引入智能體需要這些基礎(chǔ)，企業(yè)準(zhǔn)備好了么 | 商學(xué)院觀察

譚寅亮、孫書華/文

近年來(lái)，人工智能（AI）在招聘、面試及人力資源管理（HR）領(lǐng)域的應(yīng)用正快速升溫。

最新一項(xiàng)大規(guī)模隨機(jī)實(shí)驗(yàn)顯示，AI在面試環(huán)節(jié)的表現(xiàn)優(yōu)于人類，候選人接受AI面試后獲得錄用、入職和留任的概率均顯著提升。這類研究表明，AI不僅能處理標(biāo)準(zhǔn)化事務(wù)，還能通過(guò)互動(dòng)緩解候選人的焦慮，增強(qiáng)組織效能。

面對(duì)這一趨勢(shì)，如何將AI深度融入組織管理流程，而非僅停留在工具層面，成為企業(yè)亟待解決的問(wèn)題。為此，分析行業(yè)領(lǐng)先企業(yè)的實(shí)踐，有助于我們深入理解這一挑戰(zhàn)。

企業(yè)級(jí)AI的探索

在人力資源領(lǐng)域，易路人力資源科技（eRoad，簡(jiǎn)稱“易路”）是國(guó)內(nèi)較早將AI技術(shù)應(yīng)用于業(yè)務(wù)場(chǎng)景的企業(yè)。當(dāng)前，其服務(wù)覆蓋全球20多個(gè)國(guó)家、國(guó)內(nèi)310多個(gè)城市，為超過(guò)800家中大型企業(yè)提供人力資源解決方案。

2023年，隨著GPT等大模型技術(shù)的興起，易路找到了新的技術(shù)支撐，從早期基于NLP自然語(yǔ)言的AI探索，轉(zhuǎn)向依托LLM大語(yǔ)言模型構(gòu)建概念產(chǎn)品，其智能體產(chǎn)品雛形逐步完善。

2024年，易路推出了管理多智能體的協(xié)同平臺(tái)——iBuilder。該平臺(tái)內(nèi)置39個(gè)智能體，覆蓋招聘管理、員工體驗(yàn)、薪酬管理、績(jī)效管理、人才與組織發(fā)展及政策問(wèn)詢6個(gè)板塊。

早在2020年前后，易路便已將AI技術(shù)應(yīng)用于人力資源領(lǐng)域，但初期業(yè)務(wù)主要關(guān)注人崗匹配與薪酬定薪兩個(gè)方向，旨在解決招聘定薪難、識(shí)人不準(zhǔn)及家族企業(yè)二代接班人的人才判斷困境。

易路的做法是聯(lián)動(dòng)薪酬激勵(lì)體系，通過(guò)AI技術(shù)構(gòu)建從需求定義到候選人落地的全流程解決方案。

首先，企業(yè)招聘長(zhǎng)期面臨“該給候選人多少薪酬”“招進(jìn)來(lái)的人是否符合預(yù)期”兩個(gè)難題。早年定薪多以候選人“前雇主薪資”為基準(zhǔn)，遵循跳槽加薪的慣性邏輯。在經(jīng)濟(jì)上行、人才爭(zhēng)奪激烈的階段，這種方式尚可被接受。但在經(jīng)濟(jì)下行時(shí)期，企業(yè)逐漸發(fā)現(xiàn)該模式的弊端：除招聘成本持續(xù)攀升外，候選人入職后的績(jī)效表現(xiàn)、為企業(yè)創(chuàng)造的價(jià)值，也與高薪之間嚴(yán)重脫節(jié)。以至于，招人越來(lái)越貴，但人才價(jià)值卻未同步提升。這些都成為企業(yè)人力成本管控與效率提升的阻礙。

此外，中國(guó)家族企業(yè)在二代接班過(guò)程中普遍面臨“老臣人才價(jià)值判斷難”的問(wèn)題。一方面，初代創(chuàng)始人對(duì)老臣的評(píng)價(jià)可能存在主觀偏差，但二代對(duì)這類評(píng)價(jià)的信任度有限。另一方面，二代若向老臣征詢?nèi)瞬沤ㄗh，易因“親信推薦”導(dǎo)致信息失真，部分資深同事在推薦時(shí)可能更傾向于選擇熟悉或關(guān)系較近的人，不一定是完全基于能力的考量。

