2025年1月28日，麥肯錫數字化咨詢部門發布《工作場所的超級代理：賦能人們釋放人工智能的全部潛力》（Superagency in the workplace: Empowering people to unlock AI’s full potential）報告，報告討論了人工智能對工作場所的變革性影響。啟元洞見編譯報告主要內容，旨在為讀者了解企業的人工智能技術與商業準備情況提供參考。

人工智能已經進入工作場所，并有可能像蒸汽機對19世紀工業革命的影響一樣具有變革性。憑借Anthropic、Cohere、谷歌、Meta、Mistral、OpenAI等企業開發的強大的大語言模型（LLM），人們已經進入了一個新的信息技術時代。本報告探討了企業采用人工智能的技術和商業準備情況，并得出結論，員工已經為人工智能做好了準備。成功的最大障礙是領導力。

一、與蒸汽機一樣強大的創新

想象一下這樣一個世界：機器不僅能從事體力勞動，還能思考、學習并自主決策。與以往任何發明不同，人工智能驅動的軟件可以適應、規劃、指導甚至做出決策。這就是為什么人工智能可以在生活的幾乎每個方面促進前所未有的經濟增長和社會變革。它將重塑人技以及人際互動。

在過去兩年里，人工智能取得了突飛猛進的發展，由于成本更低，獲取能力的途徑更多，企業采用人工智能的速度也加快了。出現了許多人工智能創新?？傮w而言，本文認為有五大業務創新正在推動下一波影響：增強的智能和推理能力、人工智能體、多模態、改進的硬件創新和計算能力以及更高的透明度。

（一）智能和推理能力不斷提高

人工智能正變得越來越智能。如今的模型已接近擁有高級學位的人的智力水平。GPT-4可以輕松通過統一律師資格考試，在應試者中排名前10%。

推理增強了人工智能的復雜決策能力，使模型能夠超越基本理解，達到細致入微的理解。OpenAI的o1或谷歌的Gemini 2.0 Flash Thinking Mode等模型能夠在響應中進行推理，從而為用戶的交互提供一個類似人類的思維伙伴，而不僅僅是一個信息檢索和合成引擎。

（二）人工智能體自主行動

推理能力越來越強，使模型能夠自主采取行動，完成工作流程中的復雜任務。例如，2023年，人工智能機器人可以通過綜合和匯總大量數據（包括語音信息、文本和技術規范）來支持呼叫中心代表，從而為客戶的詢問提供回復建議。2025年，人工智能體可以與客戶交談，并計劃之后將采取的行動。例如，處理付款、檢查欺詐行為和完成發貨操作。

（三）多模態將文本、音頻和視頻結合在一起

如今的人工智能模型正朝著更先進、更多樣化的數據處理能力方向發展，涵蓋文本、音頻和視頻。在過去兩年中，本報告看到每種模式的質量都有所提高。例如，OpenAI的Sora演示顯示了其將文本翻譯為視頻的能力。

（四）硬件創新正在提升性能

硬件創新和由此帶來的計算能力的提升不斷提高人工智能的性能。專用芯片可實現更快、更大和更多功能的模型。企業現在可以采用需要高處理能力的人工智能解決方案，實現實時應用和可擴展性。例如，一家電子商務企業可以利用先進的圖形處理器（GPU）和張量處理單元（TPU），實施人工智能驅動的聊天機器人，從而顯著改善客戶服務。利用分布式云計算，該企業可以確保在流量高峰期實現最佳性能。通過整合邊緣硬件，企業可以部署分析受損產品照片的模型，從而更準確地處理保險索賠。

（五）透明度不斷提高

人工智能正在逐漸降低風險，但仍然缺乏更大的透明度和可解釋性。這兩點對于提高人工智能的安全性和減少偏見的可能性都至關重要，而這是大規模企業部署的當務之急。

目前，除了大語言模型，其他形式的人工智能和機器學習（ML）也在提高可解釋性，使支持重大決策（如信用風險評估）的模型輸出可以追溯到為其提供信息的數據。這樣一來，關鍵系統就可以在近乎持續的基礎上進行測試和監控，以防止模型漂移和數據輸入變化造成的偏差和其他日常危害。

