Managing the Future of Work: Microsoft’s AI Perspective
43:28 Share

人工智能正在以大大小小的方式改变我们的生活和工作方式。这就是为什么Cold Call多次讨论这个话题的原因。这也是为什么今天我们要分享哈佛商学院的“管理未来工作”播客的一集，该播客由Bill Kerr教授和Joe Fuller教授主持。 该节目是关于人工智能等正在重塑工作性质的力量。在2024年2月21日的节目“微软的AI视角：从聊天机器人到组织重组”中，哈佛商学院教授Bill Kerr与微软现代工作和商业应用公司副总裁Jared Spataro进行了对话。 他们讨论了这家科技巨头是如何从AI助理转向自主代理，以及它如何与利益相关者互动。谈话还涉及该公司与OpenAI的关系以及确保负责任地使用这项技术。 </context> <raw_text>0 在我们开始之前，我们有一些问题。你最喜欢Cold Call的什么？你希望减少什么？什么能让Cold Call变得更好？告诉我们。前往hbr.org/podcast survey分享您的想法。我们希望让节目更好，但这需要您的帮助。所以请前往hbr.org/podcast survey。谢谢。

如果您是我们的常听者，您就会知道我们在过去一年中多次讨论过人工智能这个话题，而且这是有充分理由的。这是一个正在以大大小小的方式改变我们生活和工作方式的话题。因此，您不会感到惊讶的是，我们并不是哈佛商学院唯一思考这个问题的人。

考虑到这一点，我们想再次分享哈佛商学院“管理未来工作”播客的一集，该节目由Bill Kerr教授和Joe Fuller教授主持，内容完全是关于重塑工作性质的力量。在2024年2月的这一集中，Bill Kerr与微软的Jared Spataro进行了对话

关于这家科技巨头是如何从AI辅助转向自主代理，以及负责任的AI和技能提升。我们认为，这将是一场精彩的讨论，让您思考AI在2025年为我们所有人准备了什么。如果您对此有一些想法，我们很乐意听到您的声音。请发送电子邮件至[email protected]。

这听起来可能违反直觉，但AI创新传播的一个方面绝对是人的因素。人们必须学习它。他们必须学会不要害怕它。他们必须了解它对个人以及作为领导者或管理者是有益的。

因此，对我来说，出现的情况是，我会说，继续努力吧，充满活力地去做。但是不要试图跳过并说我们将从根本上彻底改造我们的整个公司，重新发明一切，我觉得这是不必要的混乱。现在是2024年初，生成式AI正在迅速普及。它的影响将既具有颠覆性，又平淡无奇。

虽然许多组织都在尝试使用它，但很少有组织进行大规模变革以利用它。然而，很明显的是，人工智能将重塑全球经济和工作世界。国际货币基金组织估计，全球40%的工作岗位和发达经济体60%的工作岗位面临因人工智能而被淘汰或改变的风险。

国际货币基金组织还警告说，这项技术有可能加剧不平等。虽然人工智能正在推动各领域的创新，但主要的科技公司在资源和市场份额方面具有明显的优势。随着人工智能进入企业和我们的智能设备，我们能从这些领先的生产力工具供应商那里期待什么呢？

欢迎收听来自哈佛商学院的“管理未来工作”播客。我是主持人Bill Kerr。我今天的嘉宾是Jared Spataro，他是微软现代工作和商业应用公司副总裁。我们将讨论微软如何在内部以及通过其对OpenAI的投资，利用人工智能增强其从Office应用程序到Teams协作软件的无处不在的产品。

我们将考虑用例，以及至关重要的是，微软如何看待组织适应业务流程、工作和任务，以及管理这项强大技术的风险。我们将讨论该公司如何进行内部准备和技能培训以执行其AI战略。我们将着眼于伦理和监管考虑的更宏伟蓝图。

Jared，欢迎来到播客。很高兴来到这里。谢谢你的邀请，Bill。Jared，我们不妨从你的个人背景开始，以及你是如何领导微软的现代工作和商业应用的？当然可以。我已经在这里很久了，到目前为止已经有18年了。在我的微软职业生涯中，我一直从事我们所谓的生产力业务。所以从Office等应用程序开始，

然后随着时间的推移，扩展到CRM和ERP等领域，这些领域是企业投资技术的领域。这让我对企业如何使用技术来运营其业务有了非常全面的了解。随着目前变化的速度如此之快，你有什么个人策略来跟上AI的发展以及它可能如何影响微软的产品？

