在《AI越能干，人的判断越值钱》中，我们讨论了AI普及之后，人的专业价值将如何变化。当资料整理、内容生成与基础执行的成本快速下降，判断、经验、审美，以及对真实环境和他人处境的感知，反而成为更稀缺的能力。
同样的变化进入企业，问题比个人使用工具复杂得多。一名员工借助AI节省了两个小时，并不代表组织因此获得了两个小时的生产力。报告写得更快，企业的决策流程可能依然冗长；营销内容产量提高，品牌未必更理解消费者；部门内部完成任务的速度加快，跨部门之间仍然充满等待、反复确认和责任推诿。
BCG 近期发布的《AI at Work》报告（2026）调查了全球 14 个国家与地区近 1.2 万名员工、管理者和企业领导人后发现，经常使用AI的一线员工中，有42% 每周至少节省八小时，相当于一个完整工作日。然而，66% 的员工没有获得清楚指引，不知道应该如何使用这些时间，超过一半的人也没有把节省下来的时间投入更具战略价值的工作。AI改变工作的速度，已经超过企业重新设计工作的速度。
企业当前面对的价值落差，表面上是流程没有跟上工具，根本上则是AI转型仍然被理解为技术导入。管理层关注模型能够完成什么、哪些任务可以自动化、哪些部门可以部署智能体，却没有先回答更基本的问题。企业希望通过AI改善谁的工作，解决什么真实问题，又希望创造怎样的客户价值和组织能力？
AI转型真正需要回到“以人为本”。以人为本的设计，是将人的需求、行为、经验与真实处境放在解决问题的核心。它并不排斥技术，也不意味着为了保留人的工作而限制自动化。它要求企业先理解人们如何工作、如何作出判断、受到哪些条件限制，再决定技术应该进入哪里。人负责提出问题、设定目标、定义价值与承担责任，科技在这些目标与边界之内发挥能力。
设计思维是落实以人为本的方法。它帮助企业进入真实情境，理解受到改变影响的人，重新定义值得解决的问题，再通过共同构思、原型和测试持续修正方案。人机协作则是这套原则与方法进入AI时代之后，需要形成的组织能力。以人为本决定方向，设计思维提供路径，人机协作则重新组合人的判断与机器的能力。
01 AI投资失效往往因为企业从技术开始
企业推动AI应用时，最容易采取的动作是采购工具、开放账号、建立知识库，再要求各部门提出应用场景。营销、客服、行政、财务、采购与人力资源很快可以列出一张AI愿望清单，管理层也容易从使用人数、生成数量和试点项目中看到转型已经启动的迹象。
问题在于，这种做法从技术供给出发，而不是从经营需求出发。企业先看见AI能够做什么，再回头寻找可以套用的工作，结果往往是应用越来越多，真正影响客户、收入、决策质量和组织能力的改变仍然有限。
BCG在2025年的研究中将企业分为三类。大约5%的企业已经建立能够持续创造AI价值的能力，35%开始规模化应用并获得部分回报，另有60%的企业虽然投入了大量资源，却几乎没有取得实质性的营收增长或成本改善。领先企业通过AI获得的营收增长约为其他企业的五倍，成本降低约为三倍。差距并不只来自模型和技术投入，而来自企业是否具备重新设计业务、决策和组织的能力。
《Entrepreneur》对多位企业AI实践者的采访，也呈现出相似的失败模式。领导者把AI交给员工自行摸索，各部门进行缺乏重点的随机试验，项目过度追求成本削减，对技术的关注高于对人的理解，数据未经整理便投入系统，企业为了追赶潮流过早部署智能体，大量使用AI生成内容后还可能逐渐失去原有的品牌声音。表面上看，这是七类不同的问题，背后反映的却是同一种管理倾向。企业没有先定义值得解决的核心问题，也没有从真实工作中判断AI应该进入哪里。
客户流失可能与客服回复速度有关，也可能源于产品竞争力下降。营销效率不佳，表面上是内容生产不足，实际问题可能是品牌定位不清，团队从未对目标客户形成一致理解。审批周期过长，有时来自资料整理缓慢，更多时候与权责不清、决策层级过多，或者管理者不愿承担风险有关。
