人工智能将对整个培训行业产生很大的影响，作为培训领域的一个专业方向绩效改进，我们认为在人工智能时代，也会重建绩效改进模式，怎么能重建呢?

 

　　我们认为主要是这四个维度：第一个维度是数据化。第二个维度是不确定性。第三个维度是敏捷性，第四维度是兼容性。

 

 

　　第一个：数据化。

 

　　在人工智能时代的数据搜集分析及其重要，但是数据的有效性和准确性更是重要，所以我们在英文当中通常有句话说叫“garbage in”、“garbage out”，就说你搜的数据是垃圾，输出的成果也是垃圾，我们培训人其实对数据领域来绩效改进挺陌生的，但是在行业里面其实已经有很多公司在操作了。

 

　　在行业里，数据可以是我们通过观察、实验或计算得出结果，可以用于科研研究、设计、查证等，数据包括字节型、数字型、文本型。数据首先可能应用的是物流领域，现在每个物流公司都开始逐渐有IE(工业工程师)，在生产制造企业IE早已经是必不可少的。

 

　　举个例子：

 

　　在UPS，大约有3000工业工程师，所以这些工业工程师经过一些大数据分析，比如说计算路线，因为在快递公司有一个很重要工作就是做路由规划。路由规划不是路由器，其实是做路由规划，比如，路线应该怎么走?是左转还是右转?什么路线是最短路径?什么路线是最节省汽油?

 

　　所以在UPS统计得出个结论是——“左转是血流，流右转是现金流”。所以这是基于大数据分析结果。

 

 

      一个车钥匙的故事：

 

　　其实UPS在行业里面，快递员的薪酬是最高的，他们想怎么用数据来改善绩效呢?所以就思考一个问题：快递员同时也是驾驶员，所以他通常会拿着汽车的钥匙。所以拿汽车钥匙的时候，到底汽车钥匙放在哪里呢?

 

　　UPS在全球范围的每天派送1500万包裹，所以司机的时薪是29美元，每天工作约250天。如果说给每个包裹运送节省1秒钟，你每年将UPS节省大约是3000万美金，所以这是他的“车流经济学”，他就考虑怎么节省这一秒，这所以就经历了持续改善的过程。

 

　　第一阶段是1970到1990，它是通过左手小指佩戴钥匙来减少时间，无需到处找钥匙，更快启动发车。

 

　　他们还再持续改进，经过数据分析后，到了1990到2010。改成左手小指佩戴钥匙加遥控，用遥控钥匙还可以遥控一下，所以更加快捷的打开所有车门。

 

　　到了2010到现在，这就有点人工智能感觉了，他是靠电子感应设备，一键式启动。换句话说就是这时候都不用佩戴钥匙，不用放在小指上，就挂在腰间，只要靠近车门，就可以电子感应，门自动打开，甚至为了开车方便上下，节省时间都不关门。

 

　　这就是持续改善的价值。从表面上看，UPS卡车看起来与20年前没什么两样。但UPS工会负责人说，当把他们的工资、医保和养老金累加起来，UPS司机目前的工资是90年代中期的两倍。UPS的IE说：“他们的薪水是业内最高的，而我的工作就是要保证他们的高效率，只有这样才能保证他们拿到业内最高的薪酬。”

 

　　所以从这个角度来说，其实IE在这里面所做的事情就是持续的绩效改进，它是通过数据分析，再研究在薪酬待遇不断增长的情况下，通过持续的改善提高人的劳动生产率，以确保能他们拿到业内最高的薪酬，这就是绩效改进。

 

 

      第二个是不确定性。在人工智能时代，其实绩效改进还应该做些变化，变化其中之一就是我们把原来的绩效改成了业绩，为什么要改成业绩?

