摘要：2024年11月，BCG开霁书院与亨德森智库联合举办“洞察全球·智驭未来”主体沙龙。其间，就AI时代的组织和领导力话题，特邀BCG组织与人才专项全球负责人David Martin和AI创业者、投资人马征开展圆桌讨论。本文为圆桌讨论节选。

导读

2024年11月，BCG开霁书院与亨德森智库联合举办“洞察全球·智驭未来”主体沙龙。其间，就AI时代的组织和领导力话题，特邀BCG组织与人才专项全球负责人David Martin和AI创业者、投资人马征开展圆桌讨论。本文为圆桌讨论节选。

本期主持人：阮芳

波士顿咨询公司（BCG）董事总经理，全球资深合伙人

BCG组织与人才专项中国区负责人

BCG开霁书院负责人

BCG亨德森智库中国区联席负责人

本期受访嘉宾：David Martin

波士顿咨询公司（BCG）董事总经理，全球资深合伙人

BCG组织与人才专项全球负责人

本期受访嘉宾：马征博士

雅乐时空创始人兼首席执行官，

AI领域天使投资人

BCG校友

对谈实录

一

中美两国在AI应用上有何异同？

Q

阮芳：当前，美国哪些产业的AI普及率比较高？

David Martin：目前，美国各行各业都在铺开AI，其中应用最广泛的有四个行业。首先是科技行业，特别是软件公司。一方面，软件公司会在产品开发中使用生成式AI进行编程，这可以带来颠覆性的影响，既能够帮助企业降低运营成本，同时帮助工程师们更快地开发产品并提升质量。另一方面，软件公司会在应用场景使用AI，比如2B销售等涉及大量文档的场景，AI可以协助快速处理。

第二个是银行业，主要有三个应用场景，首先是欺诈预警，通过AI识别可疑的交易。其次是银行IT开发和运维，很多大型银行同样有上万名软件工程师，AI可以帮助降本。最后是银行内部职能的降本增效。

第三个是生物医药行业，很多生物医药企业都在使用生成式AI加速临床试验的速度。举个例子，一家大型药企过去可能需要四位博士、花费四周来做一个相关试验，但在AI的支持下，可能只需要一名博士和一周的时间就可以完成。

第四个是消费品行业。他们会用AI进行个性化营销，比如定价方案，以及更快地测试营销方案效果等等。

Q

阮芳：为什么是这四个行业最容易应用AI？

David Martin：首先因为这四个行业的利润率高，有预算开发和应用AI。其次，这些行业有充足的数据量。软件业的数据质量很高，而且有更先进的系统。银行业在过去十年内不断投资，提高技术能力。消费品行业也有大量的数据积累，同时他们面临激烈的行业竞争，希望使用先进技术保障竞争力。

Q

阮芳：聚焦中国，哪些行业是AI渗透先行者，和美国是否有不同？

马征：我觉得中国和美国非常不一样，刚才提到美国各行各业都在铺开AI，因为在这一波AI变革之前，美国经历了非常大的数字化转型期，并且进入了SaaS阶段，Cloud-based应用广泛。之所以这么多领域都能够容易地接入到AI，是因为SaaS生态系统非常成熟。企业软件自身开始应用AI，能更快地将创新传播出去。对于中国，我觉得目前还没有形成一个特别好的SaaS生态系统，甚至很多企业数字化变革还没有完全完成，就进入到AI这一波浪潮。因此，我们看到中国更多的AI应用是互联网公司在主导，主要是2C的应用，这波应用甚至很多都转到海外去，不但服务中国的消费者，也服务海外的消费者。主要的应用场景有视频生成、Chat工具等，都在百花齐放，我觉得这可能是两个国家在AI来临之前，整个商业生态系统不同导致的。

Q

阮芳：面向未来，中国企业在实施AI上有什么优势和机会？

马征：我觉得第一大优势是没有太多的负担。新的变革往往受到前期变革受益者的阻力，因为很多中国企业之前没有很深的数字化积累，变革阻力反而不大，只要AI带来的降本增效的账能够算出来，就有动力推动AI变革。第二个优势其实是中国企业数据的可获得性，跟数据治理非常严格甚至严苛的西方国家比，中国企业有机会更容易地利用自己的数据去做AI训练，会出现一些非常酷的应用。

二

企业如何找到适合自己的AI应用场景？

Q

阮芳：AI需要长期的投资，企业有哪些办法来提高AI带来的收益？

David Martin：我们对上千家企业展开调研，发现只有5%的企业从生成式AI的投资中获益，20%多的企业获得了一些回报，70%则没有看到收益。对于失败案例，我们看到几种典型情况。首先，未能集中力量办大事。在调研中有趣的发现是，通过AI获得了收益的企业，他们的应用场景反而更少，而有一些企业投资很多应用场景，想要百花齐放，反而效果更加分散，没有收获预期的价值。其次，很多企业在投资时，仅仅是在投资“AI技术”本身，但并没有制定明确的盈利目标和计划。第三，企业在选择AI应用场景时，没有与现有的基础设施配套，两者没有整合。最后，企业必须储备人才来帮助他们大规模地应用生成式AI，我们很容易做小型的试点，但规模化是非常重要的。

