這一輪人工智能競爭的本質(zhì)，不在于誰更早接入模型、誰在橫向應用上更快鋪開，而在于誰能在低谷期沉下心來，完成以智能體為核心的業(yè)務流程重構和組織再造。

文｜譚寅亮

ID | BMR2004

過去兩年，生成式人工智能迅速進入企業(yè)管理層的核心議題。從大型跨國公司到本土成長型企業(yè)，從董事會戰(zhàn)略討論到部門日常運營，這項技術幾乎無處不在。

根據(jù)麥肯錫的最新調(diào)查，近八成企業(yè)已經(jīng)在至少一個業(yè)務環(huán)節(jié)部署了生成式人工智能，但同樣比例的企業(yè)坦言，這些嘗試對利潤的直接貢獻幾乎為零。這種“部署遍地開花、回報難以入賬”的現(xiàn)象，被稱為“生成式人工智能悖論”。

而這一悖論，因為智能體（AI Agent）的出現(xiàn)正在逐漸被打破。

01

“生成式人工智能悖論”的成因與邏輯

只有在經(jīng)過持續(xù)優(yōu)化、基礎設施完善、人才體系和業(yè)務模式適配之后，技術才會進入“穩(wěn)步爬升期”，最終達到“生產(chǎn)力平臺期”，成為真正驅(qū)動增長的底層能力。

“生成式人工智能悖論”的形成，有深層次的結構性原因。

麥肯錫的研究將生成式人工智能的企業(yè)應用分為兩大類：一類是橫向的企業(yè)級應用，例如通用型智能助理、內(nèi)部對話機器人等。這類應用部署快、門檻低、見效容易，往往只需在現(xiàn)有辦公軟件中開通功能或接入一個通用模型，就能幫助員工撰寫郵件、生成會議紀要、翻譯文檔、整理資料。這些改進雖然真實存在，但提升是分散、零碎的，很難在企業(yè)的利潤表上形成顯著的財務貢獻。

另一類是縱向的功能性應用，即嵌入到特定業(yè)務環(huán)節(jié)和核心流程的人工智能能力，例如自動化供應鏈調(diào)度、銷售預測與客戶分層、金融風險評估、合同審核、個性化營銷等。這類應用理論上對企業(yè)利潤的直接拉動作用更強，因為它們直接作用于收入、成本和風險。然而現(xiàn)實中，九成以上的縱向應用仍停留在試點階段，難以規(guī)模化落地。

原因很復雜：首先，縱向場景缺乏成熟的“即插即用”方案，往往需要結合企業(yè)業(yè)務流程進行定制化開發(fā)；其次，技術能力與數(shù)據(jù)質(zhì)量不匹配，尤其是非結構化數(shù)據(jù)的治理普遍滯后；再次，組織內(nèi)部缺乏跨部門協(xié)同，人工智能團隊與業(yè)務部門之間存在隔閡，試點成果難以融入日常運營；最后，中層管理者和業(yè)務骨干對變革的心理阻力不容低估，擔心崗位被取代或權力被削弱，從而對人工智能落地持保留態(tài)度。

結果就是，一個在輿論和市場情緒上熱鬧非凡的技術，在實際經(jīng)營中卻顯得力不從心：生成式人工智能“無處不在”，但在利潤表上依然“缺席”。

這種現(xiàn)象，其實并不罕見。過去幾十年的技術變革中，幾乎每一次重大創(chuàng)新都走過類似的路徑，這正是技術期望曲線所描繪的軌跡。新技術面世時，市場情緒迅速沖上“期望膨脹的峰值”，媒體、投資人和企業(yè)高層普遍預期它將立刻帶來革命性變化。然而，隨著落地中遇到的種種挑戰(zhàn)暴露——成本高企、集成困難、效果不穩(wěn)定、缺乏人才、制度配套滯后，于是熱情開始降溫，技術進入“幻滅低谷”。只有在經(jīng)過持續(xù)優(yōu)化、基礎設施完善、人才體系和業(yè)務模式適配之后，技術才會進入“穩(wěn)步爬升期”，最終達到“生產(chǎn)力平臺期”，成為真正驅(qū)動增長的底層能力。

