面向通用人工智能时代的企业管理创新：理论、实践与策略

 

引 言

通用人工智能（Artificial General Intelligence）也被称为强人工智能，是一种旨在实现能够像人类一样真正有意识的思考、可灵活处理各种情境和任务的人工智能系统，具有类似人类的智能水平。与弱人工智能（Artificial Narrow Intelligence）相比，通用人工智能超越了传统人工智能面向特定功能的“专用性”，具有模拟人类智能的理性与经验的迁移学习能力，针对不同环境作出适应性调整以胜任不同类型甚至从未见过的任务。当前广泛应用于商业与社会场景的多为弱人工智能，例如面部识别、内容推荐与自动化客服系统等，其能在特定任务范围内高效运行，但缺乏跨情境迁移能力。而通用人工智能能够像人类一样在多种任务中进行灵活理解、推理与决策，是一种“强人工智能”，其具备跨领域的认知与学习能力。而人工超智能（Artificial Superintelligence）则指智能水平远超人类的未来假想形态，目前仍处于理论推演阶段，尚未成为现实可操作的研究对象。当前以大语言模型为代表的新一代人工智能技术已经表现出超越狭义任务边界的“通用性”趋势。然而，反观管理理论的发展历程，经过百余年的演进，建立在工业文明基础上的传统管理理论体系已趋于成熟，但在解释和解决数字化、智能化时代呈现的高复杂性、强不确定性及非线性问题时正面临“边际效用递减”的困境。传统理论对人的认知局限、组织边界的刚性设定以及线性决策模型的依赖，使得管理效率的提升已逐渐缓慢，难以实现跃进突破。而新一代人工智能带来的技术突变正直接改变组织中的知识生产、决策逻辑与人机协同模式，从而对以“有限理性的人类智能”为前提构建的传统管理理论体系造成根本性冲击。因此，相较于仍局限于特定任务的弱人工智能，以及尚未实现的人工超智能，通用人工智能恰处于技术进化与管理体系重构的交汇点，是当前管理研究最具现实意义与理论必要性的对象。图灵测试开启了人类利用计算机来模拟人类智能的人工智能探索阶段，随着计算机科学和认知科学的进步，人工智能的技术表现形式快速演化，在从符号推理系统到专家系统再到机器学习与深度学习技术的不断演进中，其应用也不断拓展和深化，从特定领域的问题求解到商业化再到通用人工智能。尤其是以深度学习和自然语言处理等多领域技术融合催生的新一代人工智能技术的诞生，预示着通用人工智能时代即将到来。以ChatGPT为代表的生成式人工智能实现了大语言模型在交互性和智能化上的重大飞跃，通过整合深度学习、自然语言处理、Transformer架构等多领域技术，大语言模型以其通用性迅速被市场接受和应用。从国内来看，DeepSeek、文心一言、通义千问等通用人工智能大模型和立足于行业应用的云雀、大瓦特等垂直人工智能大模型快速发展，进一步凸显了其卓越的生产力优势，也成为新质生产力的重要内容。通用人工智能正以其卓越的数据处理、分析、智能决策和智能能力，成为优化企业生产流程、降低运营成本、提高产品质量、快速识别市场趋势和消费者需求、加速新产品开发的重要工具，以及重塑企业管理模式、构筑数字智能时代企业竞争新优势的重要力量。

新一代人工智能正朝着通用人工智能的方向快速发展，得到了业界和学界的高度关注，其利用大语言模型深度学习和自然语言处理技术，运用海量输入预训练数据和模型构建，以统计学、传统机器学习、Transformer架构和深度卷积神经网络为开发基础，结合人类反馈强化学习、零样本学习、提示学习指令等技术，被广泛认为是人工智能时代关键的通用应用技术之一，这不仅标志着大型语言模型在交互性和智能化水平上的重大飞跃，而且引发了全球范围内对生成式人工智能研究和应用兴趣的空前高涨。国内外众多研究机构和科技企业纷纷加大在生成式人工智能领域的投入和研究，探索通用人工智能在教育、医疗、娱乐、客户服务等多个行业的应用潜力并在企业中使其得以广泛应用，生成式人工智能大模型正逐渐成为推动社会进步和科技创新的关键力量。作为一种新的技术范式，通用人工智能在影响企业经营管理活动的同时，也对企业管理理论创新提出了新的要求。已有研究总结了通用人工智能的渗透性、替代性、协同性与创造性四大技术特征，强调其作为通用目的技术对企业生产方式的重塑潜力。通用人工智能与企业资源的互补，有助于重构制造业企业资源配置和空间分布结构。已有学者提出面向组织实践的“战略性+人本中心”的通用人工智能整合框架，强调应将人工智能视为与人类共同参与知识建构与决策的协作代理，而非单纯替代工具。人工智能正在改变企业管理的基本假设、对象、方法和属性，其在技术上的进步，尤其是深度学习在图像识别、语音识别和自然语言处理领域的突破，以及强化学习在游戏、机器人控制和自动驾驶中的成功应用，为企业管理带来了前所未有的机遇与挑战。技术进步不仅驱动通用人工智能从概念到应用上的进一步发展，推动科研范式变革，构建“以知识为中心、多元化主体参与、人机共创”的创新系统，而且为“千行百业”提供了丰富的应用场景，推动了实体经济与数字经济的深度融合，为中国在数字智能时代创造竞争新优势和赶超新机会。为适应数字智能时代的技术变革，企业必须在管理理念、组织结构、人才培养和技术整合等方面进行全方位的调整和优化，以应对快速变化的市场需求和技术进步。党的二十届三中全会提出要“完善生成式人工智能发展和管理机制”，对进一步发展人工智能技术、完善人工智能治理体系提出了新的要求，客观上要求深入探讨人工智能的微观后果及其治理机制。

本文尝试在“管理假设-管理对象-管理方法-管理属性”的理论框架下，探究面向通用人工智能时代的管理理论发展趋势，并基于通用人工智能在企业和行业中应用的现实和问题，结合理论框架提出相关的实施策略和建议。

