让人工智能为企业助力
员工已做好迎接 AI 的准备。领导者如何帮助他们释放出新的创造力和生产力？
几乎所有公司都在投资人工智能，但只有 1% 的公司认为人工智能已经成熟。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（他们掌舵不够快）。
2025/03/18 Fanlix凡立
职场中的超级机构：赋能人们释放人工智能的全部潜力
人工智能已经进入职场，并有可能像蒸汽机之于19世纪工业革命一样，带来深刻的变革。借助Anthropic、Cohere、Google、Meta、Mistral、OpenAI等公司开发的强大且功能丰富的大型语言模型（LLM），我们正迈入一个全新的信息技术时代。Fanlix的研究估计，从企业应用的角度来看，人工智能的长期机遇将带来4.4万亿美元的额外生产力增长潜力。
然而，挑战也随之而来：尽管人工智能的长期潜力巨大，但短期回报尚不明朗。未来三年内，92%的公司计划增加对人工智能的投资。然而，尽管几乎所有公司都在投资人工智能，只有1%的领导者认为他们的公司在人工智能部署方面达到了“成熟”水平，即人工智能已完全融入工作流程并推动了实质性的业务成果。最大的问题在于，企业领导者如何有效配置资本，并引导他们的组织向人工智能成熟度迈进。
Fanlix研究报告的灵感来源于Reid Hoffman的著作《超级机构：人工智能未来可能走向何方》，书中提出了类似的问题：公司如何利用人工智能来增强人类的能动性，并在工作场所释放新的创造力和生产力水平？人工智能有潜力推动巨大的积极变革，同时也可能带来颠覆性的影响。这种转变需要时间，但领导者绝不能因此气馁。相反，他们必须大胆行动，以免在未来失去竞争力。历史表明，重大的经济和技术变革往往决定了公司的兴衰。40多年前，互联网的诞生彻底改变了世界。从那时起，包括Alphabet、亚马逊、苹果、Meta和微软在内的公司已经达到了万亿美元的市值。更为重要的是，互联网改变了工作结构和信息获取的方式。如今的人工智能就像多年前的互联网：对于企业领导者来说，风险不在于想得太大，而在于想得太小。
本报告通过技术与业务双重视角评估企业AI准备度，核心结论表明：员工层面的AI适应性已具备成熟条件，但领导力缺失成为转型最大瓶颈。
一项与蒸汽机一样强大的创新
想象这样一个世界，机器不仅能从事体力劳动，还能思考、学习和自主决策。这个世界将人类纳入其中，将人与机器以超级能动的状态结合在一起，从而提高个人生产力和创造力。这就是人工智能的变革潜力，这项技术的潜在影响甚至可能超越过去最伟大的创新，从印刷机到汽车。人工智能不仅能实现任务自动化，还能更进一步实现认知功能的自动化。与以往的任何发明不同，人工智能软件可以适应、规划、指导甚至做出决策。这就是为什么人工智能可以成为前所未有的经济增长和社会变革的催化剂，几乎涵盖生活的方方面面。它将重塑我们与技术以及彼此之间的互动。
过去两年，人工智能技术经历了革命性突破，其发展速度远超市场预期。以生成式AI（Generative AI）为核心的多模态大模型（如GPT-4、Claude 3、Gemini）不仅实现了自然语言交互的类人化，更在图像生成、代码编写、实时决策等领域展现出颠覆性能力。技术门槛的急剧下降，使得企业无需自建算力集群或雇佣顶尖算法团队，即可通过API调用、云端服务等方式快速部署AI应用。
技术突破的三重驱动力
模型能力的指数级提升：参数量突破万亿级，训练数据从文本扩展至跨模态信息（如视频、传感器数据），使AI能够理解复杂业务场景；
