算法与直觉：企业战略决策的共生之道

在数智化浪潮中，战略决策过程也因人工智能和大数据的逐渐普及而发生改变。管理者不再仅凭经验与直觉决策，还能从算法中获得多维度的数据支持。然而，当商业环境变得愈加复杂与动态化，算法是否能完全替代人类直觉？

宁波诺丁汉大学商学院陈晋副教授，新加坡国立大学计算机学院Cheng Suang Heng副教授、ESSEC商学院Yan Li教授以及浙江大学管理学院陈熹教授的一项最新研究表明，算法与直觉并非对立关系，而是战略决策中不可分割的互补力量。近日《哈佛商业评论》中文版对陈熹和陈晋进行访谈，与他们深入探讨了管理决策中，数据和算法以及经验和直觉怎样进行“人机协同”，以及如何尽可能获得最优解。

管理者利用经验和直觉进行战略决策由来已久，其作用来源于人类处理复杂环境时对外部模型的简化能力。这种简化形成的认知策略，即启发式（heuristic）决策，能够帮助管理者在信息不充分、时间紧迫的情况下快速做出反应。例如，CEO在部门预算分配或选择进入哪个新市场时，通常依据简单线索，比如部门负责人表现的自信程度或者市场文化相近性，而非耗时的全面分析。直觉具有“迅速”“简单”“易于调整”的特点，因此在分秒必争的紧急战略决策中显得尤为关键。

另一方面，在现代商业环境中，算法因其强大的数据处理能力被广泛应用。例如，多媒体搜索引擎企业利用算法分析用户行为模式，优化推荐系统。当环境很复杂时，算法能够速识别隐藏的信息，例如用户偏好之间的非线性关系，对于精准投放广告或优化产品功能非常重要。

陈熹和陈晋总结了研究的核心发现，揭示了人类直觉与大数据在不同环境中的表现与作用规律：

人类直觉通过简化“线索（cue）”“目标选项（alternative）”和“关系（relation）”这三个基本要素来简化对环境的感知。当外部环境较为简单且稳定时，人类直觉表现出强大的效能，能够独立解决大部分问题。在这种情况下，大数据对人类直觉的增效并不显著。然而，当环境开始变得复杂或动态，情况则发生变化。面对复杂的环境，大数据擅长发现线索（cue）之间的非线性关系（relation）并进行降维处理，帮助管理者发掘更准确的直觉要素；在动态环境中，大数据能及时更新基于直觉的目标选项（alternative），为管理者提供更具针对性的选择方案。

但是，若环境同时具备高度复杂性和动态性，大数据的作用反而显著减弱，甚至因无法适应快速变化而产生误导性结论。在这种极端情况下，人类直觉的灵活性和适应性显得尤为重要。这是因为，“大数据如果要优化人类直觉，需要固定住直觉的某个要素来调整其他两个，我们称之为‘锚点’（pinning）；然而此时的环境导致人类直觉的三要素可能同时发生变化，这时大数据优化人类直觉的效果和作用就减弱了，反而需要依赖直觉来调整大数据的算法重新适应环境。”陈晋在采访中说道。

比如在突变性高、复杂的技术领域，直觉能够在数据不足的情况下快速提出解决方案，例如一些市场在初生阶段，并没有太多先见经验可以借鉴，而是依赖管理者的商业洞察力抢占市场。此时，直觉能够重新校准大数据的分析框架，为决策提供关键的指导方向，并将大数据的优势重新聚焦于优化过程。

总体来看，大数据并未取代人类直觉，而是更多地发挥辅助和优化作用。尤其在复杂或动态环境中，两者的结合能够显著提升决策效率和效果。然而，在极端复杂且动态的环境中，人类直觉仍然是不可替代的主导力量，为管理者应对不确定性提供了重要支持。

随着我们从乌卡VUCA时代逐渐步入巴尼BANI时代，商业环境的不确定性与复杂性进一步深化。因此，人们的焦虑感更加强烈，系统性挑战趋于非线性化，同时许多现象变得难以解析。这种环境转变对高管的决策能力提出了更高要求，不仅需要快速反应，还必须在高度复杂且不可预测的情况下，寻求创新性的决策路径。陈熹和陈晋也在采访中为高管提供了应对这一环境的具体指导，强调人机能力结合在决策中的关键作用。

首先，BANI时代的脆弱性和不确定性要求高管迅速应对不断变化的外部环境。教授们建议采用“小步迭代”的方法，将人类快速直觉（系统一）与算法的监控反馈（系统二）相结合。高管可以基于直觉快速决策，而算法通过实时监控提供反馈，帮助调整方向，避免因环境突变而陷入决策误区。这种循环优化机制尤其适用于高失败率的创新场景，通过减少试错成本和提升决策速度，使组织在动荡环境中更具灵活性。

其次，非线性和难以理解性的问题凸显了团队协作的重要性。BANI环境中，单个高管的直觉很难捕捉全局复杂性，而通过与大数据的交互，直觉可以被拆解为关键要素（线索、目标和关系）。这种决策逻辑的“外显化”，不仅让高管的直觉更易被理解，也能促进高管和团队之间更有效地沟通和协作，将个人经验升华为共享的集体智慧。在决策过程中，大数据的作用不仅是辅助分析，还在于通过迭代优化帮助团队找到更清晰的解决路径。

