重组或落后：AI十年的真正竞赛

重组或落后：人工智能时代的真正赛跑 产业与学界之声：AI引领转型的不加修饰的现实 目录 内容 4567791111132.3priceless.142.415163.1163.2183.3192125第二幕——人与方程式3.4 政策乘数：政府作为生态系统架构者主题第三幕——构建能力引擎1.1 大重构：从自动化到AI主导的运营模式页码从洞见到行动 23前言 – NASSCOM前言——印度KPMG执行摘要第一幕 − 地势已变人类的优势：AI让通才变得廉价，却让专家变得稀缺。首先重新设计，其次再进行技能再培训：你们是在为工作培训人员那些已经不再存在的从培训活动到能力体系：为期两天的工作坊并非能力建设。生态系统优势：为何没有哪个组织能够构建仅凭准备充分以技能为战略：劳动力发展现已成为竞争性武器结束 - 前进之路采用陷阱：您的AI飞行员很忙。您的1.2成果却停滞不前。金字塔正在转型：组织架构图已过时。如今，成果才是主角。新的人才公式：停止数人头，开始衡量2.1级准备情况。 致谢 26 前言 - NASSCOM 随着人工智能成为企业运营模式的核心逻辑，印度的技术生态系统面临结构性断裂。赢得人工智能时代不仅需要技术的采纳，更需要战略勇气，从根本上重组结构、工作流程和领导力。 深厚的领域专业知识、道德治理以及复杂的判断。因此，行业对人员数量的传统依赖正在打破，取而代之的是对绝对劳动力准备状态的要求。 推动这项使命是Nasscom人才委员会的核心任务。我们正积极致力于弥合产学研差距，为我们的劳动力做好未来准备，优先考虑应用型学习，以确保我们的培养管道能够提供可部署、即日可用的能力，而非仅仅依赖传统资质。 这已不再仅仅是一场技术探讨；它是一次根本性的人力资源重塑。我们必须重新设计职业发展路径，在更广泛的人力资源中构建应用型人工智能能力，并重新思考在“人+AI”世界中交付服务的经济模式。归根结底，这关乎为工作、人才和价值创造定义行业的下一代运营模式。 要取得成功，我们不能各自为政。我们呼吁生态系统的各方共同构建通用框架、共享标准，并开展集体倡导，以塑造由人工智能引领的这场转型。通过构建这一共享基础设施，我们可以将劳动力准备度转化为印度下一项国家竞争优势。 是时候向世界呈现一个自信的新叙事了：将印度在全球的价值主张从规模化的才能转变为规模化的智能。 人工智能的十年不会奖赏安逸现状；它要求深思熟虑、未雨绸缪的领导力。本白皮书是对该行业发出的一声响亮的号角，号召其超越仅仅管理这一转型，开始引领它。 在Nasscom，我们认识到这种结构性演变完全取决于人的因素。当人工智能吸收了常规执行工作时，最终的人力价值将转向 克里蒂卡·穆鲁格森高级总监，GCC与人才，Nasscom 前言 - 指数在印度 近年来，在各行各业的董事会中，一个趋势日益明显。关于人工智能的讨论从未如此热烈。预算已获批准。试点项目已启动。新的仪表板追踪着先前不存在的新采用指标。这些举措表明，印度企业的人工智能成熟度似乎正在加速。 人工智能已经改变了工作的结构、人的发展方式以及能力建设的方式。真正的滞后在于那些尚未围绕这一转变进行重组的运营模式、劳动力模式和领导体系。 这不是一个其他飞行员、其他工具或关于“工作未来”的另一次市政厅会议能够解决的问题。这是一个结构性差距——除非领导者选择在市场力量替他们做出选择之前采取行动，否则它不太可能被弥补。 然而，当问题从活动转向实际变化——这种采纳带来了哪些有意义的转变？——房间往往变得明显安静起来。 这份白皮书并非提供慰藉，它提供一面镜子。它映照出那些已处于转型之中的组织的声音，以及那些不粉饰现状的数据。如果你的组织在这些模式中认出了自己，那么接下来的部分可能会让你感到不适。 这份白皮书的开端便是那份沉默。 这项研究源于实地考察，而非假设。它借鉴了与领导者的坦诚对话、对高级管理人员的结构化访谈，以及跨行业的意见输入，最终形成了贯穿本文的核心论点： 那种不适是故意的。