让AI跃迁

为何此时、如何成功及其实践中的样子 内容 执行摘要 82.2. 六项原则助你达成 810111213f.14将高管赞助视为先决条件。并非锦上添花b. 使每个功能负责人成为人工智能转型负责人c. 成立专门项目团队d. 将自上而下的方向与自下而上的发现相结合从项目一开始就配置工程资源广泛启动，然后分阶段深入 153.1. 通过迭代构建的产品，旨在解决实际业务问题 将超级智能投入工作 173.2. 一种基于...的转换方法我们从100多次部署中学到的经验 执行摘要 其次，延误的成本正在不断累积。 生成式人工智能进入主流已有三年半之久，企业领导者面临一个悖论。采用几乎普及。现在88%的组织至少在某个职能领域使用人工智能。然而，不到五分之一的人报告说对收入产生了实质性影响。技术是有效的。瓶颈在于组织层面。 排名前5%的AI成熟公司，在营收增长和股东总回报方面，已分别领先落后者1.7倍和3.6倍。它们正将这些收益再投资于提升AI能力，每季度都在拉大差距。这不是一个资金投入就能弥补的赛跑——优势在于组织层面：拥有专业团队、重新设计的业务流程，以及对AI工具的机构化熟练运用。这些优势的复合效应是硬件永远无法比拟的。 本文提出三点论点，每一点均基于已发表的研究以及我们在各行业和地域部署人工智能的实践经验。 首先，回报是真实的，并且正在加速。 第三，这种转变是组织层面的，而非技术层面的。 经过一段投资与试验的初期阶段——经济学家称之为生产率J曲线——越来越多的证据表明，先行者开始获得切实的收益。2025年，美国的生产率增长几乎翻了一番。受控研究表明，个人任务表现提升了15-40%。问题已不再是人工智能是否创造价值，而是哪些组织结构能够捕捉这些价值。 获取价值的公司遵循着共同的行动指南：明确的高管支持、功能负责人分散拥有权、一个专门的项目团队来保持节奏、一个倡导者网络来推动基层采纳，以及一个既追求广泛生产力又追求深度、工作流层面的投资回报率（ROI）押注的战略。本文阐述了该行动指南，并介绍了我们与客户共同构建和验证的用例。 建立人工智能熟练度的窗口已经打开，但正在缩小。现在行动的公司正在构建组织能力，以便更快地吸收未来的所有改进。而那些等待的人将停滞不前。他们将落后。 第一部分：为何现在实现AI跨越至关重要 1.1. 人工智能投资开始产生可衡量的回报。 自2022年11月ChatGPT推出以来，生成式AI一直占据着董事会议程的核心。然而，对于大多数组织而言，前两年产生的更多是实验，而非收益影响。有若干因素解释了这种滞后。理解这些因素至关重要，因为它们同样解释了为何现状如今正在改变。 企业人工智能发展至今的叙事弧：期望值很高，早期成果尚属温和，但越来越多的公司正默默证明怀疑者的观点是错的。 人工智能领域也正上演着同样的动态，但时间线被压缩了。 这项技术必须成熟。 早期的AI工具令人印象深刻，但却是不可靠的商业伙伴。其幻觉率很高。模型仅基于通用知识运行，与制定企业决策所依赖的专有数据脱节。AI的自主能力——即跨系统采取行动而不仅仅是回答问题的能力——最多还处于萌芽阶段。 2026年2月，《金融时报》的一篇专栏文章中，布赖恩约夫森认为，美国经济现已从投资阶段转向收获阶段。他的分析表明，2025年美国的生产率增长了约2.7%，几乎是前十年1.4%的年均增长率的近两倍，尽管劳工部（BLS）将总工资增长修订下调了40万份工作。同样的产出，更少的工人。他指出，虽然大多数公司仍然将人工智能（AI）视为“ glorified dictionary”（ glorified dictionary：这里指功能简单、用途有限的工具，类似于 glorified calculator指“ glorified calculator”），但一小部分重度用户正通过利用AI代理自动化端到端的工作流程，将数周的工作压缩到数小时完成。 四个发展改变了这一格局。