另外，BANI时代的难以理解性挑战要求高管在决策时更注重透明化和集体智慧。教授们建议借助大数据与团队协同的机制，将直觉的形成过程结构化，转化为可量化和共享的知识。这种做法不仅提升了团队决策的效率，也降低了组织对单一高管个人直觉的依赖，从而增强了决策的可执行性和适应性。

通过快速决策、数据反馈和团队协作，组织能够更从容地应对复杂和不确定的环境，实现更高效、更精准的战略选择。

陈熹和陈晋还在采访中解释了他们研究所选择企业的采样方法，并展望了未来在不同行业领域的人机交互决策应用潜力。他们指出，此次研究的样本之所以较集中在搜索引擎、在线支付和社交媒体等数据密集型企业，主要因为这些企业符合研究所需要大数据的四个关键维度要求：数据量大（Volume）、多样性高（Variety）、价值密度低（Veracity）、数据产生和响应速度快（Velocity）。这些条件确保了研究者能够深入观察人类直觉与大数据交互的细节。然而，他们也强调，随着数字化和人工智能技术的普及，这些研究结论具有普适性，未来可以为更多行业借鉴和应用。

教授们还进一步说明了选择研究企业样本的理由。他们指出，研究中的四家企业虽然都来自高科技领域，但其应用场景却各不相同，覆盖了多种人机交互模式。例如，社交媒体涉及“人与人”的交互，重点研究用户交互与行为；推荐系统关注“人与对象”的交互，探索用户在浏览网站或观看视频时的行为偏好；而某些支付系统甚至涵盖“机器与人”或“机器与物体”的互动，研究资金流向和风险指标。这种普适性源于大数据在不同场景下的核心作用：“无论是人与人、人与物、还是物与物之间的交互，大数据都能够帮助企业分析复杂关系、优化决策逻辑。因此，尽管此次样本集中在数据密集型行业，但研究的启示同样适用于其他行业，只要企业具备足够的数据基础，并能有效利用这些数据。”陈晋说。

陈熹补充道，案例研究的目标是通过具有代表性的案例发现普遍规律。他指出，应用大数据技术需要强大的数据基础，而许多企业虽然拥有信息系统，但并不具备支持大数据分析的高质量数据。如果企业缺乏这种数据积累和分析能力，就难以有效应用研究结论。

在应用前景方面，医疗行业被认为是最有潜力的领域之一。陈熹提到，近年来医疗信息化建设的迅猛发展使得数据的广泛性和质量得以提升，例如电子病历、诊断影像和病人治疗数据的数字化。但他同时指出，医疗行业仍然面临数据壁垒的问题，比如医院间的数据割裂和诊疗阶段数据不连贯。如能打通这些壁垒，人工智能辅助诊断和医疗决策将有更大潜力，例如智能诊断系统依赖医生原始数据指导算法开发，从而形成医生与人工智能协同诊疗。

针对很多企业在战略决策和业务执行中存在的“脱节”现象，教授们还探讨了如何通过“枢纽与辐条”的模式促进数据中心与业务部门的深度融合，从而提高企业在数字化转型中的成效。

企业可以通过构建数据中心来集聚数据资源与分析能力，同时通过分布式机制将这些资源辐射到各个业务部门——让一部分数据分析人员同时隶属于数据中心和业务团队，从而既保证中心化的分析能力，又能充分理解和满足不同业务场景的需求。这种“双归属”模式能够快速将业务知识融入数据模型开发中，同时将数据中心的能力有效扩展到所有业务部门，实现数据与业务的无缝对接。

然而现实中，很多企业并未达到这样的理想状态。对于那些数据基础薄弱且历史包袱较重的企业，数字化转型是一个渐进的过程。陈熹建议，这类企业可以从一些风险较低、较易见效的小型项目入手，例如通过数据分析优化运营成本等。从具体业务问题出发，将算法能力与直觉结合，积累成功经验，再逐步拓展至更高战略层面的应用。他还特别强调，数字化转型必须以业务需求为导向，而非单纯追求数据挖掘的价值，否则企业很容易陷入盲目状态。

两位教授还指出，在数字化进程中，人机协作的有效性依赖于清晰的沟通框架。例如，人工智能的有效运用需要基于明确的“提示”（prompt）和逻辑框架。如果企业无法设定清晰的目标和问题范围，数据分析和AI技术将难以充分发挥效用。

数智化时代，企业战略决策的核心在于平衡算法与直觉的作用。通过优化组织架构、采用小步迭代的方式以及将直觉外显化，企业可以在复杂和动态环境中实现更高效的决策。陈熹学术团队进行的这项研究不仅为企业管理提供了理论参考，还展示了人机协同如何为商业创新带来新可能性。正如陈熹所说：“技术的作用在于赋能，而非取代人类。未来的企业需要在算法与直觉的共生中找到最佳的决策路径，才能在数智化浪潮中立于不败之地。”

·  FIN  ·

李湛｜文

李湛是《哈佛商业评论》中文版特约撰稿。