二、員工已為人工智能做好準備，現在領導者必須站出來

（一）超越臨界點

在我們的調查中，幾乎所有員工（94%）和最高管理層領導（99%）都表示對生成式人工智能工具有一定程度的熟悉。然而，企業領導者低估了他們的員工使用生成式人工智能的廣泛程度。最高管理層估計，只有4%的員工在至少30%的日常工作中使用生成式人工智能，而實際上，根據員工自我報告，這一比例是前者估計的三倍（圖1）。雖然只有20%的領導者認為員工會在一年內將生成式人工智能用于超過30%的日常任務，但員工自我報告的可能性是前者預期的兩倍（47%）。

圖1 員工實際使用生成式人工智能的可能性是領導者預期的三倍

（二）領導者可以對員工進行更多投資

員工預計人工智能將對他們的工作產生巨大影響。現在，他們希望企業投資于有助于其成功的培訓。在本報告的調查中，近一半的員工表示，他們希望接受更正式的培訓，并認為這是促進人工智能采用的最佳方式。他們還希望以測試版或試點的形式獲得人工智能工具，并表示經濟獎勵和認可等激勵措施可以提高采用率。

然而，員工沒有得到他們需要的培訓和支持。超過五分之一的受訪者表示，他們得到的支持很少甚至沒有（圖2）。

圖2 員工渴望獲得更多關于生成式人工智能的支持和培訓

（三）高層領導者可以幫助千禧一代引領潮流

許多35至44歲的千禧一代是其企業的經理和團隊領導。在本報告的調查中，他們自我報告說在人工智能方面擁有最豐富的經驗和熱情，這使他們成為轉型變革的天然擁護者。千禧一代是最活躍的一代人工智能用戶。大約62%的35至44歲員工表示具有高水平的人工智能專業知識，而在18至24歲的Z世代和65歲以上的嬰兒潮一代中這一比例分別為50%和22%（圖3）。通過利用這種熱情和專業知識，領導者可以幫助千禧一代在人工智能采用中發揮關鍵作用。

圖3 年齡在35至44歲的千禧一代對人工智能持樂觀態度，其中90%的人對自己的生成式人工智能能力充滿信心

三、提供速度和安全性

（一）速度與安全的兩難境地

監管和安全通常被視為難以克服的挑戰。領導者希望增加人工智能投資并加速發展，但他們在如何確保人工智能在工作場所的安全方面卻舉步維艱。員工非常清楚人工智能面臨的安全挑戰。他們最關心的是網絡安全、隱私和準確性（圖4）。

圖4 員工對生成式人工智能存在擔憂，主要涉及網絡安全風險、準確性問題和數據泄露

（二）員工相信企業領導者能夠正確決策

盡管員工承認人工智能存在風險，甚至有可能取代他們相當一部分工作，但他們高度信任自己的雇主能夠安全、合乎道德地部署人工智能。值得注意的是，71%的員工相信他們的雇主在開發人工智能時會以合乎道德的方式行事。事實上，他們更信任雇主，而不是大學、大型科技企業和科技初創企業（圖5）。

圖5 員工最信任他們的雇主來安全推廣生成式人工智能

（三）生成式人工智能風險管理

有學者認為，新風險自然會伴隨著新功能產生，這意味著風險應該得到管理，但不一定會消除。建立適合的風險管理的第一步是啟動全面評估，以識別企業每項業務中的潛在漏洞。然后，領導者可以建立強大的治理結構，實施實時監控和控制機制，并確保持續培訓和遵守監管要求。

四、懷揣更大的抱負

（一）人工智能投資因行業而異

不同的行業有不同的人工智能投資模式。在前25%的消費者中，醫療保健、技術、媒體和電信、先進工業和農業領域的企業處于領先地位（圖6）。金融服務、能源和材料、消費品和零售、硬件工程和建筑以及旅游、運輸和物流領域的企業支出較少。

圖6 企業在生成式人工智能上的支出與其行業的經濟潛力不匹配

（二）在某些行業，員工很謹慎

公共部門以及航空航天、國防和半導體行業的員工在很大程度上對人工智能的未來發展持懷疑態度。在公共部門以及航空航天和國防領域，只有20%的員工預計人工智能將在明年對他們的日常工作產生重大影響，而在媒體和娛樂行業（65%）以及電信行業（67%），這一比例約為三分之二（圖7）。

