今天小編分享的教育經驗：麥肯錫：AI規模擴大的障礙是企業家而非員工，歡迎閱讀。
作者 | 柳鑫荻
來源 | 圖靈财經 管理智慧
咨詢合作 | 13699120588
文章僅代表作者本人觀點
工作場所的超級代理：增強員工能力，釋放 AI 的全部潛能
Superagency in the workplace: Empowering people to unlock AI ’ s full potential
概括
幾乎所有公司都對人工智能進行了投資，但只有 1% 的公司認為它們已經成熟。
我們的研究發現，擴大規模的最大障礙不是員工——他們已經做好準備，而是領導者——他們的引導速度不夠快。
内容總結
随着 Anthropic、Cohere、谷歌、Meta、Mistral、OpenAI 等公司開發出功能強大的大型語言模型（LLM），我們已經進入了一個全新的信息技術時代。麥肯錫的研究顯示，AI 的長期機遇是，企業使用 AI 可增加 4.4 萬億美元的生產率增長潛力。
挑戰就在這裡：AI 的長期潛力巨大，但短期回報卻不明确。未來三年，92% 的公司計劃增加 AI 投資。不過，盡管幾乎所有公司都在投資 AI，但只有 1% 的領導者稱自己的公司在部署方面 " 成熟 "，這意味着 AI 已完全融入工作流程，并推動了實質性業務成果。目前最大的問題是，企業領導者如何部署資金，并引導其組織更接近人工智能的成熟度。
這份研究報告是由裡德 - 霍夫曼（Reid Hoffman）的著作《超級代理：人工智能未來可能出現的問題》（Superagency）引發的。受到《超級代理》一書的啟發，麥肯錫提出了一個類似的問題： 公司如何才能利用 AI 來增強人的能動性，并将工作場所的創造力和生產力提升到新的水平？AI 可以推動巨大的積極和颠覆性變革。這種變革需要一定的時間，但領導者們絕不能氣餒。相反，他們必須在今天大膽前進，以避免明天失去競争力。重大經濟和技術變革的歷史表明，這種時刻可以決定公司的興衰。40 多年前，互聯網誕生。從那時起，Alphabet、亞馬遜、蘋果、Meta 和微軟等公司的市值已達萬億美元。更為深遠的是，互聯網改變了人們的工作方式和信息獲取方式。現在的 AI 就像多年前的互聯網：企業領導者面臨的風險不是想得太大（think big），而是想得太小（think small）。
過去兩年技術的飛速發展及其對企業
采用人工智能的影響
AI 被視為堪比蒸汽機、印刷術和汽車的劃時代創新，其獨特之處在于不僅能自動化任務，還能執行認知功能（如學習、推理、決策）。通過 " 超級智能體 "（superagency）的概念，AI 與人類協同工作，提升個人生產力與創造力，重塑技術互動方式并推動社會經濟變革。Reid Hoffman（LinkedIn 和 Inflection AI 的聯合創始人之一）等科技領袖強調，AI 将突破信息獲取的局限，降低技能門檻，使知識應用更高效，從而惠及全社會。
過去兩年，AI 在五大領網域取得了顯著進展：首先是推理能力的提升。GPT-4 等模型已能通過律師考試和醫學測試，接近高學歷人類水平。新一代模型（如 Google Gemini 2.0）支持多步驟推理和策略制定，成為 " 人類思維夥伴 "。
其次是作為代理 AI（Agentic AI）的能力。從輔助工具演變為自主執行復雜任務的 " 數字員工 "。例如，Salesforce 的 Agentforce 可模拟產品發布、協調營銷活動，實現人機協作。
第三是多模态能力，可以融合文本、音頻和視頻處理，如 Google Gemini Live 實現拟人化對話，OpenAI 的 Sora 可将文字轉化為視頻。
第四是硬體方面的創新。專用芯片（如 GPU、TPU）和邊緣計算可以顯著提升算力，支持實時應用（如電商客服和保險理賠的影像分析）。
第五是透明度提升。模型可解釋性增強（如 Anthropic 透明度評分提高），可以幫助監測偏見與合規性，降低部署 AI 的風險。