首先，模型准确度有所提高，尤其是在检索增强方法上，该方法使回复基于经过验证的公司知识。其次，集成层现在允许AI助手连接到工作发生的工具：CRM系统、HRIS平台、文档存储库、工单系统。第三，上下文窗口的扩展幅度呈数量级增长，使模型能够对更大、更复杂的信息集进行推理。第四，智能体层让AI能够自主采取行动，而不仅仅是回答问题。结果：AI正从一个通用的写作工具转变为一个能够检索、整合并基于企业特定信息采取行动的、具有上下文感知能力的企业合作伙伴。 布赖恩约夫森：“人工智能生产力起飞终于可见一斑”，《金融时报》，2026年2月 组织挑战被低估了。 那些在人工智能应用方面遇到困难的公司，很少是受技术限制。它们的限制在于缺乏任何变革都需要的要素：高层承诺、明确的负责人、结构化的变革方法，以及在要求回报之前，投入能力建设的耐心。 J曲线是真实存在的。我们正驶过弯道。 这与BCG的发现一致，即只有5%的组织从人工智能中获得了实质性的财务收益。在那些已经实现价值捕捉的组织中，大约10%来自算法本身，20%来自底层技术，而高达70%则来自重新思考人们的工作方式。人工智能转型，其核心本质上是人的转型。 经济学家们长期以来观察到，通用技术遵循J型曲线。在采用初期，生产力似乎会停滞不前或下降，因为组织需要投资于无形的基础设施（如工作流程重塑、培训、流程再造）以从中提取价值。回报会来得更晚，但会非常显著。 BCG，《AI转型即劳动力转型》，2026年2月 埃里克·布赖约夫森及其同事在其广受引用的研究中，将这一模式系统化，并将人工智能与电力化等早期转型进行了类比，这些转型在出现于总体生产率统计数据之前，经历了两到三个十年的发展。 麦肯锡关于人工智能的研究状况则强化了这一点。那些报告了人工智能带来的营收增长和成本削减的公司，都具有三个共同特征：它们为人工智能设定了创新或增长目标（而不仅仅是效率目标），它们将人工智能代理的应用范围扩大到试点之外，并且它们的高级领导层对人工智能计划表现出可见的拥有感。信号是一致的：当领导层将人工智能视为业务转型而非技术实验来推动时，成果便会随之而来。 布赖恩约夫森、罗克与西弗森，《生产力J曲线》，《美国经济杂志：宏观经济学》，2021年 微观和宏观层面上的证据基础都在逐步建立。 那些早期且审慎投资的公司如今正看到成果。数据正从多个方向传来： 在微观层面，受控的学术研究显示成果一致。 在宏观层面： NBER对约750名首席财务官的调研（2026年3月）：企业报告称，2025年各职能部门的生产力提升了4-8%，并预计随着人工智能的成熟和采用深化，未来将提升10-20%。 客户支持：平均生产效率提升15%，新手员工则提升高达34%。人工智能不成比例地加速了经验较少的员工，缩短了学习曲线。 巴斯拉恩泽等著，“人工智能、生产率与劳动力”，NBER工作论文34984 布赖恩约夫森、李和雷蒙德，《工作中的生成式人工智能》，经济学季刊，2025年 摩根士丹利对935位高管的调查（2026年2月）：使用人工智能至少一年的公司报告平均生产率提高了11.5%，其中最大幅度的提升集中在那些重新设计了工作流程，而不是在现有流程上叠加工具的公司。 管理咨询：使用GPT-4的758名BCG顾问完成了12.2%更多的任务，速度提高了25.1%，并且其产出质量被独立评估者评为提高了40%。 德拉克瓦等人，《穿越参差不齐的技术前沿》，HBS/沃顿/麻省理工学院斯隆，发表于《组织科学》，2026年 摩根士丹利，《AI影响加速》，2026年2月 综合来看，情况已很明确。早期的回报已不再是零星的个案。它们是经过测量、同行评审且可复制的。对于领导团队而言，问题已不是是否要投资人工智能，而是他们的组织结构是否已调整为能够捕捉当前可获得的回报。 1.2. 不采取行动的复合成本 变化的步伐使这个窗口变得至关重要。 等待的风险常被定义为“错失良机”。但这低估了其严重性。