你知道，有趣的是，我使用AI来保持最新状态。我认为，这将成为你在我们今天的谈话中听到的主题之一。

创新速度和变化速度在过去几年中加快了很多，人类不可能独自跟上。仅仅浏览新闻的旧模式远远不够。所以现在，我使用基于AI的代理来帮助我了解基于AI的代理。我认为这是唯一的方法。

很好的建议。也许我们可以请你继续告诉我们，这些代理现在所说的最大趋势是什么？以及未来可能有什么？我倾向于认为我们正处于一个以AI作为助手，个人助手，群体助手的时代。

你可以在ChatGPT和微软Copilot等产品中看到它作为一个独立的助手。你可以在许多不同的应用程序中看到它作为一个嵌入式助手。我们看到地球上几乎每个软件供应商都在将其助手构建到他们的界面中。

但是，我认为随着这些助手的爆炸式增长，人们会越来越挠头，说，伙计，我不知道这个时候该去哪个助手做什么。太多了。因此，我还预计在未来几个月和几年里，我们将看到一些整合。几乎有一个元层将帮助……

从最早的用户到主流用户及以后。没错。我认为背景很重要。根据我们的遥测数据，平均信息工作者时间的近60%实际上花在了沟通和协调上，只是为了完成他们其余的工作。例如，它是在会议中或聊天中，或用于电子邮件中。这个百分比每月都在增长，而且看起来并没有趋于平缓。

所以人们在我们的定性工作中告诉我们的是，他们说，伙计，我几乎没有时间去做我被雇佣来做的工作。我认为，这个背景，这个语境很重要，因为AI助手时代来得正是时候。是的，我们俩都看不到听众，但我相信当你说到这些沟通任务给我们带来的超负荷时，许多人的头都在点头。是的。

关于AI，生成式AI工具对个人生产力的影响，是否有任何早期数据？我认为有两点数据真正让我印象深刻。例如，我们询问用户，在您使用微软的Copilot产品后，您是否想回到没有它的工作状态？77%的早期使用Copilot产品的用户表示，我再也不想回到没有它的工作状态了。

另一个特别有趣的方面是，用户，我们Copilot的最佳用户估计他们每月节省超过10个小时。也就是说，任何在商界待过一段时间的人都知道，人们会撒谎，尤其是在回答这类调查时，他们会撒谎。因此，我们做了一些工作，只是进去实际进行实验，我们有一些使用Copilot工具的组，然后是不用该工具的对照组。我们给他们一系列任务

在大量信息中工作。平均而言，用户节省了29%的时间来完成工作。所以他们快了29%，而质量没有任何下降。

所以这给了我希望。你知道，如果你说我可以给你30%的时间，一旦你弄清楚如何在广泛的信息工作者任务中使用这个工具，那就非常有吸引力了，当然，如果他们能够利用产生的剩余时间，对个人来说非常有吸引力。对组织来说也很有吸引力。是的，其中一个……

一些学术实验也发现的不仅仅是生产力提高，而且它真正归功于最年轻的工人或工作时间最短的工人，它实际上可以抹平经验曲线的部分内容。

你也有这样的发现吗？绝对有。我们对此非常兴奋，因为它确实公平竞争。它帮助人们基本上弥合了经验造成的差距。但我们希望即使对于经验丰富的员工也能获得同样的生产力提升。所以这就是我们现在正在研究的一些内容。

太好了。那么，请告诉我们微软是如何看待AI的。例如，它采取了什么战略或方法？你如何将AI构建到微软的众多产品和服务中？

好吧，让我们先退一步。在2023年的大部分时间里，有一种感觉，好吧，我明白了。你基本上拥有一项可以做诸如总结和回答基本问题之类事情的技术。但我们在过去一年中发现的不仅仅是它可以做一些关键技能，我们真的相信我们这里有一个通用的推理引擎。

当我和客户谈论这个问题时，我总是停顿一下，因为我们以前从未有过这样的东西。我们有本质上对问题的数学公式进行推理的计算机，因为它们是由数学驱动的。本质上。这是我们第一次拥有一个语言驱动的推理引擎。这非常重要。呃，

