管理AI比用人更难？领英中国前总裁谈数字员工管理

see122

编者按

人类与AI智能体将形成一种新型的协同关系，这要求企业必须采用“数智员工管理”的思维。

人工智能（AI）技术的迅猛发展正以前所未有的深度和广度影响着社会的方方面面，尤其对企业运营模式、商业模式乃至整个社会结构带来了深刻的变革。2025年已来，关于AI智能体（Agent）的讨论日益增多，其潜在的颠覆性力量引发了广泛关注。在这一背景下，深入理解AI的核心概念、应用前景及其带来的挑战，对于把握未来发展趋势至关重要。

领英联合创始人、OpenAI早期投资人，里德·霍夫曼在《AI 赋能》（Superagency）一书中，对人工智能如何赋能社会生活的方方面面展开了详尽的讨论，本刊专访了《AI 赋能》的译者——领英全球前副总裁、领英中国前总裁陆坚，聚焦AI在商业领域对企业商业模式、核心竞争力、长期趋势的影响展开深度探讨。希望对企业更好地理解AI赋能的价值与方式，更有效地推动智能化转型，提供有益的借鉴。

“超级能动性”，理解AI赋能的关键

在探讨AI的影响时，“Agent”是一个核心概念。然而，将其简单翻译为“代理”可能未能完全反映其内涵。

本书中文版中把作者定义的Superagency翻译为“超级能动性”，做出这个选择的原因是对“Agency”在人类文明史中多重内涵的辨析。区别于日常语境中的“代理”（如保险代理、旅行代理），社会学奠基者安东尼·吉登斯在其结构化理论中强调：“Agency是行动者改变既定社会规则的能力，是突破结构约束的创造力本源。”这种哲学思辨投射到技术领域，揭示了历次工业革命中人类焦虑的本质——当珍妮纺纱机取代手摇纺车，当流水线替代工匠作坊，表面是对失业的恐惧，深层则是对主体能动性被技术体系剥夺的忧惧。

霍夫曼通过硅谷二十年技术观察发现：AI革命的特殊性在于其首次触及人类认知核心领域。书中实证研究表明，79%的受访者担忧AI将削弱人类的决策主导权。而“超级能动性”的终极定义正是对这种焦虑的回应：在AI技术赋能下，个体与群体突破生理、认知与社会结构的传统限制，实现潜能最大化。

AI技术，特别是大语言模型（LLM）的出现，常常引发人们对于自身能动性是否会受到限制的担忧。然而，AI的真正潜力在于其作为“超级能动性”（Super Agency）的赋能者。这种赋能不仅体现在提升个体能力上，更在于通过技术手段，使个人和群体能够突破既有局限，最大化自身潜能。这是一种在社会层面累积并使每个人受益的效应。因此，将AI视为一种增强人类能动性的工具，而非替代人类主体性的存在，是理解其积极意义的关键视角。

AI能与人类共情吗

关于大模型的本质，一种常见的观点认为其仅是基于海量数据的统计计算和模式匹配，缺乏真正的理解与情感。这种质疑在涉及情感交流的应用场景，如心理健康护理时尤为突出。例如，科技开发者罗布·莫里斯（Rob Morris）使用名为KokoBot的AI助手参与同伴互助的心理健康支持项目，其初衷是模拟人类同伴的共情与支持。然而，当其AI身份被公开后，引发了关于“模拟共情”的伦理争议。

尽管存在质疑，但实践表明，AI在特定情境下的表现可能超出预期。研究表明，在医患对话等场景中，经过训练的大模型在共情能力的评分上甚至可能超过人类专业人士。这从一个角度说明，判断AI价值的标准或许不应仅仅局限于其是否具备“真正”的情感或意识，而更应关注其在实际应用中所产生的效果和价值。当用户在知晓其对话对象为AI后，仍能感受到被理解和支持，这本身就说明了AI在情感交流辅助方面的潜力。

当然，AI的局限性也不容忽视，例如其可能产生的“幻觉”（即生成不真实或误导性信息）。但这并不意味着AI在心理健康等领域的应用毫无价值。关键在于明确其定位：AI更适合作为护理的辅助工具或参与支持性服务，而非替代专业医生进行诊断和治疗。同时，随着技术的进步和应用模式的成熟，人们对于AI在情感交流方面的接受度也在逐步提高。或许，人类自身的反应和决策机制也并非完全基于深思熟虑的情感加工，有时也可能是基于习惯或大量经验形成的快速反应。从这个角度看，AI通过学习海量数据而生成的“即时”回应，与人类的某些反应模式或许存在某种相似性。

