进入该榜单或其他任何增长率榜单的公司都将获得令人羡慕的收益：它们的创始人会出现在杂志报道中，而且它们还可以引用自己的排名来吸引投资者、客户和员工。

然而，这些增长率榜单并没有提到的是，许多公司很快就会从榜单上掉下来。“很多榜单和文章都只关注那些成功的公司。” 斯坦福商学院会计与管理学教授George Foster表示，“但是大量证据表明，很多公司在上榜之后，增长速度都会明显放缓，甚至出现倒退。”

“增长的确很重要。” Foster说，他对新企业如何保持早期发展势头进行了广泛研究。但增长率排名可能会分散企业家的注意力，使他们无法专注于重要的事情。“重要的是，让他们了解可能会面临的挑战，这样他们才能更好地预测未来的障碍—那可能只是一个小问题，也可能是一场灾难。”

为了了解现实情况，Foster和斯坦福商学院研究员Carlos Shimizu、瑞士洛桑HEC商学院的Antonio Dávila、以及清华大学教授何晓斌和贾宁，对全球主要地区进行了迄今为止最大规模的增长率榜单研究。他们发现仅有30%的公司能够在第二年仍然留在榜单上，而只有不到10%的公司能够连续三年留在榜单上。

“这项研究在各个地区和各个行业都得出了一致的结论，包括科技行业。” Foster说，“对于大多数公司来说，上榜都只是一次性事件。”

发生了什么……

研究人员首先从7份由Inc.、德勤和其他机构编制的500强和100强高增长公司名单开始。在分析了这些数据后，他们建立了一个包含来自11个国家的十万多家私营公司的数据库。通过观察公司的增长率及其背后的因素，研究人员可以了解公司在增长率榜单中出现和消失时的背后动态。

自我报告偏差是其中的一个影响因素。“我们认为，部分原因在于，” Foster说，“如果今年在榜单上的公司知道，他们明年不太可能再次上榜，那么很可能就不会在明年提交信息。他们不希望人们问‘为什么你不在榜单上了？’ 因为这意味着他们的增长速度不够快，而这对投资者或合资伙伴来说可能是一个负面信号。”

“不要变得狂妄自大，因为你很可能只会出现在名单上一两次。​”
– George Foster

即使30%的重复上榜率也可能是被高估的，因为榜单是基于公司当前收入与三四年前收入的比较得出的。“如果你以一年的增长率作为衡量标准，那么只有不到5%的公司能够连续两年留在榜单上。” Foster说，“因此，选择特定的衡量标准对于一家公司是否能够上榜并持续在榜也有着重大影响。”

“各年的增长率都存在着很大的随机性，如果每年只有5%的公司能够存活下来，那就太荒谬了。” 他继续说道。他更倾向于以一段时间内的平均增长率或员工人数变化作为指标。虽然这些指标可能会更准确地反映出逐年的增长情况，但它们却可能与榜单制定者的动机相冲突。“我联系了五六家制作这些榜单的杂志和公司，他们都说希望自己的榜单可以具有一定程度的流失率，因为他们和榜单赞助商会利用这些榜单进行营销，目标是将榜单上的公司作为客户。” Foster说。

为什么只有极少数公司可以在增长率榜单上存活下来呢？其中一个因素就是Foster所说的“经济引力”—有涨必有跌，这是一种回归均值的形式。“可能你是一家成功的早期公司，而另一家拥有更多资源的公司出现并说，‘哇，这是一个绝妙的主意，我们也要进入这个领域。’ 或者就是整个产品领域的竞争变得更加激烈了。”

另外，看似较高的增长率也可能是源于公司获得某些收入的时机。假设一家公司在第一年的收入非常低，然后在第二年开始的时候获得了一个大客户。“这种情况下，分母会非常低，因此增长率会非常高。但这只是收入时机带来的特定产物。” Foster说，“公司不应该将短期的收入增长误认为是持续的市场吸引力。”

不要浪费你的机会

那些渴望跻身这些榜单并一直名列前茅的企业家应该认真考虑Foster研究中的几点启示。“你要为长期的发展进行规划，而不仅仅为一两年的大幅增长欢呼。” 他说。

可扩展性对于可持续增长也是至关重要的。“Zoom就是一个典型的例子。” Foster说，“创始人袁征最初在思科公司工作时就向他们提出了这个想法，但他们说，‘不，我们已经有Webex了。’ 他告诉公司，Zoom的可扩展性更强，因为它是在云端构建的。后来疫情来袭时，Zoom的增长速度果然是最快的，因为它就是为扩展而构建的。”

此外，过度依赖少数大客户也会阻碍增长。“需要尽快建立庞大的客户群，这样你就不会因为失去某一个账户而面临风险。” Foster建议道。

客户高度集中是Foster所称的“单一风险”的一部分。这类风险还包括失去关键技术专家等因素。“我们的目标是要建立部门级别的专业知识，而不是依赖于个人的专业能力。” Foster说。另一个风险是依赖于某个合作伙伴的业务来满足特定的地域或客户群：“如果该合作伙伴决定不再与你合作”，公司一夜之间就会损失大量收入—因此要警惕在这种单一合作关系上投入过多。