AI擅长处理已经被清楚定义的任务，却不会主动判断企业提出的问题是否正确。当问题定义停留在表面，技术能力越强，组织越可能以更高的效率处理错误的问题。企业最终拥有大量工具与应用案例，却没有形成足以影响经营结果的能力。
02 以人为本，不是让人适应技术
很多企业把AI转型理解为技术先行。工具由管理层、IT或采购部门选择，流程由项目团队设计，系统即将上线时，再通过培训、政策和使用说明要求员工适应。人在整个过程中被视为技术系统的最终使用者，而不是新工作方式的共同设计者。
这种顺序容易忽略一个事实。AI进入企业之后，改变的不只是操作方式，也会改变人的角色、专业身份、责任关系和对未来的预期。员工关心的不只是工具好不好用，还会判断自己的经验是否仍然有价值，AI出现错误时由谁负责，效率提升后是否只会换来更多任务，以及企业最终是否准备减少岗位。
「以人为本」的理念则要求企业从另一个角度思考。技术并不是转型的起点，人和业务的真实需要才是。企业需要先了解受到改变影响的人如何工作、担心什么、哪些能力不应因为自动化而被削弱，再决定AI可以承担什么任务。
这里所说的“人”，也不只是消费者或系统的最终用户。它包括第一线员工、管理者、客户、合作伙伴，以及所有会受到新工作方式影响的人。不同角色面对的目标、信息、风险与责任并不相同，人机协作也不能依靠一套标准模板统一设计。
03 设计思维帮助企业找到AI应该进入的位置
管理层看到的流程，通常是工作应该如何发生；员工每天经历的，则是工作实际上如何发生。两者之间经常存在明显差距。
员工自行维护一套表格，未必代表他们抗拒公司系统，可能是现有系统无法满足现场需要。某项工作需要反复向多位主管确认，也未必是执行人员能力不足，可能是组织从未建立清楚的判断标准。客户不断要求修改，表面上是需求反复，背后也可能是项目初期没有识别真正的决策者、使用者和利益关系。
这些细节很难从高层会议、系统数据和部门简报中完整看见，却会直接决定AI应用能否落地。企业如果没有进入真实工作，只按照既有流程图部署技术，很容易把一套本来就不合理的流程执行得更快，也可能把员工为了弥补流程缺陷而形成的应变方式，当成应该被消除的低效率。
设计思维的价值，正在于让企业离开抽象的功能清单，进入人的真实工作。通过观察、访谈与共同梳理，企业才能理解员工如何完成任务，客户如何感受服务，信息在哪里中断，决策为什么长期等待，以及一项看似低效的做法背后承担了什么功能。
这种理解并不是简单收集员工意见。事实上，人们往往无法准确说出自己的真正需要，现有组织行为也不一定代表最佳做法。设计思维要求企业从人的表达、行为和环境中寻找线索，辨认他们说了什么、实际做了什么，以及两者为什么存在差距，再从表面症状中重新定义真正需要解决的问题。
企业客服效率低，未必需要一个更快的AI客服，也可能是授权机制和跨部门责任存在问题；营销内容不足，未必需要生成更多内容，也可能是品牌定位和消费者理解不清；审批时间过长，未必是资料整理太慢，也可能是组织从未明确决策标准。AI可以快速处理被定义好的问题，却不会主动发现企业一开始就定义错了问题。
因此，设计思维并不是AI项目完成之后补做的用户体验优化，而应该进入转型的最前端。企业先理解人和问题，再决定AI是否适合作为解方，以及应该以什么方式进入工作。这个顺序看起来比直接采购工具慢，却能避免企业以更高成本自动化一套原本就不合理的工作方式。
04 人机协作不会自然发生必须被主动设计
管理者很容易理所当然地认为，只要把AI工具交给员工，员工自然会摸索出更高效的工作方式，而实际情况往往相反，当AI进入原有流程后，可能只是在旧工作上增加一个新的步骤，员工既要完成原来的任务，又要撰写指令、检查输出、修正错误和承担新的责任。
