作者|柳鑫荻

来源 | 图灵财经  管理智慧

咨询合作| 13699120588

文章仅代表作者本人观点

过去两年，AI在五大领域取得了显著进展：首先是推理能力的提升。GPT-4等模型已能通过律师考试和医学测试，接近高学历人类水平。新一代模型（如Google Gemini 2.0）支持多步骤推理和策略制定，成为“人类思维伙伴”。

其次是作为代理AI（Agentic AI）的能力。从辅助工具演变为自主执行复杂任务的“数字员工”。例如，Salesforce的Agentforce可模拟产品发布、协调营销活动，实现人机协作。

第三是多模态能力，可以融合文本、音频和视频处理，如Google Gemini Live实现拟人化对话，OpenAI的Sora可将文字转化为视频。

第四是硬件方面的创新。专用芯片（如GPU、TPU）和边缘计算可以显著提升算力，支持实时应用（如电商客服和保险理赔的图像分析）。

第五是透明度提升。模型可解释性增强（如Anthropic透明度评分提高），可以帮助监测偏见与合规性，降低部署AI的风险。

调查显示，94%的员工与99%的高管对生成式AI工具具备一定熟悉度，但领导者严重低估了员工的实际使用率：高管估计仅4%的员工将AI用于30%以上的日常工作，而员工自报比例高达13%。此外，47%的员工预计未来一年内AI将覆盖其30%以上任务，远超高管预期的20%。

关于接下来的工作，近半数员工渴望企业提供正式AI培训（48%），并希望AI工具能无缝融入现有工作流（45%）。然而，22%的员工认为当前得到的支持不足，尤其在非美国地区（如澳大利亚、印度），尽管84%的国际员工称获得充分支持，但仍担忧培训不足。企业需要优先投入资源，通过培训、工具试点及激励机制（如奖金、认可）加速AI普及。

在这些员工中，35-44岁的千禧员工（(1981-1996生人）展现出最高的AI热情与能力。他们中的 62%自评精通AI，远超Z世代（50%）和婴儿潮一代（22%）；90%对工作中使用AI感到自信，且作为管理者，68%每周至少为团队推荐AI工具，其中86%成功解决问题。企业应积极赋能这一群体，使其成为AI转型的“内部推手”，通过经验分享与工具推荐加速团队适应。

图1：各年龄段员工对AI 的评价

生成式AI（如ChatGPT）以破纪录速度普及，用户数超3亿/周，90%财富500强企业已采用。然而，47%的高管认为企业AI工具开发过慢，主因是人才缺口（46%）与资源限制（38%）。为了加速这一进程，92%的高管计划在未来三年增加AI投资，其中55%预计增幅超10%。但伴随初期的热情消退，企业面临ROI（投资回报率）压力，需从实验转向规模化价值创造。当前仅有25%企业制定了完整AI路线图，半数仍在完善中。

员工对AI的担忧集中在网络安全（51%）、准确性（50%）与隐私（43%），但71%信任雇主能安全、道德地部署AI（高于对高校、科技巨头的信任）。比尔·盖茨类比汽车发展史，强调“风险管理优于全面禁止”。全球视角下，非美国高管更倾向监管（如37%-50%为“忧虑派”），但印度、新加坡企业仍积极争做AI先行者，55%印度高管预计AI将带来超10%收入增长。

Reid Hoffman指出，新能力伴随新风险，需系统性管理而非消除。企业应该：1.全面评估风险：识别知识产权侵权、内部滥用等威胁；2.建立治理框架：实时监控、持续培训与合规机制；3.采用第三方基准测试：如斯坦福HELM评估公平性、透明度，MLCommons工具包提升安全性。然而，目前仅有39%的高管使用基准测试，且侧重性能（41%）与操作指标（35%），伦理合规仅占17%，这在未来可能损害员工间的信任与长期合规要求。

麦肯锡认为，企业需在加速AI部署的同时，将伦理纳入核心战略。尽管技术、员工与安全准备就绪，规模化价值仍需“大胆愿景”驱动：明确优先场景，跨团队协作，并借助基准工具平衡效率与责任。下一阶段，领导者需以透明治理化解速度与安全的矛盾，确保AI既推动增长，又赢得员工与社会信任。