当我们审视其基本含义时，这意味着它可以成为一个令人难以置信的自然语言用户界面。这很有道理。你可以与未来的计算资源对话。但更重要的是，我们发现出现了一种模式，许多听众都听说过，它被称为RAG，检索增强生成。它本质上是这样说的。如果你问我一个问题，并且你给我本质上是一勺，一桶数据作为我回答这个问题的参考，可以利用参考数据并对参考数据进行推理以获得正确的答案。只要正确的答案在那一桶数据中，我们就称之为上下文窗口。这种模式就是检索增强生成。在我看来，它已成为过去12个月中我们看到的企业最大的进步。这非常非常重要。

这意味着你可以利用这些大型语言模型，因为它们在推理方面越来越好，并且真正让它们对你的数据、你的财务数据、你的人力资源数据以及任何类型的数据进行推理，以帮助你做出决策。这现在是企业中生成式AI的一个非常令人兴奋的创新领域。哇，这似乎具有变革性。你谈到了节省时间，为自己找回那10个小时，我相信每个人都想要。

但是，让这种超能力走向你实际有意义的工作，你从数据中学习所做的事情，似乎意义重大。你是否也预期工作本身的生产力会有这种程度的提高？我们会的。我前面提到过，我们正处于这种助手时代，我们致力于帮助人们。我称之为几乎逐步提高他们的绩效，他们的生产力，这

但下一代将我们从仅仅是个人甚至小型群体转移到面向流程的。你甚至可以称之为面向功能的生产力。许多今天如此普遍且如此核心于公司运营方式的流程都可以自动化。因此，在季度末结账完全可以自动化。对。

审查销售渠道，这可以自动化。你知道，回答客户问题，甚至找到与客户一起做的下一件最好的事情，甚至挖掘合适的客户来寻找新客户。所有这些都可以自动化，而且由于它需要逻辑上的进步，对数据进行推理，所以今天是由人们完成的。

因此，我们相信，第二代真正将我们带入流程自动化，在那里我们确实开始获得一些非常重要的收益，不是在个人层面，而是在工作完成方式的功能层面。因此，我们再次开始看到这项技术以越来越复杂的方式被用来推动回报。我知道你一直在思考的另一个领域是协作。那么，请告诉我们你如何看待AI对协作工作的下一代发展，以及

认识到你刚才描述的流程功能具有一些协作元素，但还有许多事情是跨职能的，也是协作的。有趣的是，我们已经看到这些数字工具在过去，让我们称之为过去二十年的过程中所做的事情是

在个人层面，它们推动了相当多的生产力。电子表格就是一个很好的例子。它帮助我完成一些事情，否则我可能需要几天时间才能完成，有时几分钟，有时几秒钟。

但作为这些工具的提供者，它们的缺点是它们使与他人沟通变得非常容易，甚至可以说是无摩擦的，这确实是真的。虽然这听起来像是极乐世界，但实际上发生的事情是我们过度沟通了。我们在某种程度上过度沟通和协调。

如果一个人有一个问题，他们可以不去找另一个人来问这个问题，而是去寻找答案库或AI代理，它可以理解公司正在发生的事情。它实际上会大大提高整体流程的效率。因此，我们试图做的事情的一个方面实际上是让人们摆脱仅仅以非常平凡的方式为他人服务的工作。

想想我们花了多少时间来处理我们的收件箱。我们可以为协作做的一件事，有趣的是，减少我们必须为一些工作中平凡的方面互相帮助的次数，在那里我们可以更高效。好吧，让我们继续讨论会议的其他用例。你对未来的工作场所和办公室有什么设想？

在过去几年中，有两个方面的会议引起了我们的注意。首先是会议体验可以比现在更高效。我们通过实验和研究发现，当会议由熟练的

真正知道如何主持会议的人主持时，它们会高效得多。他们更擅长达成决策或追求结果。但问题是，并非每个人都是熟练的会议主持人，即使这是许多信息工作者每天所做的核心工作的一部分。

因此，我参与过的最令人兴奋的用例之一是为会议构建一个本质上的副驾驶，它实际上可以帮助会议比其他方式更有效，再次扮演熟练的人类主持人的角色。事实上，我们只是没有足够的人。我们不雇佣他们。这不是我们做的一份工作，但却是AI可以做得非常好的工作。

