工作场所的超级机构：授权人们解锁AI的全部潜力

人工智能已经到达工作场所并且有可能像19世纪的工业革命一样具有变革性。1^{AI代：认知工业革命}，麦肯锡，2024年6月7日。通过人类，Cohere，Google，Meta，Mistral，Openai等强大而有能力的大型语言模型（LLM），我们进入了一个新的信息技术时代。麦肯锡的研究将长期的AI机会的增加到4.4万亿美元，从公司用例中增加了生产力的增长潜力。²生成AI的经济潜力：下一个生产力前沿，麦肯锡，2023年6月14日。

其中的挑战是：AI的长期潜力很大，但是短期回报尚不清楚。在接下来的三年中，有92％的公司计划增加其AI投资。但是，尽管几乎所有公司都在对AI进行投资，但只有1％的领导人将其公司称为成熟的部署范围，这意味着AI已完全集成到工作流程中，并推动了实质性的业务成果。最大的问题是，企业领导者如何部署资本并将其组织更接近AI到期。

这份研究报告是由里德·霍夫曼（ReidHoffmané）的书提示的超级机构：我们的人工智能未来可能会发生什么，，，，³提出一个类似的问题：公司如何利用AI扩大人类代理商并解锁工作场所的创造力和生产力的新水平？人工智能可以推动巨大的积极和破坏性变化。这种转变将需要一些时间，但不得劝阻领导者。取而代之的是，他们今天必须大胆地进步，以免明天变得毫无竞争。重大经济和技术转变的历史表明，这种时刻可以定义公司的兴衰。40多年前，互联网诞生了。从那时起，包括Alphabet，Amazon，Apple，Meta和Microsoft在内的公司已获得了万亿美元的市值。更深刻的是，互联网改变了工作的解剖结构和获取信息。人工智能现在像互联网一样多年：商业领袖的风险不是太大，而是太小了。

该报告探讨了公司采用AI的技术和业务准备情况（请参阅有关调查的侧边栏 - ）。它的结论是，员工已经准备好了AI。成功的最大障碍是领导力。

第1章考虑到过去两年中技术的快速发展及其对AI的业务采用的影响。

第2章深入研究员工和领导者的态度和看法。我们的研究表明，员工对AI的准备比他们的领导者想象的。实际上，他们已经定期使用AI；比领导人意识到，明年AI将取代其30％的工作的可能性要高三倍；并渴望获得AI技能。尽管如此，AI乐观主义者还是工作场所中的一小部分。少数（41％）更加担心，需要额外的支持。这是最熟悉AI并经常担任管理角色的千禧一代，可能是改变变革的倡导者。

第3章考虑在AI部署中需要速度和安全性。尽管领导者和员工希望更快地行动，但信任和安全是最关心的问题。大约一半的员工担心AI不准确和网络安全风险。也就是说，员工对自己的公司与其他组织将变得正确的公司表达了更大的信心。通过做出大胆而负责任的决定，企业领导者的责任是为了证明他们正确。

第4章如果领导者没有设定大胆的目标，则研究公司如何冒险在AI竞赛中失去立场。随着AI围绕AI的炒作，公司应加强专注于赋予员工日常工作权力的实际应用。这些应用程序可以创建竞争护士并产生可衡量的ROI。在整个行业，职能和地理上，投资策略性投资的公司可以超越使用AI来推动增量价值，而是创造变革性的变化。

第5章考虑到领导者为通过AI取得成功所需的需要什么。AI在工作场所的挑战不是技术挑战。这是一个商业挑战，要求领导者调整团队，解决AI逆风并重新连接其公司进行变革。

想象一个世界，机器不仅在进行体力劳动，而且还要思考，学习和做出自主决定。这个世界包括循环中的人类，将人和机器融合在一起，以提高个人生产力和创造力（请参阅侧边栏 - AI超级机构）。这是AI的变革潜力，AI是一种具有潜在影响的技术，即使是过去的最大创新，从印刷出版社到汽车。AI不仅是自动化任务，而且通过自动化认知功能来进一步发展。与以前的任何发明不同，AI驱动的软件可以适应，计划，指导，甚至做出决定。这就是为什么AI可以成为生命几乎各个方面的前所未有的经济增长和社会变化的催化剂。它将重塑我们与技术和彼此之间的互动。

