微軟在其銷售組織中採用和擴展人工智慧的路徑

BRIAN KENNY：如何讓數以萬計的員工從根本上改變他們的工作方式？今天的案例研究了一個全球銷售組織，該組織推出了強大的人工智慧助手，無縫嵌入到日常工具中。在早期，人們的興奮程度很高，但當員工不知道如何在實踐中使用該工具並感到沮喪時，採用就會停滯不前。該組織嘗試了新的方法來推動以採用為重點的培訓、同儕支持和習慣培養，最終改變銷售團隊的運作方式和創造價值的方式。但就在取得進展的同時，新的挑戰也出現了。下一代人工智慧不僅能提供幫助，還能發揮作用。自主代理開始處理客戶交互，提出有關信任、控制和工作本身的未來的更深層問題。這是一個關於擴展人工智慧和使其黏性所需的人類系統的故事。

今天在 Cold Call 中，我們將與 Iav Bojinov 教授和張順元教授討論案例「微軟客戶和合作夥伴解決方案，副駕駛的部署」。我是你們的主持人布萊恩肯尼 (Brian Kenny)，你們正在收聽 HBR 播客網絡上的 Cold Call。

BRIAN KENNY：Iav Bojinov 的研究著眼於人工智慧產品的開發和整合到現實世界的過程。您是回頭客。歡迎回來，伊夫。

伊亞夫·博吉諾夫： 謝謝。回来真是太好了。

布萊恩肯尼：很高興你能回到節目中。張順元利用機器學習來解決新興共享經濟中出現的行銷問題。當我們開始對話時，您可以向我們解釋那是什麼。感謝您加入我們。

張順元：好的，謝謝你，布萊恩。很高興來到這裡。

BRIAN KENNY：很高興你們兩個來到這裡。我們一直在說話。每個人都是，我確信我們的聽眾都在關注人工智慧這個、人工智慧那個，以及它所帶來的影響。這是一個關於如何以非常切實的方式將其應用到現實世界的案例。所以我很高興你寫了這個案例，我應該提到 Raffaella Sadun 也是你的合著者。她今天無法加入我們。但我認為我們的聽眾將會非常有興趣了解這項技術如何在微軟這家傳奇公司及其全球銷售團隊中得到應用。所以這不是一件小事。那我們為什麼不直接切入呢？順源，我先從你開始問，這個案子的核心問題是什麼？我想知道為什麼你、拉斐拉和伊夫認為這是一個有趣的案例。

張順元：我認為這個案例真正吸引我們的是它完全顛覆了通常的人工智慧對話。我的意思是，如果你現在聽關於人工智慧的辯論，大部分都是關於該技術是否有效。現在，技術、人工智慧模型在一家擁有成熟勞動力的公司中運作。然而你看看結果，在最初的興奮之後，採用率仍然從 22% 下降到 5%，並且在一個月內迅速下降。我們發現，更深層的問題與技術無關。這是關於底層的人類組織和行為層。這就是人們被要求改變的事情，他們被激勵去做和學習的事情，他們的角色對他們意味著什麼，以及你如何真正規劃人工智慧的推出設計。有趣的是，微軟並沒有做任何不尋常的事情。他們運行了他們的標準劇本，我想這就是讓這次失誤變得非常有趣的原因。

IAV BOJINOV：除此之外，我認為這個案例的有趣之處在於它與微軟有關，即構建該工具的人。

布萊恩肯尼：是的。

IAV BOJINOV：這就是真正銷售該工具的銷售人員。因此，如果這些人試圖說服您購買 Copilot，但他們卻沒有使用它。嗯，這裡發生了一些有趣的事情。因此，我們必須深入研究並嘗試真正了解這裡發生的事情，並嘗試了解挑戰是什麼以及如何真正開始克服它。因為坦白說，如果這些傢伙都無法克服它，那麼另一個組織還有什麼希望呢？

布萊恩肯尼：是的。是的。我已經夠大了，還記得微軟推出 Clippy 的時間，我認為這就像早期做人工智慧相關事情的第一次嘗試。所以當副駕駛出來時我不禁想到了這一點。但為了我們的聽眾的利益，他們可能正處於人工智慧學習曲線上，發生了很多事情。它發展得如此之快，我們聽到了很多新術語的出現，例如振動編碼和流程。這個案例很大程度上是關於工作流程中的人工智慧。 Iav，也許你可以為我們說明這在這種情況下意味著什麼。

