夜雨聆风
（图片由HRflag用Midjourney生成，编号7242d002-2948-441a-9a4c-8e9d6e324c5f_3）
过去两年，生成式AI在企业里的位置发生了一次安静但重要的转移。最初，它像一场技术部门发起的效率实验：员工试用ChatGPT，市场团队生成文案，客服团队整理知识库，IT部门搭建内部问答机器人。那时，企业讨论AI，更多是在问“能不能用”“要不要试”“会不会落后”。
现在，问题变了。
董事会、CEO和CFO开始追问：花出去的钱，最终落在了哪里？是节省了人力时间，还是压缩了业务周期？是提升了收入转化，还是只是让员工写邮件更快？是形成了可复制的经营能力，还是留下了一堆热闹的试点项目？
麦肯锡近期多篇AI研究共同指向一个判断：生成式AI的价值释放正在加速，但企业真正的分水岭，不再是“有没有上AI”，而是“AI有没有进入核心流程、管理系统和价值闭环”。麦肯锡《The State of AI: Global Survey 2025》显示，88%的受访者表示其组织已在至少一个业务职能中常规使用AI，高于上一年的78%；但只有约三分之一的企业开始规模化AI项目，且仅39%的受访者报告AI已经在企业层面产生EBIT影响。
AI使用已经普及，财务影响却仍然稀缺。企业真正要跨过的门槛，不是工具上线，而是价值兑现。
这正是当下企业AI议题的微妙之处。AI并没有从高管议程中退潮，反而更深地进入了经营议程。只是它不再被允许停留在“创新展示柜”里。企业不再满足于演示一个会写总结、会查制度、会生成PPT的机器人。它们开始要求AI回答更硬的问题：它改变了哪条流程？重构了哪个岗位？减少了多少返工？缩短了多少交付周期？带来了哪些新增收入或风险降低？
这也是HR负责人必须认真进入这场讨论的原因。AI投资回报表面上是技术账、财务账，本质上却是一笔组织账。技术能不能创造价值，取决于组织有没有能力重新定义工作；模型能不能提高效率，取决于员工愿不愿意、会不会、敢不敢把它嵌入真实流程；AI能不能规模化，取决于企业是否建立了新的岗位分工、绩效指标、学习体系和治理边界。
AI投资回报的问题，最后会落到一个更朴素的问题：企业有没有能力把“工具使用”变成“工作方式改变”。
从“潜在价值”到“真实回报”，企业AI叙事正在换挡
麦肯锡早在2023年就估算，生成式AI每年可能为全球经济增加2.6万亿至4.4万亿美元价值，覆盖客户运营、营销销售、软件工程、研发等高频知识工作场景。这个数字曾经点燃了企业对AI的集体想象。但到了2025、2026年，更值得关注的不是潜在价值有多大，而是为什么这些价值只有少数企业真正拿到了。
麦肯锡在《Seizing the agentic AI advantage》中提出一个值得高管警惕的“生成式AI悖论”：近八成公司报告正在使用生成式AI，但同样多的公司尚未看到显著的底线影响。原因并不神秘。很多企业最先部署的是横向工具，比如企业级Copilot、内部聊天机器人、通用知识助手。这些工具容易上线，也容易被员工试用，却往往带来的是分散的、难以衡量的个人效率改善。
真正可能改变利润表的，是嵌入具体职能、具体流程、具体业务链条的纵向用例。但麦肯锡指出，大约90%的纵向用例仍停留在试点阶段。
很多公司看似已经“拥抱AI”，实际上只是完成了技术采购和工具分发，还没有完成经营改造。
员工开始用AI写邮件，不等于企业的销售转化率提高；招聘团队开始用AI生成JD，不等于关键岗位交付速度变快；学习平台接入AI问答，不等于组织真正具备了新能力。生成式AI的第一阶段，企业争的是速度：谁先试用，谁先上线，谁先发布内部AI助手。第二阶段，企业争的是密度：AI嵌入了多少关键流程，沉淀了多少专有数据，重构了多少岗位协作，形成了多少可复用的管理能力。
麦肯锡2026年5月发布的《From AI table stakes to AI advantage: Building competitive moats》进一步把问题说得更直接：当每家企业都能访问相似的大模型时，AI本身并不会自动成为竞争优势。真正的优势来自企业如何用AI建立别人难以复制的护城河，包括规模经济、专有数据、流程嵌入、网络效应、商业模式创新、受限资产，以及组织速度、合规能力和信任能力。
