麦肯锡:拒绝纸上谈兵:真正为AI时代做好准备的企业,做对了这12件事-夜雨聆风

麦肯锡:拒绝纸上谈兵:真正为AI时代做好准备的企业,做对了这12件事

当所有企业都在谈论人工智能（AI）时，真正能从中获得颠覆性竞争优势的企业却屈指可数。那些真正在利用AI进行创新的公司，其做法与同行截然不同：它们不仅是在使用现成的工具，而是在构建能够彻底改变产品、服务、核心业务流程和组织架构的AI能力。

它们的优势并不源于技术本身（因为技术是普遍可用的），而在于它们如何、以及多快地将技术规模化地应用于解决实际业务问题。根据对数百次大规模技术与AI转型的观察，这12个关键特征将领先企业与落后者区分开来：

1、聚焦业务价值与核心杠杆

单靠技术无法创造优势：持久的核心能力才是壁垒。领先企业（即“重构型”公司）通过构建驾驭任何技术的能力，加速业务转型并超越同行。
寻找经济杠杆点：成功企业不会盲目铺开应用场景，而是集中精力在1-3个具有战略意义的关键领域（如采矿业的产量、汽车业的供应链）构建AI系统，以实现深度的业务转型。
不以业务增长为目的的AI都是走弯路：领先企业的AI转型平均能带来20%的EBITDA（税息折旧及摊销前利润）提升，通常在1到2年内回本，且每投入1美元就能产生3美元的增量收益。

2、组织与人才的全面进化

高管亲自下场：成功的转型必须由业务领导者（而非单纯由IT部门）主导。这些领导者将深厚的业务专长与AI/数据知识相结合，亲自掌管技术决策。
“30-70”人才法则：领先企业在人才结构上遵循70%以上人才来自内部、70%以上是实干的工程师、70%以上具备高技能水平。这造就了高效的小型敏捷团队。随着AI接管常规编码和决策工作，人类的角色正在向价值链上游（如设计架构、设定目标）转移。
唯快不破：速度是决定性的组织优势。卓越的运营模式能迅速重新部署资源、赋能团队自主行动，并大幅缩短从洞察到行动的“延迟”。

3、技术、数据与规模化的落地

平台即战略资产：技术平台决定了执行速度并降低了单位成本。像对待战略资产一样管理平台（提供预算、路线图和目标服务水平），是现代企业领导者的必修课。
数据产品化：没有高质量数据，AI突破是不可能的。扩展AI的起点是将数据“产品化”，使其在各个应用中易于发现和使用，进而通过深化数据质量来获得持续的绩效提升。
为采用和扩展而设计：AI系统只有在被采用并规模化时才能创造价值。这要求企业在前期就解决好上下游流程的协同、模块化架构以及运行成本等问题，而不是事后修补。

4、信任、前沿与终身学习

无信任，不AI：AI系统故障会破坏利益相关者的信任。在网络安全、数据保护和AI透明度上的投入至关重要，特别是随着智能体技术带来的复杂风险不断增加。
掌握AI自主智能体工程（AgenticEngineering）：基础模型现在能进行持续、自主的工作。领先企业正迅速扩展其AI平台的智能体能力，这在软件开发领域的生产力提升尤为惊人。
关乎存亡的重新学习：技能的半衰期正在缩短。CEO能做的最重要的事情，就是带领高层团队开启学习之旅，直至对战略机遇和转型路径建立坚定的信念。

全文：The AI transformation manifesto——人工智能转型宣言

十二个关键特征将那些真正为人工智能做好了准备的公司在同行中区分开来。

那些真正利用人工智能进行创新的公司，其做法与同行截然不同：它们致力于构建和开发能够彻底改变其产品、服务、核心业务流程以及组织架构的人工智能功能。

这些领先企业——许多都出现在我们那本具有开创意义的著作《Rewired:How Leading Companies Win with Technology and AI》的第二版中——已经取得了颠覆性的成果，并赢得了竞争优势。不过，它们的优势并非源于所使用的技术；因为这些技术其实都是公开可用的。它们的优势在于：它们懂得如何、以及多快地将技术应用于解决各种实际业务问题。

在这份关于人工智能转型的宣言中，我们总结了我们对各企业如何实现这一转型的看法。这份宣言揭示了那些能够成功利用技术和人工智能实现业务转型的企业与那些无法做到这一点的企业之间的关键区别。虽然毫无疑问，智能体技术正在不断突破各种可能性，但这些关键原则依然具有持久的重要性，因为它们着眼于如何利用技术来推动业务目标的实现。

这些主题源自《Rewired-重新连接》中提到的六大核心能力：战略规划、人才管理、运营模式、技术应用、数据利用，以及项目的推广与规模化实施。通过明确这些主题，我们旨在强调：在数百次大规模科技与人工智能转型项目中，哪些因素才是真正能带来成效的关键。这些主题应作为变革的指导原则，帮助你在实现价值转化的道路上不断前进。