图2：超过1/3的高管使用了生成式AI的基准测试，

但很少关注伦理上的合规

许多投资AI的企业未能获得预期的回报，未能充分发挥AI的经济潜力。麦肯锡的调查显示，约一半的已部署AI的公司高管表示其AI项目仍在发展或扩展中，而超2/3的领导者早在一年前就启动了第一代AI用例。AI试点项目难以规模化的原因包括策略设计或执行不善，以及缺乏大胆的愿景。

不同行业的AI投资模式存在差异。在AI投资排名前25%的公司中，医疗保健、科技、媒体与电信、先进工业和农业处于领先地位，而金融服务、能源与材料、消费品与零售等行业投资较少。尽管消费行业从AI中实现价值的潜力位居第二，但其投资意愿最低，可能是因为大众市场类别的平均净利率较低，对采用昂贵的组织级技术升级持谨慎态度。

在公共部门、航空航天与国防以及半导体行业，员工对AI未来发展较为怀疑。而在媒体与娱乐、电信等行业，员工对AI影响其日常任务的预期更为乐观。此外，社会部门员工对雇主安全开发AI的信任度最低。这种谨慎态度可能与外部约束（如严格的监管审查、过时的IT系统和冗长的审批流程）有关。

调查显示，高管普遍认为企业级AI投资的回报有限。只有19%的受访者表示收入增长超过5%，39%看到1%到5%的适度增长，36%表示没有变化。仅23%认为AI在成本方面带来了积极变化。然而，87%的高管预计未来三年内AI将推动收入增长，其中约一半认为增长可能超过5%。

为推动收入增长和提高投资回报率，企业领导者需要致力于AI的变革性可能性。目前大多数公司的AI应用仍处于试点阶段，且多为局部影响案例。要创造能彻底改变行业并创造变革性价值的AI应用，需要更具远见的领导力和对变革性影响的承诺。企业需要增加其组合中变革性计划的比例，以真正实现AI的潜力，并在AI时代取得成功。

图3：高管对GenAI能提升

企业收益的预期分布图

企业成功实施AI的关键在于高管的领导力。然而，许多高管未能充分认识到自身在AI转型中的重要角色。调查显示，高管更倾向于将员工准备不足视为AI采用的障碍，而不是反思自身的作用。实际上，员工已经表现出对AI的准备和接受度。因此，高管需要主动承担责任，推动AI战略的实施，而不仅仅是依赖技术部署。

企业在AI实施中面临诸多挑战，包括领导层共识、成本不确定性、人才规划、供应链依赖以及模型可解释性等问题。

首先，高管团队需要在AI战略上达成一致，明确价值所在、风险管控以及绩效评估指标。为此，可以设立专门的AI价值与风险负责人，或建立企业级的领导和协调机制。其次，企业在AI试点阶段容易低估规模化部署的成本。高管需要加快决策，平衡成本与差异化竞争优势。第三，企业面临AI专家短缺、技能需求变化以及人才吸引力不足等问题。高管需要通过培训和再技能培训提升现有员工能力，同时吸引顶尖技术人才。第四，AI供应链的全球化使得企业面临地缘政治和技术风险。高管需要评估供应链的脆弱性，并制定应对策略。最后，AI模型（尤其是大型语言模型）通常缺乏透明性，这限制了其在关键任务中的应用。高管需要推动模型的可解释性和透明度。

为了真正实现AI的价值，企业需要进行系统性的转型。麦肯锡的“Rewired框架”提出了六个关键要素：战略路线图、人才、运营模式、技术、数据和规模化。这些要素共同推动企业实现自主性文化、现代化云实践和跨学科敏捷团队。

图4：麦肯锡提出的框架

具体来说，这个框架中最顶层的是战略路线图，需要明确AI转型的愿景和路线图，确保高管团队的共识。其次是人才培训，比如吸引AI专家并提升现有员工技能，通过定制化培训满足不同角色的需求。在运营模式方面，高管可以整合业务、技术和运营，聚焦价值创造。技术上采用模块化技术架构，快速适应AI技术进步。关于数据，麦肯锡建议确保高质量数据的可访问性，利用AI提升客户体验和业务运营。最后要实现AI的规模化，需要确保AI解决方案在企业内有效推广，同时管理转型风险。

总之，麦肯锡认为，工作场所中的 AI 挑战不是技术层面的挑战，而是商业模式的挑战（business challenge），需要领导者和员工的共同努力。总金额需要领导者调整团队，应对人工智能的不利因素，并为公司的变革重新布局。