这对HR的启发很大。过去，HR谈AI，容易把它放在人力资源职能内部：智能招聘、员工服务机器人、学习内容生成、绩效文本辅助、人才盘点自动化。这些当然重要，但如果HR只把AI理解成“提升HR效率的工具”，就会错过更大的战略位置。
AI投资回报的真正难点，是组织能否围绕AI重新设计工作系统。这个系统里，岗位边界会变化，能力模型会变化，绩效评价会变化，管理者角色会变化，学习方式也会变化。
一家企业的AI ROI，不会只出现在IT报表里。它会出现在销售周期、客户响应、研发速度、合规效率、员工技能密度和组织决策节奏里。HR如果不能参与这些指标的定义，就很难在AI时代成为真正的战略伙伴。
AI价值不是从工具清单里长出来的，而是从流程摩擦里长出来的
看一个更具体的例子。麦肯锡在AI护城河文章中提到，Resolution Life通过AI平台自动化精算、营销和财务任务，并将理赔流入分诊时间从数周缩短到15秒，使评估人员可以把更多精力放在复杂案例上。这个案例的关键，不是“AI替代了某个动作”，而是企业把认知工作转化为可扩展的基础设施：数据管道、模型、流程集成、治理层共同形成了低边际成本的能力。
同样，麦肯锡提到Microsoft Dragon Copilot在医疗场景中被嵌入电子健康记录系统，能够在医生与患者交流时生成临床记录。一些部署场景显示，文档时间约减少50%，并对医生倦怠感产生改善。这里的价值也不是“生成一段文本”，而是AI被放进了高摩擦、高频率、高责任的工作流中，直接改变了医生如何完成记录、如何分配注意力、如何服务更多患者。
AI的投资回报不是从“工具清单”里长出来的，而是从“流程摩擦”里长出来的。
哪里有大量重复判断、跨系统协调、文档处理、知识检索、客户响应和异常分流，哪里就可能有AI价值。但前提是企业不能只把AI加在旧流程上，而要敢于重画流程。
麦肯锡在2025年全球AI调查中也强调，AI高绩效企业更可能重构工作流；高绩效企业中，约一半计划用AI转型业务，多数正在重新设计流程。麦肯锡还指出，工作流重构是实现有意义业务影响的重要成功因素之一。
这句话看似管理常识，却是很多AI项目卡住的地方。企业常常愿意为模型付费，却不愿意为流程改造付出组织代价；愿意购买许可证，却不愿意调整岗位职责；愿意让员工参加培训，却不愿意改变绩效目标；愿意成立AI创新小组，却不愿意把业务负责人、HR、财务、法务和IT放到同一张桌子上共同定义ROI。
于是，AI项目很容易出现一种“热闹但不沉淀”的状态。工具上线了，员工试用了，内部宣传做了，案例海报发了，但三个月后回头看，业务指标没有明显变化，流程没有固化，数据没有沉淀，员工使用也回到了少数积极分子的个人习惯。
这不是技术失败，而是组织没有完成吸收。
AI ROI不是平均分配的红利，而是组织能力的放大器
外部研究也在不断强化这一点。Google Cloud关于AI ROI的报告显示，74%的高管表示在第一年内实现了AI投资回报，39%的高管表示其组织已在企业范围内部署超过10个AI Agent；在报告生产力提升的组织中，39%称生产力至少翻倍。
但另一边，BCG在2025年研究中指出，全球只有约5%的公司实现了规模化AI价值，35%的企业正在扩大并开始产生价值，仍有60%的公司尚未获得实质性价值。
不是AI没有回报，而是回报高度集中；不是企业不能创造价值，而是价值只流向那些完成组织重构的企业。
AI ROI不是平均分配的红利，而是组织能力的放大器。能力强的企业，会把AI变成速度、成本、收入和体验优势；能力弱的企业，只会把AI变成预算消耗和管理焦虑。
德勤2025年关于AI ROI的研究也表达了类似信号：企业AI支出上升，但回报仍然不均衡；领先组织会采取更细致的ROI衡量方式，85%的AI ROI领先者会针对生成式AI和Agentic AI采用不同框架或时间周期；40%的AI ROI领先者把AI培训设为强制要求，而不是依赖员工自愿学习。
