当 AI 走入办公室：今日 4 个真实故事有个笑话，正在变成行业现实。KPMG，全球最大审计咨询公司之一，2025 年 10 月发布了一份重量级 AI 报告。报告标题响亮，包装精美，一经发布就被当成行业风向标。然后，GPTZero 把它拆了。45 条引用，只有 5 条指向真实来源，其余全是 AI 凭空编出来的。UBS 没在用 AI 做那些事，NHS Greater Manchester 没在用 AI 做那些事，伦敦交通局也没在用 AI 做那些事。KPMG 把自家 AI 写出来的假案例，当成真行业经验，卖给了全球企业。讽刺程度，干这行十几年，没见过比这更精准的。
今天 4 个案例，拼出了一条越看越清晰的规律。BP 和 Nokia 的成功，有一个共同特征：知道 AI 的边界在哪里。BP 用 AI 做钻井数据推理，Nokia 用 AI 做网络故障推理 —— 两者都是 "AI 给建议，人做决定" 的模式，边界划清楚，价值就来了。KPMG 的失败和 GitHub/Microsoft 的失败，有一个共同点：速度失控。KPMG 来不及核实 AI 的输出，GitHub 来不及扩大基础设施 —— 都是跑得太快，配套没跟上。KPMG 的故事最说明问题：当你开始用 AI 生产关于 AI 的知识，你有没有想过，谁来审计 AI 说的 AI 故事？
四、阿杜省思
人的维度
KPMG 那个案例，我印象最深的不是报告被撤。是 GPTZero 发现这份报告里的参考文献，有一种叫 "vibe citing"（感觉式引用）的模式 —— 参考文献看起来像真的，但你去查的时候发现，标题被篡改了，或者作者和主题对不上。"人类不会这样犯错，但 AI 会。"这句话值得所有职场人记住。当你用 AI 生成一份报告，你有没有核对过里面引用的数据？引用的来源？引用的案例？能发现 AI 什么时候在胡说，比会用 AI 更重要。
组织维度
KPMG 和 GitHub 的失败，指向同一个组织病症：AI 的使用速度，超过了组织建立治理框架的速度。管理层真正该做的：不是宣布 "我们全公司用 AI"，而是先回答三个问题 —— 我们在哪些环节用 AI 做判断，哪些环节用 AI 做执行？AI 的输出，谁来签字负责？我们有没有能力发现 AI 什么时候在胡说？这三个问题不答清楚，AI 落地就是裸奔 —— 而且，在 KPMG 案例曝光之后，"我们不知道 AI 在说谎" 这个借口，在法庭上、监管机构面前，可能越来越难站住脚了。本栏逢工作日更新，聚焦真实商业案例，剖析人机协同的成败逻辑。案例均来自公开商业资讯，可溯源可查证。
夜雨聆风