一、通用人工智能影响企业管理的理论逻辑

通用人工智能作为工业时代向数字时代演进的关键技术，深刻影响甚至动摇了源于工业时代的管理原理和理论体系。管理假设作为管理理论出发点，决定了管理者如何理解人的行为动机与认知能力，是管理理论体系的基础，通用人工智能时代管理假设的核心特征是“智能人”超越“有限理性人”，这为后续管理对象与方法的转变提供了基础前提。管理对象则是基于假设所建构的现实操作单元，随着通用人工智能技术的发展，管理对象从单一的人类个体扩展到包括智能系统和机器人在内的复合主体，管理对象不仅仅包括传统意义上的员工，还包括具有智能能力的机器人，这不仅是对管理实践边界的拓展，也要求企业在管理方法上采用更加智能和动态的响应策略。管理方法是在特定假设和对象基础上形成的操作机制，受认知基础与实践环境的双重影响，在通用人工智能背景下管理需要更为智能的方法，个人和组织经验会在智能时代解构并重构为显性知识，管理方法朝着数据驱动、智能演算、实时响应的方向演进。管理属性则是上述三者互动作用的综合体现，是管理系统科学性、技术性与人性化程度的总和，管理的“二重性”中科学性进一步占优但需要更多的人性来保障。

（一）管理假设：“智能人”成为企业管理的新假设

在管理学发展历程中，对人性的管理假设始终是建构管理模式、创新管理内容和发展管理思想的起点，通过对管理主体基本心理倾向的抽象化概念总结，不同时期管理假设的转变也反映所处时代背景下主流科学技术的变化。从基本的管理假设来看，可分为关注“人性”的行为假设和关注“信息”的决策假设，前者是定义管理者行为和目标的依据，后者是实现组织目标的前提。工业革命后，企业规模迅速扩大，对有效管理的需求日益增长。以Taylor为代表的科学管理理论学派提出“经济人”假设，认为通过科学的方法研究工作过程并训练工人，可以提高生产效率。而Mayo则通过“霍桑实验”揭示了工作环境中社会因素和员工情感对生产效率的影响，进而提出“社会人”假设，指出工作效率与员工满意度之间的关系，促进了人际关系管理理论的发展，推动企业管理过程中对员工的心理和社会需求的重视。沙因在综合“经济人”“社会人”和“自我实现人”这三种人性假设的基础上提出了“复杂人”的观点，认为人的需求和潜在愿望是多样而丰富的，强调了个体思维和行为的多样性，因此不可能存在一种适合于任何时代、任何组织和任何个人的管理方法。“复杂人”管理假设对传统工业时代的管理逻辑提出新的要求，要求管理人员能够做到具体问题具体分析，灵活运用不同的管理措施。而在对人性研究的过程中，大量研究关注管理过程中的科学性和最优化问题，从早期管理实践通过应用数学科学模型和统计工具分析来解决管理问题，如库存控制、生产调度等，使投入的生产资源产生最佳的经济效果，形成管理科学学派。到20世纪60年代开始兴起的系统工程理论，它作为一种全新的思考和解决问题的方法论，强调将一个组织或项目作为一个整体来看待，关注各个部分之间如何协同工作，管理者开始重视跨部门、跨领域的合作与协调，通过优化组织内部的相互作用，运用数学模型、计算机仿真等手段进行决策支持，这种科学化、系统化的管理方式极大地提高了管理的精确度和有效性，提高了整个决策系统的效率和效果。此后，由于行为科学管理理论对信息的严苛假设和科学技术的发展应用，管理假设中“理性主义”逐渐得到广泛认可，Simon提出“有限理性人”假设和基于“满意度”的决策分析框架，认为决策者面临有限认知能力和不完全信息等问题，以及在有限时间内做出满意而非最佳的决策，因此强调利用经过数理统计决策的科学规范制度和有形的组织结构对管理对象进行控制。然而，受制于信息获取不完全和不及时，以及计算能力的限制，管理决策始终局限在“有限理性”而难以实现“完全理性”。

在互联网、大数据、云计算、人工智能等技术快速发展浪潮下，管理过程中产生的大量行为数据和企业经营数据可以通过有效手段进行采集、分析和反馈，管理中人、场、物的协调组织呈现透明化趋势，管理情境下涌现出与自然人不同的“智能人”，有限理性的管理决策也开始朝着智能决策进步。一方面，“智能人”成为超越“自然人”的“人-机混合体”，且管理从管理者和被管理者的主体间关系扩展到了“人-机主体间”的复杂关系，“智能人”的认知依赖于人工智能对大数据的“计算归纳”（而非人类决策的“经验归纳”），并依赖深度学习等人工智能技术形成了不可解释的、非透明的决策“黑箱”，对人类决策模式形成巨大挑战。另一方面，基于“有限理性人”的基本信息假设和激励方式需要面临“完全信息”甚至是管理者“信息劣势”的挑战，即“智能人”使得决策从满意决策模型转向人机协同的优化模型，人类在人工智能的选项集基础上结合自身的隐性知识和价值观进行判断和选择，进一步提升了决策效率，也进一步弱化了人类利己动机对社会福利造成的损失。

面向通用人工智能时代的管理假设不仅将具有“类人”属性的“智能人”引入到管理系统中，丰富了复杂人的基本假设，而且利用大数据和智能计算极大丰富了信息内容和决策基础。“智能人”作为企业组织中劳动力范式的跃迁形态，构成了继“经济人”和“社会人”之后的全新管理主体，这种分类演进的深层理论逻辑在于“人类决策能力的约束边界”的变化。然而，通用人工智能的出现打破了这一基本前提，“智能人”假设的本质在于利用外部智能补齐了人类的生物学认知短板。实现了管理假设从“有限理性人”到“理性人”再到“智能人”的进化。“智能人”是一种“人机认知共生体”，是在人工智能时代由人类管理者（作为决策主体）与人工智能系统（作为认知与计算伙伴）深度耦合而形成的、具备超强信息处理能力和计算理性的新型管理主体。它也是人类管理者借助人工智能的强大信息处理和计算能力，在某种程度上克服了西蒙的“有限理性”，从而向经典经济学中的“（完全）理性人”假设回归，但又超越了它，成为“智能人”。因此，“智能人”不仅仅是新的人性假设，更是对管理决策理性边界的一次革命性重构，它既包含了人的价值判断，又融合了机器的计算理性。“智能人”不再是单一的生物学个体，而是人类智慧与机器智能的结合体，为人类提供价值判断、最终目标和对复杂（非结构化）情境的理解，人工智能提供海量数据分析、模式识别、多维推演和方案优化；“智能人”的决策基础发生了跃迁，它能处理的变量、信息和复杂性，远超人类个体的心智极限，它不再是“有限理性”下的“满意解”，而是借助人工智能追求“最优解”；“智能人”既要处理如何管理人工智能的问题，也要处理人类如何与人工智能协同决策的问题。

