根据3年企业研究，关于工作中的人工智能的5个惊人真相

简介：超越炒作

关于生成式人工智能的头条新闻层出不穷，每一则都承诺能在一夜之间彻底改变工作场所。从自动化复杂任务到释放前所未有的创造力，公众叙事描绘了一幅无缝、闪电般快速的技术接管图景。但在大型公司的围墙内，企业采用的真实故事要复杂和微妙得多。

\ 为了超越轶事并了解实际情况，沃顿商学院和GBK集体进行了一项为期三年的综合研究，详细记录在他们的"生成式人工智能快速进入企业"报告中。这项研究提供了一个基于数据的视角，展示企业如何真正应对生成式人工智能，包括衡量其影响、面对挑战以及规划未来。研究结果揭示了一个往往违反直觉的景象。

\ 本文将研究精炼为关于当今工作中人工智能状态的五个最令人惊讶的真相。它们揭示了公司正在超越"探索"和"实验"的初始阶段，进入了一个负责任加速的新时代。在这个更成熟的阶段，焦点已转向实施、投资回报率和人才管理的困难现实，暴露出战略与执行、认知与现实以及雄心与能力之间的关键差距。

高层视角比实地现实更乐观

制定人工智能战略的高管与负责实施的中层管理者之间存在显著的认知差距。虽然高级领导（副总裁及以上）对公司的生成式人工智能推广压倒性地乐观，但一线经理对日常挑战则更加谨慎和现实。

\ 数据揭示了观点上的鲜明对比：

\

• 采用速度：56%的副总裁级别及以上领导认为他们的组织采用生成式人工智能的速度"快得多"于竞争对手。只有28%的中层管理者持有这种程度的信心。
• 投资回报率（ROI）：虽然81%的高级管理人员认为他们的生成式人工智能投资具有积极的投资回报率，但这一数字在经理中降至69%。在看成功程度时，差距更大：45%的副总裁认为投资回报率"显著为正"，而经理中只有27%。相比之下，经理更可能将回报视为仅"有些积极"（42%对比副总裁的36%）。

\ 战略与执行之间的脱节通过另一项发现得到有力说明：中层管理者报告"为时过早，无法判断"他们的人工智能计划是否有回报的可能性是副总裁的两倍（16%对8%）。当C级高管看到快速进展时，更接近实施摩擦的经理们生活在更大的不确定性中，对地面上的真实复杂性有更清晰的认识。

公司要求人工智能技能但减少培训投资

随着生成式人工智能从小众工具转变为核心业务功能，成功的主要障碍不再是技术，而是人力资本。报告指出，招聘具有先进生成式人工智能技能的人才是近一半（49%）组织的首要挑战。

\ 这里存在一个重大悖论：尽管迫切需要精通人工智能的劳动力，但企业对员工培训的投资正在下降。研究发现，培训投资同比下降了8个百分点，领导者对培训作为主要解决方案的信心下降了14个百分点。技能需求现在成为招聘中不可协商的部分。

\

\ 这种向"购买而非培养"人才战略的转变得到另一个关键统计数据的支持：认为需要"完全招聘新人才"以实现人工智能流利度的决策者比例增长了8个百分点，达到14%。通过优先考虑招聘外部人才而非提升现有员工技能，公司可能会造成长期内部技能短缺，最终减缓人工智能使用转化为可衡量投资回报率的速度。

隐藏的恐惧：生成式人工智能会降低我们的技能吗？

企业内部的普遍观点是，生成式人工智能是合作伙伴，而非替代品。绝大多数领导者（89%）同意这些工具增强了员工技能。然而，随着人工智能越来越融入日常工作，数据显示出一个新的重要担忧。

\ 研究首次揭示了对技能萎缩的广泛恐惧；由于过度依赖技术导致基本能力逐渐下降。值得注意的是，43%的领导者现在同意依赖生成式人工智能将导致员工核心能力下降。这指向管理人工智能增强劳动力的新挑战：确保效率提升不会以核心能力为代价。

\ 有趣的是，这种恐惧在高层最为明显。中层管理者比副总裁以上领导者（-18个百分点）不太可能相信生成式人工智能会导致技能下降。这表明高管们，由于远离工具的日常应用，更担心理论上的长期萎缩风险，而一线经理可能更专注于利用人工智能获得即时生产力提升。

意外的落后者：市场营销和管理部门落后

虽然IT、法务和采购等职能部门正在迅速增长其生成式人工智能专业知识，但一些广泛预期会成为早期采用者的部门却落后了。在这项为期三年的研究中确定的最令人惊讶的落后者是市场营销/销售，以及在较小程度上的管理部门。

\ 自2023年研究开始以来，市场营销/销售在采用方面一直落后于其他职能部门。最新报告揭示了一个说明性的势头逆转：自称在生成式人工智能方面为"专家"的市场营销/销售专业人士比例实际上比上一年下降了6个百分点。他们在这种下降中并不孤单；自称为专家的管理专业人士比例也下降了5个百分点。

市场营销的滞后深深违反直觉。从内容创建和客户分析到活动个性化的功能都充满了生成式人工智能的主要使用案例。这一趋势表明，尽管有明显的潜力，这些团队可能在将人工智能工具整合到复杂的创意、战略和面向客户的工作流程中面临重大挑战。

小而灵活在投资回报率竞赛中获胜

更大的预算和资源保证更快的人工智能成功的假设正受到挑战。虽然现在近四分之三的公司报告其生成式人工智能计划有积极的投资回报率，但较小、更灵活的公司实现这些回报的速度比大型竞争对手快得多。

\ 报告根据公司规模显示了明确趋势。中型（2.5亿-20亿）和较小（<2.5亿）公司报告更快的投资回报率实现，而最大的"一级"企业（20亿+）更可能报告"为时过早"无法确定结果。

原因不仅仅是大规模整合复杂。还因为较小的企业认为自己具有"更大的灵活性来改变工具和流程"。在快速发展的生成式人工智能世界中，能够快速转向、减少官僚实验和在较小团队中实施变革的能力正被证明比纯粹的规模更具决定性优势。

结论：负责任人工智能时代

试探性人工智能实验的时代正式结束。这项为期三年的研究结果清楚表明，我们已进入"负责任加速"的新阶段，其中投资回报率、实际整合和人为因素是最重要的指标。

\ 这个时代的关键挑战不再是理论性的，而是切实可见的：领导者与实施者之间的认知差距，要求技能同时削减培训的悖论，新兴的技能萎缩恐惧，关键部门的令人惊讶的滞后，以及小型公司的灵活性优势。

\ 随着这些工具嵌入每个工作流程，领导者面临的关键问题不再是"这项技术能做什么？"而是"我们如何建立一种文化、战略和劳动力，能够与之共同繁荣？"

完整报告：此处

苹果播客：此处

Spotify：此处

YouTube：此处