本文作者郭朝暉老師，優也首席科學家，前寶鋼研究院首席研究員，中國工業智能領域權威專家，公號蟈蟈創新隨筆。著有《知行：工業基因的數字化演進》。
認識往往來自于實踐。7、8年前，我經常和胡恒法首席討論鋼鐵行業的智能化、數字化應該怎么搞。經過反復討論，發現合適的切入點往往都是些小而雜的管理問題。
后來意識到，這種現象具有共性。第一屆工業互聯網大賽結束時，我就發現了一個現象：在獲獎項目中，針對大企業的應用，往往是提高企業的管理水平；針對小企業的應用，往往是商業模式或生產模式的重構。換句話說：在有亮點的工作中，大企業往往是系統的優化，小企業往往是系統的重構。
仔細想想：這種現象的背后是有道理的。數字化技術可以重構系統，但對大系統重構的風險太大，往往只能進行局部的優化和持續改進。優化往往針對當前不太好的現象，而人往往是系統中最不穩定的因素。所以，數字化技術發揮作用的場景，往往與人的弱點相關。這樣，數字化問題往往就與管理相關。
不久前，西安科大的董老師聊起這個話題時，提到一種現象：管理者往往不認可這種觀點。他們會問：我們到底哪里沒管好呢？管理者的這種疑問其實不奇怪。因為管理問題往往是隱藏的：首先是別人看不到的問題往往才能存在下去；人們為了逃避責任，也習慣于掩蓋因管理不善導致的問題；其次是人們經常把管理問題看成技術問題。
同樣一件事，往往既能用管理手段解決又能用技術手段解決。比如，用管理手段解決，往往從導致問題的原因入手，通過控制原因控制結果；用技術手段解決，往往是針對問題本身進行處理。比如，對于設備故障問題，從管理入手時，可以從設備點檢、保養入手；從技術入手時，可以設法提高設備本身的質量。一般來說，管理不到位時，往往需要技術來解決。所以，我經常說：管理定義技術的邊界。
原則上講，管理問題往往與人有關。比如，許多管理要求是：“認真....保證....杜絕.....”。然而，要“保證”某件事不發生，需要的“認真”程度可能超越了人類能力的極限。這就好比，最優秀的長跑運動員，也趕不上奔馳中的火車。這時，由于管理不善導致的問題，就會具有隨機性：即便你盡了最大的努力，盡可能地認真，都可能會遇到問題，都不可能“杜絕”問題的發生。這個時候，一旦出了事故和問題，相關人員也只能自認倒霉了。
數字化技術的特長之一，就是用技術解決管理問題，而不是把管理的責任推給傳統技術問題。比如，過去要求工人認真地點檢設備狀態、保證設備的正常運行，這是個管理問題。但工人不可能時時刻刻地盯著設備。然而，計算機可以時時刻刻地盯著設備，偏離標準狀態時，立刻呼喚工人前來解決。同時，如果工人沒有立刻解決問題，管理者也能知道。這樣，管理者自身的工作可能會變得輕松，但管理能力卻會大大上升，“倒霉”的概率就會越來越小了。