Deloitte在2026年全球人力资本趋势研究中指出，接近六成员工已经有意识地在工作中使用AI，但多数企业仍然分别设计人的工作和技术系统，没有设计两者如何互动、协作和共同决策。59% 的组织采取以技术为中心的AI路径，只有14% 的领导者认为自己的组织擅长设计人机互动。虽然66% 的领导者承认这项能力对企业成功非常重要，但真正处于领先位置的组织却只有6%。
这说明了有效的人机协作不会因为企业部署了AI而自动形成，它需要被有意识地设计。企业必须重新观察一项工作从需求出现到结果交付的完整过程，判断信息如何流动，谁拥有决策权，哪些输出必须复核，出现错误时由谁负责，以及人与机器之间如何交接。
一项客户投诉的处理，可能涉及信息接收、问题分类、资料查询、责任判断、内部授权、解决方案和客户沟通。AI可以把资料查询和初步分类缩短到几秒，但如果授权机制没有改变，责任依然模糊，客户还是需要等待。局部任务变快，不代表端到端的客户体验已经改善。
机器适合处理大量资料、辨认模式、完成初步归类、生成基础版本，并按照明确规则进行核对。人需要理解情境，识别例外，感知客户没有说出口的顾虑，在信息不完整时完成商业取舍，并协调不同利益相关者之间的关系。大量工作不会完全属于任何一方，而要由人先定义目标、边界和评价标准，再让AI扩大探索与执行范围，最后由具备专业能力和责任的人完成验证与决策。
Deloitte的研究显示，主动重新设计人与机器互动、角色和工作方式的企业，达到或超过AI投资回报预期的可能性是其他企业的两倍。一家欧洲电信企业最初只是在原有客服流程中加入AI“专家”，生产力仅提高5%；后来将大部分全面部署预算投入工作流、信任边界、升级机制和员工能力的重新设计，生产力提升达到30%。研究数据说明，AI价值主要来自工作设计，而不是把更强的工具叠加在旧流程上。
人机协作的目标也不应是追求最高的自动化比例。真正的问题是，一项工作中什么需要速度，什么需要判断；什么可以标准化，什么必须理解具体情境；什么可以授权系统执行，什么责任必须由人承担。企业需要寻找能够同时放大业务结果和人的能力的组合，而不是单纯计算机器取代了多少人工步骤。
05 员工的抵制往往是在回应错误的组织规则
企业AI应用迟迟无法深入，管理层经常将原因归结为员工保守、不愿学习或担心被替代。现实中的员工反应远比“接受”或“抵制”更复杂。有些员工不使用企业提供的AI，有些员工已经使用却不愿向主管承认，还有一些员工会绕过企业系统，选择自己认为更有效的工具。这些行为未必代表员工反对AI本身，更多时候是员工在回应组织尚未解决的规则与利益问题。
Slack针对全球超过17,000名知识工作者的调查发现，48%的员工对于向主管承认自己使用AI完成某些工作感到不自在。在这些员工中，47% 担心使用AI会被视为作弊，46% 担心被认为能力不足，另有46% 担心被认为懒惰。值得注意的是，因为公司政策禁止而不愿公开使用AI的比例反而最低。影响员工行为的主要障碍不是工具权限，而是企业内部尚未形成清楚、可信的AI使用规范。
一项过去需要五天完成的工作，员工借助AI可能一天内便已完成。如果企业仍然以工时投入、任务数量和表面忙碌程度评价工作，员工就缺少主动披露效率提升的动力。更早完成任务，常常只意味着接到更多工作，却未必带来更高评价、更多授权或相应回报。在这种规则下，隐藏AI使用和隐藏被节省的时间，并不只是个人态度问题，也是旧管理机制下可以预期的理性行为。
Deloitte将这种现象称为AI带来的“文化债务”。42% 的员工表示，企业很少评估AI对人的实际影响；80% 的领导者、管理者和员工担心，同事或团队正在利用AI让自己看起来比实际更有生产力。当组织没有回答使用AI是否算作弊、什么才算努力、AI出错由谁负责、不使用AI是否会失去工作等问题时，员工只能私下建立自己的规范，信任也会逐渐被消耗。
