企业逐渐发现，人工智能试点项目启动容易，但真正应用却难上加难。在企业人工智能发展的早期阶段，实验性举措备受推崇。团队测试辅助驾驶系统，员工尝试新工具，高管要求提供应用案例，技术领导者也迅速行动以展现发展势头。这固然有益，但也造成了一个如今越来越难以忽视的差距：人工智能融入工作流程的速度远超许多企业重新设计运营模式以应对人工智能的速度。<div><br></div><div>这就是实施瓶颈所在。</div><div><br></div><div>许多公司并非对人工智能缺乏兴趣。他们正将人工智能部署到一些尚未做好应对准备的组织中，这些准备可能包括：工作流程责任不明确、问责机制薄弱、员工焦虑、对供应商的依赖，以及管理者需要在缺乏清晰运营模式的情况下监督人工智能辅助的工作。</div><div><br></div><div>对于首席执行官、企业主、首席人力资源官和员工领导者来说，现在真正的问题是，组织能否在不失去对质量、问责制、信任和战略方向的控制的情况下，将人工智能融入工作中。</div><div><br></div><div>近期的事态发展使这种紧张局势显现出来。<a href="https://www.reuters.com/world/openai-anthropic-ventures-talks-buy-ai-services-firms-sources-say-2026-05-05" target="_blank" rel="noopener noreferrer"> 路透社报道称，OpenAI的风险投资</a>The Deployment Company 拥有约 40 亿美元的资金支持，正在寻求收购人工智能服务公司，而 Anthropic 也在进行类似的收购，据报道涉及 15 亿美元。 <a href="https://www.anthropic.com/news/finance-agents" target="_blank" rel="noopener noreferrer">Anthropic 还发布了十款可直接使用的金融服务和保险代理商模板。</a>包括代理推介材料制作、KYC筛选和月末结算。与此同时，Freshworks<a href="https://www.reuters.com/business/freshworks-cut-11-jobs-ai-reshapes-software-sector-2026-05-05" target="_blank" rel="noopener noreferrer"> 该公司将裁员11%，约500个工作岗位。</a> 随着人工智能重塑其软件运营；其首席执行官表示，人工智能现在编写了公司一半以上的代码。</div><div><br></div><div>这些案例之所以重要，是因为它们从不同角度揭示了同一个根本问题：企业人工智能不再仅仅是工具选择，它正在成为一种运营模式选择。</div>

第一个警告来自人工智能市场本身。<div><br></div><div>OpenAI 和 Anthropic 不仅在构建前沿模型，它们还在努力提升人工智能在企业内部应用所需的服务能力。路透社报道称，OpenAI 的部署公司已获得包括 TPG、贝恩资本和布鲁克菲尔德资产管理公司在内的投资者约 40 亿美元的投资，并且多个交易已进入后期阶段。路透社还报道称，Anthropic 也在进行类似的努力，已从包括黑石集团、Hellman &amp; Friedman 和高盛在内的投资者那里筹集了约 15 亿美元。其目的是引入工程师和顾问，帮助企业围绕自身数据和运营部署人工智能系统。</div><div><br></div><div>这不应仅仅被视为一个市场扩张的故事。它表明，即使是人工智能领域的先行者也意识到，仅靠模型访问难以实现企业价值。真正的挑战在于部署：将人工智能与内部系统连接、重新设计工作流程、配置控制措施、培训用户、管理变更以及验证运营价值。</div><div><br></div><div>这造成了一种领导力风险，而许多公司尚未充分认识到这一点。</div><div><br></div><div>如果内部实施责任薄弱，外部供应商可能成为公司内部工作流程变革的实际设计者。这或许能加速早期部署，但也造成了战略依赖。组织可能在不真正了解哪些工作流程正在被重新设计、哪些数据正在被暴露、谁来承担由此产生的风险以及运营决策如何被重塑的情况下，就更快地采用人工智能。</div><div><br></div><div>对于首席执行官和企业主而言，这其中的教训显而易见：人工智能实施能力正成为一项战略能力。它不能仅仅由IT、采购或外部合作伙伴承担，而需要高层领导的参与，以及业务部门、技术、人力资源、风险、合规和一线运营等各职能部门的协调配合。</div><div><br></div><div>一个有用的测试很简单：如果一家公司在试点阶段之后无法解释人工智能实施的归属，那么它还没有做好规模化的准备。</div>

