夜雨聆风在AI浪潮席卷全球的今天，几乎所有的企业掌舵者都在焦虑：为什么我们购买了最先进的AI工具，公司的利润表却依然纹丝不动？
在麦肯锡最新的一期深度播客中，麦肯锡高级合伙人Alexis Krivkovich与主持人Lucia Rahilly展开了一场深度对话。他们指出，我们正处于从"生成式AI"向"智能体AI（Agentic AI）"跨越的历史节点，而企业面临的最大阻碍早已不是技术本身，而是滞后的组织架构与工作流。
本文将换一种视角，带你层层剥开这份深度研究的核心信息。我们将从商业模式的崩塌与重构开始，一路深入到业务流的再造、人机协同范式的跃迁，直至探讨那个关乎企业未来十年的"十亿美元人才考题"。
一、80/80悖论与商业护城河的"大洗牌"
我们首先必须正视当前科技界与商业界最大的一个悖论：高达80%的公司已经预见到AI将带来巨大的变革，并抱着这样的信念投入了巨资，然而同时他们至今没有看到这些投资对底线利润产生任何实质性的影响。
为什么会出现这种情况？因为真正的挑战在于组织如何迎接这个时刻，如何去创造未来的"智能体组织（Agentic Organization）"。在这个过程中，高管们在每一次对话中都感到自己正处于悬崖边缘，他们迫切需要思考：
角色将如何改变？ 未来需要什么技能？ 如何让员工带着兴奋感而非恐惧感参与其中？ 如何将这种变革推行到公司的每一个角落？
要理解这种变革的紧迫性，我们需要先看看智能体AI是如何颠覆传统商业模式的。
在交付的边际成本可能趋近于零的世界里，企业为客户带来的价值以及实现"个体级（unit of one）"超级细分的能力将发生根本性改变。
想象一家从事内容分发的科技企业，如果它能够跨越数以百万计的人群，为每一个独立的消费者创造完全量身定制的体验，这将为商业转化释放出极其庞大的增量空间。
而当我们把视野转向等式的另一端——如果消费者和小微企业也拥有了自己的智能体，又会发生什么？
以金融服务业为例，假设我有一个管理我财务账户的智能体，它能够为了寻求最高的利率，在不同的银行账户之间实现"零摩擦"的资金转移。这种能力将彻底摧毁金融服务业自古以来赖以生存的护城河。
过去，银行的护城河在于"存款是具有极高粘性的"，因为消费者转移资金的流程异常繁琐困难。但如果这种摩擦突然消失，企业对业务模式的认知、对潜在机遇与竞争威胁的评估，都将在最宏观的层面上发生巨变。
这不仅仅是技术升级，而是当支撑业务运转的底层假设开始动摇时，组织该如何做出战略回应。
二、打破"单点补丁"，走向"端到端"的流程重塑
很多企业在引入AI时，最常犯的错误就是把它当成一个孤立的"效率补丁"。
在早期阶段，大量的AI实验往往是从"单点解决方案（Point solutions）"开始的，比如思考"我该如何用生成式AI把这一项单一任务做得更好、更快、保真度更高"。然而研究表明，真正让AI实现规模化影响的最佳场景，是整个端到端（end-to-end）工作流被彻底重新构想的时候。
为什么必须是端到端？因为在传统环境中，核心工作流通常会横跨公司的多个团队和业务区域。这种固有的跨部门特性意味着大量的交接节点、大量的人员干预以及反复的返工。而这恰恰是智能体AI能够发挥巨大价值的领域，因为它能够以一种极其快速且多维的方式，成为连接这些节点的纽带。
举例来说，今天我们在谈论的不再是用AI帮忙写一封邮件，而是：
如何将"保险承保"的流程从头到尾进行重塑？ 如何将人力资源中"从招聘到入职"的全流程进行彻底重构？
只有触及这个层面，奇迹才会真正开始发生。
但这绝对是一项极具深度的、颗粒度极细的工作。企业必须重新审视整个流程并提问：
哪个环节能从引入智能体中获益？ 哪个环节需要人类在环中（in the loop）或在回路上方（above the loop）进行监督？ 哪里需要部署一个智能体团队？ 如何让这些智能体变得可复用，以便在训练后能部署到多个场景中？
这种"系统性思维"才是真正在规模化层面解锁机会的钥匙。
要实现这种重构，还需要组建极其特殊的团队。这也是AI带来的激动人心的机遇之一：它能够在这个关键时刻，将组织上下不同层级的员工同时汇聚在一起。由于智能体AI能够承担许多历史上通常由管理者或高级领导者执行的职能（如工作结果审查、质量控制模式识别等），这就要求从高层领导者到深入日常流程的一线执行者，都必须共同参与到对新流程的构想中来。
三、人机协同的范式跃迁：从"人在环中"到"人类在回路上方"
在过去几年里，我们频繁听到一个词汇："人在环中（Human in the loop）"。这通常意味着AI或智能体处理流程中的某些拼图，然后将其传递给人类，人类完成其他部分后可能再交还给AI，直至任务完成。
