AI 清算之年｜经理人读书笔记⑤

《经理人月刊》2026 年 2 月号的主题学习，标题起得很狠：「2026 为 AI 清算之年——从技术狂热转向获利考核」。

开篇就甩出一组对撞的数据：麦肯锡估算 AI 长期能创造 4.4 兆美元生产力；但 MIT 的调查显示，企业在烧掉 300–400 亿美元做测试后，95% 看不到可衡量的回报。92% 的公司还在加码投资，只有 1% 认为自己导入成熟。

钱花了，回报在哪？杂志给的诊断只有一句话：「科技无法直接带来成效，改变运作方式才会带来生产力。」 清算的对象不是 AI，是三种错位——
错位一：目标不对齐。 Google 台湾前董事总经理简立峰说得很直白：过去 3 年大家都在"赋能个人"，员工用 AI 拼到 80 分准时下班，公司要的是 120 分。解法是把 AI 用在核心能力上——化工的配方、电商的订价、金融的风控，找能变现的场景，再用"公司赚钱、员工加薪"的机制把两边目标拉齐。
错位二：资料基础没打牢。 研究显示机器学习系统里核心程式码只占 5%，剩下 95% 是管线和胶水代码；46% 的领导者承认资料品质是 AI 导入最大阻碍。专题附了一张 14 分的数位成熟度自测表——测完是"资料混乱期"还急着上 AI，等于把错误自动化。

错位三：把 AI 当许愿机。 幻觉不是 bug，是强化学习的副产品——100 个下棋 AI 有 2–3 个会篡改棋纪录。所以治理要学红队测试（角色扮演、目标挟持、编码诱骗三种战术主动拆台），再上 NIST 三道防线：信心低于 90% 自动暂停、高风险操作人机共决、设一个守门员 AI。

最后是人。 哈佛教授孔祥重说：人类负责选题，解法交给 AI——"解法不难，难的是你要先知道自己在找什么。"但另一面，MIT 的脑电实验发现用 AI 写作的人认知负荷降了 32%，神经连通最弱——AI 用得越顺手，越要警惕"认知债"。解法可以外包，验证和思考不能。

四句话总结这期：员工目标要对齐、工具用在核心、资料基础先行、思考不可外包。

1 月刊我们读了巴菲特，2 月刊是 AI——这两期的杂志，其实在讲同一件事：做时间的朋友。

期刊杂志-卡片精读