一、单靠技术本身无法创造竞争优势，唯有持久的核心能力才能做到。

在人工智能领域，谁会成为早期的赢家呢？当然是那些一直以来都能通过构建有效利用各种技术的能力来取得成功的公司。
我们将这类公司称为“重构型”公司。
当这些新的能力被建立起来之后——而这需要时间——该公司就能借助技术加速业务转型，从而超越同行。
这些核心能力便成了公司的竞争优势。
您是在为未来的发展奠定持久的能力基础，还是在仅仅提供一次性的解决方案而已？

二、经济杠杆点是企业最值得关注的焦点。

任何商业模式都有一些关键的经济杠杆点，通过人工智能的优化，这些杠杆点能产生巨大的效果。
例如，在采矿业中，生产效率和产量就是关键的经济杠杆点，Freeport-McMoRan正是通过在这些方面运用人工智能取得了突破性成果。
在汽车行业，供应链整合是关键所在，丰田也在这一领域取得了人工智能方面的突破。
大多数企业都有大量的应用场景。但成功的企业会专注于在那些具有战略意义的领域实现深度的业务转型。
它们会集中精力在这些领域构建人工智能系统。
你是否将人工智能技术的应用充分集中在那些能带来经济利益的重点领域上？

三、如果你创造的价值无法推动业务发展，那你的做法就是错误的。

我们研究了20家在各个行业中处于人工智能领域领先地位的企业的成果。
总体而言，这些企业通过技术和人工智能推动了业务转型，使EBITDA【EBITDA的全称是 Earnings Before Interest, Taxes, Depreciation and Amortization，中文为“息税折旧及摊销前利润”。它是一个衡量企业核心经营盈利能力和现金流生成潜力的重要指标】提升了20%；通常在1到2年内实现盈亏平衡；每投入1美元，就能带来3美元的额外EBITDA。
这些企业将精力集中在一到三个业务领域上，利用人工智能对它们进行重塑。
这需要创新的解决问题的能力、对技术和非技术手段的协调运用、对客户/用户的极度关注，以及对关键业务指标的明确问责。
它们进行了大规模的、分阶段的投资，同时不断改进以保持领先地位。
您的业务转型计划能否带来颠覆性的价值，还是只能带来渐进式的改进呢？

四、培养企业高层领导在技术和人工智能领域的能力应被视为重中之重。

我们从未见过任何成功案例，其中企业高层领导没有发挥主导作用。
当然，IT部门可以协助推动这一变革，但真正起到推动作用的是业务领域的领导者。
在顶尖企业中，这些领导者亲自掌管着与技术相关的各项决策——从确定如何利用技术重塑业务模式，到指导解决方案的开发和落实，再到确保价值的有效交付。
这些领导者通常处于CEO之下的一到三个层级，他们既拥有深厚的业务领域专业知识，又精通技术、数据和人工智能领域，因此能够成为推动企业变革的强大力量。
他们负责设计、构建和运营那些支撑企业各项核心业务的人工智能系统。
你们的资深业务领导是否具备技术和人工智能方面的能力？

五、每一次技术和人工智能领域的变革，本质上都是一场人才结构的变革。

领先的公司在提升自身技术人才的能力和数量时，会遵循我们所说的“30-70原则”：70%以上的人才应来自企业内部；其中70%以上应是能够打造出色软件解决方案的工程师；另外，70%以上的人才应具备较高的技能水平（即具备胜任或专家级的能力）。
这样一来，就能形成由高素质人才组成的小团队，而这些团队的效率远远高于那些由低技能员工组成的庞大团队。
在业务层面，领导者会转变为领域的专家和解决方案的制定者，他们需要对业务成果负责，并领导跨职能的敏捷团队。
领先的公司已基本完成了这一转型，从而实现了更高的人才密度和更强的业务掌控能力。
随着AI智能体（AI agent）承担越来越多协调、执行和常规决策工作，人类的角色正在向价值链上游转移。
工程师在常规编码任务上花费的时间减少，而将更多时间用于设计架构、工作流、约束条件和质量控制。
业务和解决方案领导者不再那么关注任务管理，而是更多地专注于设定目标、定义成功指标和进行权衡。
结果是，更少的人从事具有更高杠杆效应的工作，问责机制更加清晰，学习循环也更快。
你们在人员转型方面取得了足够的进展吗？

六、速度是决定性的组织优势。

企业正与能够使用相同技术的同行进行创新竞赛。
当企业的运营模式能够更迅速地将资源重新部署到重要机遇上、赋能团队在无需过度依赖他人的情况下采取行动，并减少从洞察到决策、从决策到行动的“延迟”时，就能在这场竞赛中获胜。
速度要求将人工智能工程和其他职能人才直接嵌入业务中，通过平台最大化技术和数据的重用，并以明确的业务成果进行治理，提供与结果（而非项目）挂钩的持续资金。
这能大幅缩短周期时间。
否则，任何公司都无法真正在规模上利用技术和人工智能进行创新；它们只会太慢。
您正在采取什么措施来提高组织的代谢率？