但在这一轮变革中，演进方向正坚定地指向"人类在回路上方（Human above the loop）"。
这两者有着本质的区别。所谓"人类在回路上方"，是指智能体小队（squads of agents）有能力端到端地完成几乎整个核心流程，而人类的角色则升维成了位于流程顶端的"判断力覆盖（judgment overlay）"。
播客中分享了美国仲裁协会（American Arbitration Association）重塑法律仲裁流程的经典案例。传统上，当人们提交纠纷案件进行审查时，律师和法官需要收集成百上千个不同的数据点，这可能包括照片证据、合同文件以及来回交锋的电子邮件。随后，人类需要仔细审查案卷，并基于协议条款，从专业判断的角度得出正确的结论。这是一个极其漫长的过程。
但在智能体重构的新流程中，他们利用已结案的历史卷宗来训练智能体。现在，智能体可以自主梳理时间线，审查所有的事实基础，分析控辩双方的论点，最终生成一份总结性的裁决结果。实践发现，智能体不仅能承担大量核心工作，在某些情况下甚至比人类做得更好。
但是，人类在这个环节中绝不会消失。你依然需要一个人类来俯瞰整个过程，并做出最终确认："我同意你得出的裁决结果吗？"
这种底层的判断力闭环和人类监督是不可或缺的，但其底层浩繁的苦活累活，已经完全可以由智能体AI端到端地代劳。
四、组织架构"大瘦身"与流体化的人才储备
随着智能体带来的"超人般的能力（superhuman capabilities）"被注入团队，企业日常的工作流与工作方式的仪式感都将发生根本性的改变。这也是所谓"运营模式需要转变"的真正含义：你需要重新思考一天的每一小时该如何不同地度过、如何管理庞大的智能体群体、团队在解决问题时如何协作，以及如何在其之上建立正确的治理与风险控制。
对于大多数公司而言，这完全是一片未知的领域，而且由于用例极其广泛，我们现在必须在几乎所有地方同时应对这种挑战。
最直接的冲击将体现在组织的汇报架构（org charts）上。在过去的十年里，许多公司在CEO和一线员工之间，至少增加了一个甚至两三个管理层级。这种臃肿的"中间层"不仅极其昂贵，更严重拖慢了公司的决策速度，因为层级越多，需要介入表态的人就越多。
在这一刻，人们对AI寄予了厚望：AI不仅能加速决策与连接，更能让领导者获得一种超人般的能力去管理更宽泛的业务范围，从而允许公司将组织架构彻底变扁平，并在这一过程中变得更敏捷。
那么，未来的组织会变成什么形状？是传统的金字塔形、钻石形还是方尖碑形？尽管现在下定论还为时过早，但毫无疑问的是，AI将极大地推动团队结构的重塑。业界目前对围绕"工作舱（pods of work）"而非传统的僵化职位层级来组织工作感到非常兴奋。这些"工作舱"可以根据需求组建、重组，并具有高度的可复用性，能够在组织内部更加灵活地移动。
当然，在实际操作中这依然非常困难，因为企业目前仍然需要职位层级来对员工进行评估，员工也需要明确的主管来寻求支持。我们距离大多数公司完全重组并拥抱这一原则还有很长的路要走，但"流体化的人才流动（fluid talent flows）"趋势必将日益增强。那些拥有能够支持这种敏捷人才流动的人力资源（HR）职能的组织，将获得无可比拟的竞争优势。
此外，在制药、生命科学等领域的研发（R&D）部门，企业已经开始设想庞大的智能体分队。这并不意味着现有的研究人员和科学家会被取代，而是他们创新的速度将被超级加速。而在人力资源、财务、法务等作为企业关键执行力支撑但不直接创造前端收入的"成本中心（cost centers）"，人们真切地希望智能体能力能彻底改变这些工作的执行方式和执行主体，从而为企业其他业务释放出更多的产能。
五、十亿美元的拷问：新人如何跨越"经验断层"？
当智能体接管了底层的端到端流程后，所有企业都将面临一个极度严峻的挑战。这是一个被称为"十亿美元级别"的核心难题：当那些刚进入职场的年轻一代不再经历过去那种充满煎熬的"打杂（hazing grunt work process）"阶段时，他们该如何培养出必要的判断力和经验？
如果你为了节省成本而淘汰掉每一个初级软件工程师，你不仅会立刻陷入只能雇佣极度昂贵的高级专家的窘境；更可怕的是，把时间轴往后推十年，你会发现公司直接缺失了不可或缺的下一代人才梯队。
在智能体时代，培训和人才发展（L&D）体系绝不能再像过去那样只是个"边车（sidecar）"——虽然被认为重要且受员工欢迎，但只是一种定期开展的边缘活动。在未来，持续的学习与发展必须成为员工职业旅程的绝对中心。
