今天小编分享的教育经验：麦肯锡：AI规模扩大的障碍是企业家而非员工，欢迎阅读。
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
工作场所的超级代理：增强员工能力，释放 AI 的全部潜能
Superagency in the workplace: Empowering people to unlock AI ’ s full potential
概括
几乎所有公司都对人工智能进行了投资，但只有 1% 的公司认为它们已经成熟。
我们的研究发现，扩大规模的最大障碍不是员工——他们已经做好准备，而是领导者——他们的引导速度不够快。
内容总结
随着 Anthropic、Cohere、谷歌、Meta、Mistral、OpenAI 等公司开发出功能强大的大型语言模型（LLM），我们已经进入了一个全新的信息技术时代。麦肯锡的研究显示，AI 的长期机遇是，企业使用 AI 可增加 4.4 万亿美元的生产率增长潜力。
挑战就在这里：AI 的长期潜力巨大，但短期回报却不明确。未来三年，92% 的公司计划增加 AI 投资。不过，尽管几乎所有公司都在投资 AI，但只有 1% 的领导者称自己的公司在部署方面 " 成熟 "，这意味着 AI 已完全融入工作流程，并推动了实质性业务成果。目前最大的问题是，企业领导者如何部署资金，并引导其组织更接近人工智能的成熟度。
这份研究报告是由里德 - 霍夫曼（Reid Hoffman）的著作《超级代理：人工智能未来可能出现的问题》（Superagency）引发的。受到《超级代理》一书的启发，麦肯锡提出了一个类似的问题： 公司如何才能利用 AI 来增强人的能动性，并将工作场所的创造力和生产力提升到新的水平？AI 可以推动巨大的积极和颠覆性变革。这种变革需要一定的时间，但领导者们绝不能气馁。相反，他们必须在今天大胆前进，以避免明天失去竞争力。重大经济和技术变革的历史表明，这种时刻可以决定公司的兴衰。40 多年前，互联网诞生。从那时起，Alphabet、亚马逊、苹果、Meta 和微软等公司的市值已达万亿美元。更为深远的是，互联网改变了人们的工作方式和信息获取方式。现在的 AI 就像多年前的互联网：企业领导者面临的风险不是想得太大（think big），而是想得太小（think small）。
过去两年技术的飞速发展及其对企业
采用人工智能的影响
AI 被视为堪比蒸汽机、印刷术和汽车的划时代创新，其独特之处在于不仅能自动化任务，还能执行认知功能（如学习、推理、决策）。通过 " 超级智能体 "（superagency）的概念，AI 与人类协同工作，提升个人生产力与创造力，重塑技术互动方式并推动社会经济变革。Reid Hoffman（LinkedIn 和 Inflection AI 的联合创始人之一）等科技领袖强调，AI 将突破信息获取的局限，降低技能门槛，使知识应用更高效，从而惠及全社会。
过去两年，AI 在五大领網域取得了显著进展：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。
第四是硬體方面的创新。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影像分析）。
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。
员工和领导者的态度和看法
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
AI 部署对速度和安全性的需求
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
如果领导者不制定大胆的目标，
企业将在 AI 竞赛中面临失利的风险
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更新持谨慎态度。
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
领导者如何帮助员工在 AI 使用中取得成功
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。
Learn from yesterday, live for today, hope for tomorrow.
—— Albert Einstein
