經(jīng)歷了快速升溫之后，關(guān)于AI的討論正在從技術(shù)熱潮轉(zhuǎn)向產(chǎn)業(yè)重構(gòu)，所有國家、企業(yè)、和個人面對更具體的問題：AI究竟會如何重構(gòu)產(chǎn)業(yè)與社會？智能體如何在企業(yè)中真正創(chuàng)造價值？組織的權(quán)力結(jié)構(gòu)和人才策略將如何被重塑？

日前，長江商學(xué)院AI智能產(chǎn)業(yè)研究部發(fā)起并組織了題為“新興市場的AI數(shù)字化轉(zhuǎn)型”的閉門研討會。長江商學(xué)院科技與運營杰出院長講席教授、AI智能產(chǎn)業(yè)研究部主任孫天澍教授，邀請了來自卡耐基梅隆大學(xué)、賓夕法尼亞大學(xué)沃頓商學(xué)院、紐約大學(xué)、明尼蘇達大學(xué)、清華大學(xué)、香港中文大學(xué)、新加坡國立大學(xué)等全球頂尖院校AI領(lǐng)域的10余位終身講席教授，圍繞上述問題分享了各自最新研究。

長江商學(xué)院院長李海濤教授歡迎了各位遠道而來的學(xué)者，并在開場致辭中指出，長江商學(xué)院自創(chuàng)校起，始終以全球視野和學(xué)術(shù)擔(dān)當(dāng)為己任，不僅關(guān)注AI技術(shù)本身，更聚焦AI對于企業(yè)、產(chǎn)業(yè)乃至全球經(jīng)濟發(fā)展的變革作用，推動產(chǎn)學(xué)研用的閉環(huán)。隨著基礎(chǔ)模型技術(shù)逐步成熟，AI競爭的關(guān)鍵正在從模型與硬件能力，轉(zhuǎn)向真實場景中的應(yīng)用落地能力。也正因如此，中國的AI發(fā)展模式對全球新興市場具有重要的參考意義，這也是長江商學(xué)院組織本次研討會的初心所在。

我們整理出研討會的部分觀點，分享給你。

01

AI不是輔助人類的工具

而是智能本身

孫天澍

長江商學(xué)院科技與運營杰出院長講席教授

AI智能產(chǎn)業(yè)研究部主任

“未來組織將從‘以人類為中心’向‘以AI為中心’轉(zhuǎn)變

AI是人類歷史上的第一次智能革命，這與以往任何一次工業(yè)革命的本質(zhì)都不同。

以往企業(yè)數(shù)字化中ERP、CRM等軟件系統(tǒng)，本質(zhì)上只是工具——它們處理數(shù)據(jù)、提供信息，但最終的決策權(quán)始終掌握在人類手中。而AI Agent則完全不同：它不僅能分析問題，還能獨立做出決策并執(zhí)行。

需要清晰地認識到：AI不再是輔助人類的工具，而是能夠端到端完成復(fù)雜任務(wù)、類似于人的智能主體本身。這種從“輔助決策”到“獨立決策”的跨越，正在推動未來組織架構(gòu)從“以人類為中心”向“以AI為中心”的轉(zhuǎn)變。

02

AI正讓傳統(tǒng)企業(yè)的核心資產(chǎn)

變成負債

孫天澍

長江商學(xué)院科技與運營杰出院長講席教授

AI智能產(chǎn)業(yè)研究部主任

“10人AI原生團隊+10000個Agent，可能比傳統(tǒng)大企業(yè)更高效

一個前所未有的現(xiàn)象正在發(fā)生：大量需要認知智能的工作，正被AI部分或完全替代。這種變化的直接后果是，許多傳統(tǒng)企業(yè)發(fā)現(xiàn)自己積累多年的核心人力資產(chǎn)，正在轉(zhuǎn)化為沉重的負擔(dān)。

更殘酷的是：從零開始搭建AI原生模式，比推動傳統(tǒng)企業(yè)AI轉(zhuǎn)型容易得多。

03

就業(yè)沖擊呈“啞鈴型”