他对公司领导者的最后一个忠告是，不要沉迷于进入增长率榜单的兴奋之中。“不要过于自负，因为你很可能只会上榜一两次。” Foster说，“如果只追求一次性的收入增长，而不是专注于可持续的发展，那么你明年就很可能上不了榜，就像是从孔雀尾巴变成了鸡毛掸子。” 他回忆起在一次宣布最新增长率榜单的会议晚宴上被邀请发言。“我告诉组织者，我可能会对与会者说， ‘尽情享受吧，因为你们当中70%的人明年就不会再被邀请了！’”

GSB观点｜增长率榜单上的公司为什么很少能在第二年再次上榜？最先出现在。

斯坦福商学院播客系列 View From The Top第七季，邀请来自世界各地的知名领导者与MBA学生进行对话，一起探讨关于有效领导力、核心价值观和职场经验等多方面的话题。“

这并不仅仅是靠运气。我每天的每一秒都在工作—我为此着迷。因为我想要独立，想要我的家人独立，不想回到Jacksonville去。”

2022年，福布斯将Daniella Pierson评为世界上最年轻、最富有、白手起家的BIPOC女性。这位28岁的女孩在没有接受任何投资的情况下，将她的第一家公司The Newsette发展到了2亿美元的估值。她独自一人在大学宿舍里运营公司，并通过口口相传来做广告。

与此同时，她不仅要努力完成大学的全部课程，还要与自己的强迫症和注意力缺陷多动症作斗争。她在心理健康方面的经历启发她于2022年与Selena Gomez共同创立了心理健康初创公司Wondermind。两年后，Pierson又开始了她的下一个项目：Be a Breadwinner，这是一个金融知识品牌，致力于帮助有远见的年轻人将障碍转化为基石。

在本次采访中，Pierson与24届MBA学生Zach Doherty讨论了她的创业历程、工作与生活的平衡以及Be A Breadwinner的下一步计划。“这就是我的整个想法和概念，我以前的所有经历都证明了这一切。我的任何一家企业都从未以自我为先。”

Daniella Pierson: 为什么失败是衡量成功的标准最先出现在。

斯坦福MSx是一项为期一年的全日制硕士课程，面向拥有至少八年工作经验的优秀领导者、企业家和其他专业人士。在这一年当中，斯坦福严谨的学术课程内容和灵活的选课形式将使你有机会探索新的课题，激励你，赋予你承担风险的能力。商业核心课程为学生提供坚实的商业理论基础，多样化的选修课程让学生根据自己的目标和兴趣进行课程定制。选修课程并不局限于斯坦福商学院的130多门课程。我们鼓励学生选择自己感兴趣的其他学院课程，包括教育、工程、人文与科学、法律、医学和可持续发展学院，由此创建自己独有的学习安排，达到你所期待的目标，探索课程和学术选择，以帮助你在MSx期间获得更丰富的体验。

宣讲会活动2024年8月12日和14日，斯坦福商学院将在北京、上海分别举行MSx项目宣讲会。项目招生官将详细介绍项目情况，并有来自中国的校友分享项目体验和收获。Stanford MSx 北京宣讲会时间：8月12日 （周一）19:00-20:30

地点：北京大学斯坦福中心 注意：收到注册确认信后，填写信中链接所需信息，获得北京大学入校权限参加活动

扫描下方二维码报名

Stanford MSx 上海宣讲会时间：8月14日（周三）19:00-20:30地点：浙江大学上海高等研究院 

扫描下方二维码报名

更多信息，请联系：张老师，电话：13601232255（同微信）

美国斯坦福商学院MSx硕士项目宣讲会–北京、上海最先出现在。

斯坦福商学院组织行为学教授Michele Gelfand解释说，八卦是人类交流中普遍存在的特征。无论何时何地，每个人似乎都会这样做。“你如果回顾一下历史，就会发现它在美索不达米亚和希腊都很流行。人类学家认为，它是狩猎采集社会的生活中心。” Gelfand说。然而从进化的角度来看，八卦是令人费解的。“八卦需要一个人投入大量的时间和精力，并且会泄露可能非常有潜在价值的信息。我们不知道为什么八卦会演变为一种适应性策略。” 她说，“这对八卦者来说有什么好处？”

为了探索八卦的社会演变，Gelfand组建了一个多学科的团队，由马里兰大学博士生Xinyue Pan领导，成员还包括美国海军研究实验室博士后研究员Vincent Hsiao和UMD计算机科学名誉教授Dana S. Nau。在最近发表在《美国国家科学院院刊》上的一篇文章中，他们得出的结论是，八卦者具有进化优势，不仅因为他们传播有关人们声誉的有用信息，还因为他们可以使人们表现得不那么自私。