然后在大流行期间，我们看到会议激增。因此，会议时间对于平均Teams用户，微软Teams的用户来说实际上翻了一番。我们看到大型会议开始膨胀。越来越多的人加入会议，有时是旁观者，有时是为了听取一小时会议中与他们的工作相关的五分钟内容。

因此，会议后的体验，让那些不参加会议的人更容易获得他们需要从互动中获得的价值。这非常重要。你问Copilot做出了什么决定？大卫说了什么？你知道，大卫和莎莉在谈论这个话题时谈了什么？它可以提取所有这些内容并进行总结。因此，我认为这两件事，会议参与者在考虑AI将为他们做什么时应该感到高兴。但他们必须学习如何使用这项技术。

是的，杰里，我同意我的雇主以及其他许多雇主都有太多的会议。会议还有一个功能或作用，不仅仅是协调解决方案。这是关于……

大家都同意这就是我们将前进的方式并征求意见。还有这些额外的事情。当你想到未来将会有更多这种AI协作角色来组织事情时，

你是否预期人们会抵制，他们会看看结果，然后说，等等，这不是我同意的或买账的？或者我们是否也会更多地依赖这些类型的提示和成功方向？

看到前进的道路。我认为这些工具将做的是，它们将更多地关注会议的“为什么”。我们为什么要开这个会？我们为什么邀请了我们邀请的人？这需要一些时间。这是我最大的观察之一，因为这项技术在某些方面使我们更加熟练，也许，嗯，

比它更能深入研究我们工作细节的能力，它确实促使我们不再忽略这些细节，而是真正确保我们正在呈现它们。所以说得非常具体，我认为有些会议是为了在特定方向上建立共识和支持。

但我们经常不说这是我们开会的理由。我认为我们将开始想要说明这一点，你知道，嘿，这是一个建立能量的会议，或者这是一个建立买入的会议。我们希望你来。这就是我们希望你来参加的原因。我还没有看到太多以这种方式开始的会议邀请。

Jared，还有另一层，那就是面对面会议与虚拟团队会议。你看，显然AI可以在两者中发挥作用。这仅仅是对此的额外维度，还是这项技术几乎更喜欢我们采用一种或另一种形式？你知道，对我来说非常有趣的是，这项技术可以帮助我们弥合这一差距。例如，

我们一直在尝试的一些事情是观察，当看起来在线而不是亲自参加的人想要参与对话但很难时。一个简单的提示说，嘿，约翰已经举手五分钟了，没有人注意他，可以帮助吸引那些在房间里的人的注意力，他们可以理解地彼此投入，因为那里有各种各样的非常丰富的线索和提示亲自作为

我认为我们将开始看到这些智能会议主持人作为一种真正的最佳实践出现。你谈到的一个领域是技术型业务问题和适应型业务问题之间的区别。你能为我们解释一下这种区别，并告诉我们AI和管理人员在解决这些问题中的作用吗？

当然，适应性领导力。在变革时期，它确定员工面临的基本上有两种类型的业务问题。一种是所谓的技术性业务问题。这些是以前已经解决过的问题，其中基本上存在最先进的技术。许多运营问题往往是技术性的，即使是在医疗保健等领域，随着时间的推移而成为常规手术的事情也变得技术化了。有一整套

技术问题。然后你转向所谓的适应性问题。这在许多方面是员工进入新领域或创新或变化很大的领域的地方。

它没有那么清晰。你不能只找到一个专家。在这里，需要一组不同的技能。它更像是测试和学习。它可能看起来有点犹豫，但犹豫实际上已经变成了更快的周期时间，因为你向前迈进一步并进行评估，再向前迈进一步并进行评估。这是描述我们现在在AI中所经历的事情的一种好方法。

一些客户正在将这个AI时代视为一个技术问题。但事实是，我认为这种方法会失败。它太渐进式了。我喜欢把它想象成信息工作的工业革命。我认为它会有那么大的影响。这就是我们刚才谈到的适应性挑战性问题的定义。是的，这是一个很好的过渡，可以考虑一下将要

AI之前的公司，然后是AI辅助的，然后是半自主代理，然后你可以转向你前面描述的一些更集成的功能性AI。显然，微软作为一家公司长期以来一直为所有科技领域的公司提供服务，从非常有限的技术到一些最先进的技术。