中間階層才是最危險的群體

Lynn Wu

賓夕法尼亞大學(xué)沃頓商學(xué)院

運營、信息與決策終身教授

“從低技能到高技能的職業(yè)階梯，正在坍塌

基于加拿大20年機器人采用數(shù)據(jù)的研究顯示：高技能和低技能崗位相對安全，面臨最大威脅的是中等技能工作者。

更令人警惕的是長期效應(yīng)：短期內(nèi)就業(yè)可能增長，但中長期將出現(xiàn)職業(yè)晉升通道的斷裂——從低技能直接跨越到高技能的路徑幾乎不復(fù)存在。社會流動性也將因此面臨根本性重構(gòu)。

04

AI無處不在

但對生產(chǎn)力的助推作用尚不顯著

Lynn Wu

賓夕法尼亞大學(xué)沃頓商學(xué)院

運營、信息與決策終身教授

“AI正陷入新的‘生產(chǎn)力悖論’

盡管AI工具已經(jīng)滲透到幾乎所有行業(yè)，但初期統(tǒng)計數(shù)據(jù)顯示，并未觀察到AI對美國整體生產(chǎn)力的實際提升。

這與30年前“信息技術(shù)悖論”的歷史驚人相似——計算機遍布辦公室，但生產(chǎn)率數(shù)據(jù)卻遲遲不見起色。問題不在于AI能力不足，而在于組織尚未找到與AI真正匹配的工作流程和管理方式。

05

企業(yè)數(shù)據(jù)驅(qū)動決策的最大瓶頸

不是人才和技術(shù)不行

而是管理層不會提問

Ravi Bapna

明尼蘇達大學(xué)卡爾森管理學(xué)院

Curtis L. Carlson 講席教授

“大多數(shù)公司只用了3%的數(shù)據(jù)進行決策

企業(yè)普遍將數(shù)據(jù)科學(xué)人才短缺視為核心障礙，但真相是：大多數(shù)公司僅使用了3%的數(shù)據(jù)來支撐決策。瓶頸不在供給，而在于管理層對分析技術(shù)應(yīng)用場景的認知不足，無法提出有價值的業(yè)務(wù)問題。

許多頂尖院校畢業(yè)的數(shù)據(jù)科學(xué)家，在企業(yè)中實際上只是在“跑報表”。AI時代，最稀缺的不是會用數(shù)據(jù)的人，而是知道該問什么問題的人。

06

人機協(xié)作效果的關(guān)鍵

不是AI有多強

而在于人類“元認知”水平

Alok Gupta

明尼蘇達大學(xué)卡爾森管理學(xué)院

Curtis L. Carlson 講席教授

“人類不知道自己什么時候知道、什么時候不知道

一個反直覺的實驗發(fā)現(xiàn)：即使AI在某項任務(wù)上的準確率（80%）已顯著高于人類（60%），人機協(xié)作的最終效果也未必理想。

核心問題在于人類缺乏“元認知”——不知道自己什么時候知道、什么時候不知道。這種缺陷導(dǎo)致人們在簡單任務(wù)上過度依賴AI，在復(fù)雜任務(wù)上又不夠信任AI。

提升人機協(xié)作效果的第一步，不是升級AI，而是升級人類對自身判斷邊界的認知。

07

長期與AI協(xié)作

人類的判斷可能越來越趨同

Alok Gupta

明尼蘇達大學(xué)卡爾森管理學(xué)院

Curtis L. Carlson 講席教授

“AI正在悄悄消滅人類的認知多樣性

實驗發(fā)現(xiàn)，當(dāng)人類長期接受AI建議時，會出現(xiàn)一個危險趨勢：團隊成員的判斷逐漸趨同，原本存在的認知多樣性快速消失。

原因在于，當(dāng)人們觀察到AI總體表現(xiàn)良好時，批判性思維會隨之關(guān)閉，進而無條件接受AI建議。解決方案是讓AI變得更“挑剔”——只在真正有把握的時候才提供建議，這樣反而能保持人類思維的多樣性，最終獲得更好的協(xié)作效果。

08

AI的認知卸載

正在改變?nèi)祟愔R能力的底層結(jié)構(gòu)