IAV BOJINOV： 是的，絕對是如此。順便說一句，我認為人工智慧一直以指數級的速度成長。模型變得越來越聰明。實際上，我做了一個有趣的計算，從我的 MBA 必修課程「領導者的資料科學和人工智慧」開始那天（即 1 月底、2 月初）到課程結束（大約兩週前，即 4 月）。您可以查看模型從開始到結束的智慧程度。當你根據各種基準進行計算時，你會發現智力每周大約提高 2%，複合。

IAV BOJINOV：所以事情進展得非常非常快。這不僅僅是一種模型。我們從預測下一步工作的大型語言模型轉變為在說話之前真正思考的推理模型。現在我們真正處於可以思考、但也可以實際行動並實現目標的代理系統。在這個案例中，案例開始並逐漸構建，有 A、B 和 C 案例。它始於 Copilot 的早期階段，當時它只是一個助手，您可以透過 Teams、Outlook、Microsoft、Docs 和 Excel 等進行存取。在那裡，希望人們能夠開始使用它並開始將它融入工作中。 Brian，你所說的，是在事物的流動中，它的想法是它不只是像 Clippy 那樣坐在一邊，而是實際上開始融入到工作中。當他們發布此內容時，他們希望生產力和工作品質能夠真正快速、快速地提高，但事實並非如此。

布萊恩肯尼：是的。舜源以前也提到過這一點。我想，這些年來，微軟已經多次推出這些東西了。他們很擅長這一點，但由於某種原因，當他們使用傳統模型時，這並沒有採取。您認為為什麼這打破了傳統模式？

伊夫‧博吉諾夫： 是的。我認為這是大多數組織所犯的最大錯誤，他們像對待其他技術部署一樣對待生成式人工智慧。之所以不同，是因為這項技術是一種通用的人工智慧工具。他們可以做很多很多事情，但問題是它可以做很多事情，但沒有人告訴你應該用它做什麼。在先前的科技浪潮中，如果您正在部署 SAP，那麼您應該使用 SAP 做什麼就非常清楚了。很明顯，當你從類比系統轉向數位系統時，你只是在映射事物。所以人們知道他們在做什麼。但透過這項技術，我們了解到，你需要為人們創造實際實驗的空間。因此，有一個完整的實驗階段，人們只需要嘗試這項技術，這樣他們就可以找出哪些模式可以真正為組織創造價值。事實證明，並不是每個人都擅長這種實驗。不是每個人都有這種心態。很多人只想做好自己的工作。這就是為什麼很多人嘗試它也就不足為奇了。他們沒有找到任何有價值的用例，然後就停止使用它。但一小部分人需要堅持下去並不斷嘗試。因此，現在部署的第一步是為人們創造空間進行實驗並找到那些高價值的用例。

布萊恩肯尼：但就你的觀點而言，我認為這提出了一個有趣的問題，特別是銷售人員，他們的時間非常寶貴。他們必須一直執行任務。他們有必須實現的目標。他們的經理正在向他們施加壓力，要求他們實現這些目標。因此，花時間去嘗試某些東西的想法可能對那些人來說是一種厭惡。舜源，你能談談人們如何看待這些人工智慧工具的潛力與它在日常生活中的意義之間存在的差距嗎？

張順元：肯定是有差距的。最初，採用率很高，而且興奮感也不是假的，因為人們真誠地期望人工智慧介入並完成他們討厭的部分工作。但問題正如 Iav 所解釋的那樣，你需要實驗。作為一個關心配額的賣家，我沒有時間坐在那裡嘗試 14 種不同的 15 種不同的提示只是為了獲得可用的輸出。我認為出色的演示和真正的工作日之間確實存在差距。在實驗室的演示中，人工智慧看起來很神奇，但在賣家的日常生活中，在他們的工作日中，他們只是問這個問題：“這對我現在的工作流程有幫助嗎？”如果答案只是“嗯，有時要看情況”，那麼人們很快就會回到原來的習慣。這就是我們看到的下降，但我不會說這是人們拒絕人工智慧。這只是意味著早期的價值參差不齊，人們很難評估。