开发成本的大幅降低：开源框架（如Hugging Face、Llama）和云计算服务（AWS Bedrock、Azure AI）将模型训练成本压缩至2020年的1/10；
应用生态的爆发式增长：从ChatGPT的全民化普及到Github Copilot对开发者效率的颠覆，AI技术正通过“即插即用”模式渗透至企业运营全链条。
企业转型的十字路口
技术普惠化并未消解商业挑战——据麦肯锡调研，全球76%的企业已在试点AI项目，但仅12%实现规模化落地。当前，企业领导者面临的核心矛盾从“能否用AI”转向“如何用好AI”：
制造业：预测性维护系统将设备停机时间减少40%，但需重构供应链数据架构；
金融业：AI风控模型将信贷审批效率提升5倍，却面临监管合规与算法透明度的双重压力；
零售业：个性化推荐驱动30%的GMV增长，但依赖跨部门数据整合与消费者隐私保护的平衡。
战略窗口期的选择逻辑
技术扩散曲线表明，AI投资回报率（ROI）随部署时机呈现“U型分布”：
早期激进者（2023年前入场）：承担高风险，但可通过专利壁垒和用户习惯锁定长期优势（如OpenAI生态）；
快速跟随者（2024-2025年）：依托成熟技术栈实现弯道超车，需支付更高市场进入成本；
保守观望者（2026年后）：虽规避试错风险，但可能永久丧失技术代差追赶机会。
智力和推理能力正在提高
人工智能正变得越来越智能，其中一个重要指标是大型语言模型（LLM）在标准化考试中的表现。以 OpenAI 在 2022 年推出的 ChatGPT-3.5 为例，它在高中水平的考试中表现优异（例如，SAT 数学得分为 70%，SAT 语文部分得分为 87%）。然而，它在更复杂的推理任务中仍然存在一定的局限性。如今，新一代模型的智能水平已经接近拥有高级学位的人类。例如，GPT-4 不仅能够轻松通过统一律师资格考试，并在考生中排名前 10%，还能正确回答美国医师执照考试中 90% 的问题。
推理能力的出现标志着人工智能的下一个重大飞跃。推理能力的提升增强了人工智能在复杂决策中的表现，使模型不仅能够进行基本理解，还能实现更细致入微的分析，并能够制定分步计划以实现目标。对于企业而言，这意味着他们可以通过微调推理模型，并结合特定领域的知识，以更高的准确性提供可操作的见解。例如，OpenAI 的 o1 或谷歌的 Gemini 2.0 的闪电思维模式等模型，能够在响应中进行推理，为用户提供类似人类思维伙伴的体验，而不仅仅是信息检索和合成的工具。
Agentic AI 正在自主行动
推理能力的不断增强使得人工智能模型能够自主执行复杂任务并完成工作流程中的多个步骤。这一进步具有重要意义。例如，2023 年，人工智能机器人已经能够通过合成和总结大量数据（包括语音消息、文本和技术规范）来支持呼叫中心代表，为客户查询提供建议响应。到 2025 年，人工智能代理将能够直接与客户对话，并规划后续行动，例如处理付款、检测欺诈行为以及完成物流运输等任务。
软件公司正在将代理式人工智能功能集成到其核心产品中。以 Salesforce 的 Agentforce 为例，它是现有平台上的一个新功能层，使用户能够轻松构建和部署自主 AI 代理，以处理复杂的工作流程任务，例如模拟产品发布和协调营销活动。Salesforce 的联合创始人、董事长兼首席执行官马克·贝尼奥夫（Marc Benioff）将其描述为提供“数字化劳动力”，使人类与自动化代理能够协同合作，共同实现客户目标。
多模态融合：文本、音频与视频的结合
