我们正处于公司生产率大幅跃升的风口浪尖。自1970年以来,与计算机处理能力的变化相比,像欧美这样的成熟经济体的公司生产率几乎没有变化,并且这种趋势几十年来一直很明显。在这段时间里,公司生产率仅仅翻了一番,而计算机的处理能力却提高了2000万倍!
如果计算机真的有助于提高生产率,为什么那些运算速度更快的计算机没有带来更高的生产率呢?这是现代经济学的谜团之一,经济学家称其为 索洛悖论 。1987年,美国经济学家罗伯特·索洛打趣道:
“计算机无处不在,就是不在‘生产率’中。”
无法提高生产率只是公司的通病吗?公司现在是否已达到生产率的峰值?我们认为不是。一些公司已经找到了解决索洛悖论的方法,并且正在迅速提高它们的生产率。我们认为其他很多公司也将加入它们的行列,希望你的公司也如此。
图1-3来自于2017年英格兰银行首席经济学家Andy Haldane关于生产率的一次演讲。它展示了自2001年以来,前5%的公司将生产率提高了40%左右,而其余95%的公司在生产率方面几乎止步不前
。在几乎所有经济成熟的国家都发现了这种低增长趋势。
图1-3 前沿公司(前5%的公司)与所有公司的生产率比较
生产率是在国家层面上,用年度国内生产总值(GDP)除以一年中的工作小时数得出的。在英国和美国,每小时产生的GDP略高于100美元。1970年,这个数值范围在45~50美元。但是在前5%的公司(前沿公司),这个数值超过了700美元并且还在增长。
前沿公司通过最大限度减少每产出1美元所消耗的人力才达到了如此可观的每小时GDP。换句话说,这些公司将一切可以自动化的东西都 自动化 了。我们预测,随着越来越多的公司想出如何复制前沿公司的做法,生产率将急剧增长,并且将从目前水平跃升到峰值水平。
我们相信,我们已到了索洛悖论的尽头。机器学习将使许多公司达到前沿公司的生产率水平。而且,我们相信那些没有参与其中的公司,即没有显著提高生产率的公司,将逐渐凋零甚至灭亡。
前面我们研究了公司努力变得更加自动化的原因,并且有证据表明,尽管在过去50年里公司的生产率并没有得到很大提高,但仍有一批前沿公司通过自动化一切可能自动化的环节提高了生产率。接下来,我们将了解机器学习如何帮助你的公司变成前沿公司,然后再向你展示机器学习如何帮助公司实现转型。
就我们的目的而言, 自动化 是指使用软件来执行重复性任务。在商业世界中,重复性任务无处不在。例如,一个典型的零售业务包括向供应商下单、向客户发送营销材料、管理库存商品、在会计系统里创建条目、向员工支付工资以及其他数百种任务。
为什么将这些流程自动化如此困难?从宏观上来看,这些流程看似非常简单。发送营销材料不过是准备内容然后通过电子邮件发送给客户,而下单只需从产品目录中选择产品,得到批准后将订单发送给供应商,这有多难呢?
自动化难以实现的原因是,尽管这些流程看起来是重复的,但在这个过程中的几个步骤中仍需要做出一些小的决策。这就是机器学习的用武之地。你可以使用机器学习在流程中的每个节点做出这些决策,就像人们目前所做的那样。