陈晓萍:企业用上AI,为何组织效率只涨5%到10%?
近日,2026《管理视野》年度论坛在复旦大学管理学院政立院区举办。论坛以“AI时代的管理:从组织变革到人的未来”为主题,汇聚学界与产业界嘉宾,共同探讨技术变革背景下的组织转型与管理创新。 在论坛上,华盛顿大学福斯特商学院Philip M. Condit讲席教授、《管理视野》学术主编陈晓萍教授作主题分享。在她眼中,我们正
2026《管理视野》年度论坛近日在复旦大学管理学院政立院区举行,主题定为“AI时代的管理:从组织变革到人的未来”。学界和产业界的嘉宾到场,围绕技术变革之下组织如何转型、管理如何创新展开讨论。
华盛顿大学福斯特商学院Philip M. Condit讲席教授、《管理视野》学术主编陈晓萍在论坛上做了主题分享。她认为,眼下是“组织的AI初级时代”,这个阶段最缺的人才会写代码不算,会用工具也不算,真正稀缺的是具备管理能力的新型员工。下面的内容依据她在本次论坛的演讲整理,并经过她本人审阅确认。
我研究组织行为和人力资源管理有些年头了,课题从跨文化管理、个体与群体决策,做到领导力、管理沟通,再到创业者的激情。平时盯的都是组织里的人——他们怎么做决策、怎么协作、怎么在制度的缝隙里守住判断力。最近两三年,一个新变量把我这些老问题全照亮了,那就是AI。今年夏天,我和一位同样做管理研究的同事深谈了一次,又读了一批企业案例,一个判断慢慢在心里成形:我们正处在“组织的AI初级时代”,这个时代最稀缺的,不是会写代码的人,也不是会用工具的人,而是具有管理能力的新型员工。
一个令人不安的落差
先摆一组数字。麦肯锡2026年的全球企业调研报告显示,将近百分之九十的受访企业已经在至少一项业务职能里常态化使用AI工具,普及速度相当惊人。可接下来的问题才是关键:用上AI之后,组织整体生产率提高了多少?中位数只有大约5%到10%。另一边,管理学的多项研究发现,个体员工在AI赋能之后,效率提升普遍在30%以上。
个体提升30%,落到组织层面只剩5%到10%。这个落差才是真正该琢磨的地方。它意味着,AI在个人手里发挥出的威力,并没有变成组织的效能。症结在哪儿?
我那位同事过去两年带着团队研究企业的全面AI化,在即将出版的新书《人机契合:AI时代组织跃迁的四态六维模型》里提出了一个我很认同的框架,作者是王旭丹、陈剑文、吴传娟,机械工业出版社2026年出版。按这个框架,AI进入企业会经历四种形态。第一种是工具态,AI作为辅助工具被局部调用,解决单点问题,流程、岗位、协作方式基本不动,我们每个个人用户现在就处在这个状态。第二种是伙伴态,AI开始稳定参与工作,人和AI形成相对清晰的分工。第三种是器官态,AI嵌入关键业务流程,成为经营与执行的必需节点,整个组织的岗位和流程开始重写。第四种是土壤态,AI成了默认在场的认知与生产环境,没了它,组织几乎转不动。
拿这个框架去回看那个5%到10%的数字,答案就清楚了:绝大多数企业还停在工具态,少数到了伙伴态,真正进入器官态和土壤态的,全球可能不到5%。书里对这些企业做了详尽的案例剖析,SHEIN(希音)、Tesla(特斯拉)是其中的典型。这正好印证了我多年研究里的一个基本判断:技术从来不是组织效能的充分条件,组织结构与人的能力才是那个乘数。AI放大的,是组织原本的样子——组织理顺了,AI是杠杆;组织没有变,AI只是昂贵的点缀。
裁员潮:初级时代的阵痛
我想提醒大家注意的是,即便绝大多数企业还处在工具态和伙伴态,裁员的浪潮已经汹涌而至。
我生活和工作的地方是西雅图,华盛顿大学就在这里,微软、亚马逊、波音的总部同样设在此地。过去一年里,亚马逊裁掉了三万名员工,对当地居民和经济的冲击是实实在在的;微软在裁掉一万五千人以后,今年又推出一项鼓励提前退休的方案——并非强制走人,而是给大约十个月薪酬的补偿,折合人民币上百万元。有位朋友在方案公布前不久刚自己办了退休,我替她觉得可惜,她只好苦笑着说:“我也预测不到呀。”Google、Intel也在大幅收缩,原因是AI已经能直接干完大量编程活,中层管理者同样被成批裁掉。金融业也没躲过去,花旗、摩根士丹利、高盛都列出了数千人的裁员名单,Anthropic推出面向金融行业的AI工具后,冲击来得更加直接。就连UPS、迪士尼这样的企业也在缩减规模。
