Jonathan Brill 8种面向未来的业务战略

December 18, 2023

Sarah Jones - CN

科技正以惊人的速度加速发展，对于工程建设行业来说，做好准备、应对未来不确定性的最佳方式是利用成熟的数字化技术。
从战略角度来思考，公司可以创造一种创新文化，并在试验探索和风险管理之间找到平衡。
通过利用积累的数据和人工智能等新技术，公司可以在难以预测的世界中坚韧地发展并规划其成功之路。

工业革命用时80年.，数字革命用时46年。而如今，人工智能计算能力的速度每翻一番只需三个月。这种速度前所未有，再加上金融冲击、供应链中断、自然灾害、网络威胁和疫情流行，形成易造成业务中断的强大风暴。

面对不断加速变化的形势和陌生的领域，工程建设公司（又译建筑、工程和施工公司）需要怎么做，才能适应、生存甚至蓬勃发展？要想成功，开始采用成熟的数字化技术吧。

在欧特克的2023 State of Design & Make全球调查中，工程建设业内领导者指出影响其业务决策的最紧迫的变革驱动因素，不出所料的是“数字化转型”位居榜首，79%的受访者表示，他们公司的未来发展将取决于数字工具。

应对动荡时期的解决方案“建筑师方式”对于工程建设公司颇具优势——这种方式一方面既以顶层视角从上往下看，又放大细看取得成功的详细措施。

如果将波动看做为有准备的人提供机遇，又会怎样？未来学家Jonathan Brill提出这种思路，为初创企业、财富50强公司和美国特勤局提供建议，帮助他们了解这个不断变化的世界，抓住其中机遇。

Brill的著作《疯狗浪: 如何应对突如其来的剧变》描述了技术、社会和经济上的变动像大海中的“疯狗浪”一样，如果只是一个浪潮，还不难应对；但如果几个浪潮相互碰撞，就可能形成滔天巨浪，甚至在几秒钟内吞噬最大型的船只。

现在这些疯狗浪潮对企业的冲击更大、更快、更频繁，但只要掌握了正确方法，您始终可驾驭时代浪潮、抓住机遇。

1. 像建筑师一样应对新挑战

“随着科技重塑各个行业，建筑师的专业技能可进一步发展成为一种超级能力，”Brill说。“建造师常用的缩小和放大技能非常有用。”

他说，人工智能吸收数据，“擅长接替人类从事分散的任务。而建筑师能以独特的方式综合各种复杂情况，并将深入的洞察转化为以人为本的解决方案。这种结合情境的思维方式变得更有价值。”

Brill补充说，关键是要为您的核心优势找到新的应用，而不是试图改变建筑的本质。“利用您的系统性思维来得出深入洞察，将愿景转化为现实，将您的专业技能扩展到新的领域。”

他敦促领导者将他们在建筑业的思维方式扩展到传统的建筑设计之外。“应尝试一些能把您的空间技能和协调技能应用到新市场的服务，” 他说。“把实体和数字化结合起来。帮助各种组织应对变化的形势。”

在这种快速变革的节奏中，谁能把握新的联系和影响，抓住新的机遇，就会大有收获。“您已拥有这种超能力，”Brill说，“现在只需用科技来增强，然后大规模地提供服务，就会大受欢迎。建筑通过利用本身固有的优势，可有更广泛的用途。未来属于那些既了解整个系统、然后又逐步改进的人。”

*在瞬息万变的世界中，像建筑师一样应对挑战——既能从万米高空俯瞰全局，又能寻找关键细节——优势远远超出建筑设计的领域。*

2. 培养基础知识：意识、行为、文化

企业需要系统地思考——不仅要考虑已有什么，还要考虑缺少什么。Brill在《疯狗浪》中概述了有助企业在不确定时代中蓬勃发展的基本要点：

意识。开阔视野，时常留意新动态，发现新线索：新兴的创新、可能导致冲突的经济和社会变化。不断留意观察所在环境，以发现盲点。
行为。及早发现信号，及时采取行动；培养能及早发现变化的技能并迅速加以利用。将试验探索和严谨管理两方面都融入所有工作流程。
文化。培养好奇、试验探索和从失败中学习的企业文化。培养扁平化的上下级关系，以便人人都可提出深入见解。

有一种文化意识至关重要：公司必须适应不太明确的情况，在不能了解足够数据的情况下做出决策。这需要系统地思考，利用其他帮助，对出乎意料的关联性持开放态度，并花些时间去了解还缺少什么。

“作为管理者，我们习惯于在问题出现后去修补漏洞，”Brill说。“还要探究根本原因，找出系统性的差距。花些时间去了解您所在环境和组织中缺少什么。应用上述基本要点，从而及早发现微弱的信号并进行战略性押注。”

3. 领先于技术成熟度曲线

衍生式设计和人工智能等技术让客户的期望发生彻底改变。作为服务提供商，工程建设公司需要更进一步展望未来，以保持领先于技术曲线的发展。

这意味着现在招聘人才时就要为未来的世界做准备。“员工具有的技能与未来所需的技能一直不太匹配，”Brill说。“如果客户的期望变了，但企业还没有培训人员、更新流程或改进结构来准备好，就难免生存风险。”