Elena Karahanna

佐治亞大學(xué)特里商學(xué)院C.Herman and Mary Virginia Terry講席教授

“我們獲得了答案，但可能正在失去形成答案的能力

就像Google讓人們不再記憶可搜索的信息，大語言模型更豐富的知識庫，正在引發(fā)人類更深層的認知卸載——人們的信息處理能力、記憶能力都在下降。

更深刻的問題在于：人類通過與他人對話可以質(zhì)疑、辯論、完善知識；而與AI的互動缺乏這一批判性建構(gòu)過程。與AI協(xié)作獲得的是“合成知識”，它高效，但缺少讓知識真正內(nèi)化所需的摩擦與反思。

09

AI更擅長組合創(chuàng)新

而不是原創(chuàng)創(chuàng)新

Lynn Wu

賓夕法尼亞大學(xué)沃頓商學(xué)院

運營、信息與決策終身教授

“機器能同時處理1000個概念，人腦只能處理3到4個

研究發(fā)現(xiàn)，AI在組合創(chuàng)新（組合現(xiàn)有知識要素）方面的投資回報率高達7.3倍，在機器學(xué)習(xí)與機器人領(lǐng)域甚至達到70倍；但在突破性原創(chuàng)創(chuàng)新上，收益幾乎為零。

不過不用沮喪，恰恰相反：77%的經(jīng)濟增長來自組合創(chuàng)新，僅19%來自突破性創(chuàng)新。這意味著當(dāng)前AI的能力邊界，恰好能覆蓋經(jīng)濟價值最大的創(chuàng)新區(qū)間。

10

越是高跨度的創(chuàng)新任務(wù)

AI越能發(fā)揮作用

Khim Yong Goh

新加坡國立大學(xué)信息系統(tǒng)教授

信息系統(tǒng)及分析系主任

“把‘手表+香蕉’這種完全不相關(guān)的組合起來，AI的幫助反而最顯著

對照實驗顯示：AI對創(chuàng)意質(zhì)量的提升程度，與創(chuàng)新任務(wù)的“跨度”正相關(guān)——越是需要跨越不相關(guān)領(lǐng)域的突破性組合，AI幫助越大；越是常規(guī)的同類產(chǎn)品改進，AI的作用越有限。

結(jié)論對企業(yè)創(chuàng)新實踐有清晰啟示：把AI用在最需要突破性思維的高難度任務(wù)上，而非日常的漸進改良。AI不是加速器，而是破壁機。

11

組織架構(gòu)直接影響AI落地效果

Lynn Wu

賓夕法尼亞大學(xué)沃頓商學(xué)院

運營、信息與決策終身教授

“分散式結(jié)構(gòu)企業(yè)收益顯著，集中式結(jié)構(gòu)則收益有限

通過分析標普500企業(yè)的創(chuàng)新網(wǎng)絡(luò)發(fā)現(xiàn)，Google等分散式創(chuàng)新結(jié)構(gòu)的企業(yè)，在引入AI后實現(xiàn)了顯著的“渦輪增壓”效應(yīng)；而Apple等集中式創(chuàng)新結(jié)構(gòu)的企業(yè)，收益則相當(dāng)有限。

原因在于：AI的核心優(yōu)勢是組合創(chuàng)新，而分散式結(jié)構(gòu)天然允許更多元化的知識流動與組合，與AI能力形成良性匹配。同樣的工具，結(jié)構(gòu)不同，結(jié)果天壤之別。

12

AI時代最有競爭力的組織

是“扁平運營+集中決策”

孫天澍

長江商學(xué)院科技與運營杰出院長講席教授

AI智能產(chǎn)業(yè)研究部主任

“這兩件事看似對立，卻是AI時代高效組織的新范式

研究發(fā)現(xiàn)，采用扁平化組織結(jié)構(gòu)和精益創(chuàng)業(yè)方法論的企業(yè)，在AI轉(zhuǎn)型中表現(xiàn)更為出色——這類企業(yè)的員工普遍具備更強的跨職能協(xié)作能力和快速迭代思維，恰好是AI時代最需要的核心技能。