作者|柳鑫荻

来源 | 图灵财经  管理智慧

咨询合作| 13699120588

文章仅代表作者本人观点

过去两年，AI在五大领域取得了显著进展：首先是推理能力的提升。GPT-4等模型已能通过律师考试和医学测试，接近高学历人类水平。新一代模型（如Google Gemini 2.0）支持多步骤推理和策略制定，成为“人类思维伙伴”。

其次是作为代理AI（Agentic AI）的能力。从辅助工具演变为自主执行复杂任务的“数字员工”。例如，Salesforce的Agentforce可模拟产品发布、协调营销活动，实现人机协作。

第三是多模态能力，可以融合文本、音频和视频处理，如Google Gemini Live实现拟人化对话，OpenAI的Sora可将文字转化为视频。

第四是硬件方面的创新。专用芯片（如GPU、TPU）和边缘计算可以显著提升算力，支持实时应用（如电商客服和保险理赔的图像分析）。

第五是透明度提升。模型可解释性增强（如Anthropic透明度评分提高），可以帮助监测偏见与合规性，降低部署AI的风险。

调查显示，94%的员工与99%的高管对生成式AI工具具备一定熟悉度，但领导者严重低估了员工的实际使用率：高管估计仅4%的员工将AI用于30%以上的日常工作，而员工自报比例高达13%。此外，47%的员工预计未来一年内AI将覆盖其30%以上任务，远超高管预期的20%。

关于接下来的工作，近半数员工渴望企业提供正式AI培训（48%），并希望AI工具能无缝融入现有工作流（45%）。然而，22%的员工认为当前得到的支持不足，尤其在非美国地区（如澳大利亚、印度），尽管84%的国际员工称获得充分支持，但仍担忧培训不足。企业需要优先投入资源，通过培训、工具试点及激励机制（如奖金、认可）加速AI普及。

在这些员工中，35-44岁的千禧员工（(1981-1996生人）展现出最高的AI热情与能力。他们中的 62%自评精通AI，远超Z世代（50%）和婴儿潮一代（22%）；90%对工作中使用AI感到自信，且作为管理者，68%每周至少为团队推荐AI工具，其中86%成功解决问题。企业应积极赋能这一群体，使其成为AI转型的“内部推手”，通过经验分享与工具推荐加速团队适应。

图1：各年龄段员工对AI 的评价

生成式AI（如ChatGPT）以破纪录速度普及，用户数超3亿/周，90%财富500强企业已采用。然而，47%的高管认为企业AI工具开发过慢，主因是人才缺口（46%）与资源限制（38%）。为了加速这一进程，92%的高管计划在未来三年增加AI投资，其中55%预计增幅超10%。但伴随初期的热情消退，企业面临ROI（投资回报率）压力，需从实验转向规模化价值创造。当前仅有25%企业制定了完整AI路线图，半数仍在完善中。

员工对AI的担忧集中在网络安全（51%）、准确性（50%）与隐私（43%），但71%信任雇主能安全、道德地部署AI（高于对高校、科技巨头的信任）。比尔·盖茨类比汽车发展史，强调“风险管理优于全面禁止”。全球视角下，非美国高管更倾向监管（如37%-50%为“忧虑派”），但印度、新加坡企业仍积极争做AI先行者，55%印度高管预计AI将带来超10%收入增长。

Reid Hoffman指出，新能力伴随新风险，需系统性管理而非消除。企业应该：1.全面评估风险：识别知识产权侵权、内部滥用等威胁；2.建立治理框架：实时监控、持续培训与合规机制；3.采用第三方基准测试：如斯坦福HELM评估公平性、透明度，MLCommons工具包提升安全性。然而，目前仅有39%的高管使用基准测试，且侧重性能（41%）与操作指标（35%），伦理合规仅占17%，这在未来可能损害员工间的信任与长期合规要求。

麦肯锡认为，企业需在加速AI部署的同时，将伦理纳入核心战略。尽管技术、员工与安全准备就绪，规模化价值仍需“大胆愿景”驱动：明确优先场景，跨团队协作，并借助基准工具平衡效率与责任。下一阶段，领导者需以透明治理化解速度与安全的矛盾，确保AI既推动增长，又赢得员工与社会信任。