七、技术平台是战略资产；应以此方式进行投资。

平台决定了公司的执行速度，通过重用降低单位成本，将技术和数据交付给需要的人，并使人工智能能够负责任地扩展。
它们提供标准化、安全和共享的技术和数据能力，供团队访问。
领先企业通过专门的团队、路线图、预算、目标服务水平以及其需求塑造平台演进的用户，对平台进行战略管理。
作为高级管理人员，了解您的技术架构、它赋予您的自由度以及它如何驱动竞争差异化，现在对于领导一家现代企业来说，就像了解您的利润和亏损一样重要。
平台是否被作为战略资产来理解和讨论？

八、让数据易于使用——并丰富它以获得优势。

正如2024年诺贝尔化学奖得主大卫·贝克（DavidBaker）在回顾近期突破时所观察到的：“人工智能需要大量高质量的数据才能发挥作用。”
没有好的数据，人工智能的突破是不可能的。
然而，在大多数组织中，数据通常仍然是制约因素。
因此，扩展人工智能的起点是将数据产品化——使其在众多人工智能驱动的应用程序中易于发现、访问和使用。
这需要投资构建数据产品。
随着时间的推移，游戏规则转向数据丰富化，深化其质量、上下文和独特性，以便通过人工智能获得持续的性能提升。
在“重构型”组织中，数据是业务拥有的绩效资产。
您的团队能否轻松使用您的数据，还是仍在艰难地处理数据？

九、为采用而设计，为规模化而构建。

人工智能系统只有在被采用和扩展时才能创造价值。
这听起来似乎显而易见，但它仍然是最艰难的挑战之一。
采用往往会失败，因为相邻的上游和下游流程保持不变。
一个人工智能解决方案可能提前几天预测设备故障，但如果维护仍然遵循基于日历的调度，那么什么都不会发生。
规模化是另一个不同但同样困难的挑战。
要在不同市场、工厂、客户群或产品线中快速、经济地扩展人工智能解决方案，需要模块化的解决方案架构，以及中央团队和接收单位之间精心编排的协同。
这些考虑因素——包括所需投资和运行成本——必须在前期解决，而不是事后修补。
您的组织能够反复采用和扩展人工智能吗，还是仍然依赖于孤立的个人英雄主义？

十、没有信任，就没有部署人工智能的权利。

当人工智能系统出现故障时，它们会挑战客户、监管机构、员工、合作伙伴乃至整个社会的信任。
当利益相关者相信您的组织能够保护消费者数据、实施有效的网络安全、提供值得信赖的人工智能驱动的产品和服务，并在人工智能和数据使用方面保持透明度时，数字信任就会增长。
随着智能体技术的扩张，挑战只会增加，这需要更多时间来测试智能体系统和自动化风险控制。
这是一个快速发展的领域，对AI智能体的兴奋可能会超越公司管理与该技术相关的更复杂风险的能力。
您今天的人工智能部署能够经受住公众、监管机构和客户的审查吗？

十一、智能体工程成为下一个需要掌握的能力。

基础模型现在能够在长时间内进行持续、自主的工作，从而使得构建复杂的智能体工作流成为可能。
这在软件开发中表现得最为明显，其生产力的提升令人震惊。
领先企业正在迅速采取行动掌握智能体工程。
它们正在摄取非结构化数据，用智能体能力扩展其人工智能平台，自动化护栏和控制措施，并快速进行实验，将行之有效的方法编纂成可重复的智能体剧本。
我们以前见过这种模式。
“重构型”领导者总是能更快地吸收新技术，因为他们已经建立了实现这一目标的基础能力。
智能体工作流会成为您下一个工程优势——还是您下一个需要奋力追赶的难题？

十二、要像视成败于自己事业一般来重新学习。

我们喜欢在这个领域工作的原因之一，就是这里始终处于变化之中。
随着创新的加速，各种技能的“寿命”也越来越短。
那些能够最快地学习、放弃旧有观念并重新学习的组织，才能获得优势。
让领导团队参与到学习过程中，是CEO为有效推动人工智能驱动的业务转型所能做的最重要的事情。
正如我们多次指出的那样，这些学习过程对于高层团队来说至关重要，只有当战略机遇和转型路径都清晰明了时，团队才能下定决心。
到那时，每一位高层管理者都能明确自己的职责，整个转型进程也会真正加速。
要成为这个时代的领导者，首先必须致力于持续学习。
你个人在这方面投入得够多吗？

结语

构建完整的“重构型”能力体系，是每一项成功的科技与人工智能转型的基石。
企业可以加快这些能力的开发进程，但绝不能跳过这些基础性的工作。
随着各项能力的相互叠加以及竞争优势的不断累积，企业就能实现价值的持续增长。
这也是领先企业能够一次又一次地超越同行的关键所在。