许多突破性技术，包括互联网，智能手机和云计算，都改变了我们的生活和工作方式。AI从这些发明中脱颖而出，因为它提供的不仅仅是获取信息。它可以总结，编码，原因，进行对话并做出选择。人工智能可以降低技能障碍，帮助更多的人以任何语言和任何时间掌握更多领域的水平。AI具有改变人们访问和使用知识的方式的潜力。结果将是更有效，有效的解决问题，从而使创新能够受益。

在过去的两年中，AI取得了飞跃的进步，并且由于成本较低和获得能力的机会，企业级的采用率加速了。出现了许多著名的AI创新（图1）。例如，我们看到了上下文窗口的快速扩展或LLMS的短期内存。较大的a上下文窗口，LLM可以一次处理的信息越多。为了说明说明，Googleâs的双子座1.5可以在2024年2月处理100万个令牌，而其Gemini 1.5 Pro可能会在同年6月之前处理200万个令牌。4^{总体而言，我们看到了五项促进下一步影响的业务的大型创新：增强的智力和推理能力，代理AI，多模式，改进的硬件创新和计算能力以及提高透明度。}情报和推理正在改善

AI变得越来越聪明。

一个指标是LLM在标准化测试中的性能。openaiâSChat gpt-3.5，于2022年推出，在高中考试中表现出了强劲的表现（例如，在SAT数学上以第70个百分点的成绩和SAT口头级别的第87个百分位数得分）。但是，它通常在更广泛的推理中挣扎。如今的模型接近拥有高级学位的人的情报水平。GPT-4很容易通过统一的律师考试，以至于它将排名前10％的考试者，5^{它可以在美国医疗许可检查上正确回答90％的问题。}6^{推理能力的出现代表了AI的下一个大型飞跃。}

推理增强了复杂决策的能力，从而使模型超越了基本的理解，以至于理解和制定逐步计划以实现目标的能力。对于企业来说，这意味着他们可以微调推理模型并将其与特定领域的知识集成在一起，以更准确地提供可行的见解。诸如OpenAiâ€s o1模型或Google google的Gemini 2.0 Flash思维模式之类的模型能够在其响应中进行推理，这为用户提供了类似人类的互动思想伙伴，而不仅仅是信息检索和合成引擎。⁷

代理AI自主行动

推理的能力是越来越多，使模型可以自主采取行动并跨工作流完成复杂的任务。这是向前迈出的一大步。例如，在2023年，AI机器人可以通过综合和总结大量数据来支持呼叫中心代表，包括语音消息，文本和技术规格，以建议对客户查询的响应。在2025年，一个AI代理可以与客户交谈，并计划以后采取的措施，例如处理付款，检查欺诈并完成运输诉讼。

软件公司将代理AI功能嵌入其核心产品中。例如，SalesforceâsAgentForce是其现有平台上的一个新层，它使用户可以轻松地构建和部署自主的AI代理，以处理跨工作流程的复杂任务，例如模拟产品启动以及编排营销活动。⁸Salesforce联合创始人，主席Marc Benioff将其描述为提供了数字劳动力，在这里，人类和自动化的代理商共同努力实现客户成果。⁹

多模式将文本，音频和视频汇总在一起

如今，AI模型正在朝着文本，音频和视频之间更高级和多样化的数据处理能力发展。在过去的两年中，我们看到了每种方式的质量提高。例如，Googleâ€的双子座现场有提高了音频质量和延迟，现在可以通过情感上的细微差别和表现力进行类似人类的对话。¹⁰此外，Openai的Sora演示显示了将文本转换为视频的能力。¹¹

硬件创新正在增强性能

硬件创新和导致的计算功率的增加继续增强了人工智能性能。专业芯片可以更快，更大，更通用的模型。企业现在可以采用需要高处理能力的AI解决方案，从而实现实时应用程序和可扩展性的机会。例如，一家电子商务公司可以通过实施利用高级图形处理单元（GPU）和张量处理单元（TPU）的AI驱动聊天机器人来大大改善客户服务。使用分布式云计算，该公司可以确保在高峰交通期间确保最佳性能。整合边缘硬件，该公司可以部署模型来分析损坏产品的照片，以更准确地处理保险索赔。