你对各行各业的组织有什么样的愿景或预期？如果你与一家刚接触这项游戏、处于早期阶段的公司合作，你通常会建议该公司进行下一个实验，他们应该如何测试重新配置工作？他们如何开始沿着这条路走得更远？我现在看到三代人。

第一代是关于个人和群体的助手。它需要重新调整你可能称之为肌肉记忆的东西，即如何完成核心任务。它推动了，你知道，相当大的增量生产力。对我来说，第二代最终是流程自动化。特别是，正如我们所讨论的，专注于功能的流程自动化。因此，在财务职能、营销职能、销售职能中，我们开始在那里看到创新。这些事情对效率非常重要

公司。然后是第三代，我们还没有完全到达那里，但这正如你所指出的那样，这是你开始获得在所谓的公司层面运行的半自主代理的地方。我认为它是企业转型。你拥有在各个职能部门工作的半自主代理，它们现在开始代表你直接与你的客户互动，并在它们到达本质上已经被告知的地方返回给人类，嘿，这很重要。我希望你能得到人类的输入。

这是一个有趣的地方。这是一个不太遥远的未来，远没有人们想象的那么遥远。在我看来，它确实是公司的重新配置。

如果我接下来要回答你的第二个问题，天哪，如果人们才刚刚开始，他们应该做什么？我会说，小心不要试图跳过几代人。重要的是要获得经验，获得技能，了解这些事情如何影响你的行业，你的业务。这听起来可能有点，你知道，有点奇怪，来自一家似乎想要一次性向所有人销售一切的技术供应商，但是

但是这种逐步了解AI如何帮助你的业务的演变，在我观察不同企业和不同行业的运营时，我发现这实际上非常重要。我想这与其他技术没有什么不同，但我对生成式AI感到震惊，它既简单易用，

从某种意义上说，一个几乎对计算机和技术一无所知的人，可以理解提示，并且，你知道，提出问题，特别是对他们的工作场所进行某种输入，到人们也可以听到的一些最复杂的尖端对话与这项技术有关。你有没有感觉

有多少将到来并试图满足个体工人的需求，而工人将不得不大幅度修改他们的技能才能参与未来的发展？我认为这是一个“和”的问题。我认为我们将看到两者兼而有之。但如果我谈谈我们公司的战略，我们确实选择了一些非常平凡的案例，这些案例对用户来说非常令人惊讶或令人感兴趣。例如，在您的Outlook电子邮件客户端中拥有一个助手，可以帮助您处理电子邮件，这非常平凡，但它令人难以置信地令人愉快。你知道，这是这个长线程的摘要，以及我建议你接下来做什么。

我第一次读到它时，我想，哦，我的天哪，我不会在没有它的情况下使用电子邮件。同样的事情也可以在您进入Excel或Word时说，您在那里分析数字或尝试从空白表格开始编写内容。在那里可以帮助您入门或帮助您深入研究数字的助手，非常有用。

我们还试图在允许您使用RAG模式，检索增强生成模式进行创新的体验中进行创新，以便您可以围绕某个领域进行真正复杂、深入的对话。但这里有趣的是，在我与他们合作时，我必须教他们，伙计，你必须把它想象成另一边的人。

并像对待人一样谈论这个领域。认识到它不是我们经常在搜索中看到的单次模式。你输入一个关键词并希望它有效。

但相反，你问一个问题，一些东西会回来，你稍微重新定向一下。这个过程的多轮、多步骤性质是获得复杂答案并真正获得价值的一部分。所以我们看到了这一切，但我们一点也不回避从平凡的事情开始，因为我们认为从那里开始会有真正的益处。杰里，继续说下去，我们将以电子邮件整理为例。

你可以想象，工作场所中的个人有偏好，他们可以调整他们的Outlook结构以及他们处理电子邮件的方式。也可能会有公司层面的要求，特别是如果它开始涉及协作元素或超越个人生产力的事情。有……

一种方法可以将其校准到环境和公司正在做的工作吗？或者处理对如何在员工收件箱中最好地整理电子邮件的不同观点的方法是什么？好吧，在人们开始使用电子邮件工具后，如果我只是

让我们来具体谈谈。人们通常会有两种反应，这一点反复出现。第一，他们开始对它的强大功能感到好奇。所以他们会开始说，等等，你知道，我每天都会按顺序处理电子邮件，人们会把东西塞进我的收件箱，