 

　　因为在我们原来时代上绩效改进改的是可确定性，具体表现是量化，但是我们现在认为绩效改进如果做得好的话，其实应该还能改进不能被量化的。

 

　　有四个概念需要大家理解：

 

　　在做绩效改进里面，我们称最狭义的可被量化的关键业绩指标叫KPI，目前很多人理解的绩效改进是可被量化的业绩指标叫绩效 PI。组织所追求的有价值的业务结果叫业绩，业务活动产出的所有结果叫业务结果。

 

　　到了人工智能时代，其实应该改进的是组织里面所追求有价值的各种硬件，即可以被量化，也可以不被量化。所以说绩效改进可以改组织氛围的提升，也可以是创新，文化的建立等，所以这些都是不太容易被量化。

 

　　因为人工智能时代是有很多是不确定的，所以这也是为什么要提出敏捷创新、迭代，因为不确定性特别高，这是非常重要的一个概念。

 

 

　　在这里我们可以看出什么是量化，什么是不被量化的，比如KPI和绩效是能被量化的，但是业绩是有些可以的不被量化。

 

　　所以绩效改进，其实应该改成业绩提升。这是我的看法，因为他应该能够改，不能被量化。比如改善文化氛围确实就很重要。

 

　

 

 

　　第三个是敏捷性，它强调快速推演、迭代。现在绩效改进的一般是3到6个月，周期比较长，所以我们就想能不能把方式更快一点。

 

　　所以我们设计沙盘，通过沙盘方式推演，比如分析组织战略目标、分析业绩差距，并设定提升目标渠道影响因素。

 

　　有一个典型的代表案例，我们的这家客户是已经发展到了一定规模，而且规章制度非常完善的制药公司，但是发现公司流程特别长。后来这家公司就引入敏捷模式，比如开会，开会不要坐着开，学互联网公司站立开，要15分钟把会开，不要坐着舒舒服服讨论问题。所以敏捷就是用沙盘推演战略的方式，用站例会方式、用缩短流程的方式、用迭代的方式。

 

　　还有一个案例是，他们原来是制定策略或者解决方法需要很长时间，并且还需要一个专门的团队，但现在就是制定的行动计划，在实施中边实施、边策略。所以这就是敏捷模式。

 

　　如果未来敏捷性做得好的话，我们再融入大数据，可以把业绩改善的分成六种不同的类型，比如说有改善品质的，有改善销售业绩的，有改善人力资源的、有改善流程的、有改善文化氛围的。

 

　　

 

      最后，在人工智能时代，还要考虑兼容性，兼容性其实就代表了业态的共生。

 

　　当时我记得给制造型的公司在介绍几项改进的时候，但制造型的公司说，绩效改进方法其实跟他们制造业用的一些专业方法并没有优势，比如说他们改善体质，有FMEA，有6 Sigma，有Lean，他觉得比绩效改进专业的多。

 

　　所以在绩效改进当中，要考虑到各个公司现在已有的各种方法，把这些方法兼容起来，所以当时一个·同行还问我一个问题说，你的绩效改进跟问题分析解决到底有什么差别?

 

 

      我认为可以理解绩效改进是分析与解决问题的高阶版。

 

　　高阶版具体体现在，问题分析解决可能只是就问题解决问题，但是绩效改进是站在老板的视角解决复杂的系统性问题，问题分析解决可能只解决标，但是绩效改进，即治标又治本。

 

　　在人工智能时代，绩效改进其实应该扩展到各个纬度，包括企业各级管理者(尤其是中高级)、各业务条线营销负责人、处于困境的区域/分公司负责人、生产型企业负责人、HR或HRBP、培训部门。

 

　　

 

      所以在人工智能时代，我们认为绩效改进一定要进入2.0时代，我们把它叫做敏捷业绩提升。所以它使用的人群更广，更加强调用人工智能以数据的方法去抓取数据，用数据来说话。因此需要强调的是，在人工智能时代组织绩效。一定要变得更加数据化，要处理不确定性的问题，要考虑敏捷迭代和兼容性。

 

 

　　这是我到硅谷做考察，看到英特尔公司的联合创始人之一Robert Noyce说了一句话，现分享给大家："Don't be encumbered by history Go off and do something wonderful "。

 

　　所以我们培训人做绩效改进，你会觉得可能受到很多束缚条件，但是我们希望大家能够突破自己舒适区出去做一些与众不同的事情，能够使世界变得更加的美好!