透明度正在增加

AI逐渐变得越来越少，但它仍然缺乏更大的透明度和解释性。两者对于提高人工智能安全和降低偏见的可能性至关重要，这对于广泛的企业部署至关重要。还有很长的路要走，但是新的模型和迭代却正在迅速改善。斯坦福大学的基础模型研究中心（CRFM）报告了模型绩效的重大进展。其透明度指数的使用量表为1到100，表明人类的透明度得分在2023年10月至2024年5月之间增加了15分，而亚马逊的透明度得分提高到51，而亚马逊的透明度得分增加了三倍，超过了41分。¹²

除了LLM之外，其他形式的AI和机器学习（ML）正在改善解释性，从而允许支持相关决策的模型的输出（例如，信用风险评估）可以追溯到告知他们的数据。通过这种方式，可以在几乎恒定的基础上测试和监视关键系统，以应对模型漂移和移动数据输入引起的其他日常危害，这些危害甚至在部署前进行了很好的校准系统。

所有这些对于检测错误并确保遵守法规和公司政策至关重要。公司有所改善解释性实践并建立了必要的检查和平衡，但必须准备不断发展以跟上增长的模型能力。

在工作场所实现AI超级机构不仅仅是掌握技术。这与支持人们，创建流程和管理治理一样多。接下来的章节探讨了有助于塑造AI在工作场所的部署的非技术因素。

员工将成为制造组织AI强力的人。与商业领导者的想象相比，他们准备在工作场所接受AI。他们更熟悉AI工具，想要更多的支持和培训，他们更有可能相信AI将在不久的将来取代至少三分之一的工作。现在，领导者必须加紧努力。他们拥有的许可空间比他们意识到的更多，因此它们是大胆并捕获AI的价值的。现在。

超越临界点

在我们的调查中，几乎所有员工（94％）和C-Suite领导者（99％）报告对AI代工具的熟悉程度有一定程度的熟悉程度。然而，企业领导者低估了员工使用AI的广泛使用。C-Suite领导人估计，只有4％的员工使用AI至少30％的日常工作，而实际上该百分比是员工自我报告的三倍（图2）。尽管总共只有20％的领导人认为员工在一年内将使用AI的30％以上，但员工相信自己的日常任务（47％）的可能性（47％）的可能性（见Sidebar -谁在工作中使用AI？

好消息是，我们的调查表明，公司可以加速AI采用并朝着AI的成熟度发展的三种方式。

领导者可以向员工投资更多

正如本章开始时指出的那样，员工预计AI将对他们的工作产生巨大影响。现在，他们希望他们的公司投资于有助于他们成功的培训。在我们调查中，近一半的员工表示，他们想要更多的正式培训，并认为这是提高AI采用的最佳方法。他们还希望以Beta或飞行员的形式访问AI工具，并表明诸如财务奖励和认可之类的激励措施可以改善吸收。

但是员工没有获得所需的培训和支持。超过第五个报告，他们得到了最少而没有支持的报道（图3）。在美国以外，员工还希望进行更多的培训（请参阅侧边栏 - 对培训的全球视角）。

C-Suite领导者可以帮助千禧一代领导

许多35至44岁的千禧一代是其公司的经理和团队负责人。在我们的调查中，他们的自我报告对AI具有最大的经验和热情，使他们成为变革性变革的自然拥护者。千禧一代是最活跃的AI用户。在35至44岁的员工中，约有62％的人报告了AI的高水平专业知识，而18至24岁的Zers中有50％，而婴儿潮一代的22％超过65岁（图4）。通过利用这种热情和专业知识，领导者可以帮助千禧一代在AI采用中发挥至关重要的作用。

由于许多千禧一代是经理，因此他们可以支持自己的团队成为更熟练的AI用户。这有助于将其公司推向AI成熟。三分之二的经理们说，他们从团队提出了有关如何每周使用AI工具一次的问题，并且类似的百分比说他们向团队推荐AI工具以解决问题（图5）。

由于领导者有许可空间，因此他们可以更大胆

在许多转型中，员工还没有准备好改变，但是AI是不同的。员工准备和熟悉程度很高，这为业务领导者提供了行动的许可空间。领导者可以倾听员工的意见，描述他们今天如何使用AI以及如何设想他们的工作正在转变。他们还可以为员工提供急需的培训，并授权管理人员将AI用例从飞行员转移到扩展。

