随着前沿人工智能公司和专业服务公司深入企业部署，一种诱人的假设正在出现：如果人工智能实施很困难，那么解决办法就是引入更强大的合作伙伴。<div><br></div><div>Anthropic 与普华永道的合作表明，这种假设只部分正确。外部部署能力固然日益重要，但这并不能免除企业定义工作流程、业务意义、决策权、员工信任和运营验证的责任。</div><div><br></div><div>PwC 和 Anthropic 扩大联盟，这有力地表明了企业人工智能的未来发展方向。 <a href="https://www.anthropic.com/news/pwc-expanded-partnership" target="_blank" rel="noopener noreferrer">两家公司正在建立一个联合卓越中心，并制定一项计划，对 30,000 名普华永道专业人员进行 Claude 培训和认证。</a> 普华永道还将在其团队中推广 Claude Code 和 Claude for Enterprise，合作重点是构建智能技术、AI 原生交易和企业功能重塑。</div><div><br></div><div>这项合作的意义不在于证明企业人工智能投资回报率高，而在于它并不能证明这一点。它也不意味着专业服务公司会自动将前沿模型转化为持久的运营价值。更重要的是结构性的变化：在模型能力和企业应用之间，正在形成一个新的人工智能部署层。</div><div><br></div><div>这一层面至关重要，因为许多企业已经发现，获得模型访问权限并不等同于机构层面的吸收。购买许可证、启动试点项目和选择部署合作伙伴可以加快进程，但这些并不能自动明确工作方式的改变、哪些数据含义至关重要、决策权归属、人工审核的职责范围、员工应如何信任系统，以及哪些证据可以证明人工智能改进了运营模式。</div><div><br></div><div>企业吸收能力是指将外部 AI 部署支持转化为工作流程改变、可信的业务意义、负责任的决策、员工采纳和可衡量的运营价值的内部能力。</div><div><br></div><div>因此，当前面临的领导力问题不仅是：谁能帮助我们部署人工智能？而是为了创造持久价值，在部署支持方面，我们必须在内部理解、定义、管理和衡量哪些内容？</div>

Anthropic 与 PwC 的联盟并非孤例。OpenAI 还成立了一家新的部署公司，据报道该公司已获得超过 40 亿美元的初始投资，旨在加速企业采用人工智能。 <a href="https://www.reuters.com/business/openai-creates-new-unit-with-4-billion-investment-aid-corporate-ai-push-2026-05-11" target="_blank" rel="noopener noreferrer">路透社报道称，该部门收购了Tomoro，这是一家人工智能咨询公司，拥有约150名人工智能工程师和部署专家。</a> 其目的是将专家派驻到组织内部，以识别具有高影响力的部署机会。<div><br></div><div>此处应将OpenAI视为次要证据，而非论证的核心。Anthropic-PwC和OpenAI的部署服务举措共同表明，前沿人工智能公司和专业服务合作伙伴正从模型获取转向实施能力。但这并不意味着任何特定的部署模式都会成功，而是表明部署能力正成为一个重要的战略市场层面。</div><div><br></div><div>这不足为奇。企业人工智能的采用常常在能力和应用之间出现问题：与系统的集成、工作流程的重新设计、数据上下文、风险控制、员工接受度、治理流程和衡量标准。</div><div><br></div><div>部署合作伙伴可以帮助弥合这一差距。他们可以提供技术支持、模型专业知识、行业模板、工作流程方法、培训、治理支持和变革管理经验。在许多组织中，这种外部能力可能至关重要。</div><div><br></div><div>但外部能力的引入也可能造成一种危险的误解：即人工智能的准备工作可以完全从外部购买。</div>

企业普遍会将人工智能部署难题视为合作伙伴选择问题。如果实施困难，就选择更优秀的供应商；如果内部团队能力不足，就聘请专业服务公司；如果模型功能强大但推广缓慢，就引入部署专家。<div><br></div><div>这种直觉有一定道理。合作伙伴的选择至关重要。错误的实施合作伙伴会导致试点项目分散、治理薄弱、工作流程不匹配以及实验成本高昂。而强大的合作伙伴则有助于将人工智能能力转化为真正的业务系统。</div><div><br></div><div>但人工智能部署并非普通的采购。一旦人工智能融入核心工作流程，企业就不再仅仅是购买外部专业知识，而是会改变决策、交接、审核、数据解读、员工职责以及运营证据的构建方式。</div><div><br></div><div>这就是为什么即使合作伙伴能力出众，以合作伙伴为主导的部署也可能失败的原因。如果企业没有明确自身的工作流程、业务定义、决策权、责任架构、员工期望和运营指标，外部部署能力就无法稳定发挥作用。</div><div><br></div><div>人工智能部署合作伙伴可以提供运维能力。而能否为企业创造持久价值，可能取决于企业内部是否有足够的清晰思路，将这些运维能力转化为实际工作。</div>