蜕变很少始于舒适。 我们的希望是，这项研究能为领导者提供清晰的思路、相关的词汇以及紧迫感，让他们能够有意地进行决策——并构建那些不仅采用人工智能，而且围绕人工智能带来的新可能进行重组的组织。 组织在人工智能的采纳方面并非落后；它们落后于采纳本应改变的事物。 辛蒂·辛哈 合伙人兼印度人力资本咨询业务主管，毕马威印度 执行摘要 这份白皮书源于实践，而非书斋。它汇集了业界和学界关于工作转型的观点，这些观点是通过圆桌讨论、对资深行业领袖进行的结构化一对一访谈、由Nasscom联合部分科技组织发起的聚焦于科技行业技能提升倡议的调研洞察，以及相关行业研究得出的。 问题已不再是“我们是否应该投资人工智能？”这个决定已经做出了。真正的问题，那个让领导们夜不能寐的问题，要直白得多： 一种模式穿透了噪音： 在人工智能领域取得成功的组织，并非是那些运行最多试点项目的组织，而是那些愿意去询问必须进行哪些重组才能产生实质性影响的组织。 为什么实际上什么都没改变？ 那区别就是一切。 这是本文的核心信息： 许多组织并未在采用方面落后。它们落后的，是采用本应改变的那些方面。 人工智能已不再是“附加功能”。它正成为逻辑运行的基础，重塑运营模式、决策流程以及价值创造的方式。 来自各领域的信号明确无误：人工智能（AI）和生成式人工智能（GenAI）能力建设正成为当前员工和初入职场人才共同的、最优先的技能提升方向。如今，准备就绪是组织能够拉动最为关键的那个杠杆。不是人员数量。不是工具设备。而是准备就绪。 然而，许多企业仍然通过活动来衡量进展，例如培训完成情况、工具推广和使用情况。领导者正越来越多地用直白的测试来挑战这种舒适区。其含义不可避免：如果运营模式正在改变，劳动力模式也必须随之改变。 本文将这一转变分为三个阶段： 第三幕 这意味着对人们而言，关键在于准备程度而非人头数量，而判断力和领域深度将成为决定性的差异因素。 结构上发生了哪些变化，以及为什么仅靠采用（新技术/新方法等）可能只是虚假的安慰 组织如何构建一个通过持续学习和生态合作来维持优势的能力引擎。 率先行动的领导者未必是那些最懂人工智能的人，更有可能的是，他们将是那些最早围绕其进行重组的人——带着清晰的目标、顺序和意图。 第一幕时局已变 在领导者采取行动之前，他们必须接受实际发生的变化！ 人工智能被视为早期技术革命标尺上的一个转折点，是一个重塑价值创造方式和工作执行方式的“前後对比”时刻。然而，最重要转变并非新工具的出现。而是其下方的无声重构：工作流程、决策机制和运营节奏正围绕人工智能进行重新设计，而非仅仅被其增强。 1.1 大重构：从自动化到AI主导的运营模式 让这一刻变得更具挑战性的是，它正在一系列真实限制和模糊信号中展开。领导层正追踪一系列实际瓶颈，例如能源、计算能力、数据中心容量，同时组织还面临着加快步伐的压力。与此同时，员工的工作状况叙事已变得两极分化：一方面是对工作被取代的焦虑，另一方面则是受采用指标驱动的过度自信。 第一波人工智能的采用以点解决方案自动化为特征，即针对特定任务寻找能更快完成该任务的机器。那波浪潮已经结束。现在领先的组织并非自动化其现有工作流程，而是以人工智能为中心，从最基本的原则重新设计这些工作流程。这不是一个语义上的区别。它改变了工作结构、决策方式以及价值创造方式的一切。 问题已不再是“我们是否在采用人工智能？”，而是“我们是否在改变采用本应改变的事物？” 圆桌讨论中浮现出的领导层共识是，人工智能正以前所未有的规模、速度和影响力到来，这要求我们重新审视：人工智能正从组织使用的工具转变为组织运行的核心逻辑。 自动化一个损坏的该过程不会产生转变。它只是使破损部分快一点。 这正是区分渐进式进步与结构性优势的关键。在一个“加法式”的世界里，组织可以在局部部署人工智能，同时仍然沿用相同的设计架构。但在一个“架构式”的世界里，这种做法就行不通了。