领导者与这一刻见面至关重要。这是加速其公司达到AI成熟的可能性的唯一方法。但是他们必须敏捷地移动，否则他们会落后。

人工智能技术正在以创纪录的速度前进。Chatgpt于大约两年前发行。Openai报告说，现在的使用率超过3亿个用户¹³而且，超过90％的财富500强公司使用其技术。¹⁴直到2000年代初期，互联网才达到了这种使用水平，即互联网启动后近十年。

大多数员工将自己描述为AI乐观主义者；变焦者和开花器占工作场所的59％。即使是我们分析中两个鲜为人知的细分市场之一的阴郁者也报告了AI一代的熟悉程度很高，其中四分之一以上说他们计划明年更多地使用AI。

业务领导者需要拥抱这种速度和乐观，以确保他们的公司不会被抛弃。尽管有所有兴奋和早期的实验，但有47％的C-Suite领导人表示，他们的组织正在开发和释放AI代工具的速度太慢，理由是人才技巧是延迟的关键原因（图6）。

业务领导者正试图通过增加对AI的投资来满足速度的需求。在接受调查的高管中，有92％的人表示，他们希望在未来三年内增加AI支出，其中55％的投资预计投资将从当前水平提高至少10％。但是他们不再只能在不期望结果上花费AI。随着公司从AI代的最初刺激继续前进，业务领导者面临着从其AI一代部署产生ROI的压力越来越大。

我们正处于转折点。最初的AI兴奋可能正在减弱，但该技术正在加速。需要大胆而有目的的策略来为未来的成功奠定基础。领导者正在迈出第一步：我们调查的那些高管中有四分之一定义了AI一代路线图，而刚刚超过一半的草稿正在改进（图7）。随着技术的变化，所有路线图和计划都将不断发展。对于领导者而言，关键是要明确选择他们选择首先追求哪些宝贵的机会，以及他们将如何与同行，团队和合作伙伴一起工作以实现这一价值。

速度与安全的困境

作品中的一员：法规和安全通常仍被视为无法克服的挑战而不是机遇。领导者希望增加AI投资并加速发展，但他们与如何在工作场所安全的AI安全搏斗。数据安全性，幻觉，偏见的输出和滥用（例如，创建有害内容或启用欺诈）是不容忽视的挑战。员工非常了解AIâ€的安全挑战。他们最关心的是网络安全，隐私和准确性（图8）。但是，领导者在同时以轻速前进的同时解决这些问题需要什么呢？

员工相信业务领导者将其正确

尽管员工承认AI可以取代大部分工作的风险甚至可能性，但他们对自己的雇主保持了高度信任，以安全和道德地部署AI。值得注意的是，有71％的雇员信任雇主在发展AI时采取道德行动。实际上，他们比大学，大型技术公司和技术初创企业更信任雇主（图9）。

根据我们的研究，这与更广泛的趋势一致，在这种趋势中，员工对雇主的一般情况（73％）比在包括政府在内的其他机构（45％）表现出更高的信任（73％）。这种信任应帮助领导者在应对速度与安全的困境时充满信心。即使其他地区的员工可能对监管的渴望更加渴望，这种信心也适用于美国以外（请参阅《侧边栏》对监管的全球观点）。

AI代的风险管理

在超级机构霍夫曼认为，新的风险自然伴随着新的能力，这意味着应管理它们，但不一定被消除。¹⁵领导者需要应对外部威胁，例如侵犯知识产权（IP），支持AI的恶意软件以及由AI采用过程引起的内部威胁。第一步建立适合用途的风险管理â发起全面的评估，以确定公司每个业务中的潜在漏洞。然后，领导者可以建立强大的治理结构，实施实时监控和控制机制，并确保持续培训和遵守监管要求。

一种强大的控制机制是尊重的第三方基准测试，可以提高AI的安全性和信任。例子包括StanfordCrfmâ对语言模型（Helm）倡议的整体评估，该评估提供了全面的基准，以评估公司的公平性，问责制，透明度和更广泛的社会影响。AISystemsâ€以及MlCommonsâ辅助工具套件，来自斯坦福大学的研究人员合作。¹⁶其他组织（例如数据与信任联盟）团结了大型公司来创建跨行业元数据标准，旨在为企业AI模型带来更大的透明度。

