Reshape the enterprise model in the era of generative AI

人工智能是新的数字力量——其影响将主要取决于我们自身及其组织适应的速度。生成式人工智能（gen AI）不仅仅是一项新技术；它代表了一种根本不同的方式。随着工作的演变，关于工作通用人工智能引发了对组织结构和工作流程的更多疑问。 在编制这项研究时，我们借鉴了我们丰富的第一手经验，即在提供人工智能驱动的变革方面：从重新设计埃森哲自身的内部企业功能，以及从帮助客户部署通用人工智能以释放新的价值、创新和增长源泉的经验。我们还咨询了众多杰出人士和学者，以获取他们关于通用人工智能时代未来企业将如何发展的见解。结果是形成一个四镜头框架，可以帮助领导者思考创建未来企业所需的实际操作：增强智能、动态技能、流动边界和适应型结构。 这一变革反映了工业时代，当时我们学会了如何有效地利用机器、生产线和工厂。人工智能革命挑战我们重新思考如何运用技术、数据和人工智能来重新定义我们生活和工作的方式。尽管并行之处在于寻找将技术设计与组织融合的新方法，但关键区别在于今天我们所看到的变化的速度和强度都是前所未有的。 跨行业和地区，通用人工智能正在帮助组织变得更智能，重塑工作，并改变我们发展技能和人才的方式。然而，一些关键问题——通常被忽视——仍然存在：我们如何调整现有的组织和工作流程，以充分捕捉价值？我们是否需要组织设计的全新方法？我们如何更好地准备人们以新的方式、大规模地工作？ 我们周围的世界不是静态的，技术也是如此。适应人才和组织，提供持续变革的能力将成为未来价值创造的真正源泉。您的组织准备好进行自我革新了吗？ 04 23 27 18 12 07 适应性的结构 流动的边界 引言 埃森哲的研究发现，97%的执行官认为这项技术将从根本上改变他们的公司和行业。1绝大多数（93%）的人表示，通用人工智能（Gen AI）的投资表现优于其他投资。1涉及的价值是巨大的：成功追求由人工智能驱动的革新的组织，其业绩在2019年至2024年间比同行高出15%。到2026年，这一数字可能翻倍。2 此外，领导层与工人之间正在滋生一个重大的信任差距。例如，大多数雇主（63%）3认为技能差距是业务转型的主要障碍，但大多数工人（82%）1认为他们掌握了这项技术94%的人有信心1他们可以掌握所需的技能。 在OpenAI的ChatGPT平台于2022年12月发布后的两年里，通用人工智能迅速抓住了我们的想象力，并成为高管议程的焦点。各行各业和地区的企业都在投资通用人工智能的实验和应用案例，其中一些已经实现了令人印象深刻、切实可行的价值。 为了充分释放通用人工智能的潜力，高管层必须应对更大范围的问题。虽然拥有一个全新的“数字同事”是一个诱人的起点，但其真正价值在于深入思考传统工作流程、职能和岗位如何在价值链上被重新定义。这涉及到不仅重新构想任务的执行方式，还要思考如何将新能力进行扩展，以创建一个变革性的运营模式——这一模式能够全面整合技术、人才和流程，以提供可持续的价值。 虽然投资水平很重要，但将概念验证转化为实际规模并因此获得更大回报也同样重要。我们调查的执行官员中，超过一半（65%）表示他们自己缺乏领导通用人工智能/人工智能转型的技术专业知识。1 我们正踏入未知的领域，新的智能形式可能会重新定义可能性的界限。正如沃顿商学院教授伊森·莫利克告诉我们：“激进将不再激进。”通用人工智能使人类与机器之间的协作得到增强，提升了组织的集体智慧。这将创造全新的工作和工作方式，并要求我们对人才和技能的思考发生根本性的转变。传统界限将被挑战，为创新的组织结构出现铺平道路。 我们一直在通过与我们全球客户的合作以及在我们安永内部推广这一技术的亲身经历来研究由通用人工智能驱动的革新带来的影响。我们还积极与学术界、工业界和技术领域的领军人物互动，以形成我们对未来企业可能面貌的看法。以下是我们的发现： 增强智能：人类与机器能力相结合将开启新层次的智能和创新。