然而，技術期望曲線講的是人們對技術的主觀感受，而斯坦福大學布林約爾松教授提出的生產(chǎn)力“J”曲線，刻畫的是客觀的生產(chǎn)力變化規(guī)律。即新技術引入初期，生產(chǎn)力不僅不會立刻上升，反而可能因為培訓成本、流程重構、系統(tǒng)整合等因素短期下降；當技術成熟、流程優(yōu)化、員工技能提升后，生產(chǎn)力才會快速反彈，并在長期超過原有水平。換句話說，這是一條先下沉、再躍升的“J”形曲線。

把這兩條曲線放在一起，就會發(fā)現(xiàn)一個耐人尋味的錯位現(xiàn)象：當公眾情緒和市場預期處于峰值時，生產(chǎn)力往往還在下探；而當生產(chǎn)力真正進入加速上升階段時，外界的關注度可能已經(jīng)趨于平穩(wěn)。這種錯位，正是許多企業(yè)在技術變革中迷失方向的根源——管理層在情緒高點時投入巨資，卻因短期成效不明顯而中途放棄，最終錯過了生產(chǎn)力真正爆發(fā)的階段。

02

智能體或成“技術—生產(chǎn)力”的突破口

智能體的價值不僅在于自動化，更在于推動流程重構。

如何縮短低谷期、加快進入生產(chǎn)力躍升階段，是企業(yè)在這一輪人工智能浪潮中能否突圍的關鍵，而智能體將成為一個重要的突破口。

智能體并不是簡單的對話工具，而是能夠自主理解目標、分解任務、跨系統(tǒng)執(zhí)行并實時調(diào)整的人工智能工作單元。與早期生成式人工智能的被動響應不同，智能體是主動的業(yè)務協(xié)作伙伴，能夠自動化多步驟、跨部門的復雜任務，并在此過程中與人類操作形成互補。

智能體的價值不僅在于自動化，更在于推動流程重構。它迫使企業(yè)從“在舊流程里加人工智能”轉向“圍繞人工智能重新設計流程”。

這種轉型需要企業(yè)同步完成三項關鍵變革：第一，從零散的用例轉向端到端的業(yè)務流程再造，讓人工智能嵌入價值鏈的核心環(huán)節(jié)，而不是停留在局部優(yōu)化；第二，建立跨職能的長期協(xié)作團隊，把業(yè)務專家、人工智能工程師、信息技術架構師、數(shù)據(jù)治理人員整合成“轉型小隊”，確保技術與業(yè)務目標一致；第三，引入專門針對智能體的治理機制，明確自主權邊界、防止無序擴張、確保決策過程透明可控。

在生產(chǎn)力“J”曲線的框架下，智能體可以幫助企業(yè)縮短下探期，讓曲線更快進入上升階段。它通過自動化復雜任務減少人為延遲，通過實時數(shù)據(jù)驅(qū)動的調(diào)整來減少流程摩擦，通過跨環(huán)節(jié)的協(xié)同提高系統(tǒng)響應速度。這不僅意味著更早看到投資回報，也可能在長期把曲線的終點抬得更高。

歷史經(jīng)驗告訴我們，“短期高估、長期低估”是技術演進的心理常態(tài)，但低估并非不可避免。對于那些能在低谷期完成組織重構、人才轉型和流程再設計的企業(yè)來說，智能體不僅是度過低谷的工具，更可能是打破長期低估、實現(xiàn)超預期增長的關鍵推手。

這一輪人工智能競爭的本質(zhì)，不在于誰更早接入模型、誰在橫向應用上更快鋪開，而在于誰能在低谷期沉下心來，完成以智能體為核心的業(yè)務流程重構和組織再造。能夠在這個階段與智能體深度融合的企業(yè)，將在生產(chǎn)力曲線的上升階段獲得更強的增長勢能，甚至可能借此重塑所在行業(yè)的競爭格局。

真正的機會，不在熱潮的峰頂，而在低谷中的深耕布局。那些能在情緒退潮時堅持投入、在短期回報不明顯時繼續(xù)推動變革的企業(yè)，將更有可能在下一輪生產(chǎn)力的躍升中，成為引領者而非跟隨者。

（作者譚寅亮系中歐國際工商學院決策科學與管理信息系統(tǒng)教授）