这对HR负责人几乎是一句点名。AI投资回报不是靠“发一个工具链接”自然发生的。它需要强制性的能力建设，需要岗位场景化训练，需要经理人带头使用，需要绩效体系承认新的工作方式，也需要组织对员工说清楚：AI不是额外负担，而是工作本身正在变化。
如果说第一阶段的AI培训像一次“数字素养普及”，第二阶段的AI培训就必须转向“岗位能力重构”。销售人员不是学习如何向AI提问，而是学习如何用AI完成客户分层、线索评分、提案生成、异议预判和复盘分析；招聘人员不是学习如何生成面试题，而是学习如何用AI重新设计候选人画像、筛选逻辑、面试一致性和招聘质量追踪；客服人员不是学习如何让AI写话术，而是学习如何在人机协作中处理复杂情绪、例外情况和服务升级。
HR过去习惯把学习项目设计成课程：多少人参加、多少学时、满意度多少、完成率多少。AI时代，真正有意义的学习指标不再是“学没学”，而是“工作有没有变”。比如响应时间是否缩短，错误率是否下降，客户转化是否提高，项目交付周期是否压缩，合规风险是否减少，员工是否能把AI结果转化为更好的判断。
这也是为什么AI ROI必须和绩效管理系统连接。很多企业的AI项目没有回报，并不是员工不聪明，而是组织没有给出新的行为信号。员工被鼓励使用AI，但绩效仍然只考核旧流程产出；管理者被要求推动AI，但年度目标没有对应指标；业务部门说要创新，但审批流程仍然让每一次AI实验经历漫长等待。组织嘴上说进入AI时代，考核却还停留在前AI时代。
未来的人才战略，不是多招几个AI工程师，而是重构全员AI协作能力
麦肯锡在AI护城河文章中提到，组织速度本身会成为一种能力护城河。其研究显示，软件开发速度处于前四分位的企业，收入增长速度可达到后四分位企业的4至5倍，总股东回报高出60%；DBS Bank通过跨职能小队、数据清理和AI平台复用，将AI方案开发部署周期从12至18个月压缩到2至3个月。
这对HR意味着，未来人才管理不能只关注“岗位是否齐全”，还要关注“组织学习速度是否足够快”。企业的AI竞争力，很可能体现在从识别机会到完成验证、从小范围试点到规模部署的周期。过去，组织能力常常被理解为文化、领导力、人才梯队这些相对慢变量。AI时代，组织能力还包括实验速度、跨职能协同速度、数据可用速度、决策授权速度和技能更新速度。
广告真正有AI ROI的企业，不一定是最早购买工具的企业，而是最早重构组织节奏的企业。
再看劳动力层面的变化。世界经济论坛《Future of Jobs Report 2025》显示，到2030年，全球岗位结构变化将涉及22%的就业岗位，预计创造1.7亿个新岗位、替代9200万个岗位，净增7800万个岗位。PwC《2025 Global AI Jobs Barometer》则显示，具备AI技能的员工平均享有56%的工资溢价，高于上一年的25%；在AI暴露度更高的行业，单位员工收入增长更快，雇主寻求的技能变化速度也更快。
这些数据并不是简单说明“AI人才更贵”，而是在提示企业：AI投资回报很大程度上取决于人才结构能否跟上业务结构变化。企业如果只买AI工具，却不重新定义关键岗位能力，就会出现一种新的错配：系统能力提升了，人的使用能力没有提升；流程可以自动化了，管理者仍然按照旧方式分配任务；AI可以生成洞察了，员工却缺乏判断洞察质量的能力。
对HR来说，AI时代的人才战略不应只问“我们需要多少AI工程师”，还要问“每一类业务岗位需要什么程度的AI协作能力”。不是每个人都要成为技术专家，但越来越多岗位都需要具备三种新能力：能把业务问题拆成可被AI处理的任务，能判断AI输出是否可靠，能把AI结果嵌入决策和行动。
这比传统意义上的“提示词培训”深得多。提示词只是入口，真正的能力是问题定义、任务拆解、数据理解、风险识别和业务判断。一个不会定义业务问题的人，即使用最先进的模型，也只能得到漂亮但无用的答案。一个缺乏判断力的团队，即使AI把报告写得更快，也可能把错误更快地扩散到组织里。
AI也可能成为组织经验扩散的基础设施
NBER一项关于生成式AI在客服场景中的研究提供了一个非常值得HR关注的细节：在5179名客服人员的实际工作数据中，AI工具使整体生产力平均提升约14%，其中低技能和经验较少员工的提升更明显，达到约34%；而对高经验、高能力员工的影响较小。