員工和領導者的态度和看法
調查顯示，94% 的員工與 99% 的高管對生成式 AI 工具具備一定熟悉度，但領導者嚴重低估了員工的實際使用率：高管估計僅 4% 的員工将 AI 用于 30% 以上的日常工作，而員工自報比例高達 13%。此外，47% 的員工預計未來一年内 AI 将覆蓋其 30% 以上任務，遠超高管預期的 20%。
關于接下來的工作，近半數員工渴望企業提供正式 AI 培訓（48%），并希望 AI 工具能無縫融入現有工作流（45%）。然而，22% 的員工認為當前得到的支持不足，尤其在非美國地區（如澳大利亞、印度），盡管 84% 的國際員工稱獲得充分支持，但仍擔憂培訓不足。企業需要優先投入資源，通過培訓、工具試點及激勵機制（如獎金、認可）加速 AI 普及。
在這些員工中，35-44 歲的千禧員工（ ( 1981-1996 生人）展現出最高的 AI 熱情與能力。他們中的 62% 自評精通 AI，遠超 Z 世代（50%）和嬰兒潮一代（22%）；90% 對工作中使用 AI 感到自信，且作為管理者，68% 每周至少為團隊推薦 AI 工具，其中 86% 成功解決問題。企業應積極賦能這一群體，使其成為 AI 轉型的 " 内部推手 "，通過經驗分享與工具推薦加速團隊适應。
圖 1：各年齡段員工對 AI 的評價
AI 部署對速度和安全性的需求
生成式 AI（如 ChatGPT）以破紀錄速度普及，用戶數超 3 億 / 周，90% 财富 500 強企業已采用。然而，47% 的高管認為企業 AI 工具開發過慢，主因是人才缺口（46%）與資源限制（38%）。為了加速這一進程，92% 的高管計劃在未來三年增加 AI 投資，其中 55% 預計增幅超 10%。但伴随初期的熱情消退，企業面臨 ROI（投資回報率）壓力，需從實驗轉向規模化價值創造。當前僅有 25% 企業制定了完整 AI 路線圖，半數仍在完善中。
員工對 AI 的擔憂集中在網絡安全（51%）、準确性（50%）與隐私（43%），但 71% 信任雇主能安全、道德地部署 AI（高于對高校、科技巨頭的信任）。比爾 · 蓋茨類比汽車發展史，強調 "風險管理優于全面禁止"。全球視角下，非美國高管更傾向監管（如 37%-50% 為 " 憂慮派 "），但印度、新加坡企業仍積極争做 AI 先行者，55% 印度高管預計 AI 将帶來超 10% 收入增長。
Reid Hoffman 指出，新能力伴随新風險，需系統性管理而非消除。企業應該：1. 全面評估風險：識别知識產權侵權、内部濫用等威脅；2. 建立治理框架：實時監控、持續培訓與合規機制；3. 采用第三方基準測試：如斯坦福 HELM 評估公平性、透明度，MLCommons 工具包提升安全性。然而，目前僅有 39% 的高管使用基準測試，且側重性能（41%）與操作指标（35%），倫理合規僅占 17%，這在未來可能損害員工間的信任與長期合規要求。
麥肯錫認為，企業需在加速 AI 部署的同時，将倫理納入核心戰略。盡管技術、員工與安全準備就緒，規模化價值仍需 " 大膽願景 " 驅動：明确優先場景，跨團隊協作，并借助基準工具平衡效率與責任。下一階段，領導者需以透明治理化解速度與安全的矛盾，确保 AI 既推動增長，又赢得員工與社會信任。
圖 2：超過 1/3 的高管使用了生成式 AI 的基準測試，
但很少關注倫理上的合規
如果領導者不制定大膽的目标，
企業将在 AI 競賽中面臨失利的風險
許多投資 AI 的企業未能獲得預期的回報，未能充分發揮 AI 的經濟潛力。麥肯錫的調查顯示，約一半的已部署 AI 的公司高管表示其 AI 項目仍在發展或擴展中，而超 2/3 的領導者早在一年前就啟動了第一代 AI 用例。AI 試點項目難以規模化的原因包括策略設計或執行不善，以及缺乏大膽的願景。