而这还只是AI的初级形态。假如企业继续朝器官态、土壤态的方向走,那些标准化的、重复的、能用规则讲清楚的工作,会更多交到系统手里。到那时,只会做这类工作的人该往哪里去?去还没用上AI的公司,也许还能找到位置;留在正在转型的企业里,就得添上新本领。我看到的根本变化在于:员工在公司的角色已经变了,从执行者转为判断者,从“我只做这件事”转为“我懂得怎么让AI去做这件事”。执行层面的事,AI大体都能应付;判断、设计以及承担责任,还是人的事。
这一点我想多讲两句。我个人一直认为,有责任心的企业不该把所谓“冗余”的员工一裁就完。帮员工转到新角色上去,既是企业在这个时代该担的责任,也是对组织长期能力的一种投入。这和我研究领导力多年反复见到的规律对得上:真正能熬过周期的组织,没有哪一个不是在变革里把人摆在中心位置的。
AI初级时代的三项核心能力
那新角色要具备哪些能力?我之所以说“AI初级时代”,是因为等真正成熟的高级阶段到来,组织形态会变成另一个样子;眼下这个过渡期里,员工最需要的,是三项与管理直接相关的能力。没错,AI时代的员工得是管理者——哪怕他手下一个人都没有,也要管着一群AI。
第一项,重构岗位的能力。
AI时代的岗位不再是一张固定的任务清单,而是一组不断变动、需要的能力。员工得想清楚:哪些任务能整个交给AI,哪些非得由人来做,哪些要人和机器配合。拿人力资源部门的招聘来说:从前海量简历的初筛要一大群人,初面沟通又要一大群人;如今两个AI agent大体就能把这两段活接下来——当然,前提是人先给它们定好标准、权重和流程,再判断筛选结果准不准,而复试这一环仍然要人亲自到场,甚至主管也得出面。能把这套流程重新设计出来的人,就完成了岗位的再造;做不到这个转变的人,只能走人。
岗位被重新拆分,背后是四条逻辑在变。第一条,岗位的底座从任务清单换成了能力清单。过去的岗位描述(job description)把活儿拆得很细,如今更看重一份能力清单——具体任务可以交给AI,能力却得由人扛起来。说到这儿,我常想起以前教过的一些日本学生。他们讲,日本企业招人不太计较你读什么专业,东京大学毕业、训练到位就要你,进来以后按岗位需要再分配,因为企业认定你学得会新东西。美国企业走的是另一条路:专业对口、分工精细,进门就守一个坑。到了AI时代,反倒是前一种思路显出后劲——岗位的底子已经从“你会干哪些活”变成了“你有哪些本事”。第二条,从执行者变成设计者,员工不只是照流程走,还要去设计流程、盯着流程、不断把流程调优。第三条,从个人活儿变成系统活儿,得看清全局,不能只守自己那一小段。第四条,从单线程变成多线程,同时管住好几个AI agent,把它们之间的输入输出协调好。
第二项本事,是协调AI agent。
一个人同时跟几个AI agent搭班子干活,正在变成寻常事。某互联网公司的产品经理小林,一天里同时使唤三个AI agent:一个做用户行为分析,讲理性但会漏掉情绪;一个画界面草图,有文艺气但精度不够;一个写需求文档,逻辑严密却不接地气。这三个“人”各有专长、各有脾气,小林干的是指挥家的活——让它们互相通气、彼此商量,在“更有艺术性”和“足够精确”之间找出最优解。
这个场面我太眼熟了。群体决策和团队动力学我研究了几十年,真人团队里的摩擦见过无数:分析派瞧不上创意派,严谨派跟现实派谈不拢。眼下这出戏换到了人机之间上演,只是“团队成员”变成了AI agent。要当稳这个指挥家,先得摸透每个agent的脾性;而摸透的前提,是你已经真的接受了AI、会用AI。在这之上,还要给它们立共同目标、定规则、约好沟通方式,它们起冲突时由你拍板,整个过程中人的温度和价值观不能丢。
还有一件事,说出来心里有点复杂:得想办法把隐性知识蒸馏出来。所谓的tacit knowledge(隐性知识),往往是“只可意会不可言传”的那部分——多年前我写过一本讲文化与沟通的书《无有言说》(What Isn't Being Said),聊的正是文化里那些没被说出口、却管着人行为的东西。现在AI逼着我们把“无有言说”的部分说出来。老练的客服,客户一进门就知道对方火气不小,得先安抚,而不是照标准话术念“请耐心等待”;老练的财务,几张单据往一块摆就觉得不对头,一时说不出所以然,细看才发现日期对不上、那天压根没人上班、报销人却说自己在外出差。这种一眼看穿的敏锐,就是隐性知识。想让AI学会,就得把经验拆成步骤、把直觉拆成逻辑。一个好办法是讲故事:识别模式是AI最拿手的本事之一,道理讲不清没关系,一个故事接一个故事地讲,它能从故事里归纳出规律,涌现出能用的知识。当然,我心里也隐隐发愁:资深员工的知识被蒸馏干净之后,他们还能干什么?可至少眼下,做蒸馏这件事的人本身,就是我们谁也替不了的价值。