如果我改变我的模式，每小时都问AI，收件箱里最重要的三件事是什么？以及，你认为我应该如何处理它们？这是一种完全不同的思维方式。它通常会改变人们与收件箱互动的方式。Copilot非常擅长这一点。它知道你的

经理是谁，它可以标记那些事情，它理解客户是谁，所以嘿，客户刚刚给你写信，它非常擅长向你提供它对收件箱中重要内容的看法，然后当它可以提供你应该如何回复的建议时，它会变得更令人兴奋，比如，嘿，你的老板刚刚给你写信，他问你是否在xyz项目上，我看到你已经参加了几次会议，你想让我快速总结一下目前的情况，并给你起草一个回复他的方案吗？这开始让人们感到非常兴奋

所以我看到了一种模式。然后，我看到的第二件事是，你实际上改变了工具的使用方式。我们看到的很多电子邮件流量，尤其是在公司内部，只是问题。嘿，苏西，你能把它发给我吗？嘿，布莱恩，我记得你两天前在会议上提到过一些事情。你能提醒我你在哪里找到的吗？

而今天我们发现Copilot可以帮助你解决这个问题。你不再需要去找那个人了。所以它实际上可以减少电子邮件。这就是我们看到的情况。人们只是开始使用它来适应他们自己的工作流程，但他们也在随着他们了解这项技术的强大功能而改变工作流程。

面对如此重大的变化，您能否告诉我们，微软在内部如何处理其为制定有效的AI战略并在AI影响的经济体中与客户竞争而需要进行的重组和技能再培训？组织内部发生了什么？基本上有两方面。第一，我们已经积极地向每个职能部门、每位员工推出了我们自己的AI助手Copilot。我们只是问他们，嘿，熟练掌握它。我们在这方面提供了很多指导，但我们也在创建小型团队，因为我们发现

学习如何使用该工具的病毒式传播非常重要。所以我们从这个非常通用的用例开始。你可能是财务部门的，也可能是销售部门的。嘿，这是一个工具。以下是一些你可以在工作中立即使用它的方法。请开始使用并告诉我们你的学习成果。

这是第一步。第二步是，然后我们在各个职能部门内部工作，以识别具体的业务问题，我们可以说，天哪，感觉AI应该能够在这里帮助我们。为什么我们不进行试点，再次使用不使用该技术的对照组和以不同方式学习使用该技术的组，看看我们是否可以在某些地方提高效率。我们在客户服务方面看到了一些最好的结果，因为这非常

本质上是信息密集型的，需要回答和解决人们的问题。我们也开始在销售方面看到一些好的结果，因为同样，这是一种将客户及其需求与我们必须向他们销售的产品相匹配的方式。我们每个职能部门都在做越来越多的工作，我们认为这是一种学习成为AI从业人员的方式。但是，这种一、二组合，即水平的和基于职能的试点，专注于具体问题，并且

这就是我们正在做的事情。有趣的是，这是一种非常自然的技能培养，而不是像暂停一样，教练吹响哨子。我们将全部休假一天，参加一个基于YouTube的AI培训课程。人们是根据他们的实际工作、工作内容来学习的，并且因为他们具有创新性并且证明AI正在改变这些工作而受到奖励。

听起来您之前对组织的建议是，他们不要试图跳过这项技术的各个阶段，而是要经历这些阶段，因为这将是员工学习如何处理新技术的自然方式。

没错。这听起来可能违反直觉，但AI创新传播的一个方面绝对是人的因素。人们必须学习它。他们必须学会不要害怕它。他们必须了解它对个人和作为领导者或管理者都是有益的，在这些情况下也是如此。

所以对我来说，出现的情况是，我会说，嘿，努力去做吧，充满活力地去做吧。但是不要试图跳过并说我们将从根本上改造我们的整个公司，通过重新设计我认为不必要的混乱的一切。除了内部工作外，您还在OpenAI方面进行了大量投资和合作。您能否告诉我们一些关于这些组织如何在技术和战略上联系的信息？

我们与OpenAI的关系是我们多年来最重要的关系之一。它使我们能够建立一种我认为已经以其他方式不可能的方式推动AI发展边界的伙伴关系。他们有惊人的想法。他们将这些想法变成了惊人的技术。但现实情况是，他们需要真正的计算资源来查看他们的想法和技术是否可以以改变世界的方式进行扩展。