圖7 公共部門、航空航天和半導體行業的員工對生成式人工智能最不樂觀

（三）某些功能還有很大的提升空間

本報告的研究發現，人工智能最具經濟潛力的職能領域也是員工前景不樂觀的領域。銷售和營銷、軟件工程、客戶服務和研發部門的員工貢獻了人工智能總經濟潛力的約四分之三，但這些部門員工的自我報告樂觀程度處于中等水平（圖8）。

圖8 對生成式人工智能最樂觀的員工并不代表最具經濟價值潛力的群體

（四）生成式人工智能尚未實現企業范圍的投資回報率，但這種情況可能會發生變化

在所有行業中，受訪的高管表示，企業范圍內的人工智能投資回報有限。只有19%的受訪者表示收入增長了5%以上，另有39%的受訪者表示收入增長了1%至5%，36%的受訪者表示沒有變化（圖9）。只有23%的受訪者認為人工智能帶來了成本方面的有利變化。

圖9 生成式人工智能尚未為企業帶來顯著的投資回報

（五）雄心勃勃可以幫助解決大問題

為了真正利用人工智能的潛力，企業必須挑戰自我，設想并實施更多突破性計劃。人工智能時代的成功不僅取決于技術部署或員工意愿，還取決于有遠見的領導。該技術已經非常強大且發展迅速，員工比領導者想象的要做好準備。領導者擁有比他們意識到的更多的權限空間，可以在工作場所快速部署人工智能。為此，領導者需要將雄心壯志擴展到系統性變革，為真正的競爭差異化奠定基礎。

五、技術不是規?；恼系K

（一）減慢執行速度的運營阻力

企業采用人工智能面臨幾個運營阻力。本報告的訪談和研究揭示了最具挑戰性的五個方面：調整領導層、解決成本不確定性、勞動力規劃、管理供應鏈依賴性以及滿足對可解釋性的需求。

1.領導層一致性是具有挑戰性但關鍵的第一步

確保高層領導就戰略主導的生成式人工智能路線圖達成共識并非易事。應對這一挑戰的關鍵首先是認識到領導層協調不能被過分簡化或假設。這一過程需要各個業務領域的高層領導的持續參與，每個領域可能都有不同的目標和風險偏好。領導者必須共同明確定義價值所在、人工智能將如何推動這一價值以及如何降低風險。

2.成本不確定性使企業難以預測投資回報率

雖然領導者可以為人工智能試點制定預算，但大規模構建和管理人工智能應用程序的全部成本仍然不確定。規劃有限的試點與評估成熟解決方案的成本非常不同，后者能夠在日常工作中多次輔助大多數員工。這種差異帶來了復雜的權衡。然而，為了跟上人工智能的發展步伐，技術領導者必須優先加快決策進程。

3.勞動力規劃比以往任何時候都更加困難

一方面，雇主難以確定所需的人工智能專家數量及其技能要求，甚至缺乏相應的人才儲備。他們無法預測招聘所需的時間，也不確定如何在入職后保持自身對人才的吸引力。另一方面，人工智能的發展速度未知，可能迅速減少對其他技能的需求，從而使勞動力再平衡和再培訓變得必要。

4.供應鏈依賴性可能會造成嚴重破壞

脆弱的供應鏈可能會使企業面臨中斷以及技術、監管和法律挑戰。人工智能供應鏈是全球性的，其中大量的研發集中在中國、歐洲和北美，半導體和硬件制造集中在東亞和美國。當今的地緣政治很復雜。此外，模型和應用程序越來越多地在許多國家/地區的開源論壇中創建。

5.對更高可解釋性的需求是一個核心挑戰

安全的人工智能部署越來越成為必需。然而，大多數大語言模型通常是黑匣子，無法揭示它們為何或如何做出某種反應，也無法揭示做出這種反應所用的數據。如果人工智能模型無法為其響應、建議、決策或行動提供明確的理由，那么它們在關鍵任務中將不被信任。

（二）為了獲取人工智能的價值，領導者必須重塑企業

1.適應性

人工智能技術的發展日新月異，組織必須迅速采用新的最佳實踐，才能在競爭中保持領先。這些最佳實踐可能涉及新技術、人才引進、商業模式創新或產品升級。隨著自然語言成為集成媒介，人工智能系統的兼容性不斷增強，使企業能夠更順暢地交換、升級和集成模型與工具。這種模塊化特性不僅避免了供應商鎖定的風險，還使企業能夠迅速利用最新的人工智能進展，而無需頻繁重構其技術棧。