（二）管理对象：具有智能能力的机器人和自然人的竞争与合作

管理理论的发展也是人的价值被发现和认识的过程。科学管理的重要创新是将人视为最重要的管理对象，这也成为后续学者发展和创新管理理论的基础。泰勒认为管理是明确地知道需要别人做什么，并指挥被管理者用最好、最经济的方法完成工作。罗宾斯和库尔特认为管理是与他人一起或者通过协调别人完成工作，使活动更为有效。孔茨和韦里克关注组织的构建和对环境的适应性，认为管理就是设计和保持一种良好环境，使人在群体中高效率地完成既定目标。在工业时代，人是被作为最具有创造力和活力的管理对象，其他的工具和生产资料则是从属于人之下的管理对象，即形成“管理者-人-其他劳动对象和生产资料”的管理逻辑。

随着通用人工智能时代的到来，作为一种新质劳动力参与企业经营管理活动的人工智能以“智能人”的身份进入企业中，以其高效和便利的使用优点，可以以更低成本、更高效率完成企业工作，提高企业经营利润。这一转变使传统管理对象由“人类员工”开始向“类人的人工智能员工”转变，人工智能对于复杂性高、重复度强、无需自主决策的工作岗位的代替程度越来越高。随着生成式人工智能技术的不断发展，可以预见通用人工智能将延伸出新的管理主体形式，例如具身智能，它将成为比自然人更为有效的管理主体，将部分或全部取代某些人类工作，作为企业或管理者可以支配、协调、控制的一种技术资源，是管理中的新客体。

（三）管理方法：应对不确定性的智能方法将成为核心方法

工业时代的管理包括计划、组织、领导、控制等具体职能，管理者形成决策的过程往往是线性的，主要基于经验、直觉和简单的数据分析，依赖层级化的组织结构和固定的业务流程，管理方法强调管理者的经验、判断和决策能力。按照“有限理性”假设，管理者在做决策时往往只能寻求满足最小需求而不是追求最佳解决方案。对生产与运营管理侧重效率和成本控制，采用标准化生产流程；对客户关系管理重视面对面的交流，依赖传统的营销手段，借助关系营销建立和维护与客户之间的个性化关系；对人力资源管理关注员工的选拔、培训和考核，但缺乏个性化的管理和发展计划；对信息技术的应用主要体现在基础数据处理、信息传递和简单模拟预测上，而不是深度分析或提出创造性决策建议。进入信息时代后，信息的获取、传递、反馈更为便捷，管理者更加关注组织的即时反馈和适应性，学习型组织理论强调组织应该具有灵活性和适应性，强调团队合作和协调。然而，其核心的管理方法是以事后的应对和事前的计划来减少不确定性对组织目标的影响，但受制于信息和计算的限制，难以实现对问题的前瞻性预测和应对。

随着通用人工智能时代的到来，物联网和互联网采集的大数据、大算力芯片和算力集群提供的强大算力、云计算提供的全天候数据支持、通用大模型等新算法的出现，为企业管理提供了自动化、智能化的预测和控制方法。管理者可以更全面地分析和预测市场趋势、客户需求等因素，从而做出更为准确和可靠的决策，让个性化服务和定制化管理变得更加普遍和可行。管理者可以利用智能系统快速收集和分析信息，及时调整策略和行动，以适应市场变化和竞争压力。通过分析大数据来了解客户的偏好和需求，利用智能系统提供个性化的产品和服务，从而提高客户满意度和企业竞争力。科学管理理论提出的科学化和标准化的高效管理方法更加适用于高精度算法支持下数字化、智能化的组织管理，通用人工智能的引入不仅提高了企业效率，更重要的是引入了智能方法，重构了组织的决策和行为逻辑，人工智能成为赋能组织内人员自主决策、自主行动的重要技术来源，智能预测与动态优化成为组织应对不确定性的主动策略。

（四）管理属性：科学性占优但需要更多的人性保障

管理兼具科学性和艺术性的“二重性”，管理科学建立在系统的科学理论基础之上，涉及经济学、心理学、社会学等多个学科领域的知识。管理的科学属性体现在通过对管理经营活动和技术应用实践的规律性总结，形成具有普适性、可重复性、可检验性的管理逻辑理论。管理的艺术属性体现在使用管理逻辑理论指导管理活动的实践中，根据环境背景及人的不同，对应用的管理理论进行灵活和可变的调整，使之适配特定的管理场景。传统管理学属性的二分法将管理理论的科学性与管理实践的艺术性相统一，却在管理过程中忽视了技术性要求。管理的技术性在管理理论发展历程中也曾受到管理学家的关注，如泰勒曾经提出管理技术性的思想，着重关注科学化地管理组织并提高企业生产效率，通过科学方法来管理工作并分工，研究工作过程，制定工作及奖励标准，培训员工来高效实现组织目标。西蒙首先将人工智能引入管理技术领域进行管理自动化的研究，他认为许多组织中的决策可以通过计算机和信息技术自动化的方式来实现，提高基于已知规则和数据的决策效率和准确性，强调信息在组织中的重要性，通过自动化信息处理过程，可以更快速地获取、分析和传递信息，从而帮助组织更好地应对变化和制定决策。作为人工智能领域的先驱之一，西蒙将机器学习和人工智能系统的应用引入管理学实践，通过模拟人类的思维和决策过程，开发出更加智能和自动化的系统，提高组织的效率和竞争力，并强调人机协同的重要性，认为通过合理分配任务和资源，发挥各自的优势，从而实现更高水平的生产力和创新能力。

虽然在以往管理理论研究中有提及管理技术属性，但受制于技术能力，技术性运用的重要意义与价值没有得到足够重视。管理的技术属性可以概括为管理者在管理实践中运用管理理论所采取的管理手段、管理方法与技巧等，将管理理论所内含的潜在思想价值转化为应用实践的现实价值。通用人工智能时代出现的智能员工、自学习自适应软硬件一体化、大数据和云计算处理技术、信息传播平台技术等，对管理实践产生了前所未有的深刻影响。当前，尽管通用人工智能技术已经在计算机科学领域得到极大发展，但在管理学领域的应用仍处于发展阶段，通用人工智能时代管理对象和管理方法等发生颠覆性革新时，管理的技术属性应得到更多的关注。