尽管基准有很大的潜力来建立信任，但我们的调查表明，只有39％的C套件领导者使用它们来评估其AI系统。此外，当领导者确实使用基准测试时，他们选择测量操作指标（例如，可伸缩性，可靠性，鲁棒性和成本效率）和与性能相关的指标（包括准确性，精度，F1分数，潜伏期和吞吐量）。这些基准测试的努力往往不那么关注道德和合规性问题：基准表示这是衡量公平，偏见，透明度，隐私和监管问题的最重要的C-套件领导者中的17％（图10）。

对运营和绩效指标的关注反映了优先考虑即时技术和业务成果的可理解愿望。但是，忽略道德的考虑可能会回到困扰领导人。当员工不信任AI系统时，他们不太可能接受它们。尽管基准不是消除所有风险的灵丹妙药，并且可以确保AI系统完全有效，道德和安全，但它们是有用的工具。

即使是在所有三类AI Revelliness，技术，员工和安全方面都表现出色的公司，也不一定会扩展或提供预期的价值。然而，领导人可以利用大野心通过AI改变公司的力量。下一章研究了如何。

大多数投资AI的组织都无法获得他们希望的回报。他们没有赢得AI的全部经济潜力。部署AI的公司中约有一半的C套件领导人将其计划仍在发展或扩展（图11）。他们有时间进一步发展。我们的研究表明，超过三分之二的领导者在一年前推出了他们的第一个AI用例。

由于许多原因，飞行员无法扩展。常见的罪魁祸首是设计不佳或执行的策略，但缺乏大胆的野心可能同样残酷。本章着眼于当今管理的模式在整个行业对AI的投资，并提出了等待那些可以梦想更大的人的潜力。

人工智能投资因行业而异

不同的行业具有不同的AI投资模式。在最高25％的支出者，医疗保健，技术，媒体和电信公司，先进行业和农业公司都领先（图12）。金融服务，能源和材料，消费品和零售，硬件工程和建设以及旅行，运输和物流的公司的支出减少。消费行业尽管拥有第二高的价值实现的潜力，但似乎最不愿意进行投资，只有7％的受访者根据自我报告的百分比，在顶级四分位数中获得资格AI代的收入支出。这种犹豫可能是由大众市场类别中的行业平均净利润率低来解释的，因此采用昂贵的组织范围内的技术升级，信心阈值更高。

在某些行业中，员工谨慎

公共部门的员工以及航空航天，国防和半导体行业都对Aié€未来的发展持怀疑态度。在公共部门，航空航天和防御中，只有20％的员工预计AI将对明年的日常任务产生重大影响，而在媒体和娱乐中的大约三分之二（65％）和电信，为67％（图13）。更重要的是，我们的调查显示，只有31％的社会部门员工相信他们的雇主将安全发展。这是对任何行业的最低信心；跨行业的平均水平为71％。

员工对这些部门中AI的相对谨慎可能反映出外部约束所带来的近期挑战，例如严格的监管监督，过时的IT系统和冗长的批准流程。

There’s a lot of headroom in some functions

Our research finds that the functional areas where AI presents the greatest economic potential are also those where employee outlook is lukewarm. Employees in sales and marketing, software engineering, customer service, and R&D contribute roughly three-quarters of AI’s total economic potential, but the self-reported optimism of employees in these functions is middling (Exhibit 14). It may be the case that these functions have piloted AI projects, leading employees to be more realistic about AI’s benefits and limitations. Or perhaps the economic potential has made them worry that AI could replace their jobs. Whatever the reasons, leaders in these functions might consider investing more in employee support and elevating the change champions who can improve that sentiment.

Gen AI has not delivered enterprise-wide ROI, but that can change

Across all industries, surveyed C-level executives report limited returns on enterprise-wide AI investments. Only 19 percent say revenues have increased more than 5 percent, with another 39 percent seeing a moderate increase of 1 to 5 percent, and 36 percent reporting no change (Exhibit 15). And only 23 percent see AI delivering any favorable change in costs.