“八卦对社会进化是很有帮助的，因为它会传播有关人们声誉的信息，并且可以帮助这些信息的接收者与更好合作的人建立联系。” Gelfand说，“随着越来越多的人关注别人的声誉，他们也会开始注重自己的声誉，因为不希望自己成为未来八卦的对象。这样就可以阻止他们做出某些自私的行为。”

Michele Gelfand说：“八卦总是贬损性的观念“挤占了我们对八卦积极本质的理解”。

这听起来可能有点违背常理。许多人，尤其是美国人，都认为八卦通常会贬低或破坏社区的凝聚力。Gelfand说，这种误解“掩盖了我们对八卦的积极本质及其在社区合作发展中所起到的作用的理解”。然而，她的团队确实发现，只有当八卦者的信息比较准确的时候，合作才会蓬勃发展。

Gelfand和她的同事们建立了一个模拟人们如何八卦的进化博弈论模型，在其中观察到了这种情况的发生。该模型由虚拟的“代理人”组成，他们使用六种既定策略中的一种来确定他们如何与邻近的其他代理人交换八卦。每次交换后，代理人将决定是否继续其最初的策略或改用邻居的策略。“我们在这个模型中包含了许多不同的策略。” Gelfand说，“回报最高的策略更有可能被他人学习或效仿。”

虚拟八卦者如何生存

在对模型进行了数千次迭代后，研究人员发现这些虚拟代理人中的八卦者不仅生存了下来，而且还蓬勃发展：在所有模拟中，90%的代理人最终都成为了八卦者。Gelfand和她的合著者得出的结论是，八卦者之所以变得越来越多，是因为它们具有“传播声誉”和“威慑自私”的双重功能。如果人们知道有关自己行为的信息正在与他人分享，就会变得更加愿意合作。反过来，他们在已知的八卦者面前会表现得不那么自私，这给八卦者带来了进化优势。

一般来说，代理人们采用的策略是要利用八卦来保护自己或利用他人。到模拟结束时，有近60%的代理人采取了“剥削”策略，而另外18%的代理人则采取了“机会主义”策略。但是，八卦的演变缓和了这些常用的方法，代理人对他人的看法越来越敏感，变得更愿意合作，最终达到了更高的合作率。

“机会主义”代理人就说明了这种动态。Gelfand解释说，这些注重声誉的人“非常有策略：当他们得知另一个代理人是八卦者时，他们就会与对方合作，否则他们就不合作。” 机会主义者与八卦者形成了互惠互利的关系：八卦者帮助机会主义者提升了声誉，而机会主义者则增强了八卦者对自私行为的威慑力。她说，通过这种方式，“机会主义代理人和八卦者可以共同进化，因为他们需要彼此。”

“机会主义代理人的名声不太好，总被认为有点鬼鬼祟祟。” Gelfand说。“但事实上，他们确实为民众提供了很多帮助。如果没有很多机会主义者，就不会有很多流言蜚语，反之亦然。”

Gelfand指出，这一发现“很难通过大规模、长期的实验来证明。” 博弈论模型使得观察整个种群在几代人中的变化过程成为可能。它还可以调高或调低某个参数，例如代理人交互的频率以及他们共享的信息量。“我们可以操纵流动性，也可以操纵网络结构的其他方面。” Gelfand说，“这在真人实验中很难做到。”

Gelfand指出，在该领域收集更多数据可以完善本研究中引入的理论，并使其在全球范围内得到检验。然而，虚拟八卦者的演变表明，现实中的人们可以将一些经验应用到他们的沟通策略中。“如果你是一个八卦者，那么人们也都会知道这一点。” Gelfand说，“这可能会让他们特意与你进行更多合作。这可以成为一个优势，当然前提是你因为传播的内容准确而享有良好的声誉。”

GSB观点｜​为什么八卦在每个人类社会中都会出现？最先出现在。

一些专家认为，搜索广告具有侵入性，甚至具有欺骗性—用户必须容忍这种干扰，以换取免费访问搜索引擎的机会。其他人则认为搜索广告是一种便利，通过为用户提供附加信息以及轻松访问与其兴趣相关的产品和服务来增强搜索体验。斯坦福商学院营销学副教授Navdeep Sahni表示：“搜索广告的效用一直是一个有争议的问题。长期以来，人们在媒体上发表了很多正面和负面的观点。其实，这是一个需要用数据来回答的问题。”

Sahni现在拥有了这些数据。Sahni和22级博士生Charles Zhang（当时是斯坦福商学院研究生，专注于定量营销研究）在广泛使用的美国搜索引擎上进行了大规模的现场实验，从真实用户和真实广告中获得了这些数据。尽管人们对搜索广告对广告购买者的功效进行了大量研究，但该实验的独特之处在于其规模以及对广告对使用搜索的用户所具有的价值的实证研究。