這種信息不對(duì)稱使得二代接班后不敢輕易調(diào)整團(tuán)隊(duì)，明知部分人員難以適配企業(yè)發(fā)展需求，也因缺乏客觀依據(jù)而無(wú)從判斷，最終陷入想動(dòng)不敢動(dòng)的被動(dòng)局面。此時(shí)，企業(yè)會(huì)希望通過(guò)AI技術(shù)獲得客觀、中立的人才評(píng)估建議。

針對(duì)上述痛點(diǎn)，易路通過(guò)AI解決的邏輯是基于歷史數(shù)據(jù)的客觀畫像與精準(zhǔn)匹配，具體可拆解為三個(gè)環(huán)節(jié)。

一是構(gòu)建客觀的人才畫像，通過(guò)歷史數(shù)據(jù)破除主觀偏差。AI的價(jià)值在于還原人才真實(shí)能力，通過(guò)讀取候選人（或企業(yè)內(nèi)部老臣）的全周期數(shù)據(jù)，包括過(guò)往從業(yè)經(jīng)歷、企業(yè)內(nèi)職業(yè)生涯軌跡、每段經(jīng)歷中的績(jī)效表現(xiàn)，如季度項(xiàng)目成果、項(xiàng)目評(píng)分、成長(zhǎng)軌跡等，形成多維度的人才數(shù)據(jù)檔案。這類數(shù)據(jù)具有“不可回溯造假”的特性，若要偽造人才能力，需要篡改五六年前的績(jī)效記錄、項(xiàng)目經(jīng)歷等細(xì)節(jié)，操作難度極高。

AI基于這些數(shù)據(jù)生成的評(píng)估建議能在一定程度上規(guī)避主觀偏見(jiàn)，如針對(duì)企業(yè)內(nèi)部老臣的評(píng)估，AI會(huì)梳理其過(guò)去數(shù)年的項(xiàng)目貢獻(xiàn)、績(jī)效波動(dòng)、團(tuán)隊(duì)管理成果等數(shù)據(jù)，而非依賴他人評(píng)價(jià)，幫助二代判斷“誰(shuí)是真正具備核心能力的人才”。

二是提高人崗匹配的精準(zhǔn)度。不同企業(yè)對(duì)同一崗位的定義、職級(jí)的定位存在差異。例如，銀行副總裁的月薪可能為1—2萬(wàn)元，但大型集團(tuán)副總裁的年薪可高達(dá)上千萬(wàn)元。若僅以崗位抬頭匹配，極易導(dǎo)致人崗錯(cuò)配。

因此，AI可以通過(guò)“崗位描述+績(jī)效行為”兩個(gè)維度提高匹配的精準(zhǔn)度：一方面，讀取企業(yè)目標(biāo)崗位的描述，如職責(zé)范圍、核心任務(wù)等；另一方面，分析該崗位過(guò)往優(yōu)秀從業(yè)者的績(jī)效行為，如完成的項(xiàng)目類型、創(chuàng)造的價(jià)值等，通過(guò)算法將崗位要求與人才能力進(jìn)行對(duì)齊。例如，判斷A企業(yè)的副總裁與B企業(yè)的高級(jí)副總裁是否為同等級(jí)別時(shí)，AI會(huì)對(duì)比兩者的核心職責(zé)、項(xiàng)目決策權(quán)、績(jī)效貢獻(xiàn)，而非僅看職級(jí)名稱。

三是人崗匹配與薪酬激勵(lì)的聯(lián)動(dòng)。激勵(lì)是留住人才的關(guān)鍵，除企業(yè)文化外，薪酬體系是核心抓手。AI可以將人崗匹配與薪酬定薪聯(lián)動(dòng)：一方面，整合市場(chǎng)數(shù)據(jù)（數(shù)年累計(jì)的14億條崗位招聘數(shù)據(jù)，包含企業(yè)對(duì)不同崗位的薪酬范圍）；另一方面，結(jié)合企業(yè)內(nèi)部數(shù)據(jù)（不同崗位的績(jī)效標(biāo)準(zhǔn)、優(yōu)秀人才的薪酬水平），通過(guò)AI分析得出“某類能力的人才在當(dāng)前企業(yè)應(yīng)匹配的薪酬區(qū)間”。最終實(shí)現(xiàn)“什么樣的人該給多少錢”，以及“什么樣的人是企業(yè)真正需要的人才”。