但與此同時，集中化的治理結(jié)構(gòu)同樣顯示出明顯優(yōu)勢：AI驅(qū)動的決策需要清晰的權(quán)責(zé)邊界和更快的執(zhí)行速度。扁平化的日常運營，加上集中化的戰(zhàn)略決策——兩者并行，才是新的組織解法。

13

未來的組織不再按職能劃分

而是像樂高一樣按需拼裝

徐心

清華大學(xué)經(jīng)濟管理學(xué)院

管理科學(xué)與工程系史帶講席教授

“智能中心提供不同類型的專業(yè)Agent，再與人類員工靈活組合成新的作戰(zhàn)單元

未來的組織邊界將根本性重構(gòu)：不再是固定的職能部門，而是圍繞項目需求，靈活調(diào)用人類員工與AI智能體，動態(tài)組合成新的作戰(zhàn)單元。

在這個結(jié)構(gòu)中，人與AI智能體的協(xié)作關(guān)系也將隨之改變——從“經(jīng)理管理員工”轉(zhuǎn)變?yōu)楦咏氨O(jiān)護人培養(yǎng)孩子”的模式：負責(zé)分析需求、監(jiān)督運營、處理異常，并耐心陪伴智能體在使用中持續(xù)迭代成長。

14

中層管理崗位面臨變革

管理者以新形態(tài)回歸

Lynn Wu

賓夕法尼亞大學(xué)沃頓商學(xué)院

運營、信息與決策終身教授

“他們不再是協(xié)調(diào)者，而是‘組織內(nèi)部的CEO單元’

機器人和AI被大規(guī)模采用的初期，傳統(tǒng)中層管理職位大量消失，決策權(quán)向CEO和一線員工兩端集中。

但最新數(shù)據(jù)顯示，管理者正在以新的形態(tài)回歸——他們更像“組織內(nèi)的CEO單元”，擁有更大的決策權(quán)和資源配置權(quán)限，承擔(dān)更多戰(zhàn)略性職能，而不再主要負責(zé)傳統(tǒng)的協(xié)調(diào)和監(jiān)督。

15

組織層面最優(yōu)的人機分工：

AI處理簡單任務(wù)，人類專攻邊緣難題

Alok Gupta

明尼蘇達大學(xué)卡爾森管理學(xué)院

Curtis L. Carlson 講席教授

“不是讓人和AI搶同一類工作，而是把人力重新部署到AI最難勝任的部分

最佳的人機分工策略不是讓AI與人類競爭相同任務(wù)，而是實現(xiàn)能力互補：AI承接大量標準化的簡單任務(wù)，釋放出來的人力重新配置到AI無法勝任的邊緣案例與復(fù)雜決策上。

有現(xiàn)實企業(yè)案例驗證，銀行在用AI自動化常規(guī)業(yè)務(wù)后，反而增加了專門處理復(fù)雜案例的人員編制�！疤娲�(yīng)”疊加“分配效應(yīng)”，能夠同時實現(xiàn)成本節(jié)約與整體績效提升。

16

AI工具對資深員工的幫助

遠大于對新手的幫助

徐心

清華大學(xué)經(jīng)濟管理學(xué)院

管理科學(xué)與工程系史帶講席教授

“AI放大能力，但前提是你得先有能力

在軟件開發(fā)團隊中的研究發(fā)現(xiàn)，編程AI工具對經(jīng)驗豐富的程序員提升顯著，對新手程序員的幫助則相當(dāng)有限。

這對企業(yè)人才策略有直接沖擊：依賴AI跳過初級員工培養(yǎng)周期的企業(yè)，可能正在以長期人才儲備枯竭為代價換取短期效益。

17

專業(yè)眼光和審美判斷

在AI時代反而更值錢了

Khim Yong Goh

新加坡國立大學(xué)信息系統(tǒng)教授

信息系統(tǒng)及分析系主任

“自由職業(yè)設(shè)計師使用AI后，定價平均上漲了32%

對自由職業(yè)平臺設(shè)計師的跟蹤研究顯示：轉(zhuǎn)向AI工具后，服務(wù)定價平均提升32%。這并非因為完成任務(wù)變快了，而是作品本身的質(zhì)量躍升——畫面更復(fù)雜，情感表達更到位，審美層次更高。