这些在2017年5个月时间内收集的数据，包括了近300万独立用户向搜索引擎提交的查询结果。在进行实验的两个月内，有一半的用户看到的搜索结果会包括出现在页面顶部和中间的正常数量的广告。这些广告通常被称为主线广告。“每当有用户进行查询时，” Sahni解释说，“搜索引擎就会使用一种专有算法，对可能出现在结果中的每个广告进行评分。只有那些质量超过一定预设阈值的广告才会被放置在主线位置。” 这些广告在页面上最明显，并且具有最有效的定位。

在同样的两个月内，搜索引擎通过调整其广告评分算法，使另一半用户在其搜索结果页面中看到的主线广告变得更少。“实验提高了该算法的预设阈值，使17%原本会获得主线位置的广告被推到了页面一侧不太明显的位置。” Sahni解释道。

广告增值

通过分析实验之前、期间和之后的搜索引擎使用情况，Sahni和Zhang发现，看到较少主线广告的用户似乎对其搜索体验并不会更满意。相反地，当主线广告数量减少时，他们对搜索引擎的使用就会减少。搜索引擎使用率的下降并没有立即显现出来，但随着时间的推移，这种下降趋势会持续下去。

总体而言，搜索广告对用户来说具有积极效果……这与人们普遍持有的观点相悖，即广告是用户被迫为访问搜索网站而支付的高昂费用。
– Navdeep Sahni

“我们采用了显示偏好的方法，即假设人们会在喜欢某产品时更多地使用它，而在不喜欢时更少地使用它。” Sahni说，“基于此假设，我们得出的结论是，与广告存在时相比，当广告从搜索结果中被删除时，用户对搜索引擎的喜爱度更低。”

支持这一发现的是，使用搜索引擎频率最低的用户和使用多个搜索引擎的用户的使用量下降尤其明显。Sahni说：“他们原本应该是最有可能因积极刺激而增加使用量的人。然而，当广告被搁置时，他们实际上是减少搜索引擎使用量最多的人。”

那么我们应该如何解释这些发现呢？当研究人员发现主线广告是以那些未包含在搜索结果中的新的独特网站为特色时，提出了一种可能的解释—“广告是额外的相关信息可以被添加到搜索结果中的一种有效方式。” Sahni说。此类搜索广告可能解决了搜索引擎结果的一个普遍问题：高质量的搜索结果想要出现在搜索排名中并攀升到顶部需要一定的时间。

“由于规模不够大，在一个新网站刚刚开始运营时，搜索引擎很难判断它是否足够好。” Sahni说，“因此，它们往往依赖于一种间接的衡量标准：反向链接，即链接到新网站并将流量引向该网站的其他网站的数量。反向链接越多，新网站在搜索引擎眼中就越好。”

然而，这个过程需要时间，并且会导致搜索引擎和新网站背后的创业者之间的信息不对称。搜索广告为创业者提供了一种缩小搜索结果和搜索用户之间差距的方法。“优质网站会发现做广告是划算的，因为当搜索用户访问这些网站时，他们更有可能完成交易，从而抵消广告支出。” Sahni说。

总体而言，Sahni和Zhang的研究结果表明，搜索广告对于用户来说并不都是烦人的，而是搜索结果的一个有用的功能。“我们也不是说所有的搜索广告都很好，因为事实并非如此。” Sahni总结道，“在需要提醒大家关于仅依赖于一个样本的所有常见警告的前提下，我们的观点是，总体而言，搜索广告对于用户以及可能被搜索引擎忽略的网站所有者来说可以具有积极效果。这与人们普遍持有的观点相悖，即广告是用户被迫为访问搜索网站支付的高昂费用。

GSB观点｜​对于用户来说，搜索广告到底是方便还是烦人？最先出现在。

Barnett说：“愚蠢是天才的代价。”Barnett是斯坦福商学院Thomas M. Siebel商业领导力、战略和组织学教授，也是斯坦福杜尔可持续发展学院的教授。长期以来，他一直专注于研究在组织中如何产生创新。他最近的研究课题就是，一些听起来不切实际的想法如何可以帮助我们应对气候危机。“

说到底，人们对于事物发展的预测能力是很差的。” Barnett说。我们根本不知道一个想法能不能成功，这意味着组织需要将失败的尝试视为实现重大突破的必要步骤。领导者必须创造一种鼓励非传统观念的文化。“有些想法很可能是愚蠢的，但如果它们是正确的，就会成为天才想法。” Barnett说，“创造了很多愚蠢想法的组织也会创造出很多天才想法。”

人们很容易将创新者视为从一开始就看清前进道路的有远见的人。但正如Barnett所说，“意外的惊喜通常比我们开始时所能想象到的任何东西都要令人印象深刻”。为了鼓励组织更大胆地探索并更频繁地失败，Barnett希望“下一次的惊喜可以向我们展示一个比我们原本拥有的更可持续的世界。”