布萊恩肯尼：是的。我認為一般來說改變很難，對吧？因此，改變工作流程中的任何內容都很困難。 Iav，你本來想說些什麼。

IAV BOJINOV：是的，我只是想補充一點，我們從 20 年的技術採用研究中知道，當新技術出現時，這是 Erik Brynjolfsson 的工作，有一條生產力 J 曲線，當你一開始使用它時，你實際上會失去生產力。如果你想到 Copilot 和任何 Gen AI 工具，我相信我們所有的聽眾都能體會到這一點，當你第一次使用該工具時，你的工作效率肯定不會更高。事實上，你可能慢得多。然後也許兩天后，你的速度甚至更慢，但也許經過幾週的工作，你可能終於回到了原來的生產力水平，然後幾週後，你實際上可能會更好。我們從這個案例中了解到，實際上這裡發生了三件事。一是你有產品。

該產品告訴您使用這項技術實際上可以達到多好。你的生產力能有多高？第二個是過程，就是從下到上學習的速度有多快？意思是，我們有訓練嗎？我們是否有適當的劇本以便您能夠真正找到那些高價值的用例？這告訴您擺脫生產力低迷的速度有多快。第三個是人民。而這就是順源所說的，並不是每個人都付出同樣的努力。所以我們看到的是那些付出了一點努力的人，他們沒有那種下降，但他們也沒有得到好處。而那些付出大量努力的人，他們會經歷巨大的下滑，但最終他們會擺脫困境。但很少有人談論的是能力陷阱，也就是那些非常非常優秀的人，他們實際上可能不會因為使用這個工具而變得更好。

布萊恩肯尼：有趣。

IAV BOJINOV：因為他們可能擁有所有的快捷方式，所以他們知道一切，如何完美地使用每個系統。當你給他們這個新系統時，它很強大，但在當時，這是 Copilot 的早期階段，它仍然是非常新的、非常實驗性的。事實上，他們使用這個工具的情況可能會更糟。因此，人們嘗試過它，但沒有看到價值，看到生產力下降，然後很快就轉向他們過去所做的事情，這並不奇怪。

布萊恩肯尼：是的。我知道像您這樣研究人工智慧的人很快就會告訴我們，我們已經使用人工智慧很多年了。你不知道，但你一直在用它來做這個、那個以及其他的事情。我確信所有這些都是真的，也許這就是它更容易使用的原因，因為它就像一次性的東西。它試圖為我做一件非常具體的事。這些都是通用工具，對吧？你可以用它們做任何事情，也可能什麼都不做，但你可以做很多事情。對於部署通用工具和專門用於執行特定任務的工具，您必須如何以不同的方式思考？

IAV BOJINOV：是的，我認為這又回到了那個實驗。完成實驗後，您需要弄清楚如何實際擴展並與人們分享。當我們在這個案例研究中看到真正有趣的是，真正擅長實驗的人並不是真正擅長讓其他人使用該工具的人。因此，通常情況下，如果你要描述實驗者，他們往往要年輕得多，他們往往非常精通技術，但這些人不會說服其他人推動採用。實際上更有可能讓其他人使用這些的人是那些已經在那裡工作了 20 或 30 年的人。

我們在這個案例研究中看到的一件令人著迷的事情是，當我們與不同的領導者交談時，其中一位提到，他們所做的是，他們將最資深、最有經驗、最反人工智慧、反技術的人安置為收養冠軍，並讓他們與一個願意嘗試、嘗試所有這些瘋狂事情的年輕孩子合作。原因是，好吧，這個人正在試驗，他們正在尋找新事物。如果他們能夠說服這個已經在公司工作了 15 年、20 年的人，真正了解組織，了解商業模式，或者如果他們能讓他們相信這會增加價值，那麼一旦他們更換，其他人就會更換。

布萊恩肯尼：是的。我想，因為當你這樣做時，它會立即產生可信度。

IAV BOJINOV： 確實如此。

BRIAN KENNY：你們都談到了這樣一個事實，正在向一群精通技術的勞動力推出這項服務。作為一個銷售組織，它的所有流程都已就位，我確信他們在流程方面非常嚴謹。這與過程背道而馳，過程是艱難的。我們談到了改變是困難的事實。順源，你認為他們為試圖讓人們改變而啟動的最重要的槓桿是什麼？