在一个竞争环境中，领导者正将人工智能驱动的收益再投资于提升能力，那么延迟就意味着停滞不前。它意味着以加速的速度落后于人。 这种“现在投资以备将来复利”的思路适用于任何技术周期。但人工智能的发展速度比以往任何浪潮都快。模型的性能提升是以月为单位而非年计算的曲线。代理框架正在从概念阶段过渡到单个预算周期内的生产部署。那些不着力培养内部评估和吸收这些进步能力的企业，将发现技术差距正以前所未有的速度扩大。 人工智能优势呈指数级增长。它不仅仅是叠加。 人工智能带来的生产力提升并非一次性成果。早期采用者积累了数据储备，培养了专业团队，并重新设计了工作流程。这些举措都使得后续人工智能能力的吸收更为容易。那些拥有数月人工智能驱动洞察力的公司，正在优化策略、提高预测精度，并深化客户理解，这些是后来者无法捷径达成的。 人工智能投资带来更佳的财务指标 该机制十分简单：AI 返还的资金进一步用于 AI 投资，从而产生更多回报。BCG 的“扩大 AI 价值差距”研究报告记录了这一飞轮效应。未来导向型公司计划将 IT 支出增加 26%，并将高达 64% 的 IT预算分配给 AI。因此，他们预计到 2028 年，收入增长将是落后者的两倍，成本削减将高出 40%。绩效差异十分显著：收入增长 1.7 倍，三年总股东回报率 3.6 倍，EBIT 利润率 1.6 倍。 内功修炼，方能外化创新 存在一种容易被忽视的次级复合效应：那些在自身运营中掌握人工智能的公司，会发展出将人工智能嵌入其产品和服务中的制度性知识。内部的专业熟练度变成了外部差异化。 我们已经在自己的客户群体中看到了这种模式。例如，Josh Bersin 公司内部部署了 Sana 的平台，然后推出了“伽利略”（Galileo）这款 AI 助手，将其拥有的 5 万页专有人力资源研究资料向全球社群开放。同一个平台，同样的能力，被重新部署为面向客户的产品。这就是双重复合效应：通过在 AI能力上的一次投资，既实现了运营效率的提升，又开拓了新的收入来源。 BCG：“AI价值鸿沟的扩大：为未来而构建”，2025年9月 数据明确无误。AI成熟度排名前5%的公司在各项财务指标上表现优异，并将由此产生的增长（或：优势）再投资于提升能力。差距正在扩大。缩小差距的窗口正在收窄，并非因为技术会变得不那么容易获取，而是因为其创造的组织优势将更难复制。 第二部分：如何使转型成功 若第一部分确立了紧迫性的经济理由，第二部分则探讨了更难的问题：是什么将那些能够捕获价值的组织与那些不能捕获价值的组织区分开来？答案始终如一：是转型设计。 本节阐述了定义成功人工智能转型的四个目标，并详细说明了我们在自身部署及更广泛的研究中发现，对于实现这些目标至关重要的六项原则。 产生可衡量AI影响力的公司拥有共同架构。它们明确目标。它们将所有权分散到整个组织，而非集中在中央AI团队。它们在人才上的投入至少与技术相当。并且它们并行推进两条路径：广泛采用以培养熟练度，以及深度工作流重塑以解锁跨越式ROI。 2.1. 定义成功人工智能转型的四个目标 目标1：为最终用户创造目的和背景 目标3：提升全组织的胜任能力和信心 大多数员工愿意尝试人工智能，但较少人知道如何熟练使用。一个结构化的技能提升计划（结合正式培训、同伴学习和岗位实践）对于推动使用从表面（如摘要、翻译）向实质性（如工作流自动化、决策支持）转变至关重要。那些获得最强回报的公司，在人力上的投入至少与技术上的投入一样积极。 当员工不理解人工智能为何重要，对业务和自身而言都如此时，其应用就会失败。最有效的转型是将人工智能融入一个叙事，将业务战略与个人利益联系起来：这就是公司为何投资的原因，这就是它与业务优先事项的关联方式，这就是它如何帮助你完成更高价值的工作，以及这就是你的角色将如何演变。没有这个叙事，其应用最多只是机械的，最差则是充满抵触的。 目标2：确保每个职能部门都明确责任归属 目标4：既要追求整体生产力，也要进行深度ROI（投资回报率