【ZiDongHua 之人文化天下收錄關鍵詞：劉杰  自動化生產 自動化管理  人工智能  供應鏈  】

自動化管理的實施：意義與路徑

導語

自動化生產與自動化管理對企業(yè)的發(fā)展都具有重要的影響。自動化生產所影響的更多是與企業(yè)生產相關的過程，而自動化管理對企業(yè)的影響則更加全面和深遠。在數(shù)字化時代，企業(yè)必須要重視運用自動化管理以獲得可持續(xù)的優(yōu)勢。那么，企業(yè)究竟應該如何認識和開展自動化管理呢?

文 / 劉杰

企業(yè)對自動化管理的定位

近年來，伴隨著物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)以及深度學習等技術的發(fā)展，自動化管理也成為賦能企業(yè)管理的一項重要應用。自動化管理的實質是運用基于人工智能(Artificial Intelligence - AI)的解決方案來完成管理任務。雖然AI這個概念在二十世紀五十年代就被提出，并且半個多世紀以來也經(jīng)歷了多次發(fā)展浪潮，但是，AI的基本組成并沒有改變，仍然由數(shù)據(jù)、模型(也稱“算法“)和算力等三大基石組成(如圖1)。

圖1 組成人工智能的三大基石

正是由于大數(shù)據(jù)(數(shù)據(jù))和云計算(算力)的高速發(fā)展，特別是機器學習技術的長足進步，AI又一次成為企業(yè)的熱點應用技術。而對AI三大基石中的算法可以從不同視角加以理解。一般而言，企業(yè)可以將算法理解為是一個明確的計算過程，該計算過程在計算機中表現(xiàn)為一個或一組程序，該程序接受某個數(shù)據(jù)或某一組數(shù)據(jù)作為輸入，通過算力的運用，產生一個或一組新的數(shù)據(jù)作為輸出。從表面上看，算法就是程序，是程序員或者軟件工程師的工作。然而，本質上程序的核心是發(fā)現(xiàn)、分析和解決實際問題的方法與過程。進一步思考可以知道，相關的方法與過程取決于具體的實際工作，甚至還與每個工作人員的思想方法和認知水平等密切相關。所以，程序的核心思想來自實際工作的抽象，這項任務一般由算法工程師承擔?？梢哉J為算法也是模型，而模型表達的是業(yè)務本身。算法也就是可以計算的業(yè)務職能，因而可以通過一定的方法對算法不斷理解、解析、學習和迭代。當業(yè)務職能成為計算機可以運行的程序時，相對于人工從事該項業(yè)務職能而言，就表現(xiàn)出高效率、規(guī)范化和易控制等特點，能有效地降低企業(yè)內、外部的交易成本。

由于自動化管理能夠帶來管理協(xié)調成本的降低，因此對于企業(yè)規(guī)模的擴大提供了有利的條件。其實，計算機的出現(xiàn)和互聯(lián)網(wǎng)的發(fā)展，就已經(jīng)引發(fā)了企業(yè)競爭市場的變化。從個體經(jīng)營對象看，以前是“一鋪養(yǎng)三代”，近兩年很多人使用一部手機做直播的收入，可能會超過一個固定的商鋪，個別帶貨主播在雙十一這一天的銷售收入就超過了100億人民幣。數(shù)字化系統(tǒng)使得很多小企業(yè)也有了進入全國甚至國際市場的機會。美國代頓大學歷史學教授拉里·施韋卡特等在《美國企業(yè)家》一書中就指出，1950年時美國初創(chuàng)小企業(yè)有九萬三千家，而隨著70年代末及80 年代個人電腦和桌面排版系統(tǒng)的出現(xiàn)，在1980年時，初創(chuàng)小企業(yè)的數(shù)量就增加到四十五萬家，尤其是在1995年，初創(chuàng)小企業(yè)的數(shù)量超過了八十萬家，相比1980年幾乎翻了一番。分析《財富》世界500強企業(yè)，也可以發(fā)現(xiàn)在1996到2020年之間，企業(yè)的營收規(guī)模整體上增長了近兩倍。

就整體而言，無論是理論上的分析，還是企業(yè)實踐中的現(xiàn)象，都說明了隨著數(shù)字化技術的應用，企業(yè)生產率水平普遍有了進一步的增長?？梢钥隙ǖ氖?，當以AI為核心的自動化管理在企業(yè)中加以應用，能為企業(yè)帶來兩大優(yōu)勢：一個是管理決策的效率與質量優(yōu)勢，另一個是將數(shù)據(jù)作為生產要素真正地開始加以運用的優(yōu)勢，亦即自動化管理成為企業(yè)發(fā)揮數(shù)據(jù)要素的一個抓手。