马征：我观察到的现象是，好的AI转型应该是“全人思维”，而不是场景化思维，真正好的应用是端到端的。这一波AI，我倾向于把它比喻成一个基础设施，就像我们的水、电、煤一样，AI是新的智能“电”，所以它并不是几个具体的场景，应该是针对一个人的完整赋能和再造。

比如，企业常常提升销售团队的能力，要做的不是AI去赋能销售的某一步，而是复制最成功的销售个人。我们可以跟踪Top销售一天的工作旅程，详细记录他每天要做的各种事情，他们跟用户客户如何交互，以及在这个过程中产生的各种数据。当你知道他的全部工作内容，有了一个全貌，就能找到在哪一些机会点上有可能对他进行赋能。企业通过数据积累训练AI，可以让AI反哺赋能其他销售。比如说在销售跟客户对话的过程中，客户问了一些问题，他并不是很清楚，但是其他销售每天都在解答类似的问题，完全有机会建立内部的知识库，只不过销售没有时间去查，或者说查了也并不一定契合这个客户的问题，当有一个大模型经过对企业内部的数据训练，就会给他一个非常好的提示，说你可以这样回答，极大增加了这一步的转化率。这个就是全人的赋能，并不是针对某个场景去凭想象说如何降本增效，而是看整个全人的工作流，这个人的效率能够提高多少。

三

AI时代，组织管理和领导力会如何变革？

Q

阮芳：AI对于组织、人才和文化变革有什么样的影响？

David Martin：我觉得个人层面和企业组织层面需要分开来看。个人层面更多是跟绩效管理和技能提升相关，作为员工，必须要有更加开放的观点，愿意去尝试这些新的技术，提升自己的技术能力。因为所有人未来都要更多地使用AI去工作，所以我们要拥抱AI，而不是去回避它。

企业则需要提升以技能为导向（Skill-based）的组织思维。在面对新技术时，更多地思考员工目前具备什么样的技能，五年之后需要什么样的技能，有怎样的人才缺口，如何缩减缺口。有的时候，企业在内部是找不到人来填补这些缺口的，那就需要往外看，这既包括一线员工，也包括领导层。此外，我们将看到很多新的岗位出现，企业需要前瞻思考他们的职业路径、绩效管理、激励方式，来更好地管理这些团队。

企业还需要投入AI治理，AI应用既有机会也有风险，所以应该有一个专门的团队来考虑如何进行投资和管控风险。

在文化上，企业要考虑一些能够改善员工价值主张的投资，也要思考员工个人的需求和他们职业未来的发展方向，这些都是企业近期需要考虑的变革点。

马征：我觉得AI影响可能非常大的是在组织结构。传统的组织结构侧重于层级式，甚至军事化的管理。这在一定程度上是合理的，因为需要保证效率、执行力和管控力。

但是AI会带来一个巨大的挑战——去中心化的组织形态。当每个个体有好的工具后，AI将大大增强其工作能力、效率和创造力，这个时候如果施加强管控的领导方式，反而会遏制AI带来的红利。这种情况下会出现非常多的自管理组织，特点是每个团队都比较小、非常精干，有点像海豹突击队，产出迭代速度都会加快。对于所谓的领导角色可能也会发生很大的改变，从原来的下达指令和监督，更多转变为设定目标并去赋能，当然也会有检查、跟踪、复盘的工作，但很重要的是留给团队更大的空间。这对很多中国组织和企业文化来讲，都是很大的挑战。

对于领导而言，原来的领导力可能是权威式的管控，未来将更强调赋能、设定目标，或者是精神上的凝聚，一种能够带领大家往前走的感觉。当然，战略目标还是非常重要，要自上而下制定，但是到带团队的过程中，可能出现更多的顾问式或者是教练式的领导风格，因为大家碰到的一些简单问题，AI可能比领导解决得更好。所以对领导来讲，在跨界的、复杂的，还有特别不确定的、问题不清晰的地方，会是体现领导力并发挥其价值的地方。

总结

• 在AI应用上，中国企业相对薄弱的数字化基础既是挑战也是机会，能够更无负担地推进AI变革。

• 在开始落地AI时，场景可少而精，并制定明确的投资收益目标和计划，在获得切实的回报后，推广AI应用场景。

• 在识别AI对人才的赋能机会时，可借鉴“全人思维”，完整跟踪员工的工作旅程，全面记录过程的信息和数据，搭建更完善的AI赋能方案，而非一开始就局限在某一个具体环节中。

• 在AI赋能的组织中，管理者和团队的“能力代差”会被削弱，出现更加去中心化的组织和团队，强指令、强控制的科层式管理者将面临极大挑战，需要进行角色转身。

• AI对人才团队将带来颠覆式影响，企业既需考虑AI对团队的冲击影响，同时需要前瞻应对新岗位、新技能的需求，未雨绸缪对现有团队的技能升级（UP-skilling）。

来源：科技解惑