AI時代，管理者怎麼辦？湯明哲：這樣學最有效
AI可以用海量的資料，大量、快速的學習，管理者的深度學習該怎麼進行？
自從人工智慧問世以來，人工智慧中的深度學習（deep learning）成為顯學，
深度學習是利用海量的資料，機器可以用不同的演算法例如神經網路，
自行學習解決被交付的問題，例如辨識人臉，在管理學界有沒有深度學習？
傳統的管理學院的課程教授很多管理知識，例如
行銷有四P， 財務有ROI（投資報酬率），策略有SWOT（強弱危機分析）等等，
這些管理知識都是片面的零碎知識，我看起來是淺度學習，
因為管理的決策有環環相扣的特性，例如
投資廠房，不是單方面財務的問題，而是
1長期策略
2市場預測
3技術的更迭
4研發的進度
5顧客的承諾
6競爭對手的反應
等等一併納入考量，所以學生還要將片面的知識「整合」，
才能做出良好的決策，ROI不是唯一指標。
所以要訓練成功的決策者，一定要對決策有深入和廣泛的了解，將決定決策的所有因素，
用邏輯串連一起，分辨各因素的重要性，因果關係，再綜合判斷。
所以我認為成功的管理教育，一定是訓練管理者深度思考的能力，
而不是教片面的管理知識式的淺度學習。
其次，我在將近四十年的國內外教學經驗觀察到
國內經理人員缺乏管理上的創新，最常見的問題是：
我這個產業中最佳實務（best practice）是什麼？
別的產業的創新毫不關心，事實上，就算學到最佳實務，不過只是模仿而已，
不可能勝出。
但在教學上，教科書最多就是介紹最佳實務（例如品質管理的6個Sigma）。
結果是沒有創新，都是「me too」如何在競爭激烈的環境下勝出，很難想出需要創新
的致勝策略，但教學上如何教創新？
第三個問題是如何教商業思維（business sense），一般的工程師都是努力將產品的技術
做的最好，以前PC時代，英特爾–微軟陣營將PC做到速度最快，記憶體容量最大，
Apple 的iPad追求便利性，重量最輕，待機時間最長，輕易打敗PC，
所以策略決策上，商機考量高於技術的考量。
我認為要教全方位思維，創新的深度學習最有效的工具就是個案教學，
一個個案就是一個決策，提供決策的所有必要資料，
管理者就從大量資料中，抽絲剝繭，找出最重要的因素，經過分析，邏輯辯論，
再形成決策，這和浮光掠影式的教學大不相同。
個案是對某一個議題進行深度的討論，剖析每項決策選項的利弊，再在課堂中集思廣益，
做出結論。不僅是本身思路上旅程，而能從他人的觀點學習到本身思維之不周，
作為下次改進的參考。
通常學習是：
我聽到、我忘記、我看到、我記得、我去做、我學習
（I listen,I forget, I see, I remember, I do, I learn.）
一般課堂上演講的學習是「我聽到、我忘記」（I listen, I forget）。
個案是最好實驗的場所：我做我學（I do, I learn.）
跟AI深度學習一樣，大量練習
但只學幾個個案是不夠的，他山之石可以攻錯，
通常創新不是來自自身的產業，別的產業的作法和商業邏輯可以應用到本身的產業。
所以教 創新 和 商業邏輯 和 AI的深度學習 一樣，學要大量的練習，
一個兩個個案還是只能學到一兩個片面的決策，要經過一百個個案才會將一百個決策情境
融會貫通，形成自己的管理邏輯。
所以哈佛商學院MBA要經歷過四百個個案才能畢業。
所教出的哈佛 MBA成為世界五百大公司CEO的比例是全世界所有商學院中最高的。
我年輕時在政大企管所跟司徒老師上個案，覺得好棒，是「見山是山，見水是水。」
後來到MIT念博士，接受嚴格學術訓練，認為查理士河對岸哈佛個案教學不夠嚴謹，
是「見山不是山」的階段，經過三十年的教學才「見山又是山，見水又是水」。
文 湯明哲 天下Web only
(本文作者為麻省理工學院管理博士，台大前副校長，現任長庚大學校長)
https://www.cw.com.tw/article/5125131
