人工智能或能揭示人们进行协作的隐秘方式

斯坦福商学院组织行为学博士生Yankai Wang在阅读一篇论文时，受到了一种研究思路的启发：利用Transformer架构来追踪疾病发展的先后顺序，从而研究疾病的演变过程。而该架构正是ChatGPT和Claude等大语言模型背后的核心技术。他意识到，人们协同工作的方式也可以用类似的方法建模，即将其视为随时间推移而展开的一系列离散事件。既然Transformer架构能通过预测句子中的下一个词来学习人类语言的“语法”，那么它是否也能通过预测组织内的下一个事件来学习人类协作的“语法”呢？

“创新往往源于将一个领域的理念借用到另一个领域。” 斯坦福商学院Amman Mineral组织行为学教授兼Computational Culture Lab教职主任之一的Amir Goldberg说道，“Yankai这一构思的精妙之处在于：他将协作视为文本，把协作序列类比为语言的文本表征，并构想出一种与大语言模型架构相类似的系统。只不过，这里的‘语言’及其‘词汇’并非传统意义上的字词，而是组织内部发生的各种事件。”

当Yankai Wang了解到由斯坦福以人为本人工智能研究院（HAI）和Google DeepMind联合主办的“面向组织的人工智能大挑战赛”时，他觉得这一构想与该赛事可谓天作之合。于是，他与Goldberg联手参赛。该赛事旨在奖励那些研究职场中的人工智能工具的研究人员，并提供10万美元的奖金。

这是一次成功的尝试：在提交提案的200多个学术团队中，Goldberg和Yankai Wang的方案脱颖而出，成功入选。除了获得奖金外，他们还将获得DeepMind的资源支持，从而将这一构想付诸实践。“DeepMind拥有相关数据，” Yankai Wang说道，“而且他们在构建此类模型方面也处于最前沿。”

Yankai Wang和Goldberg计划利用Transformer架构，构建一个类似于大语言模型的“大型协作模型”。但他们不会训练模型去预测句子中的下一个单词，而是利用从日历、电子邮件、共享文档等渠道收集的匿名职场数据，训练模型预测一系列事件中的下一个事件，从而让模型学习人类协作背后的潜在模式或“语法”。

“通过预测句子中的下一个词，你可以学到很多东西。” Yankai Wang说道，“而我们只是把‘句子’换成了‘工作事件流’，把‘下一个单词’换成了‘即将发生的下一个事件’。”

协作的本质正在发生变化。无论有没有我们的项目，人工智能这项技术都将改变协作方式。
– Yankai Wang

如果这种方法取得成功，Yankai Wang希望可以利用该模型来预测团队绩效（例如预判可能出现的瓶颈），或者构建一个组织的虚拟副本，以便研究人员在现实世界中实施变革之前，先模拟测试组织结构或工作流程调整可能带来的影响。

“我们希望能找到一套适用于人类协作的通用原则，以此解释人们如何在转投不同公司或前往不同国家后，依然能保持高效协作。” Yankai Wang说，“我们并不会声称这就是协作的终极模型。但我们认为，它既能作为一种有用的视角来揭示协作的底层原理，也能成为一个出色的预测工具，适用于广泛的场景、情境和任务。”

人工智能正在改变协作方式

Goldberg认为，该项目有助于塑造人工智能时代企业的未来：员工不再受限于僵化的组织架构，人工智能可以发掘传统官僚体系所忽视的协作需求。这将促进跨项目间的灵活协作，并弥合因信息不对称而引发的同事间摩擦。

在与欧洲工商管理学院战略学教授Phanish Puranam合著的一篇相关论文中，Goldberg指出，管理者的许多工作涉及基于预测的任务，如规划、预算和监控等等，而这正是人工智能的强项。然而，预测并非工作的全部。确立组织优先事项意味着要决定哪些目标值得追求，这需要一种源于生存本能的动机机制，而机器并不具备这种机制。目前的机器，其优先事项仍由设计者设定。

Goldberg认为，管理者的重要性未来可能会进一步提升，因为设定和评估目标现在仍是人类最擅长的任务。即便管理者的角色已从20世纪职场中的监督与生产力监控者，转变为知识型工作中常见的辅导者与协作促进者，这一观点依然成立。如今，管理者的职责范畴正在发生演变，开始涵盖对人工智能体产出的监管。这与监督人类员工有着本质上的区别。

“目前尚不清楚算法和人工智能将在多大程度上完全取代人类管理者。” Goldberg 说道，“即便它们具备这种能力，人类也会产生抵触心理。这不仅是因为管理者不愿被取代，更因为我们在文化观念上无法接受将这一责任移交给人工智能。”

毕竟，协作是一种独特的人类特质，正是这种特质让人类作为一个物种取得了成功。当部落和血缘结构不再适用时，现代组织便应运而生，成为协调人员协作的革命性方案。Goldberg思考着人工智能是否能进一步推动这一演变，让人类能够通过共享的技术网络而非正式组织来进行协作。

“协作的本质正在发生变化，” Wang补充道，“无论有没有我们的项目，人工智能这项技术都将改变协作方式。”

尽管最终成果尚需时日，但Goldberg对这项工作能带来有意义的成效持乐观态度。“社会科学家通常需要观察现实，而他们的观察结果往往需要很长时间才能融入现实并产生影响。如果我们的项目取得巨大成功，它所带来的直接影响可能会远超通常预期。”