系统本身必须改变，因为人工智能的价值只有在工作流程围绕它重新设计时才能实现指数级增长。 尽管目标宏伟，但限制是实实在在的。讨论明确指出了能源和数据中心容量的限制，这表明人工智能战略不能脱离基础设施的现实。 领导们重申，这个问题不仅仅是 “人工智能能做什么？”但也“我们实际上负责任地扩展什么以及在哪里？” 重设框架向领导者提出的要求是一组不同的问题。不是“我们可以自动化多少流程？”而是： 我们价值链中哪些部分现在可以重新设计了，因为人工智能可以压缩周期时间和协调开销？ 我们需要在哪些方面具备功能型人工智能素养，哪些方面需要深度能力，哪些方面需要风险意识，以及如何有意地构建这些层面？ 换句话说，这已不再是技术的推广部署，而是AI主导的运营模式正在早期形成，而那些认识到这一转变的组织，已经与那些仍在优化旧框架的组织拉开了距离。 那么，问题就不再是AI是否已被引入了。 关键在于它是否带来了任何改变，而恰恰是在这一点上，采用了陷阱便开始了。 一个组织现在最危险的地方在于对其人工智能进展的自信。1.2 采用陷阱：您的AI飞行员很忙。但您的成果并未取得进展。 人工智能活动与人工智能成果之间存在一个危险的鸿沟。在各个组织中，人工智能的采用活动以试点项目、概念验证、培训计划和供应商合作为形式显而易见。但远 fewer 的组织实现了能够证明其投资价值的结果。理解这一鸿沟存在的原因，以及如何弥合它，是当前的核心领导挑战。 领导者们越来越多地用一种直白的现实来挑战采用指标：只有当部署能改变价值创造方式时，部署才重要。真正的工 作在推广之后才开始，包括重新设计工作流程、重新定义角色、重建决策权以及建立可扩展的治理机制。活动与结果之间的差距不再是抽象的。它是可以衡量的。 根据 KPMG 全球科技报告 2026 [1] 这表明，尽管许多人能够指出一些孤立的成功案例，但很少有人能够实现可重复和可扩展的成果，这突显了在衡量标准、治理机制和运营纪律方面存在的问题，而不仅仅是工具使用层面。 采用陷阱中也潜藏着一个战略盲点。组织更侧重于内部部署而非外部优势。领导者指出，人工智能的进展体现在横向职能以及工作构建方式（开发、测试、文档）上，但缺乏证据表明人工智能被用于系统地捕捉新市场机遇或重塑收入模式。 当收养成为目标时，雄心便悄然缩小为效率。 数据使陷阱可见——但它并不能完全解释。要理解为何活动未能转化为成果，我们必须超越部署指标，深入探究其在整个员工队伍中的实际进展情况。 尽管生成式人工智能的采用比以往任何技术曲线都要早，但大多数劳动力仍然处于“缺乏灵感的怀疑者”和“后期大众”的状态——这证明，处于曲线的早期阶段和为它所要求的内容做好准备是两件完全不同的事情。 数据让陷阱显现。尽管通用人工智能的采用比以往任何技术曲线都要早，但大多数劳动力仍然处于“缺乏灵感的怀疑者”和“后期大众”的状态——这证明，处于曲线的早期阶段和为它所要求的内容做好准备是两件完全不同的事情。 这种采用的不均衡分布凸显了为何成果未能与活动同步。尽管组织内某些领域可能在积极试验，但企业整体的准备状态仍然处于碎片化。 结果是，人工智能的引入地点与其真正被理解、吸收和应用的地方之间日益存在脱节。 其结果并非进展缓慢，而是方向错误的进步。组织可能成为“高采纳、低成果”的企业：积极忙碌，但结构并未改变。 每个仪表盘都在追踪人工智能的采用情况。但它们都没有衡量那个真正决定胜负的问题： 人类方程式第二幕 第一幕揭示了令人不适的真相：真正的滞后并非AI的采用，而是采用本应改变的事物。第二幕则深入一层，因为它需要改变的最关键之处并非技术栈，而是组织在思考、构建和发展其人员方面的方式。 一旦人工智能嵌入工作流程与决策之中，该组织便开始以不同的逻辑运行。而一旦这种逻辑发生改变，关于劳动力的所有假设便开始变得紧张，起初是悄无声息，随后则同时爆发。 外部信号强化了紧迫感。新兴的约束并非人才的可获得性，而是人才的准备就绪度。组织正