这个结果很重要。它说明AI并不只是“替代人”，也可能成为组织内部经验扩散的机制。过去，优秀员工的隐性知识很难复制，师傅带徒弟速度慢，经验沉淀在个人身上。AI如果设计得当，可以把高绩效员工的知识、话术、判断路径和处理模式转化为可被新人使用的辅助系统，从而缩短新员工成长曲线。
企业不应只问AI能否减少岗位数量，更应该问AI能否提升组织平均能力。
AI能否缩小新人和熟手之间的差距，能否把专家经验从个人资产变成组织资产，才是许多知识密集型企业真正值得计算的ROI。尤其在客户服务、销售支持、财务共享、法务合规、HR运营、IT服务等知识密集但流程重复度较高的领域，AI可以成为“组织经验的基础设施”。
但这要求HR重新看待知识管理和学习发展。过去，企业把知识管理做成文档库，把学习发展做成课程表，把绩效优秀经验做成案例分享。AI时代，这些内容如果不能进入工作流，就很难转化为投资回报。
真正有价值的是把知识嵌入员工每天使用的系统里：在处理客户问题时自动提示类似案例，在撰写方案时调出最佳实践，在审批异常时提示风险规则，在面试评估时提醒一致性标准，在绩效沟通前提供行为证据和反馈建议。
也就是说，企业学习的中心不再是课堂，而是工作现场。
从“每个人一个助手”，到“每条流程一组智能体”
微软《2025 Work Trend Index》也从另一个角度描绘了企业对AI的需求。其数据显示，53%的领导者认为生产力必须提高，80%的全球员工和领导者表示缺乏足够时间或精力完成工作；82%的领导者预计未来12至18个月将使用“数字劳动力”扩展组织能力。
这不是简单的效率焦虑，而是组织容量问题。过去，企业提升产能的主要方式是增加人手、优化流程、外包服务或部署传统软件。现在，AI Agent让企业第一次认真考虑一种新型劳动力结构：人类员工、自动化流程、AI助手、AI Agent共同构成组织能力。管理者未来不只是管理人，也要管理任务在不同“执行者”之间的分配。
这会改变HR的基本工作。组织设计不再只是画部门架构图，而是设计人机协作的任务地图；岗位说明书不再只是描述职责，而是明确哪些任务由人完成、哪些由AI辅助、哪些由Agent自动执行、哪些必须保留人工复核；绩效管理不再只看个人产出，而要看人机组合后的流程结果；人才盘点不再只盘点人员能力，也要盘点团队可调用的AI能力。
企业追问AI ROI，本质上是在倒逼HR进入一个更深层的问题：公司到底如何创造价值？哪些工作真正决定客户体验、收入增长、成本结构和风险控制？哪些任务只是历史流程留下来的惯性？哪些岗位的核心价值正在从“执行任务”转向“监督任务、判断结果、处理例外和设计流程”？
如果HR不能回答这些问题，就很难在AI时代为CEO提供真正的战略支持。
AI ROI不能只算省了多少时间，还要看时间被重新分配到了哪里
值得注意的是，AI ROI的衡量方式也需要改变。很多企业习惯用传统IT投资逻辑看AI：投入多少预算，节省多少人工，多久回本。这当然重要，但生成式AI和Agentic AI的价值并不总是以单一成本节约出现。它可能体现为更快的研发迭代、更高的销售命中率、更稳定的服务质量、更低的合规风险、更好的员工体验、更快的新人成长、更强的组织韧性。
德勤研究中提到，AI ROI领先者往往会对生成式AI和Agentic AI采用不同的衡量框架和时间周期，这说明领先企业已经意识到，不能用同一把尺子衡量所有AI项目。
对HR而言，这意味着AI项目应该建立多层指标。第一层是效率指标，比如节省时间、减少重复劳动、缩短处理周期。第二层是质量指标，比如错误率、返工率、服务一致性、决策准确度。第三层是业务指标，比如客户转化、收入贡献、成本下降、风险减少。第四层是组织能力指标，比如员工AI使用率、关键岗位技能覆盖率、管理者AI领导力、流程重构数量、跨职能协作速度。
如果只看第一层，AI很容易被误判为“让员工快一点”。但真正的AI价值，往往从质量、业务结果和组织能力开始显现。
麦肯锡关于Agentic AI的研究也提醒企业，AI Agent的潜力不仅在于提高个人效率，而在于自动化更复杂的业务流程。AI Agent可以理解目标、拆解子任务、与人和系统互动、执行动作并实时调整；它们从被动响应的内容生成工具，走向更主动的目标驱动型协作者。