智能體的增強(qiáng)價(jià)值

事實(shí)上，在更廣泛的企業(yè)管理實(shí)踐中，作為行動(dòng)主體的智能體已經(jīng)開(kāi)始在決策中發(fā)揮作用。

如果我們自下而上看，這些智能體通常用于解決具體場(chǎng)景中某個(gè)具體的業(yè)務(wù)需求。但從人機(jī)協(xié)作的趨勢(shì)看，智能體又大致可以分為兩類：一類用于處理標(biāo)準(zhǔn)工作，形成由AI主導(dǎo)的精準(zhǔn)執(zhí)行模式；一類用于處理非標(biāo)準(zhǔn)工作，形成由人類主導(dǎo)的增強(qiáng)智能模式。

其中，標(biāo)準(zhǔn)工作指有明確操作流程、固定工作內(nèi)容和可量化產(chǎn)出的工作。AI承擔(dān)大部分流程化操作，人類僅需處理很小一部分的邊緣異常，如規(guī)則校準(zhǔn)、特殊情形復(fù)核等。如某跨國(guó)企業(yè)采用“薪資核算智能體”，自動(dòng)完成3.6萬(wàn)員工算薪，僅需2名人事專員復(fù)核特殊情形。智能體從事標(biāo)準(zhǔn)化工作的價(jià)值可歸結(jié)為提升效率、降低成本、縮短周期、減少出錯(cuò)率。

非標(biāo)準(zhǔn)工作的特征是任務(wù)內(nèi)容靈活，需創(chuàng)造性思維、復(fù)雜決策、個(gè)性化處理，AI扮演“知識(shí)引擎”“模擬沙盤”等角色，人類主導(dǎo)最終決策，如策略制定、情感溝通等。

一方面，智能體可以承擔(dān)大部分標(biāo)準(zhǔn)工作；在非標(biāo)準(zhǔn)工作中，行動(dòng)主體依然是個(gè)人或團(tuán)隊(duì)（HumanAgent）。協(xié)調(diào)的核心在于確保每個(gè)智能體的行動(dòng)都與戰(zhàn)略目標(biāo)保持一致。智能體無(wú)疑將帶來(lái)人機(jī)協(xié)作的工作新范式，我們可以通過(guò)幾個(gè)案例場(chǎng)景進(jìn)一步了解。

場(chǎng)景一是滑雪場(chǎng)籌建團(tuán)隊(duì)的快速組建。某著名文旅企業(yè)籌建滑雪度假村，傳統(tǒng)做法需要組建一個(gè)涵蓋上百個(gè)細(xì)分崗位的團(tuán)隊(duì)，這是一項(xiàng)極其復(fù)雜的任務(wù)。但智能體改變了原有的工作模式。管理者只需輸入自然語(yǔ)言指令，如“為某3新滑雪場(chǎng)項(xiàng)目推薦所有關(guān)鍵崗位的候選人清單，每個(gè)崗位推薦三人，并附上推薦理由”，智能體可以瞬時(shí)響應(yīng)。

但這背后的前提是智能體能夠理解項(xiàng)目需求與崗位畫像，基于企業(yè)的人才數(shù)據(jù)庫(kù)進(jìn)行智能匹配，評(píng)估員工技能、經(jīng)驗(yàn)、流動(dòng)性，才能生成有理有據(jù)的推薦名單。當(dāng)管理者提出人員調(diào)整時(shí)，智能體能持續(xù)交互、優(yōu)化方案。若無(wú)合適的內(nèi)部人選，它可以啟動(dòng)外部招聘流程，將崗位畫像傳遞給招聘智能體，這無(wú)疑提高了項(xiàng)目的籌備效率。

場(chǎng)景二是精準(zhǔn)掌控組織人力動(dòng)態(tài)。面對(duì)成百上千人的企業(yè)，管理者往往難以實(shí)時(shí)掌握人員動(dòng)態(tài)，如在崗、外派、勞務(wù)派遣、殘疾人掛靠、實(shí)習(xí)生等。當(dāng)被問(wèn)及“企業(yè)當(dāng)前有多少人”時(shí)，企業(yè)的傳統(tǒng)做法是安排人事部門進(jìn)行線下統(tǒng)計(jì)。

