AI时代的领导力学习发展项目会发生了哪些变化?

近期，受某公司之邀开发帮助其开发“AI时代基层管理者领导力”系列课程。开发过程促发了我认真思考AI时代背景下，管理者面对得场景发生了哪些变化？对于管理者的要求与过往有哪些不同？包括旧有培训的有效性不足，在今天AI技术快速发展，对培训有效性会发生哪些影响？等等。以下是我认为AI时代对于领导力发展非常重要的四个转变：

一、经验驱动升级因果驱动

聚焦一个结论，不是人类驾驭AI，也不是AI驾驭人类，在未来很长一段时间，人机协同才是主旋律。那么对于人类擅长不擅长和AI擅长不擅长，形成一个恰当的人类擅长与AI擅长的组合对于协同至关重要！在此结论基础之上，人类的经验在AI面前几乎没任何优势。而人类基于因果的判断显然现在的AI还不能胜任的。这似乎就形成了一个可落地的协同策略。即人类要聚焦于因果的判断，而非执迷于过往的经验。基于此点思考，我们使用了DLR因果模型，开发了“DLR顾问基础—从线性信息到因果建模的高维问题解决”课程，促动管理者从经验跃迁为DLR因果模型思维，帮助管理者从经验跃迁为因果模型驱动问题解决！

二、管控系统到设计系统

虽然微观上近些年也引入了引导和教练的方法，但宏观层面管理者对于任务和团队的管理更多采用的是管控方式。其背后原因是以人（知识员工）为系统的不确定和复杂度高，管控是为核心的驱动方式！而AI时代，人（普通知识员工）在系统中的影响降低，AI的影响逐步升级，人机协同系统升级为管理的重心。以我们过去6-8年帮助企业解决问题，包括为大数据公司和AI增强公司服务的经验。我们开发了“AI时代基层管理者角色定位与人机协同思维”课程。其中核心部分有使用DLR因果模型的问题域专家如何与AI协同，形成协同SOP的课程内容！基于人机协同策略生成SOP基础，我们又开发了“因果之眼：基于DLR矩阵的高质量决策与问题解决工坊”课程和“协同问题解决：DLR因果矩阵工作坊”课程，帮助管理者基于DLR因果模型思维提升决策力和解决跨部门协同场景下基于逻辑的问题解决能力！

三、单环学习困境到双环学习的落地

单环学习的底层是学习与问题解决的不一致性，即将学习和问题解决作为两个不同阶段单端研究，仅认为两者有先后关联，同时对于问题解决的学习缺乏深度的洞察，仅认知科学的部分内容触达的根本，其他学习发展和教学设计等领域大多对这个核心我问题没有提出好的方法。人们对于通过什么样的学习能够更好地获得问题解决质量，一直没有重视或并没有找到好的办法。虽然我们渴望双环学习的效果。但其实并没见到有效得办法！

过去6-7年，我们大量使用DLR因果模型，解决问题和促动成人得深度学习。我们发现这恰恰是打通双环学习得一种有效得方法。本次学习发展项目的核心课程就是“DLR顾问基础：从线性信息到因果建模的高维问题解决”。同时，我们针对复盘在企业中是非常重要一环，但现有方法缺乏有效性。我们开发了“DLR因果复盘：从行为反思到认知升级”的课程，与市场上的复盘最大的不同是，DLR复盘不仅对R（成果）和D（做法）要复盘，更要对L（逻辑）复盘，L的复盘本质是认知的复盘。通过对认知的显性化结构化，从而促动了基于实践和认知双迭代的有效复盘。大大改善了企业复盘的质量！

四、颠覆性领导力发展的元思维框架

领导力的定义过去很长时间依然是基于经验的抽象层面。AI时代的今天这也是最需要改变的地方！首先我们对领导力进行了重新定义：领导者促动团队更好的完成任务！同时使用DLR顾问基础中对于因果模型的原则（问题域涉及的要素要全，要素关系要对）对领导场景进行建模分析。领导场景涉及三个要素：领导者（行为策略）、被领导者（特征）和任务（特征）。聚焦领导者带领团队更好的完成任务，三要素必须进行某种逻辑的适配！而过去很长时间，市场上的领导力聚焦于领导者（行为策略）一个要素，显然这种模式是领导力的初级形态，如果我们没有对被领导者（特征）和任务（特征）进行分析，是不可能产出高质量任务完成！典型的代表是教练领导力、愿景领导力、敏捷领导力等；进阶的包含两个要素的情境领导，一个是领导者行为风格、一个是被领导者特征，形成了匹配逻辑。这比单纯强调某类领导力行为特征明显高了一个台阶！但还不是更优秀的领导力元框架！领导力行为真的有效还需要对于不同的任务特征进行分析以适配领导者行为策略！我们的“TLS三维全景领导力”课程是这样一套领导力思维的元框架，在这套高质量的元框架下，我们探讨学习不同行为与不同任务和不同被领导者的相互影响和有效的行为策略！这个元框架更接近领导力问题域下的因果模型，之前的单一行为模式和情境领导力都是一些初期的模型，具有一定的相关性，而非因果！

以上课程是我在此次课程开发中对于AI时代管理者能力发展的一次思考！可供企业培训与学习发展管理者设计人才发展项目时参考！