图2：超过1/3的高管使用了生成式AI的基准测试，

但很少关注伦理上的合规

许多投资AI的企业未能获得预期的回报，未能充分发挥AI的经济潜力。麦肯锡的调查显示，约一半的已部署AI的公司高管表示其AI项目仍在发展或扩展中，而超2/3的领导者早在一年前就启动了第一代AI用例。AI试点项目难以规模化的原因包括策略设计或执行不善，以及缺乏大胆的愿景。

不同行业的AI投资模式存在差异。在AI投资排名前25%的公司中，医疗保健、科技、媒体与电信、先进工业和农业处于领先地位，而金融服务、能源与材料、消费品与零售等行业投资较少。尽管消费行业从AI中实现价值的潜力位居第二，但其投资意愿最低，可能是因为大众市场类别的平均净利率较低，对采用昂贵的组织级技术升级持谨慎态度。

在公共部门、航空航天与国防以及半导体行业，员工对AI未来发展较为怀疑。而在媒体与娱乐、电信等行业，员工对AI影响其日常任务的预期更为乐观。此外，社会部门员工对雇主安全开发AI的信任度最低。这种谨慎态度可能与外部约束（如严格的监管审查、过时的IT系统和冗长的审批流程）有关。

调查显示，高管普遍认为企业级AI投资的回报有限。只有19%的受访者表示收入增长超过5%，39%看到1%到5%的适度增长，36%表示没有变化。仅23%认为AI在成本方面带来了积极变化。然而，87%的高管预计未来三年内AI将推动收入增长，其中约一半认为增长可能超过5%。

为推动收入增长和提高投资回报率，企业领导者需要致力于AI的变革性可能性。目前大多数公司的AI应用仍处于试点阶段，且多为局部影响案例。要创造能彻底改变行业并创造变革性价值的AI应用，需要更具远见的领导力和对变革性影响的承诺。企业需要增加其组合中变革性计划的比例，以真正实现AI的潜力，并在AI时代取得成功。

图3：高管对GenAI能提升

企业收益的预期分布图

企业成功实施AI的关键在于高管的领导力。然而，许多高管未能充分认识到自身在AI转型中的重要角色。调查显示，高管更倾向于将员工准备不足视为AI采用的障碍，而不是反思自身的作用。实际上，员工已经表现出对AI的准备和接受度。因此，高管需要主动承担责任，推动AI战略的实施，而不仅仅是依赖技术部署。

企业在AI实施中面临诸多挑战，包括领导层共识、成本不确定性、人才规划、供应链依赖以及模型可解释性等问题。

首先，高管团队需要在AI战略上达成一致，明确价值所在、风险管控以及绩效评估指标。为此，可以设立专门的AI价值与风险负责人，或建立企业级的领导和协调机制。其次，企业在AI试点阶段容易低估规模化部署的成本。高管需要加快决策，平衡成本与差异化竞争优势。第三，企业面临AI专家短缺、技能需求变化以及人才吸引力不足等问题。高管需要通过培训和再技能培训提升现有员工能力，同时吸引顶尖技术人才。第四，AI供应链的全球化使得企业面临地缘政治和技术风险。高管需要评估供应链的脆弱性，并制定应对策略。最后，AI模型（尤其是大型语言模型）通常缺乏透明性，这限制了其在关键任务中的应用。高管需要推动模型的可解释性和透明度。

为了真正实现AI的价值，企业需要进行系统性的转型。麦肯锡的“Rewired框架”提出了六个关键要素：战略路线图、人才、运营模式、技术、数据和规模化。这些要素共同推动企业实现自主性文化、现代化云实践和跨学科敏捷团队。

图4：麦肯锡提出的框架

具体来说，这个框架中最顶层的是战略路线图，需要明确AI转型的愿景和路线图，确保高管团队的共识。其次是人才培训，比如吸引AI专家并提升现有员工技能，通过定制化培训满足不同角色的需求。在运营模式方面，高管可以整合业务、技术和运营，聚焦价值创造。技术上采用模块化技术架构，快速适应AI技术进步。关于数据，麦肯锡建议确保高质量数据的可访问性，利用AI提升客户体验和业务运营。最后要实现AI的规模化，需要确保AI解决方案在企业内有效推广，同时管理转型风险。

总之，麦肯锡认为，工作场所中的 AI 挑战不是技术层面的挑战，而是商业模式的挑战（business challenge），需要领导者和员工的共同努力。总金额需要领导者调整团队，应对人工智能的不利因素，并为公司的变革重新布局。