通用人工智能的快速发展，使管理者能够更快速、更准确地做出决策，并优化资源配置，技术成为提高管理效率和企业绩效的重要工具。然而，随着技术的快速发展，过度依赖技术的“工具主义”可能导致管理过程和管理思维的机械化，忽视了人的情感、价值观和个体需求，从而影响组织的人文关怀和员工的工作满意度。同时，智能技术的使用也引发了一系列伦理和法律问题。例如，隐私保护、数据安全、算法偏见等问题日益受到关注。在传统管理理论中，对伦理与法律的考虑多数从企业社会责任的角度出发，而人工智能时代管理方法的运用应该更加注重伦理与法律的边界，更加需要关注人工智能运行的“算法黑箱”，确保人工智能工具及管理客体的使用符合道德、法律和社会伦理的要求，避免可能出现的风险和问题。因此，管理者在利用通用人工智能技术进行决策时，必须考虑到其可能带来的社会和个体风险，需要更多基于人性的约束，遵守相关的法律法规，并确保决策过程公平、透明进而有利于人类社会的福利改善。

二、通用人工智能影响企业管理的实践逻辑

通用人工智能表现出“通用性”与“自主性”特征。与专用人工智能不同，通用人工智能具备跨领域、跨任务的认知与决策能力，能够在复杂、动态、不确定的环境中实现自我学习与进化。作为一类“使能技术”和“根技术”，通用人工智能是社会系统数字化、智能化、自主化演化的重要技术条件，不仅改造和重塑了现有的产业发展模式，还渗透到企业组织中成为企业发展的重要驱动变量。从对行业的影响来看，通用人工智能早期应用在数字化基础条件较好和数字化水平发展较高的行业，通过数据赋能重塑商业模式和创造价值，在此基础上逐步向上游的制造和工业渗透和赋能，以制造赋能和智能孪生逐步实现对各类行业的渗透和改造。从对微观企业的影响来看，通用人工智能从早期提供信息服务和为产品销售提供决策支持，再到支持企业高效决策和创新生产，从技术上可以对企业基本活动到关键活动予以改造。从对行业和企业的影响综合来看，通用人工智能从利用数据到发掘数据价值再到重构数据价值，其技术价值释放方式从传统意义上的工具型向平台型和生态型跃升。

（一）通用人工智能在行业应用和渗透的演进过程

作为一种新技术，通用人工智能在行业的应用遵循由易到难、由低成本到高成本渗透的基本逻辑和技术扩散规律。其往往首先在技术基础条件较好、企业资源禀赋具有优势的行业中应用，形成在典型行业的示范效应进而逐步拓展到其他行业。而在此过程中，通用人工智能的通用性和根技术特征，会引发产业系统的变革，进而重塑产业体系和经济发展模式。具体来看，通用人工智能对行业的渗透和赋能是从智能数据赋能到制造赋能再到智能孪生的动态演进过程。

通用人工智能发展的早期有赖于数字化基础条件较好和数字化水平发展较高行业的数据优势，通过智能算法赋能行业发展。例如，在金融、商业、医疗等服务业，人工智能可以加速各类数据分析并支持自主决策，促进行业效率的提升。在常用的客户服务场景中，基于大模型的智能客服系统通过自然语言理解与生成技术，可实现全天候、即时响应的多轮对话，并借助深度神经网络对用户历史行为序列进行高维特征提取与偏好建模，从而输出个性化推荐策略，以人机协同替代部分人工座席，有效压缩运营成本，最终强化企业竞争优势。在金融服务中，通用人工智能在智能风控与反欺诈、个性化金融与财富管理、算法交易与市场预测、运营自动化等领域得以广泛应用。例如，全球最大的资产管理公司贝莱德的“阿拉丁”（Aladdin）平台，可以结合客户的财务状况、风险偏好、市场观点甚至社交媒体情绪动态生成和调整个性化的投资组合；摩根士丹利部署了基于OpenAI的人工智能助手，能迅速从海量的市场报告和公司研究中提取、总结关键信息，为客户提供更及时、更深刻的市场分析。

随着数据赋能的经济价值显现，通用人工智能的示范效应和关联效应会驱动智能技术朝着流程更为复杂的行业渗透，尤其是在制造业领域形成对企业内流程的再造和重塑。通用人工智能不仅以数据画像、自主服务与决策支持等方式嵌入价值链，更通过“具身智能”范式重塑生产工具本身。制造业企业将通用模型与机器人本体深度融合，使终端具备实时感知-推理-执行闭环，例如基于物联网大数据的人工智能大模型可以实现对关键设备的预测性维护和智能化运维。进而，制造业企业可以智能工厂为组织载体，把传统“人-机”线性分工升级为“人-智-网-机”协同网络，其对产业形态的改造呈现出“智能+”特征，即通用人工智能作为可编程生产要素，与垂直行业知识高频耦合，催生跨领域、可扩展、自演进的融合创新生态。例如，通用人工智能支撑的生成式设计、数字孪生的流程优化、机器人协作的生产制造过程，再造了制造业的运营模式。

通用人工智能对行业的影响最终会形成以人工智能为核心和主体的产业形态，即数据和智能成为新的产业模式核心。从技术驱动产业和经济结构演化的逻辑来看，通用人工智能不仅表现出对产业的改造和影响，而且会创造出独属于自身的新经济范式，甚至会演化成为与现实孪生的智能孪生体系。例如，通过嫁接服务业，通用人工智能在云端生成可交互的虚拟服务副本，催生虚拟现实与具身智能；嵌入制造业，则以数据-算法为轴，借数字孪生实现预测、决策、生产、服务全闭环，重塑制造体系。

（二）通用人工智能影响企业经营管理的演进过程

与行业渗透类似，通用人工智能对企业的影响也遵循成本定律，即优先适用在容易产生效益的领域。从现实来看，通用人工智能对企业经营管理活动的影响，是从提供信息到支持销售再到支持决策和创新生成，不断深化对企业经营管理活动的影响。

