崔连斌：人工智能时代重构绩效改进的模式|商业+

我们认为主要是这四个维度：

1、数据化。

2、不确定性。

3、敏捷性。

4、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重要，我们在英文当中有句话说叫“garbage in”、“garbage out”，意思是你搜的数据是垃圾，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，也可以用于科研研究、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，这些工业工程师经过一些大数据分析，比如计算路线。在快递公司有一个很重要的工作是做路由规划。，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，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：

UPS在行业里面，快递员的薪酬是最高的，他们如何用数据来改善绩效呢?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。到底汽车钥匙放在哪里好呢?

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

第一阶段是1970到1990，司机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。

经过数据分析后，持续改进，到了1990至2010年之间，改成左手小指佩戴钥匙加遥控，能更加快捷的打开所有车门。

从2010年到现在，就有点人工智能感觉了，它是靠电子感应设备，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，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UPS司机能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，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，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，应该改进的是组织里面有价值的各种硬件，即可以被量化，也可以不被量化。所以说，这些都是不太容易被量化。

因为人工智能时代有很多是不确定的，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，所以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，但是有些业绩是不能被量化的。

所以绩效改进，应该改成业绩提升。这是我的看法，因为他应该能够改变不能被量化（的业绩）。比如改善文化氛围就很重要。

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，我们就想能不能把方式更快一点。

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等。

有一个典型的代表案例，我们的一家客户已经发展到了一定规模，而且是规章制度非常完善的制药公司，但却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分钟把会开完，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，某公司原来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，但现在只需要制定行动计划，在实施中边实施、边策略。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，可以把业绩改善分成六种不同的类型，比如有改善品质的，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。

当时给制造型的公司在介绍几项改进的时候，制造型的公司说，绩效改进方法跟他们制造业用的一些专业方法比并没有优势，比如他们改善体质，有FMEA，有6 Sigma，有Lean，他觉这些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，当时一个同行还问过我一个问题，你的绩效改进跟问题分析解决到底有什么差别?

我认为可以理为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，既治标又治本。

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)、各业务线条营销负责人、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。

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。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说的一句话，现分享给大家："Don't be encumbered by history Go off and do something wonderful "。

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!

崔连斌
安迪曼咨询公司中国区研发总监

我的专长领域是培训课程设计与开发，以及培训效果评估。