GSB播客｜if / then – 4：如此疯狂但可能有效—如何利用愚蠢促进创新最先出现在。

斯坦福商学院运营、信息和技术教授，Golub Capital社会影响实验室研究员Jann Spiess表示：“当我们考虑某项能够改善人们生活的政策时，尤其是在过去的十年里，一种常见的做法就是通过随机对照实验来了解哪些政策是有效的。”

这是有一定道理的：有什么比观察政策的实际效果更好的方法来确定一项政策是否对人们有所帮助呢？然而，Spiess指出，这种资源密集型的方法也有很多缺陷。实验可能会很难组织和进行。而且，尽管代价高昂，但实验结果的解释力可能有限。因为实验中关注的是对整个人群的平均影响，但却忽略了对个人的影响。

加入人工智能—具体来说，我们可以使用人工智能来处理大数据集并生成一些意料之外的预测或分类。事实证明，机器学习算法特别擅长深入挖掘现场收集的数据，然后从中找出有关干预措施如何发挥作用以及针对谁的新细节。“机器学习让我们有机会从本质上实现个性化的处理。” Spiess说。

最近，Spiess与两位斯坦福商学院的同事—领导Golub Capital社会影响实验室的经济学教授Susan Athey和前博士后学者Niall Keleher合作，将机器学习算法与实验数据结合起来，研究如何鼓励更多大学生申请助学金。Spiess和Athey也是斯坦福经济政策研究所的研究员。他们的发现不仅在这个特定案例中得到了超出预期的结果，而且还证实了将这种混合方法应用于更广泛研究的潜在可能性。

更精细的结果

研究人员与非营利组织ideas42合作进行了实地实验，看看一些细微的“推动”行为是否会鼓励纽约城市大学（CUNY）的学生申请联邦助学金。在这些实验中，通过短信或电子邮件发送的申请提醒使2017年的申请量增加了6%，2018年的申请量增加了12%。

“机器学习使我们有机会从本质上实现个性化的处理。”
– Jann Spiess

然而这些只是平均结果。为了更细致地了解哪些人对推动做出了反应，Spiess、Athey和Keleher根据现场结果训练了机器学习算法。他们发现短信和电子邮件对于原本已经有点倾向于申请助学金的学生来说最有效。那些不太可能申请的学生则大多对这些温和的提醒无动于衷。这种更具体的发现可以帮助学校管理者和政策制定者避免针对那些可能不会回应的人群进行成本更高的尝试。

“在进行这项研究之前，我们可能希望这些提醒会对那些不太可能提交申请的学生特别有效。基于实验总体上令人鼓舞的结果，我们原本可能会优先考虑推动这一群体。” Spiess说，“但是如果我们真的这样做了，就会追踪到完全错误的群体。”

与此同时，仅靠机器学习并没有足够的指导意义。正如Spiess所解释的，模型可以预测哪些人最有可能或最不可能申请经济援助。然而，这并不能证明短信或电子邮件是否真的对这些群体有帮助。通过将算法和实验相结合，研究人员就能够发现针对不同人群的处理效果的强度。

研究人员得出的最终结论是，最有效的做法是针对中间群体—既不是最有可能也不是最不可能重新申请经济援助的学生。在这个范围的任何一端，推动的力量都会减弱，特别是对于那些最不可能申请助学金的人来说。

照亮盲点

在过去的15年里，Athey和她的实验室一直致力于研究这种将实验结果和机器学习相结合的方法。他们的成果有望改善随机对照实验的过程及其结果。

目前，对随机对照实验的主要批评之一就是它们可能缺乏“外部有效性”—这些发现可能不适用于不同的背景。如果在印度进行一项实验，其结果是否适用于肯尼亚，或者导致研究结果的环境或主题是否有什么独特之处？针对纽约市大学生的政策是否可以推广到加州的同龄人？

在这方面，机器学习也可以有助于缩小差距。“不同地区之间的确存在很多差异。” Athey说，“对于宏观的、系统性的差异，我们也无能为力。但如果存在的是一些微观差异，例如收入或年龄的分布不同，那么我们就可以使用机器学习算法来调整处理效果的估算，以适应特定的人群。”

换句话说，如果机器学习算法根据实验结果进行训练，并发现可测量的差异之间存在不同的影响，例如性别或是申请经济援助的倾向，那么这些结果很可能会映射到其他地区的实验结果上，即使人口组成看起来不同。也就是说，机器学习模型可以通过将一个群体的实验结果拟合到另一个不同群体，来帮助减轻人们对实验外部有效性的担忧。

这种混合方法还有可能通过支持更快迭代来降低实验成本。在实验进行当中，机器学习可以很快辨别出哪些方法有效，并提出实时微调干预措施以产生最大影响的方法。

对于政策制定者来说，这种适应性强且有针对性的实验流程，可能比原本的成本高昂且收效甚微的包罗万象的随机实验要更好。但Athey也提醒说，这是一种数据密集型的研究方式：需要有更大的样本数据才能获得更精细的结果。