2.聯合治理模型

數據和模型的有效管理可以在確保風險可控的同時，賦能團隊自主開發人工智能工具。領導者可直接監督高風險或高影響力問題，例如制定政策和流程，以監測模型及其輸出的公平性、安全性和可解釋性。同時，他們可以設定總體方向，并將部分監控任務委托給業務部門，包括衡量基于績效的標準，例如準確性、速度和可擴展性。

3.預算靈活性

鑒于跨模型的技術進步，以及策劃大語言模型、小語言模型（SLM）和智能體的最佳組合的機會，企業領導者應保持預算的靈活性。這有助于企業同時優化其人工智能部署的成本和性能。

4.人工智能基準

如果技術人員齊心協力采用標準化的公共基準，并且如果更多的高管開始使用基準（包括倫理基準），模型透明度和問責制將得到改善，人工智能的采用率也將提高，即使在持懷疑態度的員工中也是如此。

5.人工智能特定的技能差距

值得注意的是，46%的領導者認為員工隊伍中的技能差距是采用人工智能的重大障礙。領導者需要吸引和雇用頂級人才，包括數據科學家和人工智能集成專家。他們還需要致力于創造一個對技術人員有吸引力的環境。例如，這可能意味著為他們提供充足的實驗時間，提供對尖端工具的訪問，創造參與開源社區的機會，并促進協作工程文化。提升現有員工的技能同樣重要：麥肯錫的人才和組織績效實踐的研究強調了為特定角色定制培訓的重要性，例如為技術團隊成員提供創建庫的訓練營，同時為特定職能團隊提供及時的工程課程。

6.以人為本

為了保證公平公正，企業領導者必須在人工智能開發過程中盡早并經常吸收不同的觀點，并與團隊保持透明的溝通。就目前而言，只有不到一半的高層領導者表示，他們會讓非技術員工參與人工智能工具的早期開發階段，特別是構思和需求收集階段。此外，領導者可以通過誠實地說明新技能要求和員工人數變化來體諒員工對人工智能對潛在失業影響的不安。構建論壇，使員工可以在其中就人工智能應用程序提供意見、表達顧慮和分享想法，對于維護透明、以人為本的文化非常有價值。

六、結論：迎接人工智能的未來

現在是領導者做出大膽的人工智能承諾并通過在職培訓和以人為本的發展來滿足員工需求的時刻。領導者和員工必須問自己一些重大問題。領導者應該如何定義他們的戰略重點并在顛覆中有效地引導他們的企業？員工如何確保他們為工作場所的人工智能過渡做好準備？這些問題沒有簡單的答案，但關于如何最好地解決這些問題，人們正在形成共識。例如，一些企業同時部署自下而上和自上而下的方法來推動人工智能采用。自下而上的行動通過學習課程等計劃幫助員工試用人工智能工具。自上而下的技術將高管們聚集在一起，從根本上重新思考人工智能如何改進欺詐管理、客戶體驗和產品測試等主要流程。

隨著企業尋求從人工智能試點轉向人工智能成熟，這些行動至關重要。如今，只有1%的企業領導者表示他們的企業已經成熟。在未來三年內，隨著對技術投資的增長，領導者必須進一步提高這一比例。他們應該充分利用員工的準備情況，加快人工智能實施的速度，同時確保信任、安全和透明度。目標很簡單：抓住生成式人工智能的巨大潛力，以推動創新并創造真正的商業價值。

轉自丨啟元洞見

研究所簡介

國際技術經濟研究所（IITE）成立于1985年11月，是隸屬于國務院發展研究中心的非營利性研究機構，主要職能是研究我國經濟、科技社會發展中的重大政策性、戰略性、前瞻性問題，跟蹤和分析世界科技、經濟發展態勢，為中央和有關部委提供決策咨詢服務。“全球技術地圖”為國際技術經濟研究所官方微信賬號，致力于向公眾傳遞前沿技術資訊和科技創新洞見。

地址：北京市海淀區小南莊20號樓A座

電話：010-82635522

微信：iite_er