Despite this, company leaders are optimistic about the value they can capture in the coming years. A full 87 percent of executives expect revenue growth from gen AI within the next three years, and about half say it could boost revenues by more than 5 percent in that time frame (Exhibit 16). That suggests quite a lot could change for the better over the next few years.

大野心可以帮助解决大问题

为了推动收入增长并提高投资回报率，业务领导者可能需要承诺采用变革性的AI可能性。随着AI周围的炒作消退，重点转移到价值上，人们对可以产生竞争护士的实际应用有了更高的关注。

To assess how far along companies are in this shift, we examined three categories of AI applications: personal use, business use, and societal use (see sidebar “AI’s potential to enhance our personal lives”). We mapped over 250 applications from our work and publicly shared examples to understand the spectrum of impact levels, from localized use cases to transformations with more universal impact. Our conclusion? Given that most companies are early in their AI journeys, most AI applications are localized use cases still in the pilot stages (Exhibit 17).

In many cases, that’s perfectly appropriate. But creating AI applications that can revolutionize industries and create transformative value requires something more. Robotics in manufacturing, predictive AI in renewable energy, drug development in life sciences, and personalized AI tutors in education—these are the kinds of transformative efforts that can drive the greatest returns.¹⁷These weren’t created from a reactive mindset. They are the result of inspirational leadership, a unique concept of the future, and a commitment to transformational impact. This is the kind of courage needed to develop AI applications that can revolutionize industries.

To truly harness the potential of AI, companies must challenge themselves to envision and implement more breakthrough initiatives. Success in the era of AI hinges not just on technology deployment or employee willingness but also on visionary leadership. The ingredients are here. The technology is already highly capable and rapidly advancing, and employees are more ready than leaders think. Leaders have more permission space than they realize to deploy AI quickly in the workplace. To do so, leaders need to stretch their ambitions toward systematic change, laying the foundation for real competitive differentiation. If they want to be more ambitious about AI, companies must increase the proportion of transformational initiatives in their portfolios. The next chapter examines the headwinds that leaders must overcome—and how they can do so.

毫无疑问：AI提供了一个罕见且出色的机会。几乎90％的领导者预计，部署AI将在未来三年内推动收入增长。但是，确保增长需要企业转型，并且企业在这一领域的往绩很差。几乎70 percent of transformations fail。

为了使他们的公司成为成功的少数派的一部分，C级高管必须将镜子自行翻开。他们需要拥抱领导层发挥的重要作用。参加我们调查的C套件领导人说，员工准备就绪的可能性是收养的障碍，因为他们要责怪自己的角色。但是如前所述，员工表明他们已经准备好了。

This chapter looks at how leaders can take the reins, recognizing and owning the fact that the AI opportunity requires more than technology implementation. It demands a strategic transformation. There is no denying that companies face a set of AI headwinds. To tackle these challenges, leadership teams will need to commit torewiring their enterprises。

The operational headwinds that slow execution

Business adoption of AI faces several operational headwinds. Our interviews and research surfaced five that are most challenging: aligning leadership, addressing cost uncertainty, workforce planning, managing supply chain dependencies, and meeting the demand for explainability.

Leadership alignment is a challenging but critical first step

Securing consensus from senior leaders on a strategy-led gen AI road map is no simple task. The key to meeting this challenge is first recognizing that leadership alignment cannot be oversimplified or assumed. The process requires ongoing engagement from senior leaders across business domains, each of which may have distinct objectives and risk appetites. Together, leaders must clearly define where value lies, how AI will drive this value, and how risk will be mitigated. They must collectively establish metrics for performance evaluation and investment recalibration. To facilitate alignment, they may want to appoint a gen AI value and risk leader or institute an enterprise-wide leadership and orchestration function. These actions can enhance collaboration among business, technology, and risk teams. Although challenging, aligning leadership is a crucial step to ensure that AI projects are not disparate, avoid liability, and deliver transformative business outcomes.

Cost uncertainty makes it difficult for enterprises to predict ROI

Many companies are still determining if they can “take” AI solutions off the shelf from tech vendors or if they need to “shape” and customize them, which can be more costly but brings the potential for greater differentiation from competitors. Additionally, while leaders can budget for AI pilots, the full cost of building and managing AI applications at scale remains uncertain. Planning for a limited pilot is very different from assessing the costs of a mature solution that helps most employees multiple times a day. These factors lead to tough tradeoffs. But to move at the pace of AI, technology leaders must prioritize accelerated decision-making.