为了全面发掘潜力，组织必须重新思考如何设计工作流程，以便启用新的连接型智能组织：一个人与通用人工智能代理相连接的互动网络。例如，如果功能接口主要由智能代理管理，辅以人 supervising，它们是否能开启运行端到端流程（例如一体化业务计划）的新可能性，以更高效、更动态的方式操作呢？ 动态技能：技能的半衰期将急剧下降，这将使持续的人类和人工智能代理学习变得极为重要。我们将看到更多人际与智能体之间的协同学习随着他们开始共同创新。如何构建结构和激励机制以利用这种共同学习的创新特性？这对企业学习有何影响？ 适应性结构：随着智能代理越来越多地嵌入工作流程，将出现根本不同的组织结构和团队模式。随着人们与通用人工智能代理协作，他们工作的结构必须适应。例如，组织的核心单位是否会成为人机合作伙伴，而不是全职等效（FTE）？传统的指标如跨度、层级或共享服务和全球能力中心（GCC）将如何演变？这会不会是平台型组织模式成为标准的时刻，这种模式由科技公司开创？ 流体边界：传统边界和壁垒将受到挑战并被彻底重塑。随着工作方式的重新构想，组织应重新思考传统的劳动力结构和模式。例如，客服中心可能演变为智能运营中心，以全新的方式组织，以更好地适应不断变化的劳动力需求。 激进将会停止激烈。 人类与机器能力的融合将开启新的智能和创新水平。 放大智能 关键洞见： 通用人工智能将新的维度引入人机协作。以往，人机互动主要局限于查询-响应交流，旨在获取数据和信息的交换。相比之下，创意、见解和内容生成一直是人类专属的领域。 将通用人工智能代理加入劳动力将放大集体智慧。 我们曾经将人机交互视为技术问题。但如果我们把智能科技视为可以自动化或增强艰巨工作的数字角色，那么以一种能够促进这种人机协作的方式组织是有意义的。 通用人工智能代理可以充当“智能同事”，增强协作和决策。 通用人工智能颠覆了这一范式，通过促进技术和人类之间前所未有的、流畅的合作。这甚至包括指导人类执行需要智力的活动。根据Vegard Kolbjørnsrud的研究，通过增加更多的“智能行动者”，或者说通用人工智能代理，个人和集体智能可以被放大。4然而，仅仅向一个组织注入大量通用人工智能代理是不够的，就像期待更多的技术工具能让人更高效一样。集体智能要放大并推动影响力，需要两个关键因素。 这些进步通过快速在组织内传播思想和解决方案来激发创新。 放大智能 创新，一项通常由卓越中心（CoE）承担且往往受到严格管理的任务。如果创新不再局限于某个地点和时间，而是从组织的边缘涌现出来，个人和团队可以直接洞察客户需求，那会怎样呢？借助通用人工智能，几乎任何人都可以在一天之内将一个想法转化为经过客户测试的产品概念，包括营首先，人们必须接受通用人工智能代理作为一种新的“智能同事”，它们具有与人类自身不同的独特能力。想象一下全新的工作流程，个人可以与他人或一组通用人工智能代理互动，或者它们相互协作，为“人类合作伙伴”收集见解，以帮助提升决策能力。 销活动和网站。通用人工智能代理可以相互传播想法和产品概念，并建议人类同事加入团队以推进项目。此外，与自己的通用人工智能代理合作的领域专家可以持续扫描数千个新兴想法，以确保最有希望的想法被优先测试和资助。 其次，组织需要形成并培育一种新的连接智能组织：一个连接人类与基因人工智能代理的互动网络，使知识、见解和创新能够在个人、团队和组织层面无缝流动。 当前，企业以指定的团队、流程和发生创新的场所进行运作。而通过连接型智能，我们将拥有由个体和团队创新聚集的系统，这将以我们无法想象的速度传播。 放大智能 通用人工智能代理和连接智能组织将使组织中的每个级别的员工能够通过提供与情境相关的信息和可执行见解来做出更好的决策。然后，员工需要发展新的技能，以更好地与这些能力合作，将它们整合到他们的日常工作中。与此同时，组织将需要一种全新的方法来快速且持续地使员工获取并应用这些技能。 