Spiess说，这种方法还可以帮助我们找出政策盲点，例如那些因某些干预措施而被抛在后面的人。以纽约大学生为例，研究表明，简单的提醒对于那些最有可能失去经济援助的人来说不起作用。这正是政策制定者可能最想要瞄准的群体。

虽然很容易想象这项技术会如何推动数字解决方案，例如更好的电子邮件提醒，但Athey更兴奋的是可以使用它来改善人与人之间的互动。

“很多工作都涉及到帮助他人，但对于助人者来说，要记住所有细节并收集提供定制建议或治疗所需的所有知识确实很困难。” 她说。这里展示的方法可以支持更加个性化的关注。“这是两全其美的。如果计算机为教练、老师或助理提供支持，那么他们就可以获得提供最佳选择所需的所有信息。”

GSB观点｜​人工智能可以帮助“个性化”政策惠及合适的人最先出现在。

GMIX是斯坦福商学院与企业合作为学生在暑期提供不少于四周的实习项目。此项目旨在鼓励MBA学生通过在企业、政府或非营利组织的实习中获得国际管理知识和实操技能。从而培养他们具备跨文化沟通能力和跨境合作的技能。同时，合作企业可以接触到有才华、有工作经验、具有全球视野的斯坦福MBA学生，并提升企业在斯坦福商学院的形象。自该项目1997在中国启动以来，至今已有27年历史。在这27年中，GMIX暑期实习项目已经扩展到92个国家。现大学招募2024年暑期GMIX实习中国合作企业。

寻找GMIX合作伙伴

项目概况

斯坦福商学院通过与合作企业，为MBA学生提供在国内任何城市为期四周、有具体项目的GMIX实习。2024年建议的实习日期为8月19日至9月13日 (可根据实习情况调整）。
GMIX项目涵盖广泛的行业，如消费品、国际发展、能源、金融、医疗保健、媒体和娱乐、技术和电信。实习项目案例包含：

• 为房地产初创企业制定上市战略，重新包装其产品，并将业务范围扩大到新客户群。
• 建立财务模型，预测假期航空公司航班计划对机组人员资质的需求，以满足其现有航线的资源需求。
• 为金融科技公司进行业务开发，将其成功的消费者模式转变为 B2B 解决方案。
• 为某地区政府制定战略路线图，促进社区采用电动汽车。
• 为某公司评估国际市场发展机会、市场潜力、制定市场开拓和运营策略，分析当地市场类似案例。

学生背景

斯坦福商学院一年级MBA学生大多数至少拥有4-5年工作经验，许多在不同行业中从事过咨询工作。在开始 GMIX 项目之前，学生会完成斯坦福MBA核心课程。他们将学习到商业知识、管理技能并获得解决复杂商业问题的新视角。MBA第一年的课程包括数据与决策、财务会计、个人领导力、团体与团队管理、微观经济学以及优化与建模等。

企业要求

• 为学生提供一个重点突出、设计合理，并有明确的目标的实习项目。
• 由资深领导者担任实习导师，导师了解项目，可提供相关背景资料，并与学生分享更广泛的行业观点和职业指导。
• 让学生有机会与不同的人互动，如内部团队、客户和企业成员。这些互动可为实习项目完成奠定基础，并使学生能够通过各种渠道深入了解行业。
• 让学生参与企业团队活动，了解企业文化。在企业之外参与其他活动，以理解更多中国文化。

企业收获

• 获得斯坦福大学优秀MBA学生的协助。这些学生带来多元化的视角、新鲜的思路和学术知识，可以应对现实商业社会的挑战。
• 通过实习项目的完成，企业可以获得针对其特定行业和地区的创新解决方案和见解。
• 提高公司在全球一流商学院的知名度，展示他们致力于培养人才发展和支持跨文化理解与合作的承诺。
• 拓展斯坦福商学院学生的全球商业视野和理解能力。

成为合作企业

如您有兴趣成为GMIX合作企业或希望了解更多项目相关信息，请联系斯坦福商学院中国办公室。

美国斯坦福商学院MBA暑期GMIX实习项目2024暑期实习企业招募最先出现在。

如果要求你停止使用Facebook一个月，某人需要付给你多少钱：5美元？10美元？100美元？这是Erik Brynjolfsson和他的研究同事向来自13个国家的近40,000名Facebook用户提出的问题。事实证明，只有不到五分之一的人会为了5美元而放弃Facebook，而超过四分之三的人都会为了100美元而放弃Facebook。