代理人进入工作流程的速度比治理机制的适应速度更快。

监管工作也会带来其他警示。<div><br></div><div>Anthropic公司发布了十款面向金融服务和保险行业的即用型代理模板。该公司表示，这些代理模板专为耗时的金融工作流程而设计，包括制作推介材料、筛选KYC文件以及月末结账。相关报道还介绍了这些模板的应用案例，例如贷项通知单、承保、账单审核和保险理赔。</div><div><br></div><div>这一点很重要，因为当人工智能从一般辅助应用转向专业工作流程时，治理问题也会发生变化。</div><div><br></div><div>通用助手可以帮助员工总结文档或起草回复。而工作流程特定的助手则可以参与合规性审查、财务分析、客户决策、审计流程或内部建议的制定。这涉及的运营层面有所不同。</div><div><br></div><div>失败模式很明显：公司可能将人工智能作为一种工具进行管理，而员工却开始将其作为工作流程的一部分来使用。</div><div><br></div><div>这种差距至关重要。在金融、保险、法律、人力资源、采购、医疗保健以及合规性要求高的职能部门，问题不仅仅在于是否允许使用人工智能。领导者需要明确人工智能如何参与到这些流程中。</div><div><br></div><div>系统可以访问哪些数据？哪些输出需要人工审核？谁来验证建议？哪些信息会被记录？何时需要升级处理？如果人工智能导致了错误的决策，谁来承担责任？哪些决策必须由人主导？</div><div><br></div><div>这就是逻辑 <b>工作流程级人工智能治理</b>.</div><div><br></div><div>工作流层面的治理并非意味着放慢每个用例的速度，而是要在实际工作发生的环节设计控制点，将治理从一份文件转变为一种操作规范。</div><div><br></div><div>对于首席执行官、首席财务官、首席人力资源官、风险管理负责人和业务部门主管而言，这是一项切实的责任。如果人工智能要融入工作流程，那么治理机制也必须随之融入其中。</div>

生产力提升正转化为劳动力重组的压力。

第三个警示来自劳动力结构。<div><br></div><div>Freshworks宣布将裁员11%，约500个工作岗位，以适应人工智能驱动的软件行业变革。路透社报道称，首席执行官丹尼斯·伍德赛德表示，人工智能目前已编写了公司一半以上的代码，并正在实现日常任务的自动化。该公司还在合并销售团队、精简管理层级，并将资源重新投入到员工体验业务，特别是Freshservice服务。</div><div><br></div><div>狭义的解读是人工智能会导致裁员。但对企业领导者而言，更有价值的解读是，人工智能带来的生产力提升可能会迅速转化为组织架构重组的压力。</div><div><br></div><div>当人工智能取代日常工作时，企业可能发生的改变远不止人员配置。它们可能会重新设计角色、调整团队结构、精简管理层级、重新分配投资，并重新定义哪些类型的人类判断才具有价值。换句话说，人工智能不仅改变了任务，也改变了组织的形态。</div><div><br></div><div>对于首席人力资源官和人力资源领导者而言，这才是最重要的启示。人工智能素养培训项目固然必要，但还远远不够。员工不仅需要学习如何使用人工智能工具，企业更需要了解人工智能如何改变角色、管理模式、职业发展路径、内部流动性和信任关系。</div><div><br></div><div>管理者也需要承担不同的运营角色。在人工智能驱动的工作流程中，管理者可能需要减少检查工作是否完成的时间，而将更多精力投入到审查异常情况、验证输出结果、指导判断、处理升级问题以及确保质量上。这要求员工和领导者都具备不同的能力。</div><div><br></div><div>如果转型处理不当，人工智能的采用可能会引发信任危机。员工可能会认为，提高生产力的说辞只是掩盖内部重组的幌子。管理者可能不知如何领导重新设计的工作。人力资源部门可能介入得太晚，此时运营决策已经对员工队伍造成了影响。</div><div><br></div><div>领导层的任务是从一开始就将劳动力转型纳入人工智能实施计划，而不是在出现混乱之后才做出应对。</div>