AI原生应用，与商业模式的演进

移动互联网诞生了诸如Uber、抖音等基于移动互联技术的原生应用，创造了崭新的商业模式，也造就了新的一批行业领军企业。AI时代的原生企业会有哪些特点？

从技术层面看，AI技术的爆发催生了大量AI原生应用。这类应用的核心在于，AI大模型或AI系统本身就是产品的主角，而非仅仅是附加功能。典型的例子包括可以直接与用户进行对话的大型语言模型（如ChatGPT），以及能够根据提示词生成图像或艺术作品的AI绘画工具（如Midjourney、DALL·E）。这些应用在AI技术出现之前是无法想象的，它们代表了AI技术直接驱动产品创新的可能性。

然而，与移动互联网时代涌现出如Uber、抖音等利用移动特性创造全新商业模式的“原生APP”相比，当前AI时代的商业模式创新尚处于早期阶段。尽管AI原生应用已大量出现，但真正意义上成熟、可大规模复制的全新商业模式（如Uber式的共享经济模式）还未完全显现。这可能是因为AI技术从爆发到大规模商业化落地仍需时间沉淀，商业模式的创新往往滞后于技术发展。

展望未来，AI时代的商业模式可能出现以下几种变化趋势：

1.从“羊毛出在猪身上”到直接用户付费：传统互联网平台常采用“羊毛出在猪身上”的模式，即通过向B端（广告主）收费来补贴C端（用户）的免费使用。这种模式依赖于大规模用户群体和标准化服务。然而，AI驱动的个性化服务使得每个用户的需求和体验都可能不同，这降低了大规模标准化广告投放的效率。因此，未来可能会有更多服务转向直接向用户收费，前提是AI能提供足够高价值的个性化体验，让用户愿意为之买单。

2.服务即广告，价值驱动付费：对于直接嵌入答案或内容中的广告形式，用户普遍接受度较低。但如果AI提供的是一种持续的、高价值的服务（如个人助理、专业咨询等），用户则更可能接受为其付费。这要求AI服务必须真正解决用户痛点，创造可感知的价值。

3.雇佣与租赁模式的放大：AI智能体（Agent）因其能够独立完成特定任务，正逐渐被视为“数字员工”。企业可能会按部署的智能体数量或完成的任务量来支付费用，类似于人力资源的派遣或外包模式。在C端，家用服务机器人等也可能采取租赁而非购买的方式，由服务提供商负责机器人的维护和更新。

AI企业的增长模式与传统互联网企业有所不同。以OpenAI为例，其用户增长速度远超历史上任何一家科技公司，ChatGPT仅用两个月便达到一亿用户，而抖音用了九个月、Facebook用了四年半。这显示了AI技术极强的用户接纳速度和市场渗透潜力。

然而，收入增长方面，当前AI企业普遍面临高投入、低（或无）直接收入的局面，商业模式仍在探索中。尽管如此，从用户规模和查询量等指标来看，AI的增长速度依然惊人。

AI是否会成为像操作系统或智能手机那样的新“底座”，并与现有巨头并驾齐驱？

目前看来，AI更可能作为一种新的操作系统或交互范式存在。传统的操作系统是人与计算机交互的界面，而未来的AI操作系统（或智能体平台）可能是AI自主规划和执行任务的后台系统。人类与AI的交互方式将发生根本性变化，从指令式交互转向目标导向的委托式交互。这种AI操作系统将与现有的操作系统（如Windows、iOS）共存，但功能和定位截然不同。

智能体如何，有效融入企业管理

AI智能体代表了人机交互方式的一次范式转移，其意义堪比从命令行到图形界面，或从PC到移动设备的转变。它不仅仅是技术的迭代，更是交互逻辑和关系的重构。智能体具备自主规划、决策和执行复杂任务的能力，有望成为用户的数字助理甚至数字分身。因此，智能体并非一个短暂的过渡阶段，而是一个长期的发展趋势。

