麦肯锡：扩大AI规模的难题是创业者而非员工。

作者 | 柳鑫荻

来源 | 图灵财经 管理智慧

咨询合作 | 13699120588

本文仅代表作者自己的观点。

非常代理工作场所：增强员工能力，释放员工能力 AI 的所有潜能

Superagency in the workplace: Empowering people to unlock AI ’ s full potential

归纳

大部分企业都在投资人工智能，但是只有人工智能。 1% 有些公司认为他们已经完善了。

研究发现，最大的障碍不是扩大规模。——她们已经做好了充分的准备，但是领导者-他们的引导速度不够快。。

内容总结

随着 Anthropic、Cohere、谷歌、Meta、Mistral、OpenAI 等待公司开发出功能强大的大型语言模型（LLM），我们进入了一个全新的信息技术时代。根据麦肯锡的研究，AI 企业使用的长期机会是 AI 可提升 4.4 产量增长潜力为万亿美元。

这就是挑战：AI 长期潜力无限，但短期收益尚不清楚。未来三年，92% 增加了公司计划 AI 投资。然而，尽管大多数公司都在投资 AI，但只有 1% 领导表示，他们的企业在部署方面 "完善"，这意味着 AI 已经完全融入工作流程，并且促进了实质性的业务成果。当前最大的问题是，公司领导如何安排资金，引导其组织更贴近人工智能的成熟度？。

这份调查报告是由里德？ - 霍夫曼（Reid Hoffman）作品《超级代理：未来人工智能可能出现的问题》（Superagency）造成的。受《超级代理》一书的启发，麦肯锡提出了一个类似的问题：怎样才能使用企业？ AI 为了提高人的主动性，将工作场所的想象力和生产力提高到一个新的水平？AI 能够促进巨大的良好和颠覆性的变化。这一变化需要一定的时间，但是领导者一定不能气馁。反之，为了防止明天失去竞争力，他们必须在今天大胆前进。。重大经济和技术变革的历史表明，这一时刻可以决定企业的繁荣和衰落。40 多年前，因特网诞生了。从那以后，Alphabet、亚马逊，苹果，苹果，Meta 而且微软等公司的市值已经达到了10亿美元。更深层次的是，因特网改变了人们的工作模式和信息收集方式。现在的 AI 就像多年前的因特网一样：公司领导面临的风险并没有想得太多。（think big），但想得太少（think small）。

近几年技术的飞速发展及其对公司的影响

选择人工智能的影响

AI 它被认为是一种划时代的创新，可以与蒸汽机、印刷和汽车相媲美。它的独特之处在于，它不仅可以自动化任务，还可以执行认知功能(如学习、推理和决策)。“超级智能体”（superagency）的概念，AI 协调人类工作，提高个人生产力和创造力，重塑技术互动模式，促进社会经济变革。Reid Hoffman（LinkedIn 和 Inflection AI 其中一位创始人)等技术领导人强调，AI 突破信息收集的局限性，降低技能门槛，使知识应用更加高效，从而造福全社会。

过去几年，AI 在五个领域取得了显著进展：第一，推理能力的提高。GPT-4 其他模型可以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 支持多步推理和策略制定，成为“人类思维伙伴”。

其次是作为代理 AI（Agentic AI）能力。由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 可以模拟产品发布，协调营销活动，实现人机合作。

第三是多模态能力，可以结合文字、音频和视频处理，例如 Google Gemini Live 实现拟人对话，OpenAI 的 Sora 可以把文字转换成视频。

第四是硬件创新方面。特殊芯片(例如 GPU、TPU）并且边缘计算可以显著提高计算率，支持即时应用(例如电子商务客户服务和保险理赔的图像分析)。

第五是透明度提高。模型可以解释性增强(例如 Anthropic 提高透明度评分)，有助于监测偏见和合规性，减少布局 AI 的风险。

员工和领导者的态度和观点

调查显示，94% 的员工与 99% 对于生成式的高管 AI 具有一定的熟悉度，但是领导严重低估了员工的具体利用率：高管估计仅 4% 的员工将 AI 用于 30% 上述日常工作，而员工自报率高达 13%。另外，47% 员工预计在未来一年内 AI 将覆盖其 30% 上述任务，远远超出高管的预期。 20%。