最有力的反驳论点应该认真对待：专业服务公司的存在正是为了弥补组织能力的不足。<div><br></div><div>像普华永道这样的公司可能带来行业知识、工作流程重组经验、治理方法、转型人才、技术实施团队、高管资源以及变革管理能力。而前沿人工智能公司可能带来模型专业知识、产品路线图、工程支持、代理设计模式、平台控制以及来自多个企业部署的经验教训。</div><div><br></div><div>在某些企业中，部署合作伙伴可能是必要的，因为内部团队缺乏人工智能工程能力、治理设计经验、工作流程转型方法或跨职能实施权限。</div><div><br></div><div>对许多企业而言，这种外部支持可能决定着它们是零散的实验还是规范的实施。部署合作伙伴可以帮助企业识别用例、绘制流程图、配置系统、构建原型、培训团队、支持治理设计并创建可重复的方法。</div><div><br></div><div>正因如此，人工智能部署服务层的兴起具有重要的制度意义。它反映出市场已经认识到，瓶颈不仅在于技术能力，更在于如何将技术能力转化为受控的组织应用。</div><div><br></div><div>但外部支持是有局限性的。合作伙伴可以提供能力、方法和加速，但他们无法永久拥有业务意义、决策权、责任、员工信任或价值定义。</div>

最重要的准备工作仍然是内部的。<div><br></div><div>首先，企业必须拥有工作流程定义。合作伙伴可以帮助绘制流程图，但企业必须决定实际工作应该如何进行。哪些步骤至关重要？哪些交接必不可少？哪些审批是正式的，哪些审批只是因为组织从未重新设计过流程而存在？哪些任务可以自动化，哪些需要人工判断，哪些在风险控制措施完善之前不应触及？</div><div><br></div><div>其次，企业必须掌握业务语义。<a href="https://www.gartner.com/en/newsroom/press-releases/2026-05-11-gartner-says-lack-of-semantics-causes-inaccurate-artificial-intelligence-agents-and-wasted-spending" target="_blank" rel="noopener noreferrer"> Gartner 警告称，忽视语义会导致人工智能代理不准确、效率低下，从而增加浪费的支出以及数据和人工智能治理方面的漏洞。 </a>它的警告并非一套完整的AI就绪理论，但它指出了一个实际问题：智能体在工作流程的每一步都需要业务上下文。</div><div><br></div><div>部署合作伙伴可以帮助清理、构建和整合知识，但它无法完全定义组织对“活跃客户”、“合格线索”、“重大风险”、“认可供应商”、“高价值客户”、“政策例外”或“可信来源”的定义。这些定义根植于战略、历史、风险偏好、客户关系、合规义务和管理判断之中。</div><div><br></div><div>第三，企业必须拥有决策权。一旦人工智能支持决策、建议、审批或升级，就必须有人明确谁有权接受、否决、质疑或停止系统。这不仅仅是一个技术设计问题，更是一个问责问题。</div><div><br></div><div>第四，企业必须承担起人的责任。合作伙伴可以设计治理模板，并推荐审查阈值、升级规则、审计跟踪和控制结构。但企业必须明确责任归属。当人工智能辅助的决策影响到客户、员工、候选人、供应商、受监管流程或财务结果时，责任不能仅仅归咎于工具本身。</div><div><br></div><div>第五，企业必须赢得员工的信任。<a href="https://www.bankofcanada.ca/2026/03/staff-analytical-paper-2026-4" target="_blank" rel="noopener noreferrer"> 加拿大银行的分析表明，到目前为止，人工智能对劳动力市场的影响还不能简单地理解为立即造成大范围失业；</a> 短期影响更多地集中在任务、生产力和工作组织方式上。这一点至关重要，因为人工智能对企业的首要影响往往并非裁员，而是职责的改变、考核负担的增加、生产力预期的调整以及管理理念的转变。</div><div><br></div><div>当人工智能进入绩效系统时，信任就显得尤为重要。 <a href="https://www.conference-board.org/podcasts/c-suite-perspectives/How-AI-Is-Transforming-Performance-Systems-at-Microsoft" target="_blank" rel="noopener noreferrer">世界大型企业联合会讨论微软在绩效系统中使用人工智能时指出，只有当员工信任该系统时，人工智能才能成为强大的加速器。 </a>这并不能全面证明人工智能绩效治理的成熟，但它是一个有用的警示：人工智能的采用不仅取决于技术部署，还取决于员工是否理解人工智能如何影响评估、激励和责任。</div><div><br></div><div>第六，企业必须拥有运营验证。合作伙伴可以帮助构建指标、仪表盘和实施路线图。但企业必须明确价值所在。目标是缩短周期时间、提高决策质量、降低错误率、提升客户满意度、加强合规性、减轻人工负担、改善员工体验、更好地识别风险，还是提高利润率？如果没有明确的定义，人工智能部署可能看起来很活跃，但却无法真正产生价值。</div>