張順元：我認為我們從這個案例中學到了什麼，以及微軟最終做了什麼，有不同的、幾個槓桿，Iav實際上涵蓋了其中的大部分，有一個培訓槓桿，你需要基本技能，人們需要了解人工智慧可以做什麼以及如何要求它。然後還有一個管理槓桿，當你經歷這個 J 曲線、這個下降時，人們就會在底部受苦。他們今天承擔了額外的工作，但明天的回報卻不確定。現在，如果他們本月沒有達到配額，這對他們意味著什麼？誰來負責？管理層需要站起來說：“嘿，這是一次學習，你不會因為學習曲線而受到懲罰。”

布萊恩肯尼：他們這樣做了嗎？他們就是這樣走上檯面的嗎？

張順元：嗯，我確信公司內部已經進行了一些對話，否則你將無法讓人們舒適地進行實驗並經歷學習曲線的低谷。還有一個同伴或社交槓桿，就是這樣，他們稱之為尋找酷孩子，這些人是已經使用人工智慧的備受尊敬的人，你想確保他們以可見性獲勝，以便人們看到他們如何透過人工智慧獲勝。因此，培訓、社交管理槓桿，我認為社交也許是最重要的，但可能不是最明顯的，因為當你面對這樣的新事物時，它是一個通用人工智能，應該嵌入到工作流程中的特定角色中，你要求人們承擔明天某些事物的學習成本，這是不確定的，他們希望在抬頭之前先橫向，看看他們的同行如何使用它以及結果如何。這將是說服他們使用的最明顯的東西。

BRIAN KENNY：從我在哈佛商學院的經驗來看，Iav，你參加了一個我們稱之為人工智慧學院的項目，這是我們正在整個學校推出的項目。太棒了。我們正在讓 2,000 名員工參與這個計劃，讓每個人至少認識到他們可以使用人工智慧的方式。這就是我的參考點，但當你讓我們做一些練習時，它對我來說變得真實，幾乎感覺就像一場遊戲，就像我們在遊戲中競爭一樣。因此，我認為這個案例中也出現了遊戲化的想法，這可能是他們試圖使用的另一個槓桿。

IAV BOJINOV： 是的，絕對是如此。我認為這是另一個失敗點，這是很多組織的失敗點，微軟剛開始的時候也是這樣做的，他們希望人們專注於價值。但如果你正在考慮實驗和學習，你需要在一個安全的環境中進行，在人工智慧學院中你幾乎可以暫時脫離工作。事實上，我這週只是在教課，週一和週二，我們就此舉行了兩次會議，但它允許我們抽出我們的員工。順便說一句，教師們也正在經歷這樣的一個版本。它讓我們有機會把他們拉出來，讓我們有機會解釋人工智慧是什麼，然後創造一個安全的空間，讓他們可以學習和探索人工智慧的能力。所以最後，他們可以弄清楚，「好吧，我們看到了這九種不同的人工智慧用例，其中哪些適用於我的日常工作，以及明天和下週我如何開始在工作中使用這些功能？」我們也寫過其他公司的案例。我們有一個關於 Moderna 的案例，學生在這個案例中總是遇到的事情之一是有人建構了這個叫做 CatGPT 的東西。它們基本上會產生貓的圖像。我們所有的 MBA 學生總是會說，「這裡沒有生產力。為什麼要這麼做？這聽起來很愚蠢。」但如果你稍微刮一下它，就會發現它實際上創造了空間——

布萊恩肯尼：沒有雙關語的意思。

伊夫‧博吉諾夫： 是的。它為人們創造了一些玩耍的空間，它使它安全，它使它變得有趣，它消除了恐懼，它向他們展示了一種不同的工作方式。對我來說，這是其中非常重要的一部分，以至於很多人都忽略了，他們只專注於生產力、生產力、生產力，而沒有意識到這只會造成恐懼、焦慮，而不會產生這種興奮，而這正是我們對這項新技術所期望的。太神奇了。它可以做很多事情，但我認為如果我們只專注於生產力，我們就會在第一個障礙中失敗。

布萊恩肯尼：是的。這個案例也確實帶來了另一個好處，特別是在銷售組織中，你所做的很多事情可能都是敷衍了銷售，你並不覺得自己像一個顧問，你更像是在與人進行交易，對嗎？因此，該案例帶來的好處之一是，這使銷售人員能夠更多地像顧問一樣工作，而不是事務性的。這是你和他們談話時看到的嗎？