M公司供應鏈自動化管理示例

以筆者參加過的一家鋼鐵貿易企業(yè)M公司供應鏈自動化管理為例，采購與供應鏈管理是公司持續(xù)競爭優(yōu)勢的核心來源。M公司上游有數(shù)十家供應商，下游有數(shù)千家客戶，這里分別僅用B鋼鐵公司和汽車企業(yè)G公司來說明，圖2是一個簡化的示意圖。由于鋼鐵產品有生產周期的限制，在傳統(tǒng)模式下， G汽車公司通常依據(jù)自己的生產計劃給M鋼貿公司下達下下個月的多個車型、數(shù)百種零部件的采購計劃，亦即M公司需要為G公司保留兩個月生產所需的原材料庫存。M公司匯總所有客戶的訂單后還需要向B鋼鐵公司傳遞相應的采購計劃。該過程中不僅存在合同、加工、倉儲、提貨、物流和結算等復雜的環(huán)節(jié)，而且還常常會遇到“計劃沒有變化來得快”等問題，哪怕G公司對某個品種零部件一天的實際需求量達到了兩個月的計劃量，M公司也必須滿足。

圖2 M公司供應鏈

M公司傳統(tǒng)的做法是，借助于信息系統(tǒng)安排多名工作人員，分別負責不同產品的采購與銷售。其實，M公司要滿足G公司對庫存的需求是有難處的：一方面存在著國家之間發(fā)生貿易沖突的可能，上游B公司的原材料鐵礦石存在不確定性;另一方面，保持兩個月庫存量所占用的資金等成本很大，而且鋼鐵產品市場價格波動也很大。盡管M公司近年來對信息系統(tǒng)進行了持續(xù)的投資，供應鏈中的主要環(huán)節(jié)均實現(xiàn)了信息化，但是，隨著下游G公司的產品越來越多品種、小批量化，M公司供應鏈管理開始面臨三大挑戰(zhàn)。

一是數(shù)據(jù)挑戰(zhàn)。信息系統(tǒng)中的數(shù)據(jù)呈指數(shù)級增長，這些累積了若干年的大量數(shù)據(jù)不僅沒有發(fā)揮作用，反而占用了系統(tǒng)的資源，系統(tǒng)本身和工作人員的處理能力越來越不足。

二是交互挑戰(zhàn)。對銷售與采購這兩項活動，公司雖然不斷增加人員，但是與上下游之間以及公司內部部門之間的溝通與協(xié)調愈加不暢，相應的管理成本大幅上升。

三是創(chuàng)新挑戰(zhàn)。原有模式下，M公司的銷售對接G公司采購，M公司的采購對接B公司銷售，而“對應著計劃的變化”卻主要取決于G公司的營銷部門對某款車的營銷成果和B公司的采購部門所掌握的原材料供應的穩(wěn)定程度。

M公司原有的模式難以保證持續(xù)地擴大業(yè)務規(guī)模，同時，效率和效益也有降低的趨勢。“功不十，不易器;利不百，不變法”，在此背景下，M公司選擇進入數(shù)字供應鏈(Digital Supply Chain)轉型階段，這將改變傳統(tǒng)的采購與供應鏈的運營、組織和關系模式，管理自動化就是其中的一項重要任務。

企業(yè)的目的是創(chuàng)造客戶，為客戶帶來價值的并不是企業(yè)的某個部門、某個崗位，而是一個完整的業(yè)務流程。因此，M公司明確開展自動化管理的對象應該是業(yè)務流程，而不是某一項具體的活動。而企業(yè)流程自動化的目標主要是使流程更精簡、高效，大規(guī)模業(yè)務流程管理自動化也是企業(yè)數(shù)字化轉型的重要特征。

M公司采取了多項舉措來部署與實施供應鏈管理自動化：

首先，公司召開了四天的全員研討會，主要討論供應鏈管理中面臨的需求和挑戰(zhàn)，并開展AI基本原理的培訓，提出公司下一步的自動化管理解決方案。

第二，與咨詢公司合作，對與上下游以及第三方之間的業(yè)務流程進行抽象整理，從上百個主要流程中識別具有高度重復性的數(shù)十個核心業(yè)務流程，確定優(yōu)先為這些流程開發(fā)可以開展自動化管理的解決方案。這里的高度重復性是指在多個崗位執(zhí)行或某個崗位高頻率執(zhí)行。

第三，將選定的業(yè)務流程轉換為算法模型開發(fā)人員能夠閱讀的工作流程，進行算法建模。在建模過程中，分類確定程序化流程、非程序化流程和半程序化流程，對程序化流程和半程序化流程中程序化部分的算法模型進行構建，同時確定算法模型需要用到的數(shù)據(jù)及對數(shù)據(jù)的要求。