企业数字化和网联化，尤其是互联网的普及和大数据技术的快速发展，为人工智能在企业中的应用提供了丰富的数据资源，提升了企业获取信息的及时性和完整性，也为企业销售、采购等活动提供信息支持。例如，人工智能技术能够通过分析大量历史数据和市场数据，为企业提供更为精准的市场分析和预测参考。这种基于数据驱动的预测方式，有助于帮助企业更好地理解市场需求和预见未来变化，从而在产品开发、库存管理、营销策略等方面做出更为科学的决策。人工智能技术的应用，使招聘过程更加高效和精准，通过算法分析简历信息和候选人背景，可以帮助人力资源管理者快速筛选出最符合岗位要求的候选人，同时通过预测分析辅助企业进行人才规划和员工绩效管理，极大提高了人力资源管理的效率和质量。人工智能技术能够整合和分析企业内外部的大量数据，为管理层提供基于数据的分析和建议，帮助企业在复杂多变的商业环境中做出更加快速和精准的决策，智能决策支持系统为企业的风险评估、投资分析、成本控制等多个方面提供强有力的支持。

随着机器学习尤其是深度学习的突破，人工智能算法预测能力大幅提升，人工智能工具开始具备处理更复杂的任务和分析的能力，数字技术成为优化流程、提升效率和创新商业模式的重要工具，覆盖了决策支持、运营优化、客户服务、组织学习等多个方面。已有研究探讨人工智能通过提效运营、降低信息摩擦、优化劳动力结构，显著提升企业劳动投资效率，且该效应在劳动密集、衰退期及数字产业企业中更强。通过深度学习模型分析消费者行为数据，企业可以更精准地预测市场趋势和制定战略；利用自然语言处理技术，企业可以提升客户服务效率，增强用户体验；借助机器学习的能力，企业还可以优化内部运营流程，提高生产效率。这些应用不仅极大地提升了企业的管理效率和竞争力，而且推动了管理理论和实践的创新。通用人工智能尤其是基于大规模深度学习模型的智能体，已经具备了从数据分析到决策执行的全自动化能力，能够在无需人类干预的情况下独立完成复杂任务。这种转变不仅是对现有技术的延续，而且是对企业管理流程的根本性重塑。一是通用人工智能的引入使得企业管理不再依赖人为的协作和多方干预，而是能够通过自主智能体进行全流程的自我解决。智能体能够独立根据实时数据做出决策并执行，无需人为指令，彻底实现了从决策到执行的自动化。随着通用人工智能的技术复杂化，预测过程也越来越“黑箱化”，其深度学习的机制让决策变得更加复杂且难以解释，却能提供比人类更加精准和高效的决策能力。这种“黑箱”性质意味着，企业在面临决策时不再需要理解每一个决策细节，而是可以依赖通用人工智能系统来进行高效的推理和判断。二是通用人工智能所带来的拟人化决策能力是其最大的特色之一。通用人工智能不再只是简单的计算工具，而是能够模拟甚至超越人类的判断过程。它能够进行高度自主的预判和决策，不仅限于简单的推荐，而是能够在复杂的环境中进行实时学习、决策调整，且具备类人化的决策预判能力。这意味着企业管理不再是依赖传统的“人机协作”，而是进入了一个全自动化的智能时代，决策过程将由智能体独立主导，整个管理流程将由通用人工智能系统自主完成。三是随着通用人工智能的普及，A2A协议将成为连接各个智能体的核心技术，智能体之间能够通过这种协议实现高度自主的跨部门协作和信息共享。例如，在一个生产管理系统中，不同的智能体可以实时进行资源调配、生产调度、库存管理和需求预测等工作，而无需人工干预，真正实现了企业管理的无缝对接与自动化。智能体能够在整个系统中自主做出决策并进行协调，使得企业的经营管理流程更加高效、智能化。

三、通用人工智能技术带来的管理挑战

通用人工智能在创新管理理论和融入企业实践的同时也带来了多维度的挑战，这些挑战并非孤立存在而是有机形成的一个系统，组织管理构成了通用人工智能发挥作用的结构载体，技术管理构成了企业运用这一新质生产力的手段与工具，而管理伦理则构成了技术应用与组织行为必须遵循的价值边界与底线。具体而言，通用人工智能重塑了组织的形态与权力结构，增加了技术治理的难度与风险，同时也冲击了既有的伦理规范与人本价值认知。

（一）通用人工智能对组织管理的挑战

通用人工智能技术重塑了企业对组织结构的认知与依赖方式，从而对传统的层级体系、管理幅度、部门职能配置乃至决策机制带来了根本性的挑战。

一是通用人工智能技术大幅提升了信息处理效率和决策自动化程度，使得传统的金字塔式组织结构失去效率优势。这种结构在传递信息和执行命令方面原本依赖于多个管理层级，而通用人工智能技术可以在信息实时整合与判断后直接推动行动，使组织的“去层级化”“去中介化”趋势加速，管理层次被压缩，决策向前线下沉，组织权力结构发生重构。

二是通用人工智能技术改变了管理幅度和组织边界。管理者有效管理的下属数量受限于自身能力、下属能力以及环境特征，在智能系统辅助下，管理者可以通过实时数据监控与行为建模扩大对团队成员的可控范围。因此，企业面临的是如何在智能代理协助下重新定义“管理”的边界与功能，而非仅仅提升管理效率的问题。

三是通用人工智能技术也对组织的结构弹性与韧性提出了新的挑战。在一个由智能体和人类共存的混合组织中，突发变化与高不确定性成为常态，对组织的快速响应能力和自我调整机制提出更高要求。不仅传统企业组织科层制管理结构难以适应快速发展变化的数字化智能化的时代之变，而且更多的不确定决策需要更加精确化评估和对组织成员和岗位能力的精确匹配。通用人工智能技术虽然能优化决策与执行效率，但也可能在系统依赖性过强的情况下削弱组织的“人工冗余”与缓冲带，降低其应对不可预期风险的韧性。因此，企业需在引入通用人工智能技术的同时，重构组织的容错机制、灵活编组体系与临时响应网络，从结构上确保技术高度介入条件下仍能保持组织的动态适应力。

四是通用人工智能技术改变了组织的管理逻辑和组织文化。智能化带来的角色模糊与边界消解，使得组织中成员间的关系更趋非线性和平台化。管理者不仅是指令的发布者，更是人与技术协同关系的设计者。因此，组织管理的挑战也体现为如何构建一种新的治理逻辑和文化氛围，使组织结构既能适应通用人工智能技术赋能的高效运作，又能保有人本与柔性的文化内核。