張順元：是的，絕對是。我認為這種情況不僅發生在微軟身上，在我合作過的其他一些公司中，例如土耳其的這家 B2B 銷售公司，銷售這些大型機器。當你用人工智慧來協助銷售人員的時候，因為他們 70% 的時間都花在了管理工作上，所以不是面向客戶的，但銷售人員應該是面向客戶的。因此，當你擁有人工智慧來真正釋放他們的時間，並且你擁有人工智慧來提供關於客戶需求和想要什麼的數據驅動的見解時，而不僅僅是要求銷售人員，我不知道，也許透過記住客戶真正喜歡什麼，你正在轉變，或者我喜歡用的詞是你正在做一個角色重新規劃，你正在將角色從進行交易銷售空間到與客戶建立關係的升級並擔任諮詢角色。您正在幫助客戶了解他們真正想要什麼，以及他們可以從他們可能沒有接觸過但真正可以從中受益的產品中受益。

布萊恩肯尼：是的。它給了你一個機會退後一步，以不同的方式思考你們之間的關係。 Iav，您早些時候在這裡與我 Pernod 討論了他們如何在組織內採用人工智慧的案例。我們討論了很多關於銷售人員心態的問題，對嗎？銷售人員非常注重關係。他們重視這些關係。他們緊緊地抓住它們，對嗎？我想談談微軟正在發生的向代理人工智慧的轉變，以及銷售人員在看到這種轉變進入他們的領域時可能會產生的一些恐懼和擔憂。

IAV BOJINOV： 是的，絕對是如此。補充一點，我們並沒有結束採用故事，在他們重新定義瞭如何處理這個創造的實驗空間之後，他們能夠將組織推向 80% 到 90% 的每日活躍用戶。花了一點時間。它確實提出了一個大問題，那就是在落後者兩年後你會做什麼，這是一個非常有趣的對話。但同時，我們在 C 案例中留下的是自主銷售代理的概念。這些人工智慧系統基本上可以處理端到端的銷售流程，從與客戶的第一次對話到建議、潛在的談判、執行交易、銷售，抱歉，執行銷售，然後監控銷售的進展。在這個案例中，我們討論了他們如何進行一項實驗，將這些銷售代理部署到中小企業領域，你必須知道微軟有一種企業優先的心態，他們實際上只與大型組織合作。因此，如果您是一家兩人、三人的公司，您就不會與銷售代表交談。

布萊恩肯尼：是的。

IAV BOJINOV：這是自助服務。所以我們的想法是，這基本上可以進入這個空白區域，一個他們沒有覆蓋的地方——

布萊恩肯尼：所以他們沒有威脅。

IAV BOJINOV：他們沒有威脅他們。

BRIAN KENNY：是的，企業銷售人員。

IAV BOJINOV：我們留下這個非常有趣的問題，那就是，「嗯，這在早期的試點和實驗中非常成功。」現在你用這些代理商做什麼？您是否開始擴大他們的範圍和廣度並開始為他們提供真正的客戶、真正的企業客戶進行互動？誰來管理這些？他們是否仍由核心代理人管理團隊集中管理？或者您授權銷售專業人員實際部署自己的個人代理去與自己的個人客戶互動，對吧？

布萊恩肯尼：這聽起來很可怕。

IAV BOJINOV：嗯，這很可怕，但這對他們來說也是一個巨大的機會，因為他們了解自己的客戶，而且他們知道，如果出現一個快速問題，而客戶實際上需要拿起電話並與真人交談，那麼他們的客戶會接受代理的即時答复。因此，這就是我們在案件中留下的問題，那就是特工已經出局了，他們可以做出令人難以置信的事情。你如何管理它們？誰開發它們？你如何檢查他們是否做得很好？如何大規模部署它們？

BRIAN KENNY：好吧，讓我們稍微探討一下其中的一些。舜源：您如何看待自動化管理如此註重關係的事物的可能性和限制以及關係中的細微差別。作為一名銷售人員，我想，「嘿，我真的認識這個客戶。我知道他是家人。我了解這個人的一切。」您能讓自動化代理具有相同的理解水平嗎？我把你置於當場。這畢竟是冷電話。

張順元：我很想擁有一個。好吧，如果我們退後一步，這個自主代理...... Iav 談到了這一點，我們進行了關於人工智能改變銷售代理的對話，我的意思是，通過賦予銷售人員更多的能力和靈活性。現在，一個自主代理正在推動力量沿著這條線前進，對嗎？但我們必須小心，因為我們在這裡談論的是銷售人員。這是面向客戶的，是關係工作。對我來說，關係工作是，我稱之為高方差工作，因為工作中有很多微妙的、隱藏的但重要的人類判斷。