如今的人工智能模型正在向更先进、更多样化的数据处理能力发展，涵盖文本、音频和视频等多种形式。过去两年中，每种模式的质量都得到了显著提升。例如，谷歌的 Gemini Live 在音频质量和延迟方面取得了改进，现在能够提供具有情感细微差别和表现力的类人对话。此外，OpenAI 的 Sora 演示展示了其将文本转换为视频的强大能力，进一步拓展了多模态应用的边界。
硬件创新推动性能提升
硬件创新及其带来的计算能力提升正在显著增强人工智能的性能。专用芯片（如 GPU 和 TPU）使得更快、更大、更通用的模型成为可能。企业现在可以采用需要高处理能力的人工智能解决方案，从而实现实时应用和更高的可扩展性。例如，一家电子商务公司可以通过部署基于高级 GPU 和 TPU 的 AI 驱动聊天机器人，显著改善客户服务质量。通过分布式云计算，该公司能够在高峰流量期间确保系统的最佳性能。此外，通过集成边缘计算硬件，企业可以部署分析受损产品照片的模型，从而更准确地处理保险索赔。
透明的提升
人工智能的风险正在逐渐降低，但透明度和可解释性仍然是重要挑战。这两者对于提高人工智能的安全性、减少偏见至关重要，尤其是在大规模企业部署中影响深远。尽管仍有很长的路要走，但新模型和持续迭代正在推动快速改进。
斯坦福大学基础模型研究中心（CRFM）的一项报告显示，模型性能取得了重大进展。其透明度指数（评分范围 1 至 100）表明，Anthropic 的透明度得分在 2023 年 10 月至 2024 年 5 月期间提升了 15 分，达到 51 分；亚马逊的透明度得分更是提升了两倍以上，达到 41 分。
除了大模型（LLM）之外，其他形式的人工智能和机器学习（ML）技术也在提高可解释性，使得支持重大决策（如信用风险评估）的模型输出可以追溯到其数据来源。这使企业能够持续监测和测试关键系统，及时发现模型漂移和数据输入变化可能引发的偏见及其他风险，即使系统在部署前已经过良好校准。
这些进步对于检测错误、确保合规性以及维护企业政策至关重要。企业虽然已在可解释性方面取得改进，并建立了必要的制衡机制，但仍需不断优化，以跟上人工智能技术能力的快速发展。
在工作场所实现人工智能的高度自主性，除了掌握技术外，还需重视员工支持、流程建设和治理管理。接下来的章节将探讨塑造人工智能工作场所应用的非技术因素。
员工将成为推动组织迈向 AI 强国的核心力量。事实上，他们对在工作场所采用 AI 的接受度比企业领导者预期的更高。他们熟悉 AI 工具，并渴望获得更多支持与培训。同时，许多员工已经意识到，AI 在不久的将来可能会取代至少三分之一的工作岗位。
在这一趋势下，领导者必须加紧行动。相比他们的认知，他们实际拥有更大的决策空间。因此，企业管理者需要采取果断措施，积极拥抱 AI，充分挖掘其价值，以确保企业在智能化变革中占据先机。
人工智能：企业转型的机遇与挑战
人工智能无疑提供了前所未有的发展机遇。近 90% 的企业领导者预计，在未来三年内，人工智能的部署将推动收入增长。然而，实现这一增长并非易事，企业必须经历深刻的转型，而当前的成功率并不理想——近 70% 的转型最终失败。
微软董事长兼首席执行官萨蒂亚·纳德拉（Satya Nadella）表示，在构建下一代人工智能时，我们做出了有意识的设计选择，将人类主体性置于产品的核心位置。这标志着我们首次能够使用既强大又赋予个体力量的人工智能。
为了成为少数成功的企业之一，C 级高管必须反思自身角色。我们的调查显示，C 级领导者普遍认为，员工准备不足是人工智能采用的主要障碍，其可能性是他们将责任归咎于自身领导力的两倍以上。然而，员工实际上已经做好了准备。
本章探讨领导者如何掌控局面，并认识到人工智能的机遇不仅仅是技术实施的问题，而是需要全面的战略转型。不可否认，企业正面临一系列人工智能的挑战，但如果能够有效应对，这将成为推动企业增长的关键动力。