第四，預算構建、運行和維護算法模型的成本，同時計算算法模型可替代的全職員工的工時，估算運行算法模型所產生的效率與效益影響，進而創(chuàng)建每一個算法模型的投資回報率。

第五，依據(jù)上述過程的結果選定相應的業(yè)務流程開展算法模型的軟件實現(xiàn)、調試、試運行和實際投入運用。在此過程中，對全員持續(xù)進行培訓，開展變革管理教育，創(chuàng)建員工自動化管理的思維和企業(yè)的文化。

第六，持續(xù)優(yōu)化、增強已投入運行的算法能力，逐步增加自動化管理流程的數(shù)量。

在M公司庫存管理的流程中，典型的一個程序化流程就是依據(jù)客戶需求自動生成訂單，主要活動包括：系統(tǒng)每天定時接入G公司計劃系統(tǒng)抓取最新發(fā)布的生產計劃，依據(jù)BOM表自動分解為公司的采購計劃;接受其他客戶的電子郵件、Excel或Word文檔等文件，自動生成采購計劃。

然而，上述自動生成的采購計劃并不能作為M公司給上游B公司下的訂單。因為M公司不愿意、也不需要為G公司保持兩個月的庫存，同時上游B公司的生產也存在不確定性。這就是半程序化管理決策的問題。一方面，因為G公司的計劃一定會有波動，針對這個波動可以依據(jù)歷史數(shù)據(jù)建立相應的算法，自動化管理系統(tǒng)就可以確定每一種零部件的波動值。另一方面，M公司的銷售與采購部門定期(如每天或每周)分別與客戶的營銷部門、供應商的采購部門溝通，以把握客戶的產品營銷活動和供應商的原材料保障信息。

國家政策的變化、市場發(fā)展的趨勢、突發(fā)性的疫情或其他自然災害甚至區(qū)域戰(zhàn)爭的影響等，就是非程序化的管理決策問題，需要管理者的智慧。

綜上，M公司最后才確定自動轉發(fā)給供應商B公司的訂單。該系統(tǒng)的建立與運行，不僅為M公司帶來了日常工作效率，而且還帶來了巨大的效益。就為G公司準備庫存而言，周轉期從127天減少到47天。

M公司建立供應鏈管理自動化系統(tǒng)，其初心并不是取代員工，而是充分運用積累的大量數(shù)據(jù)，在采購和銷售兩個環(huán)節(jié)上協(xié)助員工與企業(yè)內外開展交互，簡化端到端的流程，并為客戶、為公司創(chuàng)新增加業(yè)務價值。該系統(tǒng)除了參與完成日常的工作流程外，每日還為不同崗位的人員創(chuàng)建市場數(shù)據(jù)報告、客戶評估報告、庫存異常報告等，管理自動化也改變了公司文化以及員工的工作方式。

企業(yè)開展自動化管理的基礎建設

正如本文第一部分所分析的，自動化管理的核心技術是AI，而模型(算法)、數(shù)據(jù)與算力是AI的三大基石。落實到自動化管理中，模型實現(xiàn)的就是連貫的業(yè)務流程，模型的正常運行需要輸入正確的數(shù)據(jù)，而模型、數(shù)據(jù)的運行必然需要IT基礎設施。

業(yè)務流程梳理

亞當·斯密的分工理論指導企業(yè)管理者們細化工作任務單元，一方面大幅度提高了企業(yè)的生產率，另一方面也帶來了營銷、生產、財務等專職職能部門以及科層式組織架構形式，使得企業(yè)中存在著大量各自為政的破碎性流程。企業(yè)開展自動化管理首要的基礎就是需要將業(yè)務流程連貫化。正如邁克爾·哈默等在《端到端流程：為客戶創(chuàng)造真正的價值》一書中所闡述的，工作不應該是一系列分散的活動，應該用端到端的連續(xù)體來代替。

其實，反過來說，業(yè)務流程連續(xù)化的前提還是做好分工，因此，通過分工的重新安排就是連貫業(yè)務流程的路徑。重新安排分工有兩種思路：一種是從下游客戶出發(fā)推動需求，再推向內部的流程，即由外而內跨組織打通業(yè)務流程;另一種是把提高效率作為出發(fā)點，對內部能力和資源進行跨職能整合成連貫的流程。