生成式人工智能技术几乎颠覆了每一种业务流程，因此公司需要进行新兴技术的实践培训来提高员工的技能，培养其发展前途。Brill说：“应提升员工的新技能，并让其设计出‘培训培训师’计划，更新工作流程和产品。但应该首先在低风险环境中试用人工智能服务，然后才在关键项目中实施。这样即可增加价值，又不需过度扩展功能。”

4. 对组织结构“扁平化”持开放态度

72%的State of Design & Make 调查受访者表示，过去三年中员工的发展比过去25年的发展还多，超过90%的受访者认为技能提升很重要。因此，由于招聘到的人员往往缺乏其职位所需的技能，公司计划在工作中对他们进行培训。

在拥抱虚拟现实（VR）、元宇宙和人工智能等变革性技术时，时机就是一切。“如果太晚了，就得不到任何价值，”Brill说。“但如果太早，往往会得到负值。必须在恰当的窗口期进去。仅靠一群五十多岁的人按他们过去的技术经验来决策是不行的，现在情况大不相同了，五年后采用技术的方式将大不相同，需要让年轻人参与高层对话，按他们当前所用的技术来展示可能的做法。”

“过去通常是由组织中的高级主管来做决策，而今后我们将越来越多地需要初级人员来做出决策，”Brill继续说，提拔初级团队来代表领导者做出创新决策，需要培养大局意识、培养能力和统一各方面的利益。他建议采用轮岗计划，并引入外部专业人才来从事临时性的工作，让大有潜力的内部人才接触到新的工作方式。

5. 设定可承受的风险范围

培养一种试验探索的文化，意味着要激励员工勇于探索、不惧失败，鼓励员工开展有意义的试验探索，而不是追求安全的成功，对开展了高质量试验探索的、而不是得出稳妥结果的员工进行奖励。

但创新也不仅仅是敢于冒险，也要管理风险。划定可接受的风险范围（Brill称之为“risk bands”），即使一个想法失败了，落在该范围内的结果都是可接受的。“也就是说，只冒这么大的风险，不要太多、也不要太少。”他说，“如果不设置底线，就不能完全放权给员工，让他们放手去干。还应该划定一定的边界，而不是指定一步步的具体步骤。这能鼓励学习，并避免微观管理。

“在现在这个竞争日益激烈的环境中，除非您鼓励员工进行有意义的试验探索，而不是追求稳妥的成功，否则您公司将难以脱颖而出，” Brill继续说。“这种思维方式在过去意义不大，但现在有了虚拟现实和衍生式设计等现代工具，能够以较低成本快速进行原型设计和迭代。这让新的概念容易得到试验，也可减少过去经常发生的一些风险。”

6.用“疯狗浪”方法设计创新的工作流程

Brill说，要将激进的创新作为一种可靠的策略，可采用一个所谓“疯狗浪 (ROGUE) 方法”流程：

现实测试假设 (Reality-test assumptions): “我们对市场、技术和其他力量的了解往往有些过时或是不够准确。”

观察整个系统 (Observe the system): “花些时间去了解是什么导致了当前的情况，以及是什么会造成新的变化。”

生成一个可能的未来的范围 (Generate the range of possible futures): “考虑可能会是什么，而不是您想要什么。”

将威胁和机遇脱钩 (Uncouple threats and opportunities): “通过时机、排序和对冲您的投资，推动取得最理想的结果，避免最不理想的结果。”

试验一组方法 (Experiment in portfolios): “先小规模地测试多种不同方法，以找到最佳选择，然后才进行不可收回的投资。”

“当进行试验时，请考虑您是否采取了正确的方法，”Brill说。“是逐步改进一种产品还是追求一系列解决方案？例如，近百年来汽车公司一直在迭代地改进汽车，而生物制药公司在计算了不同时间范围的风险之后，对分子组合进行投资。。汽车公司总是需要取得成功，但生物制药公司并不依赖于一次成功，甚至不依赖于一个成功的组合。所以无论哪一个试验取得成效，他们都能在正确的时间获得正确的结果。”

7.在整个组织内抓住人工智能机遇

借助ChatGPT等人工智能服务和CoPilot等无代码工具，每个人都可以使用人工智能，关键是要在所有各种技能水平中识别出最佳的机会，并建立起能为您组织带来最多机会的系统——在制定长期战略的同时，也要立即追求“迅速利用”。

目前，人工智能是高性能的（performant），而不是有能力的（competent），这意味着人工智能系统可以在特定任务上表现出色，但它缺乏人类拥有的理解更广泛背景的能力和推理能力。“在今后24个月，很可能有一些空白开始得到填补，因为多智能体系统可以让一个擅长某种任务或数据的人工智能与具有其他能力的人工智能一起合作，”Brill说。“这种情况出现时，世界会变得迥然不同。组织中的初级人员会找到新方法来减轻日常繁琐工作的负担，例如合规性规范文本和电源插座的详细说明书等等。同时他们将有机会获得有用的捷径和虚拟教练。”

与此同时，对于人工智能尚无法自行完成的更复杂的任务，公司需要改进其决策过程。