（二）通用人工智能对技术管理的挑战

通用人工智能被引入到企业经营管理过程中，成为模仿、学习甚至代替人类智能的思维机器，在加速企业技术创新的同时，也带来了技术失控、技术治理和组织适配的挑战。

一是通用人工智能的“黑箱”特征可能带来技术失控的风险。通用人工智能一旦具备自我保护和自我发展的意识，其势必会脱离人类控制，可能对人类生存构成潜在威胁。同时，一旦智能技术被用于恶意目的，如生成虚假信息、网络攻击等，这可能引发社会、经济等领域的重大安全威胁。此外，即便是设计良好的人工智能，也可能产生意想不到的负面后果，例如因复杂交互而导致系统行为异常。

二是通用人工智能的快速迭代和进化特征，使得对其有效治理面临严峻的现实挑战。快速发展的人工智能技术呈现出不可预测性，现有的技术治理系统难以跟上技术发展的步伐，难以准确预判其复杂的经济社会影响。监管者也往往处于技术和智慧劣势，难以形成对人工智能的有效监管，且存在较高的风险管理成本。

三是通用人工智能作为一种新的系统变量，会对企业乃至社会组织形成巨大的适配威胁。通用人工智能可能导致大规模的就业替代，或者改变人才结构，对社会经济结构和劳动力市场造成巨大冲击。智能技术的开发和使用需要跨部门的深度协作，包括技术、业务、法律、伦理等多个团队，这需要技术管理者推动组织文化向更加开放、协作和负责任的方向转变。

（三）通用人工智能对管理伦理的挑战

通用人工智能发展的不确定性为管理学领域和社会学领域带来新的伦理问题及风险，在面对判断人工智能和人类智能是否在为人类共同利益服务的问题上已经引发企业层面有关企业社会责任和伦理研究的讨论。

一是基于通用人工智能管理手段的效率管理不符合以人为本的“人性化”管理需求。一切技术的发展应用均是为了提高效率和降低成本，而管理伦理学的核心目标是“行为善意”和“公平公正”，当引入通用人工智能技术辅助管理工具一味追求管理效率时，将与管理伦理的目标相悖。随着大数据和机器学习技术的发展，企业可以利用通用人工智能模型收集、分析和利用大量的个人数据，以便更好地了解消费者行为和偏好。然而，这种数据收集可能涉及对个人隐私的侵犯，如何平衡利用数据的便利性与保护个人隐私之间的关系成了一个重要的管理伦理问题。如何更好地兼顾管理人性化、制度严格化和手段智能化，认识到技术与管理任务的适配及每种技术的局限性和伦理风险，是每个企业和管理者都应该深入思考的课题。此外，通用人工智能在决策过程中可能会引入偏见和歧视，如应用于招聘时可能会导致性别、种族或其他方面的歧视，不仅因为算法可能受到数据偏差的影响，而且可能因为算法本身的歧视问题。管理者需要意识到这种潜在的偏见，思考如何在技术创新中保持道德和价值观的平衡。在管理人工智能员工时，管理者可以借鉴技术伦理学的原则，如透明度、公正性、隐私保护等，来指导组织的行为和决策，并采取措施来确保决策的公平性和客观性。

二是通用人工智能系统的复杂性和不确定性可能会使责任追究变得更加困难。在应对通用人工智能带来的伦理挑战时，管理者需要考虑到各种利益相关者的权益，清楚地定义责任界定和追究机制，以确保对通用人工智能系统的使用和运行有清晰的监督和管理。然而，当人类员工使用通用人工智能系统出现错误或者导致意外结果时，究竟由谁来承担责任成了一个复杂的问题。根据利益相关者理论，管理者需要平衡各种利益相关者的利益。

三是通用人工智能的发展将持续引发伦理道德问题和对科技应用边界的思考。早在1996年就有学者提出人工智能发展伦理的相关问题，随着通用人工智能的不断进步，可能出现的风险包括系统意外行为、算法失控等，引发数据、算法、生成内容与法律责任方面的法律风险，这些都对伦理和法律体系提出了新的挑战。通用人工智能的应用还可能加剧社会不平等，特别是考虑到只有富裕国家或机构才能承担其高昂的研发和控制成本，导致资源和权力的分配问题。此外，通用人工智能的“算法黑箱”可能导致管理透明度降低，增加了解释决策过程的难度。这要求管理者不仅要确保通用人工智能系统的行为符合道德和法律标准，而且要向利益相关者提供清晰的解释和证明。尽管已有一些国际和国内的法律规范，如《新一代人工智能治理原则》和《美国人工智能倡议》，但对人工智能的伦理治理依然缺乏全球普遍认可和遵循的规范约束。因此迫切需要建立适当的监管和责任框架，以防止通用人工智能技术的研发偏离伦理道德或哲学规范，并确保其开发和应用能够满足社会的道德期望和法律要求。

（四）通用人工智能对人机认知的深层挑战

通用人工智能的引入，使得组织内部知识由谁生产、决策由谁主导、意义如何生成等长期由人类掌握的认知结构开始发生松动，人机协同的关系模式正在从工具性辅助转向认知层共建，人类在认知、判断和意义建构中的中心地位正在受到前所未有的挑战。

一是通用人工智能的自适应性与自主性，这可能引发组织中认知主体性的争论。当系统能够快速准确地完成分析、推断与决策时，员工可能逐渐放弃对问题的深入推理，转而依赖人工智能的直接输出，这可能导致个体逐步丧失对复杂任务的理解能力、批判性思维与问题建构能力。McLean等认为人工智能的核心风险之一正是其潜在的认知替代效应，这种替代会使得人类在工作过程中的角色可能从主动决策者转向结果验证者或流程监督者，弱化人类的专业技能与判断能力。当组织将复杂判断交由人工智能参与甚至主导时，管理者与员工可能逐渐形成对系统输出的过度信任，从而弱化自身的批判性思维能力与问题建构能力。