我的理論是，如果我們將其視為一個頻譜或階梯，當人工智慧變得越來越自主時，我認為技術或技術問題實際上會變得更容易，但其更困難的部分將是人類部分。而也正是因為這個邊界，才被關係所界定。我的意思是，如果你想想人類專家，他們可以閱讀房間，他們知道在緊張的時刻什麼時候該推動和施加壓力，什麼不該說，什麼時候停止，什麼時候退縮。但這確實是人工智慧編碼最難的部分。如果我們讓人工智慧分析所有電子郵件，人工智慧最終肯定可以提取客戶電子郵件中的所有信息，但人類專家查看電子郵件，知道電子郵件中的一個特定句子比其他所有內容重要十倍。所以這確實是這樣的，我想這種關係是關於建立信任、品牌建立的事情，這使得事情變得真的……我們必須非常小心。所以我想說的限制是，人工智慧在工作中更結構化的部分效果最好。但還有更多人性化、評判性、非結構化的部分，我們確實需要更加小心，因為每當涉及客戶、關係、品牌建立和信任時。

布萊恩肯尼：是的。我想這讓我感到樂觀，因為當人們認為所有工作都將消失時，我們聽到了很多關於人工智慧及其對勞動力的影響的警鐘。我一直聽到的一件事是人工智慧並不像人類那樣進行判斷。這是一次很棒的對話。我就知道會這樣。我們所剩時間不多了。我想問你們每個人一個問題。這實際上是同一個問題。所以也許我會先從你開始說，舜源，如果你希望人們從微軟案件中學到一件事，那會是什麼？

張順元：人工智慧應用方面的技術，改變業務肯定是可能的，但技術是更容易的部分。更困難的部分是它周圍的一切，那就是身分、激勵、管理和人類行為。

布萊恩肯尼：是的。 Iav，你不能說你同意這一點，這也不能成為你的答案，你需要補充。

IAV BOJINOV： 聽起來很棒。我會補充這一點。我認為我從這個案例中得到的最大收穫之一是人工智慧改變了工作描述，但沒有改變工作，這意味著人們使用人工智慧所做的工作開始轉變。他們不再執行某些特定任務，但這並不意味著他們失業了。這確實意味著人們可以做得更多。在這個具體的例子中，人工智慧正在完成大量的行政工作，這一事實使銷售人員能夠真正專注於高價值的工作，並真正提供……有這些與組織合作創造這些偉大的收入分享想法的驚人例子，而在過去，他們只是沒有時間探索，甚至沒有能力去做。他們會有一個內部諮詢團隊來幫助他們。但現在有了人工智慧，他們就有能力做到這一點。因此，人工智慧改變了工作描述，但我不太擔心工作。

布萊恩肯尼：是的。所以我想你們都看好人工智慧的未來。

IAV BOJINOV： 哦，當然。

BRIAN KENNY： 是否會有關於微軟的 D 案？

IAV BOJINOV： 可能是的。我的意思是，從那時起他們做了很多事情，我們在其他幾個項目上與他們密切合作，這是一個如此迷人的空間，它的變化如此之快。

BRIAN KENNY：是的，他們是一家很棒的公司。因此，聽到他們如何與這個問題作鬥爭，然後找到解決方法，我認為非常有趣且令人鼓舞。那麼，Shunyuan、Iav，感謝您加入我。

伊亞夫·博吉諾夫： 謝謝。

張順源：謝謝。

BRIAN KENNY：如果您喜歡“陌生電話”，您可能會喜歡我們的其他播客： 氣候上升, 輔導真正的領導者, IdeaCast, 管理工作的未來, 觀景台以及 大處著眼，小處購買。 無論您在何處獲取播客，都可以找到它們。

如果您有任何建議或只是想打個招呼，我們希望收到您的來信。給我們發電子郵件： Coldcall@hbs.edu。再次感謝您加入我們。我是你們的主持人布萊恩肯尼 (Brian Kenny)，你們一直在收聽「冷電話」(Cold Call)，這是哈佛商學院的官方播客，也是哈佛商業評論播客網絡的一部分。