更耐人尋味的是：強調(diào)自身專業(yè)功底的設(shè)計師漲價幅度最大，過分炫耀AI技術(shù)的反而不受市場青睞。AI工具的真正價值，是幫助人類做出以前做不到的東西，而不是替代人類。

18

訓(xùn)練模型數(shù)據(jù)不夠？

AI或許能幫忙

張曉泉

香港中文大學(xué)商學(xué)院

偉倫商業(yè)人工智能講席教授

“數(shù)據(jù)稀缺領(lǐng)域中，生成合成數(shù)據(jù)可能比等待真實數(shù)據(jù)更有效

在企業(yè)落地AI的實際場景中，時常會面臨“數(shù)據(jù)太少”的困境：要么獲取成本極高，要么需要等待很長時間才能積累足夠樣本。生成式AI提供了一個反直覺的解決方案：基于現(xiàn)有數(shù)據(jù)的內(nèi)在規(guī)律，生成大量合成數(shù)據(jù)進行訓(xùn)練。雖然合成數(shù)據(jù)帶有噪聲，但當(dāng)數(shù)量足夠大時，噪聲會相互抵消，底層的真實模式反而會被放大。

以金融行業(yè)為例，用過去10年的真實數(shù)據(jù)生成200萬個合成數(shù)據(jù)點進行訓(xùn)練，可以將預(yù)測準確率從3%提升至13%。

19

企業(yè)需警惕AI云服務(wù)的鎖定效應(yīng)

Anindya Ghose

紐約大學(xué)斯特恩商學(xué)院

技術(shù)與市場營銷學(xué)講席教授

“一旦選定了一個生態(tài)系統(tǒng)，想更換幾乎不可能

在AI時代，一旦企業(yè)選擇了某家AI云服務(wù)，基本上就被永久鎖定了。這與傳統(tǒng)軟件時代完全不同——以前企業(yè)使用Office不滿意可以換Google Docs，遷移成本只是文件格式轉(zhuǎn)換的麻煩。但AI時代，企業(yè)的數(shù)據(jù)不僅存儲在云平臺上，還被用來訓(xùn)練模型、優(yōu)化算法；業(yè)務(wù)流程從數(shù)據(jù)接口、API調(diào)用到模型部署都已深度定制化。這種全方位的技術(shù)綁定，讓“更換服務(wù)商”變成了幾乎不可能完成的任務(wù)。

最受傷的是中小企業(yè)。它們一旦選擇某個云服務(wù)商，就失去了議價能力和退出權(quán)利，只能接受對方的定價和服務(wù)條款。

20

新興市場必須在10年內(nèi)完成

發(fā)達國家用了100年走完的數(shù)字化進程

孫天澍

長江商學(xué)院科技與運營杰出院長講席教授

AI智能產(chǎn)業(yè)研究部主任

“新興國家被迫要完成‘流程化、信息化、數(shù)字化、智能化’的‘并行發(fā)展’，要抓住AI原生轉(zhuǎn)型的獨特機遇

發(fā)達國家的數(shù)字化經(jīng)歷了一個從容的百年進程：工業(yè)革命的流程標準化、信息技術(shù)普及、再到AI革命，三個階段依次展開。新興市場沒有這個時間窗口——許多企業(yè)甚至還未建立基本的管理流程和IT系統(tǒng)，就必須直接面對AI轉(zhuǎn)型的挑戰(zhàn)。

但危機之中藏著機遇：一些新興市場國家正在直接跳過傳統(tǒng)IT基礎(chǔ)設(shè)施建設(shè)階段，從零開始構(gòu)建AI原生的數(shù)字體系。與企業(yè)同理，沒有歷史包袱，反而可能是最輕盈的起跑姿勢。