二是通用人工智能的“智能人”属性在决策中可能引发偏见放大与责任模糊化等问题。Yenduri等从技术发展进程中指出，随着新一代通用人工智能系统具备更强的跨领域知识迁移与语义理解能力，机器不再是被动处理信息的执行单元，而成为能够参与生成、解释与重构知识的“协同认知者”。传统人机分工的逻辑发生了变化，从由人提出问题、机器执行计算转向人机共同定义问题边界与知识框架。这就要求组织需要重新设计认知分工结构、信任-监督机制以及责任划分原则，以确保通用人工智能在提升认知效率的同时不会导致决策意义的不可读性或责任承担的模糊化。在缺乏透明性和可解释性机制的情况下，通用人工智能可能在不经意间将训练数据中的偏见嵌入并放大，而管理者由于系统表现出的高准确率和权威性，可能无意识地接受其输出结果，并在决策中持续复用甚至扩散这种偏见。该风险不仅削弱组织决策质量，还直接威胁企业的伦理责任与社会合法性。

四、面向通用人工智能时代企业管理创新的实现策略

通用人工智能带来的管理挑战本身既是对现有管理理论和实践的一次深刻反思，也是重构管理理论和创新管理实践的新机会。面向通用人工智能时代的管理创新，不仅要求管理者深刻认识通用人工智能对企业实践的影响，强化对通用人工智能相关技术的投资、应用和融合，而且需要探索人类本身与人工智能的融合来促进企业效率和人类福利的改善。

（一）加速认知创新，主动拥抱通用人工智能时代的管理变革

管理假设的变革强调企业和管理者要从传统的“有限理性人”转向“智能人”假设，更新对管理主体智能化特征的理解。这要求企业在思维范式上主动适应人工智能时代的组织逻辑，理解智能系统对组织行为和目标设定的深远影响。在当前快速演变的经济社会环境中，深化对数字化、智能化管理重要性的认识是对企业持续发展的必然要求。从管理创新理念的视角出发，传统企业需要重新审视企业战略，推动企业的智能化转型以适应技术环境的变化。推动企业数字化，利用数字技术将信息和业务流程转换成数字形式以提高效率和效果；加快企业智能化，利用人工智能技术提升组织的学习、推理、理解、思考等能力，推动企业经营管理的智能化升级。这意味着不仅要增强员工运用信息技术的能力，而且要在思维方式上进行革新，培养一种开放的心态来拥抱人工智能技术，利用通用人工智能的优势来解锁信息资源的潜力，从而显著提高管理效率。

一是树立数据是智能时代最重要资源的理念，构建以数据资源为基础的智能化管理环境。建立以数据为核心的管理观念，通过数据收集、分析和应用来指导决策过程，实现精准管理和智能决策。这不仅涉及对智能化设备和设施的投资加强，更重要的是为这些技术应用建立稳固的保障机制。数智化管理环境应促进人工智能技术与企业管理工作的有机融合，使这些先进技术能够深入企业的日常管理、内部控制以及决策制定等各个层面。

二是树立平台型的管理思维，重构人工智能时代的企业管理体系。利用人工智能平台进一步创新其管理体系，包括优化人工智能技术的综合应用和技术应用流程，建立智能化重塑的企业内部信息系统，用以实时捕捉信息、智能化文本和信息分析、辅助企业决策等。利用生成式大模型整合企业数据资源，促进企业内部的资源信息共享，打造适应企业自身实际和行业特色的垂直大模型，为企业提供精准的数据和决策支持。

三是树立动态的生态思维，适应快速变革的外部环境。人工智能的技术和数据快速变革，迫切需要企业构建开放的创新生态系统，以激励员工创造力的发挥，促使新的产品、服务和解决方案的产生。为有效应对未来商业环境的挑战，管理学需经历根本性的研究范式转变，特别需关注空间不确定性和时间不可逆性。空间不确定性意味着在市场环境快速变动中，企业面对的是充满未知的外部条件和内部决策，这使得依赖短期分析的旧有管理方法变得不再适用，管理学者和实践者需借助人工智能的力量，开发新的理论和工具，以增强企业在不确定环境中的决策灵活性和有效性。时间不可逆性意味着管理决策和行动具有长远的影响和不可逆转的后果，决策者在制定决策时，不仅要考虑短期效益，而且应着眼于决策的长期影响，确保企业能够实现可持续发展。将时间和空间纳入企业管理决策和日常工作中，适应高不确定性、多主体涌现和融合的商业环境，是管理者适应人工智能环境的必然选择。

四是将伦理和社会责任纳入技术开发的考量中，以有效的道德框架和监管机制确保技术的发展与应用符合社会的价值观和期望。通用人工智能的发展可能带来重大的伦理和社会影响，如就业变革、隐私问题、人的权利等社会风险，也伴随着安全漏洞、系统失控等技术风险。管理者需要建立有效的风险管理机制，及时识别和应对潜在的风险，降低技术的负面影响，同时深化透明沟通，向社会公众和利益相关者说明技术的风险和潜在影响，建立信任和共识。管理者需要积极探索如何将人工智能等先进技术与管理实践相结合，以实现管理流程的优化、决策质量的提升和企业整体效能的增强。

（二）强化技术能力，构建通用人工智能时代的领先优势

通用人工智能的跨学科特征，使其发展不仅根植于计算机科学，而且与神经生理学、心理学、认知科学和哲学等学科交织，促成了自然科学与社会科学的深度融合。因此，通用人工智能驱动企业的管理创新过程中，企业需要强化管理方法创新，尤其是综合多学科以激发新思维。建立跨学科团队，汇聚各领域专家的智慧，促进知识的交流和创新思维的激发，推动决策从经验判断走向数据驱动和模型预测，利用好人工智能算法与系统工具加速技术创新。

一是关注前沿技术创新，探索智能时代的管理创新。例如，尝试将量子物理学中对微观世界运动本质与规律的理解应用于解析如何激发个体的创造力和创新能力，推动量子管理学的发展。其奠基人Zohar认为，传统的管理理念深受牛顿-笛卡尔思维模式的影响，过分强调静态视角、定律法则以及控制机制，认为企业是在一套确定的或者可预测的规范之下有效运行。然而量子物理学的出现彻底颠覆了这种线程式思维，它认为我们所处的世界是由相互联系而非孤立存在的微观粒子构成的整体或系统。这些粒子的随机运动和相互碰撞可能催生出全新的事物，从而导致不确定性和不可预测性。量子管理学关注管理过程中的不确定性和参与元素之间的随机联系，提倡关注个体的价值，推动“去控制化”，鼓励管理者为员工提供清晰的愿景与目标、更多的资源和授权，以促进自组织的形成，从而激发员工在不断变化的环境中发挥主动性和积极性，参考量子物理学理论来解释和指导企业管理活动的做法为人工智能时代下管理理论的发展开辟了新的思路。跨行业、跨学科交流思想并非摒弃传统管理思想，而是在现有理论基础上结合时代特征进行创新和完善。