人工智能部署的核心挑战
运营阻力拖慢执行
企业在采用 AI 过程中面临多个运营挑战。研究发现，最具挑战性的五个因素包括：
- 领导层协调：确保高层领导对 AI 战略的共识至关重要。不同业务领域的高管可能有不同的目标和风险偏好，因此需要持续对话，明确 AI 如何创造价值，并建立有效的投资和绩效评估体系。
- 成本不确定性：企业难以准确预测 AI 解决方案的投资回报率。虽然 AI 试点项目的预算相对明确，但大规模构建和运营 AI 的长期成本仍然存在不确定性。企业需要加快决策，权衡现成解决方案与定制化 AI 方案的成本与回报。
- 劳动力规划的不确定性：企业面临多个未知因素，如需要多少 AI 人才、应具备哪些技能、人才是否充足，以及如何吸引和留住关键人才。同时，AI 可能会快速改变对其他技能的需求，企业需要相应地调整和再培训员工。
- 供应链依赖风险：AI 供应链具有全球性，大量研发集中在中国、欧洲和北美，半导体制造主要位于东亚和美国。这种全球化供应链可能因技术、监管或地缘政治因素受到干扰，影响企业 AI 发展。
- 可解释性需求的挑战：AI 的“黑匣子”问题使其难以被信任执行关键任务。企业需要确保 AI 模型能够提供明确的决策依据，例如，在信用审批等领域，AI 需要透明地解释拒绝或批准的原因。
尽管这些挑战巨大，但它们是可以解决的。企业正在采取措施，例如实施动态成本规划、采购 NVIDIA 集群以确保基础设施可用性，以及制定 AI 培训计划，以提高现有员工的技能并支持职业转型。然而，仅靠这些措施是不够的。
获取人工智能价值：重塑企业战略
为了真正实现 AI 价值，企业领导者必须推动系统性变革。Fanlix的 Rewired 框架 提出了六个关键要素，以指导持续的数字化转型：
1. 适应性：快速迭代以保持竞争优势
AI 技术的快速进步要求企业具备极强的适应能力。最佳实践可能以新技术、人才、商业模式或产品的形式出现，因此企业需要灵活调整策略。例如，模块化方法 有助于构建面向未来的技术架构，使企业能够更轻松地升级和集成 AI 模型，避免供应商锁定，并随时利用新兴的 AI 进展。
2. 联合治理模型：平衡创新与风险管理
企业在 AI 发展过程中需要在鼓励创新与控制风险之间找到平衡。联合治理模型 允许团队自主开发 AI 工具，同时保持集中控制关键风险。例如，高层领导可以专注于高风险领域，如公平性、安全性和可解释性，而具体的执行和绩效评估可以交由各业务部门负责，从而提高运营效率。
3. 预算灵活性：优化 AI 投资回报
AI 发展迅速，企业需要灵活调整预算，以便根据最新的技术进展优化投资。例如，企业可以根据业务需求动态调整 LLM（大语言模型）、SLM（小型语言模型）和 AI 代理的组合，以最大化成本效益。
4. AI 基准：提升透明度与问责制
AI 领域需要统一的基准 来评估不同模型和算法的性能。如果行业广泛采用标准化基准（包括技术和道德基准），企业将能更好地比较和改进 AI 模型，增强透明度，提高 AI 在组织内部的接受度，即使是对于持怀疑态度的员工也是如此。
5. AI 特定技能差距：吸引人才并提升现有员工能力
人工智能人才短缺 仍然是企业采用 AI 的一大障碍。46% 的领导者认为，员工的技能差距是 AI 推广的主要挑战之一。企业不仅需要吸引顶级 AI/ML 工程师、数据科学家和集成专家，还必须营造有吸引力的技术文化。例如，可以提供实验时间、尖端工具和开源贡献机会。此外，现有员工的技能提升同样重要，企业应根据具体岗位需求定制 AI 相关培训，如技术团队的 AI 开发训练营，或为业务团队提供实践性的 AI 应用课程。