21

新興市場最大挑戰(zhàn)在于AI人才密度

孫天澍

長江商學(xué)院科技與運營杰出院長講席教授

AI智能產(chǎn)業(yè)研究部主任

“產(chǎn)業(yè)呼喚能融合業(yè)務(wù)場景和智能體能力，用AI架構(gòu)下一代業(yè)務(wù)的AI架構(gòu)師

以AI人才密度衡量，大多數(shù)新興市場國家僅為美國的十分之一；印度尼西亞、馬來西亞等國甚至可能只有百分之一的水平。

這種差距遠不止于技術(shù)人員數(shù)量——更體現(xiàn)在能夠判斷AI應(yīng)用方向的領(lǐng)導(dǎo)力、經(jīng)過積累的數(shù)據(jù)資產(chǎn)，以及將AI技術(shù)與本地業(yè)務(wù)場景有效結(jié)合的能力上。人才稀缺，是新興市場AI轉(zhuǎn)型最深層的結(jié)構(gòu)性約束。

22

AQ：與AI協(xié)作和架構(gòu)AI的能力

將成為AI時代最重要能力

孫天澍

長江商學(xué)院科技與運營杰出院長講席教授

AI智能產(chǎn)業(yè)研究部主任

“未來的競爭，將在很大程度上發(fā)生在AQ這個維度上，越早開始培養(yǎng)越好

情商（EQ）與智商（IQ）將在AI時代被重新定義。AI時代的情商將是與智能體協(xié)作、完成認識的能力，而AI時代的智商將是創(chuàng)造和架構(gòu)智能體的能力，這種全新的核心能力——可以稱之為AQ——正變得不可或缺。

AQ是AI時代的智商與情商，它的核心不在于會用哪款A(yù)I工具，而是一方面，在理性上能去架構(gòu)以智能體為中心的下一代系統(tǒng)與組織形態(tài)；另一方面在感性上理解如何與AI進行有效共創(chuàng)，判斷何時信任AI、何時質(zhì)疑AI，并在人機協(xié)同中保持戰(zhàn)略主體性和能動性。

未來人與人的差異，將在很大程度上反映在AQ的兩個維度上，從現(xiàn)在開始，就需要培養(yǎng)與AI協(xié)作的基本素養(yǎng)，越早越好。

長江商學(xué)院AI智能產(chǎn)業(yè)研究部簡介

長江商學(xué)院AI智能產(chǎn)業(yè)研究部由孫天澍教授發(fā)起并主持。該研究部致力于連接科技與產(chǎn)業(yè)、理論與實踐，圍繞人工智能驅(qū)動下的產(chǎn)業(yè)變革，與企業(yè)、行業(yè)及政府共同探索一條兼具全球視野與中國特色的智能產(chǎn)業(yè)發(fā)展路徑。

研究部重點關(guān)注人工智能及相關(guān)前沿技術(shù)的發(fā)展與應(yīng)用，特別聚焦大模型、AI智能體、數(shù)據(jù)智能、云計算、企業(yè)服務(wù)（IaaS/PaaS/SaaS）、物聯(lián)網(wǎng)、智能制造等方向，同時研究與AI時代相適配的技術(shù)戰(zhàn)略、商業(yè)模式、組織形態(tài)、人才體系、行業(yè)標準與產(chǎn)業(yè)政策。

在延續(xù)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型研究基礎(chǔ)上，研究部進一步拓展AI原生研究，尤其關(guān)注AI智能體驅(qū)動下的新型企業(yè)能力、組織協(xié)作方式與產(chǎn)業(yè)生態(tài)演化，推動從技術(shù)突破到產(chǎn)業(yè)落地、從企業(yè)創(chuàng)新到產(chǎn)業(yè)重構(gòu)的系統(tǒng)性思考。

AI智能產(chǎn)業(yè)研究部將立足中國產(chǎn)業(yè)實踐，面向全球技術(shù)前沿，打造一個匯聚學(xué)術(shù)界、產(chǎn)業(yè)界與政策界的共創(chuàng)平臺，推動關(guān)于智能產(chǎn)業(yè)發(fā)展的前沿討論、頂層設(shè)計與落地實踐，持續(xù)通過學(xué)術(shù)研討、技術(shù)論壇、行業(yè)會議等形式，支持科技與商業(yè)交叉領(lǐng)域的學(xué)術(shù)研究、教育培養(yǎng)、社區(qū)共享與企業(yè)合作。

文中圖片來自圖蟲創(chuàng)意，轉(zhuǎn)載需獲授權(quán)

點擊下方卡片，關(guān)注長江商學(xué)院