之处在于，旨在消除人类限制的技术实际上比之前的任何创新都需要更多的人类理解。成功的领导者不会是那些委托采用人工智能的人;他们将是那些愿意再次成为学生的人。

前进的道路需要放弃执行领导层在技术转型期间传统上保持的舒适距离。选择一个对组织核心运营很重要的 AI 工作流程。花两周时间使用相关工具培养真正的作流畅性。体验挫败感，了解质量控制挑战，并学会区分令人印象深刻的演示和可靠的业务应用程序。

每一项突破性技术都将越来越需要这种亲力亲为的领导方法。创新的步伐意味着领导者不能再奢侈地学习变革性技术——他们必须学会直接与它们合作。

五年后，将只有一种类型的领导者：那些可以与团队一起排除故障的人。他们将运营竞争对手无法复制的人工智能原生组织。

由CXOUNION-CXO联盟（cxounion.cn）转载而成，来源于数智化转型网；编辑/翻译：CXOUNIONCXO联盟小O。

如需加入CXO UNION（CXO联盟）高管社群，请联系社群小伙伴哦~

免责声明: 本网站(http://www.cxounion.cn/)内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何责任。