劳动力计划比以往任何时候都更加困难

仍然有一个不确定性的世界。雇主不知道他们需要多少个AI专家，他们需要哪种类型的技能，是否存在人才，他们能迅速地货入人士，以及他们如何成为有吸引力的雇主来登上雇员。另一方面，他们不知道AI可以降低对其他技能的需求的速度，因此需要劳动力重新平衡和再培训。

Supply chain dependencies can wreak havoc

Fragile supply chains can expose enterprises to disruptions and technical, regulatory, and legal challenges. The AI supply chain is global, with significant R&D concentrated in China, Europe, and North America and with semiconductor and hardware manufacturing concentrated in East Asia and the United States. Today’s geopolitics are complex. Furthermore, models and applications are increasingly created in open-source forums spanning many countries.

Demand for greater explainability is a central challenge

Safe AI deployment is increasingly a must-have.Yet most LLMs are often black boxes that do not reveal why or how they came to a certain response, nor what data was used to make it.If AI models cannot provide clear justifications for their responses, recommendations, decisions, or actions—showing the specific factors that led to a credit card application denial, for example—they will not be trusted for critical tasks。

These AI-specific headwinds are formidable but addressable. Companies are pushing ahead. For example, they might use dynamic cost planning or look at procuring NVIDIA clusters to secure the infrastructure they expect to need.¹⁸Chief HR officers (CHROs) are developing training programs to upskill their current workforces and support some employees in job transitions. But lasting success will take more than that.

To capture AI value, leaders must rewire their companies

McKinsey’sRewired framework includes six foundational elements to guide sustained digital transformation: road map, talent, operating model, technology, data, and scaling (Exhibit 18). When companies implement this playbook successfully, they cultivate a culture of autonomy, leverage modern cloud practices, and assemble multidisciplinary agile teams.

While these six elements are universally applicable, AI has introduced a few important wrinkles for leaders to address:

• 适应性。AI technology is advancing so rapidly that organizations must adopt new best practices quickly to stay ahead of the competition. Best practices may come in the form of new technologies, talent, business models, or products. For example, a modular approach helps future-proof tech stacks. As natural language becomes a medium for integration, AI systems are becoming more compatible, allowing businesses to swap, upgrade, and integrate models and tools with less friction. This modularity allows enterprises to avoid vendor lock-in and put new AI advancements to use quickly without constantly reinventing their tech stacks.
• Federated governance models.管理数据和模型可以使团队自主权在集中控制风险的同时开发新的AI工具。领导者可以直接监督高风险或高可见性问题，例如制定政策和流程，以监视模型和输出以公正，安全性和解释性。但是他们可以将方向设置为业务部门，并将其他监控委托给业务部门，包括测量基于绩效的标准，例如准确性，速度和可扩展性。
• Budget agility.Given technological advances across models, as well as the opportunity to curate an optimal mix of LLMs, small language models (SLMs), and agents, business leaders should keep their budgets flexible. This helps enterprises optimize their AI deployments simultaneously for costs and performance.
• AI benchmarks.这些工具可以用作定量评估，比较和改善不同AI模型，算法和系统的性能的强大手段。If technologists come together to adopt standardized public benchmarks—and if more C-level executives start employing benchmarks, including ethical ones—model transparency and accountability will improve and AI adoption will increase, even among more skeptical employees。
• AI-specific skill gaps.Notably, 46 percent of leaders identify skill gaps in their workforces as a significant barrier to AI adoption. Leaders will need to attract and hire top-level talent, including AI/ML engineers, data scientists, and AI integration specialists. They will also need to commit to creating an environment that is attractive to technologists. For example, this can mean providing them with plenty of time to experiment, offering access to cutting-edge tools, creating opportunities to engage in open-source communities, and promoting a collaborative engineering culture. Upskilling existing employees is just as critical:研究 from McKinsey’s People and Organizational Performance Practice underscores the importance of tailoring training to specific roles, such as offering technical team members bootcamps on library creation while offering prompt engineering classes to specific functional teams.¹⁹Upskilling and reskilling priorities for the gen AI era," blog entry by Sandra Durth, Kiera Jones, Lisa Christensen, and Naveed Rashid, McKinsey, September 30, 2024.
• Human centricity.To guarantee both fairness and impartiality, it is important that business leaders incorporate diverse perspectives early and often in the AI development process and maintain transparent communication with their teams. As it stands, less than half of C-suite leaders (48 percent) say they would involve nontechnical employees in the early development stages of AI tools, specifically ideation and requirement gathering. Agile pods and human-centric development practices such as design-thinking and reinforcement learning from human feedback (RLHF) will help leaders and developers create AI solutions that全部people want to use. In agile pods, technical team members sit alongside employees from business functions such as HR, sales, and product, and from support functions such as legal and compliance. Further, leaders can empathize with employees’ uneasiness about AI’s impacts on potential job losses by being honest about new skill requirements and head count changes. Forums where employees can provide input on AI applications, voice concerns, and share ideas are valuable for maintaining a transparent, human-first culture.在过去两年中，AI的进步速度令人惊叹。