这会把企业从“每个人一个助手”的阶段，推向“每条流程一组智能体”的阶段。招聘流程可能由多个Agent协同完成候选人搜索、简历解析、岗位匹配、面试安排、候选人沟通和数据复盘；销售流程可能由Agent完成线索识别、客户画像、提案初稿、合同风险提示和跟进提醒；财务流程可能由Agent处理报销审核、异常识别、预算预测和管理报告草稿。
但Agent越深入流程，治理问题越重要。谁有权让Agent访问哪些系统？什么决策必须人工确认？错误输出由谁负责？员工是否知道何时正在与AI协作？模型偏差如何监控？敏感数据如何保护？这些都不是IT部门单独能解决的问题。它们涉及岗位责任、授权机制、风险文化、员工信任和组织伦理，HR必须参与。
AI治理不是创新的刹车，而是规模化的前提
麦肯锡在2025年全球AI调查中提到，使用AI的组织中，51%的受访者表示其组织至少经历过一种AI相关负面后果，近三分之一提到AI不准确带来的后果；高绩效组织更可能建立明确流程，规定何时以及如何需要人工验证模型输出。
这并不是给企业泼冷水，而是提醒企业：AI规模化不是“放开使用”，而是“有边界地扩大使用”。一个成熟的AI组织，既不会因为风险而停滞，也不会因为热情而失控。它会把治理设计成速度的一部分。员工知道哪些场景可以直接使用AI，哪些场景必须人工复核，哪些数据不能上传，哪些输出不能直接用于决策。管理者知道如何评估AI协作质量，而不是简单用“有没有用AI”来衡量先进性。
AI治理做得好，反而会加快采用。因为员工不用在模糊地带里猜测风险，业务部门不用担心踩线，客户和监管方也更容易建立信任。
麦肯锡在AI护城河文章中把“信任”视为高风险行业的战略护城河，指出在金融、医疗、身份等高利害领域，客户更愿意向安全、公平、可问责的企业分享数据并接受自动化决策。
对HR来说，信任不只是企业对外的品牌资产，也是员工对内的采用前提。员工如果担心AI使用会成为裁员证据，就不会真正暴露工作流；如果担心AI输出错误由个人承担，就会谨慎回避；如果管理者只把AI当成压缩人力成本工具，员工就会把AI视为威胁，而不是能力延伸。
所以，AI ROI的另一面是心理契约。企业必须清楚传递AI战略的组织含义：哪些效率收益会被重新投入到客户、创新和员工成长中？哪些岗位会被重构而不是简单消失？员工如何通过学习获得新的机会？管理者如何帮助团队从执行型工作转向判断型、关系型、创新型工作？
高管追问AI回报，HR要把技术语言翻译成组织语言
KPMG 2026年美国CEO Outlook Pulse显示，美国大型企业CEO的AI投资重点中，劳动力技能提升占61%，加速创新占53%，将AI嵌入运营占52%；64%的CEO表示生成式AI回报符合预期，57%已经调整ROI指标来追踪这类价值。
这组数据说明，高管并没有把AI只看成技术采购，而是越来越把它看作人才、创新和运营的共同议题。对于HR负责人来说，这恰恰是进入CEO议程的窗口期。AI投资从“热情投入”转向“回报追问”，需要有人把技术语言翻译成组织语言，把工具上线翻译成岗位变化，把预算投入翻译成能力沉淀。
企业可以从几个关键问题开始重构AI ROI管理。
第一个问题，不是“我们有多少AI工具”，而是“我们有哪些高价值流程仍然被低效认知劳动拖住”。例如客户服务里的重复问答、销售流程里的资料准备、研发流程里的知识检索、财务流程里的异常识别、HR流程里的员工问询和候选人沟通。这些场景如果只是零散自动化，很难形成回报；如果按端到端流程重构，就可能释放更大的价值。
第二个问题，不是“员工会不会用AI”，而是“员工是否在关键任务中持续使用AI”。很多企业AI培训结束后，使用率很快下降，是因为培训与真实任务脱节。HR应该和业务部门一起定义岗位级AI任务清单，把AI使用嵌入工作标准，而不是停留在兴趣学习。
第三个问题，不是“AI节省了多少时间”，而是“节省出来的时间被重新分配到了哪里”。如果AI让招聘人员少花时间筛简历，却没有把时间转向候选人关系、业务需求澄清和招聘质量分析，ROI就会流失。如果AI让客服更快生成回复，却没有把人类员工释放到复杂客户问题和体验改进上，价值也会停留在浅层效率。