以人为本的人机协作必须处理这些现实问题。员工不能等到系统上线后才被告知如何使用，他们需要参与问题识别、流程拆解、原型测试和效果评估，因为第一线人员最清楚工作中的例外、风险与隐性知识。参与的意义不只是改善员工感受，而是提高问题定义和方案设计的准确性，同时让员工从被动接受技术，转向共同设计未来的工作方式。
企业更需要同步重新设计绩效、工作量、认可和成长机制，让个人与组织能够共享AI带来的效率收益。员工主动优化流程和分享方法后，应该有机会承担更有价值的任务、获得更多成长空间和合理回报，而不只是得到更多工作。只有当个人相信公开效率不会损害自身利益，AI产生的隐性产能才有可能进入组织系统。
06 AI价值最终取决于企业是否放大了人的能力
降低成本与节省工时，是AI最容易被量化的价值，也是最容易被竞争者复制的价值。同行可以买到相同的模型，采用相似的自动化方法。当整个行业都降低了内容生产、资料整理和客户回复的成本，这些优势很快会变成新的基本门槛。真正难以复制的，是企业利用AI形成更快、更准确的学习循环。制造企业可以缩短客户反馈与研发改进之间的距离，零售企业可以更早感知不同市场的需求变化，专业服务公司可以把资深人员的经验转化为组织知识，品牌也可以更快把消费者态度的变化转化为产品、服务和沟通行动。
这些能力依然以人为核心。AI扩大信息处理的规模，人判断哪些变化值得回应；AI缩短分析时间，人决定企业应该采取什么行动；AI让知识更容易被检索与组合，人负责把经验放回具体情境中使用。AI创造的竞争优势，并不来自人逐渐退出工作，而来自组织把人的洞察、创造、共情、判断和责任集中到更有价值的位置。
BCG的研究发现，只有约5% 的企业能够规模化创造AI价值，近60% 的企业仍然几乎没有取得影响。很多企业看到价值差距后，会继续增加工具，却没有建立把工具采用转化为业务成果的人员能力。真正有效的能力建设不能停留在介绍AI知识和教授提示词，还要让员工把知识应用到真实工作中，并将新的行为写入角色、流程、支持机制和激励体系。
世界经济论坛对超过1,000家全球雇主的调查也显示，63% 的企业将技能缺口视为未来转型的最大障碍，85% 计划优先提升员工能力。AI与大数据固然是增长最快的技能领域，分析思考、创造力、韧性、灵活性、领导力和社会影响力等人的能力，仍然是企业最看重的核心能力。
企业未来需要的是能够把技术能力与业务判断、创造、协作和领导结合起来的人。组织人才能力建设的目标，也不应是让所有员工掌握同样的工具，而是帮助不同角色理解AI将如何改变自己的工作，哪些任务可以交给机器，哪些能力需要进一步提升，以及自己未来将在价值创造中承担什么责任。
07 AI转型首先是管理层的责任
企业很容易把AI视为技术部门的项目，或者要求员工在日常工作中自行探索。这样的推进方式看似分散风险，实际上也分散了方向和责任。没有管理层对经营问题、价值目标和组织规则作出清楚决定，AI应用只能停留在零散试验和个人效率层面。
BCG《AI Radar 2026》显示，72% 的CEO已经成为企业AI决策的主要负责人，是前一年的两倍。企业预计2026年的AI投资将从营收的约0.8% 提高到1.7%，几乎翻倍；超过九成的企业即使短期内看不到回报，仍计划维持或增加投资。AI已经不再是IT或创新部门的单一议题，而是同时影响战略、运营、人才、文化、风险和治理的企业级转型。
领导者不需要成为模型专家，却必须理解AI的能力与边界，选择值得投入的业务问题，决定哪些责任不能交给机器，并为组织释放出来的时间与能力安排新的用途。管理层还要调整绩效与资源配置，明确AI使用规范，为员工提供安全的试验空间，并以客户价值、决策质量和业务结果，而不是账号开通数或提示词数量衡量进展。