对于下一步的工作，近一半的员工渴望企业正式提供。 AI 训练(48%)，希望 AI 工具可以无缝地融入当前的工作流程(45%)。但是，22% 员工认为目前没有得到足够的支持。，特别是在澳大利亚、印度等非美国地区，尽管 84% 一些国际员工表示，他们得到了充分的支持，但他们仍然担心培训不足。企业需要优先投入资源，加快培训、工具试点和激励制度(如奖金和认可)。 AI 普及。

这类员工中，35-44 岁千禧员工（ ( 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(22%)；90% 用于工作 AI 68%的管理者感到自信， 每星期为团队推荐 AI 工具，其中 86% 成功地解决问题。企业应该积极赋能这个群体，使之成为 AI 通过经验分享和工具推荐，转型的“内部推手”可以加速团队适应。

图 1：各个年龄段的员工都是对的 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，用户数超过 3 亿 / 周，90% 财富 500 强势企业已经选择。然而，47% 高级管理人员认为公司 AI 主要原因是人才缺口(46%)和资源限制(38%)，工具开发缓慢。为加快这个过程，92% 未来三年，高管计划将会增加 AI 投资，其中 55% 预估增幅超 10%。但是随着最初的热情消散，企业面临 ROI(投资收益率)压力，应该从实验转变为大规模的价值创造。当前只有 25% 企业制定了完整性 AI 路线图，半数仍在完善中。。

职工对 AI 网络安全(51%)的焦虑集中、准确性(50%)和隐私(43%)， 71% 信任雇主可以安全、道德地安排 AI(高于大学、科技巨头的认可)。比尔 · 与汽车发展史相比，盖茨强调“风险控制优于全面禁止。"。从全球角度来看，非美国高管更倾向于控制(例如 37%-50% 为了“担忧派”)，但印度、新加坡公司仍然积极争当 AI 先行者，55% 印度高管预测 AI 将带来超 10% 收入增长。

Reid Hoffman 指出，新的能力伴随着新的风险，需要系统的管理而不是清除。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；. 建立治理框架：实时监控、持续培训和合规机制；. 选择第三方基准测试：例如斯坦福 HELM 评价公平、透明，MLCommons 提高工具包的安全性。但是，目前只有 39% 高级管理人员使用基准测试，注重性能(41%)和操作指标(35%)，只占伦理合规 17%，这样可能会损害员工未来的信任和长期合规要求。

麦肯锡认为，企业需要加速。 AI 部署的同时，将伦理学被纳入核心战略。虽然技术、员工和安全准备就绪，但规模化价值仍然需要“大胆愿景”的驱动:明确优先情况，跨团队合作，利用标准工具平衡效率和责任。下一阶段，领导解决速度与安全之间的分歧需要透明治理。，保证 AI 不仅促进了增长，而且获得了员工和社会的信任。

图 2：超出 1/3 高管们采用了生成式 AI 基准测试，

但是很少关注伦理合规。

假如领导者没有制定大胆的目标，

公司将在 AI 在比赛中面临失败的风险

很多投资 AI 有些公司没有得到预期的收益，没有充分发挥。 AI 经济潜力。根据麦肯锡的调查，大约有一半已经部署。 AI 公司高管表示 AI 项目仍在发展或拓展，而超越 2/3 早在一年前，领导就开始了第一代 AI 用例。AI 由于战略设计或执行不善，以及缺乏大胆的愿景，试点项目难以规模化。。

不同领域的 AI 不同的投资模式。在 AI 投资排名前 25% 在公司中，医疗卫生、科技、媒体和电信、先进产业和农业处于领先地位，而金融服务、能源和材料、消费品和零售业投资较少。虽然消费者行业从 AI 实现价值的潜力排名第二，但其投资意愿最低，可能是因为大众市场类型的平均净利率很低，所以在选择昂贵的组织产品升级时要谨慎。