第四个问题，不是“哪些岗位会减少”，而是“哪些岗位的价值结构会改变”。AI可能减少某些基础执行任务，但同时提高对判断、沟通、流程设计、数据理解和风险意识的要求。HR需要重新设计岗位说明书、能力模型、晋升标准和学习路径，让员工知道未来价值在哪里。
第五个问题，不是“我们是否允许AI”，而是“我们是否建立了让AI安全规模化的边界”。包括数据权限、人工复核、模型输出标识、决策责任、审计日志、偏差监测和员工反馈机制。这些治理机制不能被看作阻碍创新的流程，而应被看作扩大采用的基础设施。
生成式AI的真正难点，从来不是让模型生成一个答案，而是让组织接受一种新的工作方式。它改变的不只是某个任务，而是企业对时间、能力、责任和价值的理解。
过去，一个员工的生产力主要来自个人经验、勤奋程度和工具熟练度。现在，生产力越来越来自人机协作能力：谁能更好地定义问题，谁能更快调动知识，谁能判断机器输出，谁能把结果转化为行动。过去，一个组织的效率主要来自流程标准化和层级协调。现在，效率还来自数据可用性、模型可调用性、Agent可编排性和跨职能快速实验能力。这会让HR的角色发生变化。
HR不再只是AI应用的使用者，而应成为AI价值释放的组织设计者。它要帮助CEO回答：AI进入企业后，哪些工作应被自动化，哪些工作应被增强，哪些工作应被重新组合；哪些能力要全民普及，哪些能力要成为关键岗位门槛，哪些能力需要通过外部招聘补齐；哪些管理者能带领团队使用AI，哪些管理者仍停留在“工具恐惧”或“工具崇拜”之间；哪些绩效指标仍然奖励旧流程，哪些指标正在鼓励新能力。
AI投资回报最终不会只由CIO证明，也不会只由CFO计算。它会由一线员工每天的工作方式证明，由管理者每周的决策方式证明，由客户体验、业务速度和组织学习能力共同证明。
麦肯锡这轮关于AI价值的讨论之所以重要，是因为它把企业从“AI想象”拉回了“经营现实”。生成式AI的潜在价值足够大，但价值不会自动释放；AI Agent的能力正在增强，但它不会自动形成组织优势；企业AI投入仍在增加，但钱花出去之后，必须被重新连接到流程、人才、数据和治理。
对企业高管而言，下一阶段的AI议程不应只是追加预算，而应是选择少数真正有经济杠杆的业务域，把最强的人、最关键的数据、最清晰的指标和最坚定的组织支持投入进去。对HR负责人而言，下一阶段的任务也不应只是组织AI培训，而应把AI能力建设嵌入岗位、绩效、学习、组织设计和管理者发展。
AI的第一场竞争，是谁更快开始使用。第二场竞争，是谁更快证明价值。第三场竞争，则是谁能把AI变成别人难以复制的组织能力。
真正值得企业追问的，不只是“AI投资有没有回报”。更值得追问的是：当AI已经进入每个组织，为什么有些企业只是多了一个工具，而有些企业却多了一套新的增长系统？
参考来源
1. McKinsey, The State of AI: Global Survey 2025
2. McKinsey, Seizing the agentic AI advantage
3. McKinsey, From AI table stakes to AI advantage: Building competitive moats
4. Google Cloud, ROI of AI and AI agents research
5. BCG, Are You Generating Value from AI? The Widening Gap
6. Deloitte, AI ROI: The paradox of rising investment and elusive returns
7. World Economic Forum, Future of Jobs Report 2025
8. PwC, 2025 Global AI Jobs Barometer
9. NBER, Generative AI at Work
10. Microsoft, 2025 Work Trend Index
11. KPMG, CEO Outlook Pulse 2026
活动名称 | 时间 | 地点 |