强大的优势在于，下一代年轻人从踏入职场的第一天起，就拥有访问这些顶级AI工具的权限。虽然他们缺乏老专家们通过阅读20年判例法积累下来的"模式识别"经验，但他们同时也没有历史包袱——他们不需要像工作了20年的老员工那样，去痛苦地适应并弄懂一项极具破坏性的强大新技术。
企业要思考的核心命题是：如何让这种"从第一天起就拥有的访问权"真正转化为新人的优势？
在这场洗牌中，几乎所有人的岗位说明书（job description）都将在未来2到3年内被重新改写。多数职位不会直接消失，而是被重构。对于能力和技能的预期也发生了巨变：
过去一些极其看重的技能（如基础的研究技能、数学能力、甚至部分数据科学技能），因为AI极度擅长，其需求量可能会下降 而另一些原本就存在的能力将变得前所未有地重要：战略思维、系统导向、人员管理的软技能将全面崛起
并不是说我们不需要第一类技能了，而是在AI的增强下，人类能在智能体的协助下完成海量此类工作；企业更加渴求的，是人类领导者能够提供的顶层监督、判断力、解决问题的能力以及将一切落地闭环的运营能力。
六、信任、恐惧与"双向门"战略：高管的自我革命
最终，所有战略的落地都要回归到"人"的身上。在这个震荡期，许多领导者发现组织内部甚至自己身上都存在着严重的技能缺口。将近一半的领导者表示自己和团队需要更多的培训与支持，这不仅限于基层，而是直达高级管理层。
这场转型不仅是一次变革管理的旅程，更是一场"变革管理的奥德赛（change management odyssey）"。我们面临的是一个双线作战的经典困境：领导者既要改变自己，又要同时推动整个组织的转型。
对于高管层（C-suite）而言，目前有70%的高级职位需要立即进行根本性的重塑，这包括那些正在领导团队、需要为其下属重新规划岗位说明书的领导者自己。领导者必须问自己一个问题：为了带领组织前进，我需要展现出什么不同的姿态？
有家公司的领导团队提出了一个极具启发的共识："如果这项技术真的要彻底改变我们业务的一切，那么我们作为领导团队，必须从彻底改变我们自己开始。"
你需要扪心自问：我有50%的时间是因为获得了AI工具而分配得完全不同了吗？还是我仅仅只是在边缘地带随意捣鼓，比如用AI精简一下邮件、提几个问题，却根本没有重新思考我一天的核心时间分配？
如果你真的从根本上改变了时间分配，你又该如何在组织内部分享和传播这种改变？
除了自身的改变，领导者还必须直面员工的巨大恐惧与组织内部的"信任鸿沟"。
一方面，早期的AI实验确实暴露出了真正的缺陷，新闻里关于AI"产生幻觉（hallucinations）"的报道是真实存在的。如果员工缺乏控制地滥用AI，导致大量劣质内容（slop）在公司内部来回传递，这不仅不会减少工作量，反而会制造更多的麻烦。领导者如何突破这种信任缺失，让人们在保持良好判断力和风险管理的底线之上，对AI的潜力保持乐观的兴奋感？我们必须认识到，目前我们仍处于"学习模式"，远未达到成熟的部署阶段。
另一方面是源于生存的恐惧——人们害怕自己被智能体AI彻底取代。面对这种情绪驱动的阻力，领导者必须构建一种既真诚又能激发积极能量的叙事逻辑。因为技术的演进车轮绝不会停止。正如一位教授所言：
"你不会被AI取代，但你可能会被一个比你更早拥抱AI的人取代。"
领导者需要引导员工思考：这里有哪些新技能和新工具能让你获得更大的成功？哪怕不是在你目前的岗位上（因为这个岗位将被剧烈改变），也可能是在相邻的其他岗位上。这就要求企业培养出一种极其关键的文化底色：激发好奇心与持续学习的欲望。
因为我们正步入一个充满未知的领域，组织需要那些愿意去实验、去学习、去进行联合问题解决的员工。他们应当能够跨越组织的边界凝聚力量，指导彼此适应新的工作模式，用乐观而非恐惧的心态去探索这场变革。
这就引出了转型中最核心的管理哲学：领导者必须在承担风险和"不把公司赔进去"之间找到平衡。这是一个需要高度迭代的时刻，组织应当倡导"双向门"而非"单向门"的实验原则。
在没有足够清晰度的情况下，我们绝不能轻易迈入那些不可逆的"单向门"；我们需要创造各种场景去实验和探索，一旦发现某条路径行不通，就能随时抽身退回，从容地踏上另一条探索之路。
结语
告别"发个AI账号就能提升生产力"的幻想吧。
在这场通往Agent组织的世纪大考中，真正的赢家，将是那些敢于打破旧有汇报层级、彻底重铸端到端工作流、并将人类的创造力与判断力推向最高峰的长期主义者。
【参考信息】McKinsey & Company 播客《AI is everywhere. The agentic organization isn't—yet》