我认为微软和OpenAI就是这样一种良好的组合。在Azure这个我们认为是世界超级计算机的基础上，他们能够以一种已经通过ChatGPT的推出证明的方式扩展他们的想法，哇，这里有一些东西。这不是我们在过去几十年中逐渐进步的AI。这感觉像是一种不连续性，就像发生了新的事情一样。

我们对OpenAI在继续突破创新极限方面所取得的成就感到特别自豪。例如，我们在2022年看到，他们意识到人们现在想要开始在特定领域使用ChatGPT。因此，他们提出了GPT的想法，这在某种程度上相当于

iPhone时刻。你知道，这是一个想法，如果你有一个平台，你如何开始为非常具体的场景和用例构建该平台？所以，当我与他们合作时，当我看到我们使用他们的技术以及他们使用我们通过基础设施提供的技术时，这感觉就像一种非常自然的互补关系。这就是我们努力确保它对我们来说继续保持下去的方式。

当然。我们花了大量时间讨论生产力优势以及未来将出现的惊人用例。当然，也存在风险和伦理方面的考虑等等。所以我知道这是一个巨大的主题，但是您能否分享一些关于您的团队如何处理这些针对办公室工作场所的问题以及微软与整个行业和政府在未来的作用是什么的信息？

AI非常强大，但我们倾向于将其视为一种中性技术，这意味着它可以用于善，也可以用于恶。因此，我们正在尝试通过我们所谓的负责任的AI计划来采取措施，以确保我们正在尽一切努力使其用于善。

因此，对我们来说，一些重要的领域。例如，在负责任的AI方面，我们提供了一些工具，使我们能够更透明地了解培训以及基础模型的本质。所以你可以看看。人们经常担心这些基础模型中的偏差。它们是在特定方面进行训练的。

信息来源，特定信息主体，我们希望他们对存在的内容感到满意。因此，我们与社会的不同方面广泛开展了许多工作来做到这一点。我们还在我们的实例中采取了特殊的预防措施。

这些AI助手。特别是对于Copilot，您可以将Copilot视为强大的大型语言基础模型的协调器，然后是我们从业务中获得的输入。在这个协调层中，我们做了很多工作来确保我们正在捕捉、拦截我们认为不合适的事情。例如，在会议中，Copilot可以回答有关的问题，例如，什么

莎莉在这次会议上说了什么？她的要点是什么？但是你当然可以问Copilot诸如你认为莎莉聪明吗？你认为莎莉知道自己在做什么吗？我应该听莎莉的话吗？我们拦截了这些类型的价值导向的问题，以确保我们只是抓住它们并说，嘿，我是一个AI助手。你将不得不自己做出决定。以下是一些我可以根据你的想法提供的来自互动的信息

所以对我们来说，协调层非常重要。我们试图在LLM层和协调层都进行工作。我们正在努力与社会的各个方面进行互动。我们与工会进行了一些工作，这刚刚开始。我们当然与世界各地的政府密切合作。我们明白，让社会的各个方面都能对这项强大的技术提出意见非常重要。

我相信我们的一些听众很想听几句话关于与工会的联系或试点项目。告诉我们关于这件事。好吧，工会当然处于这样一个位置，他们总是对影响劳动力、劳动力的工具的演变感兴趣。我认为多年来我们看到的是，有时创新会

忽略这样一个事实，即人类拥有一定的技能，他们今天从事着真正的工作。创新往往会说，嘿，从长远来看，这对我们都有好处。

在微软，我们正在努力采取一种方法，并说，是的，从长远来看，当然。但是短期内呢？肯定会有失业。将需要技能再培训。我们没有试图将其视为事后才做的事情，而是主动与AFL-CIO合作，例如，并制定了协议，其中规定，以下是我们希望与您合作的事情。所以其中一些

一些举措包括，例如，确保我们抽出时间从我们的产品团队那里获得他们的意见，向他们展示这项技术并获得他们的意见。

并抽出时间与他们一起进行技能培训。最终，如果我们做对了，我们绝对认为，我们认为这对社会来说是非常有利的。即使在短期内出现失业，也有很多好处，可以做很多工作。但我们认为，最好的方法，对我们来说最好的模式是参与。让我们参与，尤其是在你的问题中与劳工合作，以便我们可以一起努力。