不同行業的 AI 投資模式存在差異。在 AI 投資排名前 25% 的公司中，醫療保健、科技、媒體與電信、先進工業和農業處于領先地位，而金融服務、能源與材料、消費品與零售等行業投資較少。盡管消費行業從 AI 中實現價值的潛力位居第二，但其投資意願最低，可能是因為大眾市場類别的平均淨利率較低，對采用昂貴的組織級技術更新持謹慎态度。
在公共部門、航空航天與國防以及半導體行業，員工對 AI 未來發展較為懷疑。而在媒體與娛樂、電信等行業，員工對 AI 影響其日常任務的預期更為樂觀。此外，社會部門員工對雇主安全開發 AI 的信任度最低。這種謹慎态度可能與外部約束（如嚴格的監管審查、過時的 IT 系統和冗長的審批流程）有關。
調查顯示，高管普遍認為企業級 AI 投資的回報有限。只有 19% 的受訪者表示收入增長超過 5%，39% 看到 1% 到 5% 的适度增長，36% 表示沒有變化。僅 23% 認為 AI 在成本方面帶來了積極變化。然而，87% 的高管預計未來三年内 AI 将推動收入增長，其中約一半認為增長可能超過 5%。
為推動收入增長和提高投資回報率，企業領導者需要致力于 AI 的變革性可能性。目前大多數公司的 AI 應用仍處于試點階段，且多為局部影響案例。要創造能徹底改變行業并創造變革性價值的 AI 應用，需要更具遠見的領導力和對變革性影響的承諾。企業需要增加其組合中變革性計劃的比例，以真正實現 AI 的潛力，并在 AI 時代取得成功。
圖 3：高管對 GenAI 能提升
企業收益的預期分布圖
領導者如何幫助員工在 AI 使用中取得成功
企業成功實施 AI 的關鍵在于高管的領導力。然而，許多高管未能充分認識到自身在 AI 轉型中的重要角色。調查顯示，高管更傾向于将員工準備不足視為 AI 采用的障礙，而不是反思自身的作用。實際上，員工已經表現出對 AI 的準備和接受度。因此，高管需要主動承擔責任，推動 AI 戰略的實施，而不僅僅是依賴技術部署。
企業在 AI 實施中面臨諸多挑戰，包括領導層共識、成本不确定性、人才規劃、供應鏈依賴以及模型可解釋性等問題。
首先，高管團隊需要在 AI 戰略上達成一致，明确價值所在、風險管控以及績效評估指标。為此，可以設立專門的 AI 價值與風險負責人，或建立企業級的領導和協調機制。其次，企業在 AI 試點階段容易低估規模化部署的成本。高管需要加快決策，平衡成本與差異化競争優勢。第三，企業面臨 AI 專家短缺、技能需求變化以及人才吸引力不足等問題。高管需要通過培訓和再技能培訓提升現有員工能力，同時吸引頂尖技術人才。第四，AI 供應鏈的全球化使得企業面臨地緣政治和技術風險。高管需要評估供應鏈的脆弱性，并制定應對策略。最後，AI 模型（尤其是大型語言模型）通常缺乏透明性，這限制了其在關鍵任務中的應用。高管需要推動模型的可解釋性和透明度。
為了真正實現 AI 的價值，企業需要進行系統性的轉型。麥肯錫的 "Rewired 框架 " 提出了六個關鍵要素：戰略路線圖、人才、運營模式、技術、數據和規模化。這些要素共同推動企業實現自主性文化、現代化雲實踐和跨學科敏捷團隊。
圖 4：麥肯錫提出的框架
具體來說，這個框架中最頂層的是戰略路線圖，需要明确 AI 轉型的願景和路線圖，确保高管團隊的共識。其次是人才培訓，比如吸引 AI 專家并提升現有員工技能，通過定制化培訓滿足不同角色的需求。在運營模式方面，高管可以整合業務、技術和運營，聚焦價值創造。技術上采用模塊化技術架構，快速适應 AI 技術進步。關于數據，麥肯錫建議确保高質量數據的可訪問性，利用 AI 提升客戶體驗和業務運營。最後要實現 AI 的規模化，需要确保 AI 解決方案在企業内有效推廣，同時管理轉型風險。
總之，麥肯錫認為，工作場所中的 AI 挑戰不是技術層面的挑戰，而是商業模式的挑戰（business challenge），需要領導者和員工的共同努力。總金額需要領導者調整團隊，應對人工智能的不利因素，并為公司的變革重新布局。
Learn from yesterday, live for today, hope for tomorrow.
—— Albert Einstein