第三项本事,是能做判断、能拍板,还能担责任。
人做决定,背后有价值观、有风险偏好、有组织文化、有社会规范;AI做决定,背后只有数据和算法。AI认得出模式,却不懂价值观;它不理解情境,只认输入;它不为后果负责,所以既不纠结也不谨慎。AI不会因为某个决定整宿睡不着,不会操心这个决定是不是伤到了某个具体的人,人会。哪些规范必须守着、组织文化里最核心的价值观不能碰,这些关口只能由人来把。
这点在学术出版这行里,我体会最深。写论文用AI辅助,没问题,但署上名之后每个字都得作者自己担着,比如引了文献,一查压根没这条,那就说明活不是你干的。至于期刊审稿,绝不许审稿人把稿子丢给AI:稿件是匿名评审的,一旦进了公开的AI工具,机密稿件等于被公开,这是不可原谅的错。判断和责任,是人机协作里那条不能让的底线。
四个我还没有答案的问题
上面说的是能力层面的事。下面几个问题更大,我自己也没答案,摆出来跟大家一块儿议议。
头一个,知识工作者的身份危机。假设你是位年轻教授,苦读二十多年、博士读完、又攒了多年积累,研究才做到今天这个专业程度;如今AI一出手就能写出比我更好的论文,那我的价值在哪儿?我该怎么重新定义自己?这不只是学界的困惑。西雅图那些被裁掉的微软、亚马逊员工,薪水高、名校出身、社会地位体面,一夜之间身份没了着落:“我是谁?”知识工作者本来是优绩主义的赢家,回回考试拔尖、次次评优有名,可当认知能力不再直接换来绩效、多年的技能打磨不再成其为壁垒,人就被逼回一个更根本的问题:把这些标签全摘掉,我到底是谁?
第二个,信任得重新打地基。当AI成了人与人之间的信息中转站,信任该立在什么上面?我有个朋友,每天至少六个小时泡在AI里,什么事都先交给AI。员工交来报告,AI写的评语好到他一个字都改不动,他最后只补了个“…”发回去。员工一看就懂:评语是AI写的,那个省略号才是你写的。往后你用AI、我也用AI,AI跟AI彼此对话,我们之间的信任,究竟是人跟人的信任,还是AI跟AI信任的影子?
第三个,到底是我在用AI,还是AI在用我?AI越来越好使,想得比你周全,有时比你有创意,于是你养出习惯:问题一来先问AI,答案看着真不错,自己就不再费劲琢磨。可原先那个苦苦琢磨“背后到底是什么意思”的过程,恰恰是人长本事的 process,现在我们可能正把它外包出去。博士生的培养已经碰上硬茬:论文都能用AI写得漂漂亮亮,凭什么判断一个博士生优不优秀?于是有的博士项目把口试恢复了,口试糊弄不过去。我们课堂的考试也越来越多回到纸笔,当场手写。有人说这是开倒车回古代,我反倒觉得,这是在替人的思考能力守门。
还有一问:AI的伦理红线由谁来装?人本身带着一套底层操作系统,哪些事碰不得、哪条底线不能破,不用一条条写进指令里。AI没有是非观,它只做任务判断,“完成你给我的指令”排在第一位。为了把目标达成,它可能闯进别人的数据库、抓取隐私,这类伦理风险是实打实的。那红线谁来装?装上之后会不会被绕开?讲伦理的人给AI加了约束,不讲武德的人不加,两个AI同时在市场上竞争,赢的会是谁?这些问题我答不上来,可要是躲着不问,代价我们付不起。
未来在我们体内完成转化
有两句诗我格外喜欢。美国诗人维贾伊·塞沙德里写道:“灵魂,就像负一的平方根,是一种不可能存在的事物,却有其用途。”凡是可以计算的东西,AI都能算,可人身上那些看上去“不可能存在”的部分——价值、责任、温度、审美——偏偏是这个时代最用得上的东西。
另一句出自奥地利诗人里尔克:“未来在发生之前,便已进入我们之中,在我们体内完成它自身的转化。”说到底,未来还是由我们来定。AI初级时代的组织命题,摆在明面上是技术问题,骨子里是人的问题:员工得成为管理者,管理者得成为更好的自己。这类大问题要谈开,《管理视野》是个很合适的媒介。
打开视野,见你所未见,与诸位共勉。