二是强化人工智能与相关技术的融合创新，为管理理论的进步提供新的动力和方向。适应通用人工智能技术带来的挑战和机遇，推动企业和社会向更加智能化、高效化的未来迈进。通用人工智能技术的发展需要广泛的合作和资源共享，企业需要强化开放创新和生态系统构建，强化与外部合作伙伴共同开发技术、共享数据和资源，加速技术的进步和应用，吸引更多的人才和资金参与到技术的发展中来。

（三）深化技术融合，以通用人工智能促进企业绩效改善和能力提升

通用人工智能的“根技术”特征，使得其在企业实践中需要与各类管理活动尤其是组织管理和激励模式的有效融合，将具身智能等智能体与人有效融合，驱动组织绩效的改善和能力的提升。

一是将人工智能技术与组织结构创新融合，加速组织的扁平化和网络式变革。在快速演变的商业环境中，传统层级管理模式已不再满足现代企业需求，通用人工智能的发展进一步加剧了环境的复杂性，促使企业摒弃科层制，转向更灵活的平台型、网络型组织。通用人工智能时代的组织分工变得更加复杂，超越了传统分工理论的解释范畴，要求组织采取更灵活的决策方式以适应非标准化的生产和新零售消费模式。人工智能支持的网络式信息结构优化了组织内部的信息传递，减少了等级链和部门间分工的层级限制，完善了多渠道沟通模式。此外，大模型生成的知识图谱为管理人员提供了情感分析工具，帮助识别关键问题和风险，优化资本和信息资源的分配，从而提升组织的整体效能和响应速度。

二是将人工智能技术融入组织激励体系，打造共生型组织，从而提升企业竞争力。在传统科层制下，个体依赖于组织结构和等级体系获得收益。人工智能技术使得个体对知识和信息的掌握变得更加敏感，增强了个体的自主性，使员工更多地关注于自身的知识和能力。同时，人工智能提供的市场信息使得工作稳定性降低，员工更多地将企业视为职业发展的平台，而非终身就业的“归宿”。这种变化导致企业与员工之间的关系由传统雇佣关系转向“联盟”关系，双方急需建立互利的合作和共生关系。

（四）坚持人智协同，将技术进步服务于人类本身

管理属性中“科学性占优但需人性保障”的双重要求点明企业管理必须坚持人类价值导向，在强调效率与系统性的同时，构建负责任、透明、可审计的技术治理框架，实现人机之间的协同共生。通用人工智能虽然提升了效率，但也可能削弱伦理意识与人本价值。人工智能技术来源的多元性和应用领域的丰富性，使其发展过程中面临如数据安全、技术滥用、知识产权等多种风险相互交织的问题，也带来意识形态、伦理道德、核危机、生化危机等新的风险，治理多类型风险极为困难。同时，人工智能系统表现出突出的“黑箱”特征，技术的透明性和可解释性较低，使用户和监管者难以理解和信任人工智能系统的决策过程，进一步加剧了人工智能治理的难度。对于企业来说，要强化治理、完善流程和文化建设，防止“科学性”走向异化，确保技术始终服务于人，而非人服务于技术。一是在人机协同机制的设计之初将治理和伦理嵌入其中。通过建立“算法伦理与审查委员会”，对算法是否存在歧视性偏见（如性别、年龄、种族）、是否过度侵犯员工隐私、决策逻辑是否过于严苛等予以重点审查；严格禁止人工智能系统对员工做出“自动化的、最终的、负面的”决策，确立“人类决策最终权”；确保员工的“算法透明权”与“申诉权”，为员工提供清晰、易用且由人类主导的申诉渠道。二是完善人类主导的决策流程防范技术对人类的控制。确立人工智能作为人类助手而非领导者或者监督者的角色，确保数据收集的“最小化”与“匿名化”，设计具有柔性的算法以防范人工智能对人类的控制。三是构建安全性的组织文化来应对人工智能的压力冲击。构建保障“心理安全”而非“算法效率”的企业文化，提升管理者在情感支持、辅导员工成长、激发团队创意、处理复杂人际冲突、传达工作意义和愿景等方面的能力，构建“人本位”而非“技术本位”的管理原则。

（五）深化理论研究，构建适应通用人工智能时代的管理学新范式

由于通用人工智能在企业管理中的应用尚处于初期，技术演进的非线性与管理实践的复杂性交织，大量深层次的理论问题仍悬而未决，亟需学界理论与企业界实践共同发力，加强基础理论与应用研究。

首先，需要重新审视并验证智能时代的管理学基础假设。重点研究“智能人”假设下的新型激励相容机制、人机信任构建以及算法权力的边界问题，探索当决策主体从单一“生物人”转向“人机共生体”时，组织行为与决策模型的重构路径。

其次，应关注通用人工智能应用带来的深层隐忧与治理难题。深入探讨算法“决策黑箱”对管理透明度的冲击、人工智能对员工创造力与批判性思维的潜在替代效应，以及组织僵化风险。建立针对算法偏见、数据伦理及责任归属的理论解释框架，为管理实践提供规范性的指导。

最后，必须打破学科壁垒，推动跨学科的交叉融合研究。通用人工智能的管理问题已超越了传统管理学的范畴，需要建立包含计算机科学、认知心理学、社会学及伦理学在内的跨学科研究平台。通过多范式的融合，不仅要解决“如何用好人工智能”的效率问题，更要回答“通用人工智能时代如何定义管理”的本体论问题，从而从根本上化解技术应用带来的风险，确保通用人工智能真正成为推动管理创新与人类福利提升的正向力量。

注释从略，请参阅期刊纸质版原文

 

关靖琪 | 中国社会科学院大学商学院

 

李先军,关靖琪.面向通用人工智能时代的企业管理创新：理论、实践与策略[J].暨南学报(哲学社会科学版),2025,47(10):162-181.