適合管理自動化的企業(yè)業(yè)務流程應該具有明確的規(guī)則，因為只能對結構化的問題才能構建算法模型，同時，自動化程序的執(zhí)行也需要精確的指令。然而，對企業(yè)而言，不可能沒有異常的情況發(fā)生，如果對異常進行自動化管理的算法建模，復雜度就會大幅增加。此外，即使還存在沒有異常情況出現(xiàn)的流程，但是可能一周或一個月才執(zhí)行一次，那么由人工完成這些異常的或低頻率的流程即可，這不僅是出于成本的考慮，也是從減少系統(tǒng)運行的復雜度出發(fā)的。

應用數(shù)據(jù)準備

運用系統(tǒng)開展自動化管理的方式和人工不一樣，它們不是通過模仿人們的思維方式而建立的，而是建立在算法模型和數(shù)據(jù)基礎上的，也就是將過去需要人類的智慧去解決的問題轉變?yōu)榱擞嬎銌栴}。人類的思考與推理等智慧活動常常并不需要很多的數(shù)據(jù)，而且人腦處理數(shù)據(jù)的能力也很有限。人們常常會運用自己的直覺和經(jīng)驗進行決策，這也是人類擅長的活動，所以，以前的銀行等機構就稱經(jīng)驗豐富的員工為“老法師”。自動化管理系統(tǒng)需要更多的數(shù)據(jù)和計算能力，而“不知疲倦”地運行和處理大量的數(shù)據(jù)是計算機系統(tǒng)所擅長的，算法模型和數(shù)據(jù)就成為當今的“老法師”了。

自動化管理系統(tǒng)需要的數(shù)據(jù)主要來自業(yè)務管理系統(tǒng)。在很多企業(yè)，這些數(shù)據(jù)大部分已經(jīng)存在于現(xiàn)有的系統(tǒng)中，包括在企業(yè)之間進行數(shù)據(jù)傳輸?shù)碾娮訑?shù)據(jù)交換(Electronic Data Interchange - EDI)系統(tǒng)，還有ERP、PLC、SCM、CRM以及MES等集成系統(tǒng)。這些系統(tǒng)覆蓋了企業(yè)從銷售到采購以及物流、付款等流程，共同組成了企業(yè)自動化管理系統(tǒng)的數(shù)據(jù)神經(jīng)系統(tǒng)。因為系統(tǒng)訪問系統(tǒng)的能力很強，即信息管理系統(tǒng)從一個系統(tǒng)轉換到另一個系統(tǒng)可以在“黑箱”中進行，其速度快于人工，不僅效率高，而且能減少人工成本。

因此，企業(yè)構建自動化管理系統(tǒng)并不需要把原有系統(tǒng)推倒重來。當然，企業(yè)針對自動化管理的實際需求，可以開發(fā)諸如物聯(lián)網(wǎng)應用系統(tǒng)并運用區(qū)塊鏈技術等，采集流程所需求的及時數(shù)據(jù)并保證數(shù)據(jù)的安全性。

IT基礎設施提供

實施企業(yè)管理自動化所需要的IT基礎設施大部分都可以與原有系統(tǒng)共享，包括計算機硬件、操作系統(tǒng)、企業(yè)應用軟件、數(shù)據(jù)管理及存儲、網(wǎng)絡/通訊平臺以及咨詢系統(tǒng)集成服務等。

就企業(yè)管理自動化的應用軟件而言，一般有兩類，一類對應程序化流程，通常被稱為機器人流程自動化(Robotic Process Automation ，RPA)。常見的 RPA 軟件具有兩個特點：一是配置簡單，應用人員不需要掌握很強的編程技能，只需要拉動圖標把流程中的步驟表達出來，代碼便會自動生成;二是RPA產品不需要侵入和觸及其他諸如ERP等系統(tǒng)底層，不存儲任何數(shù)據(jù)，只需要通過表示層即可對其他系統(tǒng)進行訪問。

另一類對應半程序化流程，通常被稱為認知自動化(Cognitive Automation - CA)或認知智能(Cognitive Intelligence - CI)。這類軟件工具需要與業(yè)務工作人員通過邏輯推理等開展交互活動，并應用知識解決問題，應用過程比RPA復雜。

雖然說引入新的IT技術能夠大幅度提高系統(tǒng)運行效率，但對大多數(shù)中小企業(yè)而言，新技術的成本很高，需要智能地使用，即必須要考慮投入產出。企業(yè)開展管理自動化，一項有效降低成本的技術選擇就是虛擬化 IT 資源的云計算，包括基礎設施即服務(IaaS)、平臺即服務 (PaaS)和軟件即服務(SaaS)等形式。

關于作者 | 劉杰：復旦大學管理學院教授、博士生導師

責任編輯 | 劉永選(liuyx6@sem.tsinghua.edu.cn)

文章來源 | 本文刊登于《清華管理評論》2022年6月刊，內容有刪減