麦肯锡的判断:AI 进入价值实现阶段
最近重新看麦肯锡关于 AI、Rewired 和 agentic AI 的一系列内容,我们越来越觉得,麦肯锡真正想表达的并不是“企业应该拥抱 AI”,而是一句更冷静、也更难做到的话:AI 的下一阶段,不是模型竞赛,而是价值实现。
过去几年,企业已经看了太多 AI 演示。智能客服、知识库、自动写材料、会议纪要、代码助手、数据分析助手,几乎每一类工具都有人讲过,也几乎每一家企业都试过一些。可是真正能进入核心流程、持续产生经营结果的,并不多。
问题并不在模型不够聪明,也不在企业不够积极。问题在于,很多企业把 AI 当成技术项目来做,而不是当成人的工作系统重构来做。
“我们自己可以在GitHub上面fork很多开源的项目,但是最终在企业里面如果要跑起来的话,这些项目都还有很大的距离。
来源,麦肯锡
麦肯锡的 Rewired 框架,其实已经接近这个判断。它强调的不是单个数字化项目,而是企业 operating model 的重构。换句话说,AI 不是给旧组织贴一层新技术,而是用 AI 重新设计企业如何工作。
我们过去做咨询项目时,经常看到一个现象:企业花了很多钱做系统,最后系统上线了,流程也写进了制度里,但一线员工还是用自己的方式工作。原因很简单,系统没有真正进入他们的工作,也没有改变他们做判断、做协作、做交付的方式。
AI 也一样。
如果 AI 只是被放在一个平台里,等员工想起来才去用,它很难产生价值。只有当 AI 进入员工每天真正面对的问题、决策、判断和协作节奏里,它才可能变成经营能力。
所以我们对麦肯锡框架有一个补充,也可以说是我们的不同看法:AI 价值实现的核心,不只是技术、流程、数据和组织机制,而是人。
更准确地说,是企业里的人如何在 AI 的帮助下重新工作、重新判断、重新协作、重新承担责任。
这就是我们想沉淀的“AI 价值实现框架”。它不是传统意义上的技术框架,也不是工具清单,而是一套从人的工作出发,重新设计 AI 应用的方法。
麦肯锡讲 AI 从 table stakes 走向 advantage。我们同意这个判断,但我们会把这句话再往前推一步:AI 的 advantage,不来自企业拥有最先进的模型,而来自企业是否能让最懂业务的人,用 AI 做出更好的判断,并把这些判断沉淀成组织能力。
这也是为什么我们始终认为,企业落地 AI 应用,本质上不是一个技术问题,而是一个 human centric 的问题。
Human centric:不是体验友好,而是工作重构
这里的 human centric,不是简单地说“AI 要有好的用户体验”,也不是给员工做一个更友好的聊天界面。真正的 human centric,是重新理解人的工作。
人在企业里做什么?表面上看,人在写材料、开会、做分析、回邮件、处理客户问题。但更深层看,人其实在做判断。判断客户真正要什么,判断项目风险在哪里,判断数据背后意味着什么,判断方案应该往哪个方向走,判断什么时候该坚持,什么时候该妥协。
AI 可以替代一部分信息处理,可以加速一部分内容生成,可以辅助一部分分析工作。但真正有价值的地方,是让人从低价值的重复劳动里解放出来,把更多精力放在判断、校准、沟通和责任承担上。
如果 AI 落地之后,员工只是多了一个工具,但工作没有被重新设计,责任没有被重新分配,考核没有被重新调整,那它最多只能提升一点效率,不会改变企业的能力结构。
来源,麦肯锡
对 agentic enterprise 的保留:Agent 不是无人工厂
这也是我们对麦肯锡 agentic enterprise 的一个保留看法。
Agent 当然重要。未来企业一定会出现越来越多的 Agent,它们会读取数据、调用系统、执行任务、生成建议,甚至直接参与流程。但 Agent 不是把企业变成无人工厂,而是把人从“执行者”推向“编排者”和“判断者”。
如果一个企业只是追求 Agent 数量,追求自动化比例,追求所谓无人化,那很可能会走偏。真正重要的是:
“哪些任务交给 Agent,哪些判断必须留给人,哪些风险需要人机共同确认,…