在未来，我们中的许多人将发现，我们的职业成功取决于我们调动像ChatGPT这样的大型语言模型（LLMs）产出最佳可能输出的能力，以及与他们一起学习和成长的才能。 动态技能 技能的半衰期将大幅下降，这将高度重视人类和AI代理的持续学习。 动态技能 关键洞见： 考虑工作性质受到人工智能影响的加速职业转换周期。许多工人将需要学习新技能，训练人工智能代理自动化这些技能，然后重新构想和重新定义自己的工作。随着人工智能自动化日常任务和基于高级技能的任务的各个方面，剩余的工作将被重新构建成新的工作。这种不断发展的工作结构意味着组织需要根据预测的职业路径来规划其劳动力——可能由人工智能协助——而不是依赖于传统的、预定义的路径。正如Ethan Molick观察到的那样：“在人工智能的未来，人力资源部门变成了你的研发部门。” 人工智能的通用（Gen AI）已经开始对传统技能的货币价值产生戏剧性的影响。一项技能价值减半所需的时间（其“半衰期”）正以越来越快的速度缩短。这一现象凸显了对动态工作架构、预测性人力资源规划、开发人才的 新动力以及新的学习与学徒制方法的日益增长的需求。所有这些都可以通过通用人工智能得到提升和支撑。. 基于动态技能的职位架构将会更加普遍。 预测性人力规划将在工作性质、任务和技能不断演变的过程中变得至关重要。 • 新型人才模式将优先考虑好奇心强、求知欲旺盛且具备强大学习能力、能够融合人机技能的个人。 对学习和发展的重新构想将促进工作岗位及其相关技能的活力。 在人工智能的未来，人力资源部门变成你的研发部门。 动态技能 为了适应这一加速的职业周期，新的招聘和人才培养方法将变得至关重要。组织将青睐能在这种动态环境中茁壮成长的人才：充满好奇心和求知欲，具有持续学习的高度能力和强烈变革欲望的个人。此外，公司越来越期待新员工具备终身学习的承诺和在职业生涯中不断自我革新的准备。 想象一下这样的未来：学生们和他们的AI助手一起毕业，这些助手了解学生们所学的一切，以及他们的学习偏好、批判性思维和联系。这样的助手在第一天上班时会有多有用？ 动态技能 在未来工作和人才方面，许多人在人工智能增强工作的兴起下争论“通才”或“专才”是否会变得过时。我们相信两者都将保持必要，因为组织将需要高度的灵活性和多面性：扩大通用人工智能的可能性，同时培养在特定领域独特的人类专业知识。例如，一些员工将精通选择适合目的的大型语言模型，建立训练和持续更新模型的系统以及预训练通用人工智能代理。另一些人，在人工智能代理的辅助下，将运用深厚的专业领域知识来创造更好的产品和服务的。一点是明确的：无论你是“通才”还是“专才”，融合人类和机器技能的能力将是必不可少的。 营销组织\"通过通用人工智能的转型\ 一家全球软件公司通过使用通用人工智能（例如，几个小时就能创建营销搜索活动，而之前需要几周时间）在营销职能上实现了非常高的自动化和生产力水平。首席营销官认识到，关键在于能够整合通用人工智能能力（模型、数据、营销堆栈），从而让营销专家能够发挥人类技艺。CMO确保将这两种能力都引入公司内部：“我们现在可以做得更多，更快。我们也不想通过培训第三方及其AI模型，将我们组织特有的东西‘泄露’给竞争对手。” 动态技能 转换“安永公司使用生成式人工智能的性能管理” 为了实现这种新的学习方式，学习和发展（L&D）职能将呈现出全新的面貌。其焦点将从预先配置的学习计划和内容转向提供通用人工智能学习伴侣和基于内部和外部技能学习内容的LLM（大型语言模型），这些内容与工作和所需工作的变化性质紧密且持续地对齐。此外，L&D职能将负责通过将其整体嵌入工作角色中，培养持续和普遍的学习。这需要业务和人力资源领导者之间的紧密合作，我们期待L&D职能在公司高层（C-suite）中获得突出地位，遵循IT和数字职能在成为企业战略核心时所走的相似轨迹。 技能的动态演进能力，用于应对当前任务（以及更长远的战略目标），将使人们能够跨越学科和职能界限进行工作，这有助于消除组织内部的固有界限。领导者必须培养“人性化的流利”——即适应人才和实践