但智能體可以實(shí)時(shí)洞察組織的變化。管理者通過(guò)提問(wèn)，如“當(dāng)前實(shí)際在崗工作的員工總數(shù)是多少（自動(dòng)排除掛靠、長(zhǎng)期休假等人員）”“分布在某項(xiàng)目的實(shí)習(xí)生和正式員工比例是多少”“對(duì)比上季度，生產(chǎn)人員流動(dòng)率有什么變化”，智能體能夠穿透復(fù)雜的HR系統(tǒng)數(shù)據(jù)，根據(jù)不同語(yǔ)境，如應(yīng)對(duì)稅務(wù)局統(tǒng)計(jì)或內(nèi)部管理匯報(bào)，動(dòng)態(tài)生成符合需求的答案。

更進(jìn)一步，智能體還可以整合宏觀經(jīng)濟(jì)、市場(chǎng)競(jìng)對(duì)、內(nèi)部運(yùn)營(yíng)等數(shù)據(jù)，幫助企業(yè)高層回答諸如“如果在西南地區(qū)新建一個(gè)滑雪場(chǎng)，預(yù)計(jì)的投資回報(bào)率是多少，最大的風(fēng)險(xiǎn)點(diǎn)在哪里”“基于過(guò)去3年的客戶數(shù)據(jù)，下一個(gè)度假產(chǎn)品應(yīng)重點(diǎn)布局哪類主題”等問(wèn)題。

智能體的價(jià)值遠(yuǎn)不止于替代重復(fù)勞動(dòng)，更重要的是增強(qiáng)管理者的信息處理、模式識(shí)別和方案構(gòu)建能力。它正成為組織中無(wú)處不在、隨需而動(dòng)的智能層級(jí)，將人力資源、流程管理與戰(zhàn)略決策進(jìn)行深度耦合，最終提升組織的韌性與效率。

從工具到核心競(jìng)爭(zhēng)力

毫無(wú)疑問(wèn)，智能體的應(yīng)用水平存在高低之分，關(guān)鍵在于其能否深入企業(yè)運(yùn)營(yíng)的核心環(huán)節(jié)，提供專業(yè)、可靠、可信任的決策支持。背后的分水嶺在于是否具備三個(gè)核心支柱的融合。

支柱一是深厚的管理理論與行業(yè)實(shí)踐。智能體的智能必須建立在“經(jīng)過(guò)驗(yàn)證的管理科學(xué)”和“行業(yè)Know-how”這兩個(gè)基礎(chǔ)之上。

首先，企業(yè)需要建立經(jīng)過(guò)驗(yàn)證的管理科學(xué)基礎(chǔ)，而非僅僅依賴互聯(lián)網(wǎng)的通用知識(shí)。企業(yè)管理涉及人才畫像、崗位評(píng)估、薪酬體系、績(jī)效管理等，這些內(nèi)容背后均有成熟的理論框架，如美世的IPE崗位評(píng)估系統(tǒng)、翰威特的薪酬調(diào)研方法論等。這些理論是智能體進(jìn)行判斷和推薦的準(zhǔn)繩與原則。

其次，不同行業(yè)，如快消、金融、高科技等領(lǐng)域的管理實(shí)踐存在顯著差異。將頂尖咨詢公司的行業(yè)專家經(jīng)驗(yàn)，如美世顧問(wèn)的畢生所學(xué)轉(zhuǎn)化為智能體的數(shù)字分身，使其具備特定行業(yè)的洞察力，是避免紙上談兵的關(guān)鍵。這在確保智能體建議正確的同時(shí)，還能貼合企業(yè)所在的商業(yè)環(huán)境。

支柱二是內(nèi)外部數(shù)據(jù)的高質(zhì)量融合與治理。數(shù)據(jù)是智能體的“食糧”，但其價(jià)值取決于質(zhì)量和關(guān)聯(lián)度。內(nèi)部數(shù)據(jù)梳理中，企業(yè)人力資源、財(cái)務(wù)、運(yùn)營(yíng)數(shù)據(jù)往往散落在不同系統(tǒng)，且標(biāo)準(zhǔn)不一。企業(yè)的核心競(jìng)爭(zhēng)力在于擁有一套成熟的方法論，能夠幫助企業(yè)清洗、整合并標(biāo)準(zhǔn)化內(nèi)部數(shù)據(jù)，使其成為智能體可理解、可分析的有效資產(chǎn)。