员工对于公共行政、航空航天和国防以及半导体行业， AI 对未来的发展更加怀疑。但是，在媒体、娱乐、电信等领域，员工对 AI 对日常任务的预期更加乐观。另外，社会部门职工对雇主进行安全开发 AI 信任度最低。这种谨慎的态度可能与外部约束(如严格的监督审查、过时的态度)有关 IT 与系统和冗长的审批程序有关。

调查显示，企业级高管普遍认为 AI 投资收益有限。只有 19% 受访者表示，收入增长超过收入增长 5%，39% 看到 1% 到 5% 适度增长，36% 表示没有改变。仅 23% 觉得 AI 带来了成本上的积极变化。然而，87% 预计未来三年内高管 AI 这将促进收入的增长，大约一半的人认为增长可能超过 5%。

企业领导者需要致力于促进收入增长，提高投资收益， AI 变革概率。现在大多数企业都有 AI 应用仍处于试点阶段，且多为局部影响案例。要创造一个能够彻底改变行业，创造变革价值的案例。 AI 应用程序，需要更有远见的领导能力和对变革影响的承诺。为了真正实现，企业需要在其组合中增加变革计划的比例。 AI 潜能，并存 AI 时代是成功的。

图 3：高管对 GenAI 能提升

预期企业收益布局图

领导者如何帮助员工？在 AI 成功地使用了

企业成功实施 AI 关键在于高管的领导能力。但是，许多高管并没有深刻认识到他们在 AI 转变的重要作用。调查显示，管理者更倾向于将员工准备不足视为 AI 选择难题，不要反思自己的功效。。实际上，员工已经表现出来了。 AI 准备与接受。所以，高管需要主动承担责任，促进责任， AI 实施战略，不仅仅是依靠技术部署。

公司在 AI 在实施过程中面临诸多挑战，包括领导层共识、成本不确定、人才规划、供应链依赖、模型可解释等问题。

首先，高级管理团队需要出现 AI 在战略上达成一致，明确价值、风险防控和绩效评估指标。所以，可以设置专门的设置。 AI 价值和风险负责人，或者建立企业级领导和联动机制。第二，公司在 AI 试点阶段容易低估大规模部署的成本。管理人员需要加快决策，差异化竞争优势的平衡成本和优势。三是企业面临 AI 专家短缺、技能需求变化、人才吸引力不足等问题。高管需要通过训练和再技能训练在吸引顶尖技术人才的同时，提高现有员工的能力。四是AI 全球化的供应链使企业面临地缘政治和技术风险。管理者需要评价供应链的脆弱性，并且制定应对措施。最后，AI 模型(尤其是大型语言模型)一般缺乏透明度，这限制了其在关键任务中的应用。高管需要推动模型可解释性和透明度。

要真正实现 AI 公司需要对其价值进行系统转型。麦肯锡的“ Rewired 框架提出了战略路线图、人才、商业模式、技术、数据和规模六个核心要素。这些要素共同推动企业实现自主文化、现代云实践和跨学科敏捷团队。

图 4：麦肯锡提出的框架

具体而言，这一框架的顶层是战略路线图，需要明确 AI 转型愿景和路线图，确保高级管理团队达成共识。其次是人才培养，比如吸引力 AI 通过定制化培训，专家可以提高当前员工的技能，满足不同角色的需要。就商业模式而言，高管可以整合业务、技术和管理，专注于价值创造。采用模块化技术架构，快速适应技术 AI 技术进步。在数据方面，麦肯锡建议确保高质量数据的可访问性，使用 AI 提升客户体验和业务运作。最终要实现 AI 规模化，需要保证 AI 在管理转型风险的同时，解决方案在企业中得到有效推广。

总而言之，麦肯锡认为，工作场所的地方 AI 商业模式的挑战不是技术挑战，而是商业模式的挑战（business challenge），要求领导者和员工共同努力。领导者需要调整团队，应对人工智能的不利因素，重新布局公司的变革。

Learn from yesterday, live for today, hope for tomorrow.

—— Albert Einstein

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com