企业一面要求员工积极使用AI，一面继续沿用原来的工作量、审批方式和绩效标准，员工很快会发现，所谓效率提升只是承担更多任务。组织宣称重视创新，却不允许试验失败，也不给跨部门协作留下时间与资源，AI应用最终只能停留在最安全、最表面的场景。
技术进入得越深，管理责任越重。哪些决定可以由系统自动完成，哪些内容必须经过人工复核，AI出现错误时由谁承担责任，数据与模型由谁持续维护，都不能等到系统上线后再临时处理。真正的AI战略不是购买什么工具，而是企业准备如何重新组织工作、能力与责任。
08 真正的竞争是谁先建立以人为本的人机协作能力
这需要企业从工具采购走向问题定义，从零散应用走向完整工作，从单项自动化走向有意识的人机协作设计，从降低成本走向增强组织的感知、判断和学习能力。员工也需要从系统上线后的被动使用者，转变为工作方式的共同设计者。
设计思维为这场转型提供了方法。企业从人的真实处境出发理解问题，通过共同设计寻找AI适合进入的位置，再以小规模原型与实际测试验证人机之间的角色、责任和价值。每一次实践留下的经验，又会进入下一轮工作，逐渐沉淀为组织自己的判断标准和协作能力。
以人为本则决定了这场转型的方向。企业使用AI，不是为了让人逐渐退出工作，而是减少低价值的重复劳动，让人的能力在更重要的位置发挥作用。人的创造力、对外部变化的感知力、对他人的共情力，以及在复杂环境中作出判断并承担责任的能力，仍然是企业最难复制的资源。
科技可以提供越来越强的能力，却不能替企业定义什么才是值得追求的进步；AI可以替个人省下时间，却不能决定这些时间应该投入客户理解、创新成长，还是转化为更多低价值的工作。真正的企业AI化，是借助技术扩大人的能力，重新设计人与机器的分工，并建立一种能够持续创造更大价值的工作方式。下一阶段的企业AI竞争，比的不会是谁部署了更多工具，而是谁真正建立了以人为本的人机协作能力。
参考资料
1.Boston Consulting Group, AI at Work: Strategy Matters More Than Tools, 2026.
2.Boston Consulting Group, The Widening AI Value Gap: Build for the Future 2025, 2025.
3.Boston Consulting Group, To Unlock the Full Value of AI, Invest in Your People, 2025.
4.Boston Consulting Group, BCG AI Radar 2026: As AI Investments Surge, CEOs Take the Lead, 2026.
5.Deloitte, 2026 Global Human Capital Trends: Human-AI Interaction Design, 2026.
6.Deloitte, 2026 Global Human Capital Trends: Dealing with AI’s Cultural Debt, 2026.
7.World Economic Forum, The Future of Jobs Report 2025, 2025.
8.Slack Workforce Lab, The Fall 2024 Workforce Index, 2024.
9.Entrepreneur, “7 Reasons Your Company Isn’t Profiting With AI, and How to Fix That,” 2026.
这是示例文本，单击 “编辑” 按钮更改此文本。
