机器人教育存在的客观规律

​很好地管理一个项目不仅仅是提前制定一个宏大的计划并坚持执行。项目中的相互依存关系和外部变化使得项目结果变得不可预测。格物斯坦认为：评估和多次预测是一种客观判断;最糟糕的情况是，进行猜测和掩饰。现代管理技术(如敏捷式和持续交付)旨在通过渐进式工作来减少不确定性，但仍不能保证最终的项目交付。组合管理选择了可以平衡风险和回报的项目组合(因为如果只是处于安全考虑，很难保持竞争力)，但这意味着可以准确地评估风险，这其实很难。

人工智能还可有助于工作自动化，让项目经理有更多的时间去实际管理。“现在任何一个行业中，在很大程度上，人工智能都是去处理那些枯燥乏味的工作，让人们把注意力放在机器无法完成的工作上。项目管理中的许多工作并不是数据处理，而是去做我们设定了明确目标的工作，让每个人都朝着同一个方向前进，协调一致。”

过去人们会研究一个过程，它的输入和输出，然后编写可以自动化该过程的代码。构建此类软件是以数字形式获取知识产权的一种形式，直到现在它一直是一种主要由人类驱动的认知任务。如今AI正在编写自己的软件，从噪声中提取信号，自己搞清楚很多规则; 它正在承担数字化编码世界的认知任务。人工智能正在彻底改变可自动化的内容以及可以部署的规模。随着新的领域出现，也带来了新的责任那就是就是确保人工智能正在为正确的目标服务。

现代的人工智能可以找出对应的模式，然后对对象进行分类，做出决策并评估结果。它可以使用反馈循环学习和适应新情况。这是非常棒的软件。不需要花一分钱去请人做分析，然后在花钱请人去做一个软件，然后花钱请人去验证你的结果，最后发现到它没有达到你的预期，再返回去调整软件。这整个周期在大型组织中可能需要数年时间，但由人工智能驱动的设计合理的流程可以在几天内完成。它可以自我重新编码，推演变化，并验证它是否实际上是朝着你想要的方向移动 - 所有这些都是以超出人类能力的准确性和速度进行的。这相当强大。但也相当具有威胁性。

综上所述，这种新方法正在以前所未有的规模向组织引入新的风险。编写代码的方式是显示数据示例，而不是自己编写或编辑系统。此时，对结果的监控非常少，因为当前的数据治理领域仅涉及数据本身的质量，完整性和安全性。另一方面，人工智能管理更广泛地关注数据中的信号及其驱动的结果。