实际操作层面并非放慢人工智能的普及速度，而是构建组织能力，使人工智能能够在不产生不可控风险的情况下大规模应用。<div><br></div><div>描述这种能力的一种有效方式是将其定义为人工智能实现架构。</div><div><br></div><div>AI实施架构是指组织将AI系统转化为受控工作流程、互联数据环境、负责任的决策流程、劳动力重组和可衡量的运营价值的能力。</div><div><br></div><div>它可以通过五个核心层次来理解：</div>

这种架构应该在大规模扩展之前构建，而不是在问题出现之后。<div><br></div><div>对于首席执行官和企业主而言，首要任务是明确责任归属。人工智能的实施不能仅仅被视为一个技术项目，它会影响绩效、风险、员工、客户以及运营模式。高层领导需要决定哪些工作流程最为重要，哪些能力必须内部掌握，以及各业务部门如何对结果负责。</div><div><br></div><div>对于首席人力资源官和人力资源主管而言，当务之急是从培训转向过渡规划。人力资源方面的问题不仅在于“员工能否使用人工智能？”，还在于“当人工智能成为工作流程的一部分时，工作内容、角色、技能、监督方式和职业发展路径将会发生怎样的变化？”</div><div><br></div><div>对于业务部门领导者而言，首要任务是确定人工智能可以在哪些方面改善实际成果。这意味着要绘制工作流程图，明确人工判断点，并确定哪些证据可以证明人工智能在质量、速度、成本、客户体验或员工效率方面有所提升。</div><div><br></div><div>对于治理、风险和合规负责人而言，当务之急是将控制措施更贴近实际工作。人工智能治理不应是部署后才出现的独立层级，而应明确定义敏感工作流程的设计、审查、监控和审计方式。</div>

政策相关性：治理层必须了解实施现实

虽然这份建议主要针对企业领导者，但其中的政策信号却十分重要。<div><br></div><div>随着人工智能融入工作流程，政策制定者需要了解人工智能如何真正改变机构行为。模型层面的规则和总体原则仍然必要，但它们不足以应对全部风险环境。</div><div><br></div><div>许多最重要的问题都与操作有关：人工智能在机构内部如何使用，谁拥有决策权，如何保存审计证据，如何影响员工，如何上报错误，以及在人工智能进入敏感工作流程之前需要哪些保证。</div><div><br></div><div>这一点至关重要，因为忽视实际执行情况的政策可能会在两个方面失败。首先，它可能因为过于关注模型而非组织应用而忽略真正的风险。其次，它可能因为未能区分低风险的实验和高风险的工作流程部署而延缓负责任的采纳。</div><div><br></div><div>人工智能治理的下一阶段需要将监管、企业实践、劳动力转型和运营保障更紧密地联系起来。</div>

人工智能的应用正在成为对机构准备情况的一次考验。<div><br></div><div>风险最大的公司未必是那些没有人工智能工具的公司，而是那些将人工智能应用于未经重新设计的工作流程、未经评估的风险以及未经准备的员工转型中的公司。</div><div><br></div><div>最有可能从中受益的公司将是那些尽早构建实施架构的公司：明确的工作流程所有权、使用点的治理、劳动力过渡计划、人工智能监督能力和运营保障。</div><div><br></div><div>对于企业领导者而言，这是规模化之前的关键工作。</div><div><br></div><div>人工智能将持续渗透到各个组织机构中。关键的战略问题在于，领导者是会主动塑造人工智能改变工作方式的进程，还是任由变革在他们周围发生。</div>

从 Anthropic 和 Freshworks 给企业领导者的经验教训

企业逐渐发现，人工智能试点项目启动容易，但真正应用却很难。在企业人工智能发展的早期阶段，实验性举措备受推崇。团队测试辅助驾驶系统，员工尝试新工具，执行……

Before Scaling AI, Build the Operating Model

Stay ahead of the policy curve

Related analysis

AI in Education Policy: What Five Countries Reveal About Readiness, Inclusion and Implementation

China’s AI Education Transition: Rapid Adoption, Institutional Friction, and the Future of Assessment

Malaysia’s AI Education Push Is Real. Its Hardest Test Is Still Ahead

在扩展人工智能规模之前，先构建运营模式