ARTICLE · 1037064
工作中的AI:如何构建全栈组织9
工作中的AI:如何构建全栈组织9在过去一年里，我一直与那些在纸面上做对了一切事情的组织合作。他们建立了数字孪生，将他们的机构知识映射到可搜索、AI可访问的格式中。他们建立了伦理框架，创建了强大的审查流程和治理结构。他们的AI神经系统的大脑和直觉功能运作得非常好。然而，实际上什么都没有改变。 我最常听到的抱怨听起来像这样：“我们现在有了所有这些AI工具，每个人都经过了培训，但当我走进办公室时，人们仍然以旧方式做事。”或者有时：“我们的团队不断请求允许使用AI做基本任务，尽管我们已经反复告诉他们没问题。”或者我个人最喜欢的：“我们在这个AI基础设施上投资了数十万，我不确定除了IT部门以外有谁真正使用它。” 这是我意识到的：拥有智能并不意味着你能根据它行动。从人类的角度想想。你可以确切知道你应该做什么——吃得更好、多锻炼、进行那场艰难的对话——但仍然发现自己在午夜滚动手机，吃薯片。知道和做之间的差距不是知识问题，而是执行问题。这就是AI神经系统的最后两个元素进来的地方：手和脚。 如果大脑是你组织的集中智能，直觉是你的伦理免疫系统，那么手是你被赋能的劳动力——实际做工作的人——而脚是你的领导力——将整个系统带入不确定未来的人。 隐喻在这里很重要。你的手不会独立地思考每一个动作。当你伸手拿咖啡杯时，你不会自觉地计算角度和握力。你的大脑发送信号，你的手执行。但——这很关键——你的手通过练习学会了如何做这件事。通过数千次重复，通过错误和调整，通过肌肉记忆。 同样，你的脚不会决定你要去哪里。但它们绝对决定你如何到达那里，你是否实际到达，以及你到达时处于什么状态。糟糕的脚、糟糕的鞋子或不稳定的基础，即使最清晰的目的地也变得不可达。 我遇到的大多数组织将90%的AI转型努力花在大脑上——技术、基础设施、数据系统。也许10%花在直觉上——伦理、监督、治理。大约0%花在手和脚上——将决定这一切是否在实践中有效的实际人类。 让我明确一点：我不是在谈论培训。不是传统意义上的。 大多数组织以推出新软件系统的方式对待AI采用。他们创建培训模块。他们举办研讨会。他们分发指南。他们勾选“变革管理”框并继续前进。然后当什么都没有改变时，他们真的很困惑。 这是问题：赋能不是教人们AI能做什么，而是转变他们如何理解自己的工作。当我培训某人使用PowerPoint时，我在教他们一个工具。当我赋能某人与AI一起工作时，我要求他们从根本上重新考虑他们的工作是什么。我要求他们： 这不是培训问题，这是身份问题。 去年我与一家金融服务公司合作，这在这件事上表现得淋漓尽致。他们实施了一个AI系统，可以生成以前他们的分析师需要三天才能制作的季度报告初稿。系统工作完美——技术上。它生成的报告准确、结构良好，只需要轻编辑。 但实施六个月后，大多数分析师仍然以旧方式创建报告。当我们深入探究原因时，原因变得清晰——制作那些报告是这些分析师展示价值的方式。这是他们专业知识的切实证据。把那个工作交给AI感觉像放弃使他们有价值的东西。 突破发生在领导层帮助他们重新框架他们的角色时。他们不再是报告制作者，而是成为报告架构师和质量保证者。他们的价值不在于分析的机械生产——而在于他们关于什么分析重要的判断、他们发现不明显见解的能力、他们对AI无法复制的上下文的理解。 但达到那个重新框架需要的不仅仅是一次培训课程。它需要持续的对话、可见的领导层示范新方法，以及明确认可他们正在创造的新形式价值。 但这里变得真正有趣了。那些对员工抵制AI感到困惑的高管往往是那种抵制的来源。不是因为他们反对AI。他们中的大多数人对它充满热情——至少在理论上。而是因为他们在试图领导他们个人不理解的转型。 我反复看到这种模式。一位高级领导支持AI采用。他们资助倡议。他们发表声明。他们参加演示。但当你看他们工作时？他们仍然要求助手打字他们的手写笔记。仍然以他们使用了十五年的相同格式要求报告。仍然以他们一直以来的方式做决定。这发送的信息不会被他们的团队忽略：“这个AI东西是你们做的，不是我们做的。” 脚决定方向。如果领导层自己没有走这条路，为什么其他人会走？这不是关于技术素养。我知道许多技术不复杂但成功领导了数字化转型的领导者。这是关于体现。这是关于愿意明显笨拙、明显学习、明显改变你工作的方式。 我想起一位与我合作过的CEO，他在每次高管会议开始时分享他那一周尝试AI的一件事——什么有效、什么没有、他学到了什么。有时他的实验很复杂。通常，它们尴尬地基础。但通过自己明显地处于旅程中，他给了其他人也在旅程中的许可。 有一周，他分享说他尝试使用ChatGPT帮助他起草一封给董事会的困难电子邮件，但它出来太正式和公司化，所以他不得不重写。 “我还在弄清楚它什么时候有帮助，什么时候没有，”他说。 “还有其他人发现这个吗？” 接下来是那个高管团队曾经有过的关于他们的AI转型的最诚实的对话。人们承认他们的挣扎。他们分享什么有效。他们问真正的问题。大坝破裂了，不是因为CEO展示了技术精通，而是因为他展示了脆弱。因为这是不舒服的真相：你的人不会比你愿意转变自己走得更远。 我认为大多数组织完全错过了这里更深层的问题。我们不仅仅在谈论生产力提升或效率改进。我们在谈论你的组织是否对围绕我们出现的AI增强经济可读。 考虑当一些公司有效地赋能他们的手和脚而其他公司没有时会发生什么： 在几年内——也许更少——这些公司将不再在同一联赛中竞争。不是因为一家有更好的AI技术，而是因为一家有更好的AI整合。 手和脚不是AI转型的“软”部分。它们是必不可少的部分。决定你的AI神经系统是否实际上是一个神经系统——一个活生生的、整合的、响应的网络——还是只是坐在某个数据中心里的昂贵技术的部分。 再从人类的角度想想。你可以有最非凡的大脑——聪明、快速、能够产生令人难以置信的见解。但如果你的手不工作，如果你的脚不动，那种智能就锁在你的头骨里。它不转化为行动。它不改变世界上的任何东西。 组织也是如此。你可以构建最复杂的AI能力。你可以创建最全面的知识系统。你可以建立最深思熟虑的伦理框架。但如果你的人——做工作的手、设定方向的脚——没有被赋能实际使用所有这些，那么你只是建造了一个昂贵的雕像，不是一个活生生的系统。 这是艰难的真相——我们处于过渡中。大多数组织的结构是为AI不是因素的世界建造的：围绕信息缓慢向上流动和决定缓慢向下流动的假设设计的层级；假设某些类型的工作需要人类执行的角色定义；假设某些经验和技能发展序列的职业路径。 所有这些假设同时受到挑战。你不能只是翻转一个开关就从旧方式转变为新方式。你不能解雇所有人重新开始。你必须管理一个复杂的过渡，其中： 没有简单的剧本。将成功的组织不是有完美计划的。它们是那些开始移动、创造学习和实验空间、使他们的人能够发展新能力同时支持他们度过过渡的组织。 在接下来的两章中，我们将探讨如何实际赋能你的AI神经系统的手和脚。 首先，我们将看看新工作范式——当人类从执行者转向编排者时，工作本身如何根本性改变。我们将探索人-AI协作的不同模式、最重要的新能力，以及成功的组织实际在做什么不同的事情。 然后我们将深入构建AI原生能力——在你的组织中发展这些新工作方式的实际步骤。不是理论，不是陈词滥调，而是有效的具体方法。因为关键是——大脑和直觉重要。它们是必要的。但它们不充分。没有能执行的手和能走路的脚，即使最复杂的AI大脑和直觉仍然是休眠的潜力。
第三部分 手和脚
7. 行动中的智能
行动的解剖
为什么赋能不是培训
停止做给他们生产力感的任务。 信任机器处理他们花了多年掌握的工作。 从生产转向指导。 从执行者转向编排者。 接受他们的价值不再来自他们做那件事的能力，而是来自他们关于应该做什么以及做得如何的 判断。
领导力差距
实际处于危险中的是什么
公司A有流畅地将AI整合到他们的工作流中的工人，他们将AI视为他们能力的延伸，他们已经发展了关于何时以及如何部署这些工具的判断。他们的领导层做决定时由AI分析提供信息但基于人类智慧。他们可以更快地移动、更有创造性地思考，并在五年前不可能的水平上运作。 公司B有类似的AI基础设施但没有赋能它的人。它的工人偶尔、不情愿地使用AI，主要用于他们认为“安全”的任务。它的领导层谈论AI但实际上不使用它。他们投资了类似的金额但没有看到成比例的回报。
过渡挑战
一些处于传统初级角色的人需要过渡到新类型的工作，但你还不完全确定那工作看起来像什么。 你在建立新能力的同时仍然维持当前运营。 你在人们仍在做那项工作时重新定义工作。 你在做所有这些的同时你的竞争对手正在尝试同样的转型，技术不断进步。
前进的道路
关键要点
大多数组织将90%的AI努力花在技术上，10%花在伦理上，0%花在实际赋能人上。 赋能不是培训——它是关于转变人们如何理解自己的工作 和价值。 领导层必须体现转型，而不仅仅是指令它——人们不会比领导者愿意走的走得更远。 AI富人和穷人之间的差距不是技术——它是整合和赋能。 没有赋能的手和脚，即使最复杂的AI大脑和直觉仍然是休眠的潜力。
反思问题
你的AI转型预算和努力中有多少百分比用于实际赋能人而不是构建技术？ 你在哪里要求人们从根本上改变他们的工作方式而没有承认那种身份转变？ 作为领导者，你本周可以怎样明显地示范学习和使用AI——包括分享什么不起作用？ 你的组织中最抵制AI采用的人是谁？如果那种抵制实际上是关于他们需要什么赋能的有价值信息呢？ 如果你诚实的话，你的组织是在构建AI神经系统还是只是昂贵的雕像？