企业将智能体深度整合进核心业务流程，尤其是涉及决策环节时，面临着一系列复杂且亟待解决的挑战。

首要挑战来自技术本身的不确定性。大模型常被视为“黑箱”，其内部的推理过程和决策依据难以追溯和解释。其输出存在固有的不稳定性，相同的提示在不同时间或环境下可能产生差异化的结果。在涉及多步骤、长链条的任务执行中，模型产生“幻觉”（即编造事实或错误信息）的风险会显著增加，这对需要高精度和一致性的业务场景构成威胁。

其次，权责归属的模糊地带构成重大管理难题。当智能体基于其判断自主执行任务并导致失误甚至损失时，追责机制尚未明晰——是设计开发者、部署企业、操作员工，还是智能体本身（在现有法律框架下不具备主体资格）承担责任？人类员工与自主AI系统之间的责任边界如何清晰划分？如何确保智能体的输出和行为始终符合行业规范、公司政策以及法律法规（合规性保障）？这些问题目前缺乏成熟的解决方案。

再者，生态依赖带来的运营风险不容忽视。编程助手Windsurf与OpenAI洽谈收购后其API服务被Anthropic切断的案例，突显了依赖单一闭源大模型平台提供核心能力的应用提供商所面临的脆弱性。虽然开源模型提供了规避供应商锁定的可能性，但对大多数企业（尤其是中小企业）而言，自行维护高性能开源模型的开发、调优和运维成本高昂，且当前开源模型在性能上与顶尖闭源模型尚存差距。

为应对这些挑战，领先企业开始构建“企业级AI治理三角框架”：建立严格的审计机制以实现关键操作的全链路追溯和可解释性。设计有效的对齐机制，通过提示工程、微调等手段确保智能体行为符合企业价值观和业务目标。构建信任机制，通过透明度提升和技术流程优化，缓解员工和客户对AI输出的普遍不信任感。

在技术架构上，采用模型解耦设计（Model Agnostic Agent Design）和多云/多模型策略，避免对单一技术平台的深度绑定，成为保障业务连续性和降低风险的务实选择。

***

AI的赋能潜力正在多个战略领域加速释放，深刻重塑产业格局。知识密集型领域首当其冲，软件开发（代码自动生成、函数补全、Bug检测、测试用例生成）、市场营销（个性化文案创作、用户画像分析、广告内容制作）等白领工作场景的效率正经历指数级提升，同时也降低了专业技能的入门门槛。

教育领域迎来革命性变革，AI驱动的个性化学习平台能够根据每个学生的理解能力、学习节奏和兴趣偏好，动态调整教学内容和路径，使“因材施教”这一教育理想有了大规模落地的技术基础。

专业服务领域也在升级，法律文书辅助生成、高精度多语言实时翻译（正如译者翻译《AI 赋能》一书时得益于AI大幅提升效率的实践）等应用，显著提升了服务的速度和质量。企业运营层面，客户服务（智能客服）、销售支持（线索分析、话术建议）等环节的响应速度和精准度获得跨越式提升。

然而，伴随着效率提升的，是对就业结构的深远影响。知识密集型岗位的人力需求可能面临结构性缩减。相比之下，需要高度复杂环境适应力、精细手眼协调和即时物理反馈的精密体力劳动领域（如顶尖外科手术），短期内受AI自动化替代的压力相对较小，更可能走向深度的人机协作模式（如机器人辅助外科手术）。但值得关注的是，随着机器人技术在感知精度、动作控制和环境适应能力上的持续突破，这些曾被视为人类专属堡垒的领域，未来也可能逐步被更智能、更可靠的机器系统渗透。例如，在外科手术中，机器人手臂理论上可以达到远超人类生理极限的稳定性和精确度。

人类与AI智能体将形成一种新型的协同关系——人类负责设定目标、提供价值判断和监管，AI智能体负责高效执行、信息整合和方案建议。这种协同要求企业在部署和管理智能体时，必须采用全新的思维框架。这意味着企业既要包容当前技术存在的不确定性（如幻觉、输出波动），更需前瞻性地建立完善的AI治理框架，涵盖伦理准则、责任划分、安全审计和持续评估机制。这样才能真正迈入人机协同进化、共同释放潜能的新时代。

受 访|陆坚领英全球前副总裁、领英中国前总裁、CGL集团全球业务首席顾问


来源：36kr