这是他们进行的一项旨在揭示数字产品价值的实验的一部分。从视频流平台到消息应用程序和电子商务网站，大量的虚拟产品和服务已经成为了人们日常生活的一部分。尽管它们给消费者带来了很多好处，但大多数数字产品目前都是免费的。这意味着它们在GDP的计算中很大程度上被忽视了，因为GDP（除少数例外）的计算是基于人们为商品和服务支付的价格。

GDP的局限性是已经被很多研究充分证实过的，该指标忽略了从抗生素到清洁空气再到自助洗衣等很多事物的价值。Brynjolfsson等人表示，鉴于美国人平均每周几乎要花费24小时上网，我们急需一套新的、更广泛的GDP计算指标。

斯坦福商学院荣誉教授、斯坦福数字经济实验室主任、斯坦福经济政策研究所研究员Brynjolfsson表示：“我们无法去管理那些无法衡量的东西。无论是作为政策制定者、公司高管还是普通民众，如果你不知道经济中的价值是从哪里创造出来的，都会做出错误的决定。”

美国国家经济研究局的一份工作文件中所描述的这项实验，估算了Facebook和其他九种数字产品的价值：Twitter（现在是 X）、Instagram、WhatsApp、Snapchat、TikTok、Google Search、Google Maps、YouTube和Amazon Shopping。Brynjolfsson和他的合著者（其中包括斯坦福大学博士后学者Jae Joon Lee）根据人们停止使用这些网站一个月的意愿高低，对他们从这些网站获得的相对利益进行了排名。

人们最喜欢的数字产品是Google Search，甚至超过了亲自与朋友见面，其次是YouTube和Google Maps。Twitter和Snapchat是相对来说最不受欢迎的服务，而Facebook则处于中间位置。研究人员利用他们关于人们愿意花多少钱来停止使用Facebook的调查结果来推断其他产品的美元价值。该研究是与Facebook、Instagram以及WhatsApp的母公司Meta合作进行的，但这些公司对公布的研究结果没有否决权。

该研究得出的结论是，仅这10种数字产品每年就创造了超过2.5万亿美元的价值，相当于该研究涵盖的13个国家GDP总额的6%左右。“影响的严重程度是惊人的。” Brynjolfsson说，“它告诉我，衡量数字产品的价值不仅仅是一项理论研究，还会给数十亿人的生活带来巨大的变化。”

衡量GDP的新方法

研究还发现，墨西哥和罗马尼亚等GDP较低的国家以及每个国家内的低收入人群从数字产品中所获得的价值比例高于富裕国家。“起初我觉得这有点令人惊讶，但后来意识到，如果你没有很多钱，那么消费免费商品并从中获得更大的好处是有意义的。” Brynjolfsson说，“这意味着数字产品的消费还可以减少国家内部和国家之间的财富分配不平等。”

“衡量数字产品的价值不仅仅是一个理论研究，还会给数十亿人的生活带来巨大的变化。”
– Erik Brynjolfsson

在早期的研究中，Brynjolfsson和他的同事估算了几种数字产品的价值，其中包括了Facebook和智能手机摄像头。最新的研究又涵盖了更多的产品，并包括了来自更广泛地理区域的更多样本。接下来，他在斯坦福大学数字经济实验室的团队还将进行一项更大规模的研究，共衡量800多种商品的价值：不仅是数字产品，还会包括牙膏、汽车和医疗保健等更传统的商品和服务。“即使是像牙膏这样的东西，消费者所认同的价值也可能与支付的价格有很大不同。” Brynjolfsson说。

Brynjolfsson正在利用这项研究来帮助建立一个被称为GDP-B的补充指标，主要用来衡量商品对民生福祉的贡献程度，而不是它们的成本。斯坦福大学数字经济实验室将在近期组织一次研讨会，与会者包括追踪GDP的美国经济分析局和其他国家类似机构的代表，讨论用来计算GDP的新框架。“我希望他们能够在采用传统GDP的同时，也开始采用GDP-B指标。” Brynjolfsson说，“这不光是衡量消费者在某件事上花了多少钱，还要衡量人们从这些事情中能够获得的好处。对于很多目的来说，这将是一个更有趣也更相关的概念。”

Brynjolfsson表示，更广泛的价值衡量标准可以为从研发资金到经济立法等各个方面的决策提供更坚实的基础。它还可以为遏制财富分配不平等的措施提供信息。“如果你想进一步减少财富分配不平等，一个办法就是改善国家的数字基础设施，让更多的人能够获得免费的数字产品。” 他说。

随着我们越来越多的生活转向线上，Brynjolfsson相信，解释我们从“由比特组成的数字事物”而不仅仅是“由原子组成的物理事物”中能够获得的东西将变得更加重要：“如果我们不这样做，最终将几乎缺席整场比赛。”

GSB观点｜​你最喜欢的免费应用程序对你来说值多少钱？最先出现在。

在不久前美国国家经济研究局发布的工作论文中，第一项此类研究得出了最好情况的结果：为员工提供类似于ChatGPT的生成式人工智能工具，可以提高员工的工作效率、客户满意度以及员工保留率。

