出于同样的原因，那些没有足够多数据支撑的、非常规的，或者需要与公司其他部门进行大量合作的管理决策，在很大程度上不会受到自动化的影响。从个体层面来说，人们通过彼此分享信息来实现与他人的非正式合作，比如讨论一下下班后喝点儿什么，比用机器人来做决策要容易得多。一个机器学习系统如果只使用某管理部门的数据，那么它根据这些数据所做出的决策，对于这个部门而言或许是一个好决策，但对于整个公司来说，这个决策多半是糟糕的。
在涉及多个管理部门的复杂决策环境中，人力资源管理者面临的困难会更少一些。他们经常能够在发挥好自己在本部门的专长的同时，运用好自己与其他部门的同事交流合作的能力。这些经理都拥有所谓的T形技能，可以将自己在某特定领域的专长（由字母T的竖条代表)，深入融合到与其他领域的经理们的合作中(由字母T的横杠代表)。机器学习系统有可能获得纵向的专业知识，但是它们自身的设计阻止了它们进行横向合作。如果不能拥有可以超越本部门视野的决策者，公司就会分崩离析。这一点对于人类来说应该是一个令人欣慰的消息：作为公司的高层决策者，我们也许仍然是不可替代的，至少在机器学习系统获得通用决策技能之前会如此。通用决策技能目前还是人类独有的技能，机器学习系统需要接受关于很多不同决策的大量数据的培训之后，才有可能获得这种技能。
这个消息对于我们来说不仅只是一个安慰。了解机器学习系统的局限性，还可以让我们弄明白，一个成功的管理者需要拥有什么样的技能：未来的公司领导者不应该只想在一个领域里拥有深厚的专业知识，而要做一个典型的多才多艺的通才。这样的管理者会在许多领域都拥有相当多的知识，因此他们将有能力根据不同的环境来处理信息，把握全局，而不是只见树木不见森林。此外，未来的公司领导者还需要超越那些与决策直接相关的技能，拥有合作能力，即促进跨部门和跨学科协调合作的能力。
第6章 公司的未来
117