與此同時(shí)，孤立的內(nèi)部數(shù)據(jù)不足以支撐精準(zhǔn)決策，如市場(chǎng)薪酬水平、人才流動(dòng)趨勢(shì)等，企業(yè)必須引入海量持續(xù)更新的外部市場(chǎng)數(shù)據(jù)作為基準(zhǔn)參考。只有當(dāng)內(nèi)部數(shù)據(jù)與外部數(shù)據(jù)在統(tǒng)一的框架下關(guān)聯(lián)起來(lái)，智能體才能進(jìn)行有意義的對(duì)比和分析，提供具有市場(chǎng)競(jìng)爭(zhēng)力的建議。

支柱三是賦能而非替代的智能體交互層。在前兩大支柱的基礎(chǔ)之上，智能體才能發(fā)揮最大效能，成為賦能者的角色。此時(shí)，智能體不再是簡(jiǎn)單的自動(dòng)化工具，而是承載了頂尖管理智慧與全域數(shù)據(jù)的“超級(jí)顧問(wèn)”。它能夠替代傳統(tǒng)咨詢中大量重復(fù)、耗時(shí)的基礎(chǔ)工作，如數(shù)據(jù)清洗、初步訪談、報(bào)告生成等，將人類專家從80%的繁瑣勞動(dòng)中解放出來(lái)。人類專家可以專注于更具戰(zhàn)略性的工作，如復(fù)雜情境的判斷、戰(zhàn)略方向的制定、與決策者的深度溝通等，從而實(shí)現(xiàn)人機(jī)協(xié)同——機(jī)器處理規(guī)模和效率，人類聚焦洞察和決策。

這三個(gè)支柱揭示出：?jiǎn)我坏闹悄荏w本身極易被復(fù)制，但“權(quán)威管理理論×高質(zhì)量數(shù)據(jù)×智能體”三者形成的乘法效應(yīng)，才能構(gòu)建企業(yè)的護(hù)城河。只有深度植根于經(jīng)過(guò)驗(yàn)證的管理框架，喂養(yǎng)以精準(zhǔn)的內(nèi)外部數(shù)據(jù)，智能體才能真正深入業(yè)務(wù)本質(zhì)，從助手進(jìn)化成為企業(yè)的戰(zhàn)略決策伙伴。

信任機(jī)制的基石

當(dāng)前，市場(chǎng)上許多大模型的套殼方案難以在企業(yè)場(chǎng)景中落地，根本原因在于它們無(wú)法滿足企業(yè)管理對(duì)確定性、可靠性與合規(guī)性的剛性需求。企業(yè)管理的決策必須基于標(biāo)準(zhǔn)，而非概率。二者的分水嶺在于是否構(gòu)建了以下三個(gè)基石。

基石一是可預(yù)測(cè)，即建立在標(biāo)準(zhǔn)之上的確定性。企業(yè)管理的首要前提是形成統(tǒng)一、穩(wěn)定的判斷標(biāo)準(zhǔn)。單純的通用大模型缺乏企業(yè)特有的“標(biāo)尺”，如崗位能力模型、薪酬體系、合規(guī)條例等，回答具有隨機(jī)性。這可能導(dǎo)致對(duì)同一份簡(jiǎn)歷、同一項(xiàng)數(shù)據(jù)，給出前后矛盾的建議。這是企業(yè)運(yùn)營(yíng)無(wú)法容忍的。

可預(yù)測(cè)性意味著智能體的任何輸出都必須基于預(yù)設(shè)的、透明的業(yè)務(wù)規(guī)則和管理理論。當(dāng)輸入明確時(shí)，輸出必須穩(wěn)定且一致。這確保了AI行為符合企業(yè)規(guī)章制度，成為一把可靠的“尺子”，而非“黑箱”。

基石二是可回溯，即決策過(guò)程的透明化。AI會(huì)犯錯(cuò)，但關(guān)鍵是能清晰地定位錯(cuò)誤根源。通用大模型的決策過(guò)程不可拆解。當(dāng)出現(xiàn)問(wèn)題時(shí)，管理者無(wú)法追溯是原始數(shù)據(jù)錯(cuò)誤、規(guī)則理解偏差，還是AI的過(guò)度發(fā)揮。

可回溯性要求智能體的每一個(gè)結(jié)論或建議，都能像數(shù)學(xué)證明題一樣，展示出完整的推理鏈條。管理者可以一步步復(fù)審，智能體是如何理解指令的、調(diào)用了哪些數(shù)據(jù)、應(yīng)用了哪條規(guī)則。這不僅便于快速定位問(wèn)題（是數(shù)據(jù)問(wèn)題還是規(guī)則問(wèn)題），更重要的是賦予了管理者審查和糾偏的能力，建立了初步的信任。