有些人将AI视为对人类的挑战，以应对这一速度。But what if we take the advice of Reid Hoffman and imagine what could possibly go正确的with AI?领导者可能会意识到，在工作场所中，所有碎片都可以实现AI超级机构。

They might notice that their employees are already using AI and want to use it even more. They may find that millennial managers are powerful change champions ready to encourage their peers. Instead of focusing on the 92 million jobs expected to be displaced by 2030, leaders could plan for the projected 170 million new ones and the new skills those will require.20^{这是领导者通过在职培训和以人为中心发展的方式确定大胆的AI承诺并满足员工需求的时刻。}

As leaders and employees work together to reimagine their businesses from the bottom up, AI can evolve from a productivity enhancer into a transformative superpower—an effective partner that increases human agency.可以通过对可能性的想象取代对不确定性的恐惧的领导者将发现AI的新应用，不仅是优化现有工作流程的工具，而且还可以作为解决更大的业务和人类挑战的催化剂。AI实验的早期阶段着重于通过狭窄用例（例如自动执行常规任务）证明技术可行性。现在的地平线已经转移：AI准备解锁前所未有的创新并推动实现实际价值的系统变化。

To meet this more ambitious era, leaders and employees must ask themselves big questions. How should leaders define their strategic priorities and steer their companies effectively amid disruption? How can employees ensure they are ready for the AI transition coming to their workplaces? Questions like the following ones will shape a company’s AI future:

For business leaders:

• Is your strategy ambitious enough? Do you want to transform your whole business? How can you reimagine traditional cost centers as value-driven functions? How do you gain a competitive advantage by investing in AI?
• What does successful AI adoption look like for your organization?What success indicators will you use to evaluate whether your investments are yielding desired ROI?
• What skills define an AI-native workforce?How can you create opportunities for employees to develop these skills on the job?

For employees:

• What does achieving AI mastery mean for you?Does it extend to confidently using AI for personal productivity tasks such as research, planning, and brainstorming?
• How do you plan to expand your understanding of AI?Which news sources, podcasts, and video channels can you follow to remain informed about the rapid evolution of AI?
• How can you rethink your own work?Some of the most innovative ideas often emerge from within teams, rather than being handed down from leadership. How would you redesign your work to drive bottom-up innovation?

这些问题没有简单的答案，但是在如何最好地解决这些问题上达成了共识。例如，一些公司部署自下而上的方法和自上而下的方法来推动AI采用。自下而上的行动可帮助员工通过诸如黑客马拉松和学习会议等计划尝试AI工具。自上而下的技术将高管聚集在一起，从根本上重新考虑了AI如何改善诸如欺诈管理，客户体验和产品测试之类的主要流程。

随着公司寻求从AI飞行员转变为AI成熟度，这类行动至关重要。今天，只有1％的商业领导者报告说他们的公司已经到期。在接下来的三年中，随着技术对技术的增长的增长，领导者必须推动这一百分比上升。They should make the most of their employees’ readiness to increase the pace of AI implementation while ensuring trust, safety, and transparency.目标很简单：捕获AI代推动创新并创造实际业务价值的巨大潜力。