微软当然已经拥有许多关于其产品的认证。当我们考虑未来所有技术变化时，您是否预计这些类型的微型证书将发挥更大的作用？一些供应商将尝试将其用作帮助员工迈出下一步的方式？

绝对的。我认为围绕着全世界教育正在发生的事情，存在一场更大的讨论。在商业环境中，可快速消费的内容肯定已经成为常态。虽然这已经成为常态，并且，你知道，在经济环境中，我们仍然将教育主要视为这些大型的固定课程，

以及学期和学校。因此，我认为这里肯定有改进的空间。如果我们暂时关注一下AI，从我的角度来看，确保材料及时提供，以一种非常易于理解的方式提供，将是势在必行的。所以我已经得到了这个助手，这个Copilot，我该如何使用它？我首先应该做什么？

好消息是，我们的消费者生活已经塑造了我们对如何消费内容的期望。因此，与其对抗这一点，我们的观点，我们的方法是，我们将顺应这种模式。我们将适应这些模型和模式。

除此之外，我们发现的一件非常重要的事情是，产品本身需要能够帮助用户学习如何使用它。因此，创建让产品说出以下内容的方法：嘿，看起来你问了这个问题，但你知道吗，如果你这样做，你会得到更好的结果？这可能看起来很简单，但你可以教人们如何使用它。一个非常简单的例子是我们正在进行的一些工作，几乎是一种疯狂的填字游戏风格的提示工程。

提示工程，告诉人们他们需要为AI助手编写复杂的提示或查询是一回事，但我们发现每个人都知道如何玩疯狂填字游戏。因此，我们基本上可以放置，你知道，一个三到五句的提示，其中有空格需要填写，并让人们填写这些空格，然后看到它在他们自己的数据中运行。你只需要做一两次，你就会意识到，好吧，我明白了。我可以弄清楚如何做到这一点。

所以这是一个非常简单的例子，你知道，我们如何将简单性融入体验中，然后我们认为我们可以获得正确的结果。太棒了。我想也许以一个

你的想法或预测作为结尾，展望未来。你已经在微软工作了近20年，这让你在大约一两年前就来到了那里，当时iPhone和所有智能手机革命即将开始。当你考虑过去大约20年发生的所有变化以及未来将要发生的事情时，你认为我们未来所面临的是

与过去20年相同吗？更多吗？您如何设想未来20年的发展？

我认为这要重要得多。事实上，我会这样说，如果你去看经济学家一直在研究的东西，那几乎是一个与生产力相关的谜题。他们想知道，天哪，我们把这么多的信息技术投入到公司、宏观经济环境中。为什么我们没有看到生产力直线上升？为什么它没有改变现状？这是过去几十年来经济学家提出的一个非常大的问题。

我的答案是，因为我们现在正为此时刻做准备。我们实施的许多信息技术都是为了整理我们的数据状态。它一直是关于开始以数字方式工作。即使在大流行期间，我们也看到了人际互动数量的惊人增长，这本质上是我们所说的数字媒介。你知道，这是一种花哨的说法，我们现在在线见面。然而，所有这些都很重要，因为它为AI跨数据推理奠定了基础。

所以在很多方面，当我与世界各地各种类型的领导人会面时，我说，伙计们，我们在过去50年中在信息技术方面所做的一切都在为这一刻做准备。而这一刻实际上是信息工作的工业革命。这就是我们将看到的。我们将重新配置公司。我们将利用这项技术重新配置组织的工作方式。正因为如此，我们将重新配置整个经济体。

我不知道它将如何发展，但我们确实相信它将产生如此大的影响。因此，我们很高兴与每个人、社会的各个方面一起发明未来。加里，这是一次精彩的谈话，涵盖了从我们近期收件箱中可能包含的内容的微观方面到宏观方面的内容。非常感谢您今天加入我们。我很荣幸。谢谢你的邀请，比尔。

我们希望您喜欢《管理未来工作》播客。如果您还没有订阅，请在您收听播客的任何地方订阅并评价该节目。您可以在我们的网站hbs.edu/Managing the Future of Work上了解更多关于《管理未来工作》项目的信息。在那里，您可以注册我们的时事通讯。

谢谢。

如果您有任何建议或只想打个招呼，请发送电子邮件至[email protected]。再次感谢您的收听。我是您的主持人布莱恩·肯尼，您一直在收听Cold Call，这是哈佛商学院的官方播客，也是HBR播客网络的一部分。