基石三是可審計(jì)，即滿足合規(guī)與風(fēng)控的剛性要求。在嚴(yán)格監(jiān)管的環(huán)境下，決策必須經(jīng)得起檢驗(yàn)。在招聘或薪酬計(jì)算中，若無(wú)法證明AI決策的公平性與合規(guī)性，企業(yè)將面臨巨大的法律與聲譽(yù)風(fēng)險(xiǎn)。海外已出現(xiàn)因AI招聘歧視被重罰的案例，例如歐洲人權(quán)機(jī)構(gòu)裁定臉書使用的算法在招聘廣告中存在性別歧視行為。

可審計(jì)性是可回溯性的終極價(jià)值體現(xiàn)。它意味著AI的整個(gè)決策流程可以被完整記錄、封存并接受內(nèi)外部審計(jì)。當(dāng)被質(zhì)疑時(shí)，企業(yè)能夠出具證據(jù)鏈，證明其決策邏輯的合規(guī)與公正。這是企業(yè)，尤其是上市公司和受嚴(yán)格監(jiān)管行業(yè)，引入AI的前提條件。

基于上述三個(gè)基石，人與智能體的信任關(guān)系可以通過(guò)以下三個(gè)階段逐步建立。

第一階段是全權(quán)委托，處理確定性任務(wù)。那些輸入與輸出關(guān)系明確、有固定流程和標(biāo)準(zhǔn)答案的任務(wù)，如根據(jù)新格式自動(dòng)填寫報(bào)關(guān)單、將生活照合規(guī)化為標(biāo)準(zhǔn)員工照的任務(wù)等。在此階段，人類通過(guò)反復(fù)驗(yàn)證確認(rèn)AI的準(zhǔn)確性與可靠性后，便可像信任一個(gè)恪守流程的模范員工一樣，將此類工作全權(quán)委托。系統(tǒng)會(huì)為這些“數(shù)字員工”設(shè)定績(jī)效指標(biāo)，進(jìn)行監(jiān)控和再訓(xùn)練，確保其持續(xù)穩(wěn)定輸出。

第二階段是輔助建議，處理復(fù)雜性決策。管理者需要綜合考慮規(guī)則、數(shù)據(jù)與人性化因素的決策，如薪酬調(diào)整建議、崗位人選推薦等。在此階段，智能體扮演了超級(jí)顧問(wèn)的角色，提供基于數(shù)據(jù)和規(guī)則的客觀建議，但最終決策權(quán)在人。管理者可以采納、修改或否決AI的建議，如因特殊情況破格錄用等。這種協(xié)作模式既利用了AI的分析效率，又保留了人類在復(fù)雜情境下的最終判斷權(quán)。

第三階段是共同探索，處理戰(zhàn)略性創(chuàng)新。面對(duì)全新挑戰(zhàn)，無(wú)先例可循的業(yè)務(wù)，如新業(yè)務(wù)線團(tuán)隊(duì)搭建、市場(chǎng)戰(zhàn)略分析時(shí)，人與AI將進(jìn)入共創(chuàng)模式。AI負(fù)責(zé)模擬推演、提供數(shù)據(jù)洞察和潛在方案，人類負(fù)責(zé)定義方向、權(quán)衡利弊并做出戰(zhàn)略抉擇。信任建立在AI所提供信息的廣度、深度和前瞻性上。

從上述實(shí)踐可以看到，企業(yè)級(jí)AI的成功并非源于大模型技術(shù)本身，而在于能否將權(quán)威的管理框架、高質(zhì)量的數(shù)據(jù)與可解釋可審計(jì)的AI技術(shù)深度融合。這種融合才能使智能體從一個(gè)聰明的工具，進(jìn)化成為企業(yè)運(yùn)營(yíng)中可靠、可信、可共事的戰(zhàn)略伙伴。

（譚寅亮系中歐國(guó)際工商學(xué)院決策科學(xué)與管理信息系統(tǒng)教授，孫書華系美國(guó)杜蘭大學(xué)弗里曼商學(xué)院管理系副教授）

免責(zé)聲明：本文觀點(diǎn)僅代表作者本人，供參考、交流，不構(gòu)成任何建議。