6. 以人为本：建立透明、公平的 AI 文化
AI 变革不仅是技术问题，更关乎企业文化。领导者必须在 AI 开发的早期就吸纳多元视角，并与团队保持透明沟通。然而，目前只有 48% 的 C 级高管会在 AI 早期开发阶段征求非技术员工的意见。通过 敏捷小组、设计思维 和 人类反馈强化学习（RLHF），企业可以打造真正符合用户需求的 AI 解决方案。
此外，企业需要建立开放的沟通渠道，帮助员工理解 AI 对工作岗位的影响。例如，领导者可以坦诚地说明技能需求的变化，并创建员工可以表达顾虑和提供 AI 反馈的论坛。这不仅有助于维持透明的企业文化，也能增强员工对 AI 变革的信心。
过去两年，人工智能的发展速度令人惊叹。有人认为它是对人类的挑战，但如果我们听从 Reid Hoffman 的建议，设想人工智能可能带来的种种益处，情况又会如何？或许，领导者会意识到，人工智能已经具备在职场中成为超级赋能工具的一切条件。
从昨天学习，立足今天，放眼未来
人工智能驱动下的企业变革与未来展望
领导者可能已经注意到，员工不仅在使用人工智能（AI），而且希望更深入地应用它。同时，千禧一代管理者正在成为变革的有力推动者，积极鼓励同事拥抱 AI 技术。因此，企业不应只关注预计到 2030 年可能被取代的 9200 万个工作岗位，而应着眼于 1.7 亿个新兴岗位，并提前规划所需技能与培训体系。
现在正是领导者做出果敢 AI 承诺的关键时刻。 他们需要通过在职培训和以人为本的策略，帮助员工适应 AI 时代。随着领导者与员工携手努力，从下至上推动业务变革，AI 将从简单的生产力工具演变为变革性的超级力量——一个赋能人类、提升组织能力的战略合作伙伴。能够用创新思维取代对不确定性的恐惧的领导者，将发掘 AI 的全新应用场景，不仅优化现有业务流程，还能推动商业创新并解决更广泛的人类挑战。
AI 早期应用主要围绕自动化日常任务，以验证技术可行性。然而，今天的焦点已经转向更深远的变革：AI 有望释放前所未有的创新潜力，推动企业和行业实现系统性变革。
塑造 AI 未来：领导者与员工的核心问题
对于企业领导者：
- 你的 AI 战略是否足够雄心勃勃？你希望优化部分业务，还是全面重塑公司？
- 你如何将传统成本中心转化为价值创造型职能？如何通过 AI 投资获得竞争优势？
- 成功采用 AI 对你的企业意味着什么？你将如何衡量投资回报率（ROI）？
- 未来的 AI 原生劳动力需要具备哪些关键技能？企业如何创造环境，让员工在工作中培养这些能力？
对于员工：
- 掌握 AI 对你来说意味着什么？你能否自信地使用 AI 进行研究、规划、创意生成等任务？
- 你如何拓展 AI 知识？你可以关注哪些新闻、播客或课程，以跟上 AI 领域的最新发展？
- 你能否重新定义自己的工作方式？最具创新性的想法往往来自一线员工，而非高层决策者。你如何在日常工作中推动 AI 赋能与自下而上的创新？
从 AI 试点到成熟：企业如何加速 AI 转型？
这些问题没有简单答案，但行业已经形成了一些共识。例如，许多企业正在采用 “自上而下”与“自下而上”结合 的方式推进 AI 应用：
- 自下而上：通过黑客马拉松、学习课程和内部实验，鼓励员工主动探索 AI 的应用。
- 自上而下：高管团队重新构想 AI 如何重塑欺诈管理、客户体验、产品测试等核心业务流程。
目前，只有 1% 的企业领导者认为自己的公司已达到 AI 发展成熟阶段。在未来三年，随着 AI 投资的持续增长，领导者必须加速 AI 转型，提升组织的适应能力，同时确保信任、安全与透明度。