研究人员对一家财富500强软件公司的近5,200名客户服务员工的工作情况进行了统计。这些员工在2020年11月至2021年2月期间，分阶段开始使用基于生成式人工智能的客服助手。在与需要服务的客户聊天期间，该工具会与客服员工共享实时建议，提示应该如何回复客户并提供有关技术问题的内部文档链接。

根据每小时解决的问题数量，与不使用该工具的员工相比，得到客服助手帮助的员工工作效率平均提高了14%，可以更快地结束对话，每小时处理更多的客户问题，并且解决问题的成功率也更高一些。值得注意的是，对于技能和经验最少的工人来说，使用人工智能客服助手带来的改变最大，他们的生产率提高了35%。

痛苦更少，收获更大

“这是一个巨大的数字。” 斯坦福商学院名誉教授兼斯坦福以人为本人工智能研究所的高级研究员Erik Brynjolfsson说，“多年来，我在引入新信息技术方面做了大量的工作。一般来说，如果能够提升1%或2%的生产率，公司都会感到很高兴。”

“在过去30年的大部分时间里，计算机和数字技术对高技能工人的帮助大于对低技能工人的帮助。现在，我们看到这项技术能够反其道而行之，这真是一个令人着迷的好迹象。”
– ​Erik Brynjolfsson

Brynjolfsson也对生产率提升如此之快感到惊讶。他说：“通常，公司在采用一项新技术时，生产率会在提升之前出现暂时地下降，因为实施变革、重新培训员工和改变业务流程都非常困难且成本高昂。但是在这次的研究中，我们并没有看到类似的情况出现，公司业绩在短短几个月内就开始起飞。”

Brynjolfsson和这篇文章的另外两位合著者，麻省理工学院斯隆管理学院副教授Danielle Li和博士生Lindsey Raymond认为，生产率能够显著提升的主要原因是，人工智能助手通过消化数以百万计的服务交互记录，了解到了最成功的客服人员的正确做法，然后向更大范围内的员工传授了这些经验。这些经验通常都是难以提炼到员工培训中的隐性知识。在人工智能助手的帮助下，刚刚工作两个月的客服人员也可以和拥有六个月工作经验但没有其他支持的客服人员表现得一样好。

“在过去30年的大部分时间里，计算机和数字技术对高技能工人的帮助大于对低技能工人的帮助，这导致了工资差距和收入不平等的不断扩大。” Brynjolfsson说，“现在，我们看到这项技术能够反其道而行之，这真是一个令人着迷的好迹象。”

通过客户调查和对话中语言的文本分析来衡量，使用人工智能助手还可以让客户的满意度有所增加。“人们当然会因为问题得以解决而感到高兴，而使用人工智能助手可以在这方面做得更好。” Brynjolfsson说。该团队没有发现太多证据表明，客户更满意仅仅是因为拥有人工智能助手的客服人员使用了更积极的语言。研究发现，即使在该助手引入之前，客服人员也倾向于使用积极的语气。

能够使用该助手的客服人员并不会怨恨人工智能助手，辞职的可能性也相对较低。这对于一个长期流动性较高的行业来说是一个重大发现。“我们不确定为什么会发生这种情况，但我猜测，从事一份客户会喜欢你的工作更能令人愉快，而且你可以更快地解决客户问题。” Brynjolfsson说。

人工智能与收入不平等

总体而言，研究人员得出的结论是，使用生成式人工智能对于公司员工、客户和股东来说都是一件好事。Brynjolfsson说：“这并不是为了其他群体的利益而挤压某一群体—所有三个群体的境况都会更好。” 2021年，他与他人共同创立了一家名为Workhelix的初创公司，帮助其他公司应用生成式人工智能来提高生产力。

Brynjolfsson表示，从更广泛的角度来看，这项研究表明生成式人工智能将在未来十年内提高美国经济的生产力。他对自己的预测非常有信心，以至于在Longbets.org网站上下了400美元的赌注，认为到2029年，美国的非农业生产率年均增长率将超过1.8%（而国会预算办公室的估计是不到1.5%）。

“这意味着我们可以提高生活水平并解决许多问题，例如预算赤字、医疗保健和环境问题。” 他说，“如果它能更多地帮助低技能工人，也将有助于减少收入不平等的问题。”

但是，Brynjolfsson也警告说，这项研究并没有阐明生成式人工智能将如何重塑更广泛的劳动力市场。他认为，那些将这项研究的结果解读为可以用做解雇高技能员工借口的雇主并没有抓住真正的重点。“通常情况下，你会通过增加员工而不是试图取代他们而受益。” 他说，“一家聪明的公司将确保他们补偿并留住高技能员工，这样人工智能助手才可以继续向他们学习经验。”

来源：斯坦福商学院

GSB观点｜​生成式人工智能可以在不取代工人的情况下提高生产力最先出现在。