为什么这在核心工作流程中至关重要

这种观点并非主张企业应该避免与外部部署合作伙伴合作，而是强调企业不应将外包实施支持与外包机构所有权混为一谈。<div><br></div><div>当人工智能融入核心工作流程、受监管流程、劳动力系统、绩效系统或面向客户的运营时，这一论断最为有力。在这些场景中，人工智能的部署改变的不仅仅是工具的使用方式，它还会改变权限、责任、审查、证据和信任。外部合作伙伴可以帮助设计和实施系统，但他们无权决定组织的风险承受能力、客户承诺、员工契约或可接受的绩效标准。</div><div><br></div><div>对于低风险的个人生产力应用，这种说法的说服力较弱，因为即使不进行全面的运营模式重塑，轻量级部署也能创造价值。例如，如果员工使用人工智能来总结公开信息、撰写非敏感文件的初稿或学习技术概念，则可能无需对运营模式进行大规模的重新设计。在特定、可逆且低风险的场景下，轻量级应用也能创造价值。</div><div><br></div><div>但随着人工智能从个体辅助转向共享工作流程，准备工作的压力也随之改变。企业在规模化应用之前，必须能够回答一些运营方面的问题：人工智能可以执行哪些操作、它依赖于哪些技术、哪些内容需要审核、谁负责、如何检测故障以及哪些证据可以作为扩展的依据。</div>

合作伙伴主导部署前的领导力问题

在将合作伙伴主导的部署视为人工智能转型战略之前，企业领导者应该问自己八个问题。<div><br></div><div>部署合作伙伴实际能够提供什么？</div><div><br></div><div>合作伙伴提供的是模型专业知识、工程能力、工作流程重组、治理方法、培训、变更管理，还是所有这些？哪些能力已经过验证，哪些能力仍在试验阶段？</div><div><br></div><div>在签署或扩大部署合作伙伴关系之前，必须明确哪些内部准备条件？</div><div><br></div><div>相关工作流程、业务定义、数据上下文、问责规则、审查点、风险边界和价值指标是否足够成熟，可以引入外部部署支持？</div><div><br></div><div>哪些决策不能委托给供应商、顾问或部署专家，因为这些决策涉及商业判断、风险承受能力、员工信任、法律责任或战略重点？</div><div><br></div><div>哪些工作流程足够清晰，可以供人工智能介入？</div><div><br></div><div>如果一个过程不一致、没有记录、存在政治争议或依赖于非正式判断，人工智能可能会加剧混乱，而不是减少混乱。</div><div><br></div><div>谁拥有业务定义、语义含义和数据上下文？</div><div><br></div><div>如果不同部门对同一个业务概念的定义不同，问题就不仅仅是数据质量，而是组织意义上的差异。</div><div><br></div><div>谁负责审核、批准、否决或上报人工智能生成的输出结果？</div><div><br></div><div>如果没有明确的人工审核点和责任归属，合作伙伴主导的部署不应进行。</div><div><br></div><div>如果人工智能影响到岗位职责、绩效考核体系或劳动力结构调整，如何才能保护员工的信任？</div><div><br></div><div>当员工了解人工智能如何改变预期、输出结果将如何使用以及哪些责任仍然属于人类时，他们更有可能认真对待人工智能。</div><div><br></div><div>哪些运营证据可以证明合作伙伴主导的部署创造了价值？</div><div><br></div><div>活动本身并不能证明什么。培训人数、试点项目、代理上线数量和合作伙伴公告都不如人工智能能够改善实际运营结果的证据重要。</div>

三个信号将决定 AI 部署服务层是成为企业价值的持久来源，还是成为另一波代价高昂却无法带来持久运营价值的转型活动。<div><br></div><div>首先，观察像 Anthropic–PwC 这样的合作关系是否能产生具体的客户方证据：工作流程层面的结果、采用深度、治理改进、生产力提高或可衡量的运营价值。</div><div><br></div><div>其次，要观察部署合作伙伴是否会更明确地说明企业在实施开始前必须内部承担哪些责任。实力雄厚的合作伙伴可能会更多地侧重于评估企业的准备情况，而不仅仅是推销部署服务。</div><div><br></div><div>第三，观察企业是否开始将人工智能采购与人工智能吸收能力分开。更成熟的问题将不再是“我们应该聘请哪个合作伙伴？”，而是“在任何合作伙伴能够提供帮助之前，我们内部必须明确哪些问题？”</div><div><br></div><div>部署合作伙伴对于企业采用人工智能可能至关重要，但他们不能替代企业内部的准备工作。</div><div><br></div><div>他们可以帮忙架桥。这块地皮仍然属于这家企业。</div>

人工智能部署合作伙伴可以加速人工智能的普及应用，但他们无法掌控企业的就绪程度。

随着前沿人工智能公司和专业服务公司不断深入企业部署，一种诱人的假设正在出现：如果人工智能实施困难，那么解决办法就是引入更强大的合作伙伴……

What Anthropic–PwC Reveals About the Limits of Outsourcing AI Readiness

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

Anthropic-PwC 报告揭示了外包人工智能准备工作的局限性