AI技术的迅猛发展，将我们推到了新的技术革命的浪尖上。这场革命，与90年代的互联网浪潮及2015年后的移动互联网浪潮一样，预示着规模经济的兴起和颠覆性技术的诞生。然而，当下AI的发展速度和对劳动力市场的影响似乎比想象要更温和。

AI在带来创新与竞争的同时，如何重塑生产力关系？
企业如何应对和适应AI带来的转型挑战？
AI浪潮下，人力资本范式的变化趋势如何？

以下为方跃的部分精彩观点：

当下AI浪潮和我们经历过的前两波到底有什么区别和共同之处？90年代开始的互联网浪潮，以及大约15年后的移动互联网浪潮，这两波是国内的企业基本上都经历过的，也是中国改革开放积累到一定程度，经济成长最关键和最美好的一段时期。所以这两段经历对我们理解这波AI浪潮有很大启发和帮助。实际上这两波浪潮跟人工智能浪潮有一定共性——都会带来规模经济以及产生颠覆性的技术。但是也有不同的地方。过去这两年从生成式人工智能的角度来观察，不管国内还是国外，落地应用都比我们想象得慢，对劳动力市场的冲击也就比我们想象得温和。

我们进入了一个新的时代，它一定会带来新的变化，这个变化有些我们看得清楚，有些还看不清楚。可以肯定的是，这一时代将提升生产力，但同时也会引发生产关系的新问题。员工对使用和培养人工智能的抵触，恰巧反映了生产关系和利益分配的问题。例如，当企业开发自己的垂直算法，这些算法的能力提升到一定水平后，可能会取代一些员工的工作。这引出了员工在这一过程中的角色问题：员工可能对产品有所贡献，但随着人工智能的发展，他们的角色可能会发生变化，这是我们之前未曾面对的问题。因此，企业面临着新的管理挑战，需要进行研究和探索，以适应这些变化。

各方专家如何看待人工智能对经济的潜在影响？可以肯定的是，大方向没有问题。2000年互联网泡沫破过一次，但是不代表它不代表未来——它一定代表未来。对于社会整体而言，长期的增长是可以接受的，例如50年或100年的逐步发展；但对于企业乃至个人来说，3-5年的成长周期已经相当漫长。所以我们更感兴趣的是如何落地。简单谈一下三派不同观点，供大家参考：

正面派认为人工智能会带来较快的规模化影响，同时每年会产生万亿美元级的增长。MIT数字经济倡导行动联合创始人兼首席研究科学家Andrew McAfee认为，除了带来生产力的增长以外，对生产关系产生的影响也相对积极——不会加剧不平等或严重冲击就业市场，因此他对AI与生产力的关系持乐观态度。

中间派认为人工智能的规模经济一定不亚于互联网和移动互联网，但是需要时间——换句话说就是目前成本太高，且在落地场景中存在问题。同时人工智能带来的很多负面问题是需要企业解决的，例如隐私安全、伦理问题、分配问题等。

相对滞后一派的是今年诺贝尔经济学奖中的一位，在半年前他曾估算只有当AI能够自动化大约40%的工作任务时，才能显著提高生产力。因此他认为人工智能按现在的情况一定会形成泡沫，因为预期达不到。

我个人认为在未来3-5年，AI 技术将会“嵌入”到企业的所有的流程、产品和服务之中。包括人力资源的工作流一定会发生变化，自动化能达到的程度将取决于企业的整体状况和业务需求——这是一定会发生的，否则企业将很难发展。

目前国内的现状是企业级应用并不多。不管企业倡导不倡导，员工或多或少都在用AI——这表明企业AI应用是远远滞后于个人的。因此在我看来，个人行为向企业行为转变的标志是企业AI应用的大规模落地。当前大模型应用成本的下降，一方面是由于大模型厂商之间的竞争加剧，另一方面是因为缺乏大规模的应用场景——一个企业中只有少数员工每天仅使用AI工具半小时或一小时，与企业全天候24小时大规模调用AI相比，两者完全不是一个数量级。要使大型模型发挥实效，首当其冲的是降低成本。成本的降低依赖于实际应用，而应用则需找到合适的场景。我们的高管需要说服自己，理解为何这项成本能够创造相应的价值。这是我们目前面临的基本状况。

关于AI转型我想分享两点。一个是由点到面：梳理业务环节-价值创造-选择场景进行试点-由点到面，这个我们叫做AI in ALL——尽可能把AI用到各个环节上。还有一种就是全面转型，我们现在提到的AI优先也好，AI First也好，我的理解就是全面转型。

AI in All就是梳理你的业务模型，找出可以应用AI的环节，尤其是在互动和内容生成方面。目前，规模化的企业应用主要集中在营销、客服、软件生成和办公自动化等领域，无论是在金融还是制造业等行业，生成式AI都表现得很出色。当然，传统的AI应用如检测和安防也很重要，但生成式AI的核心在于内容生成，尽管它已经发展到多模态，但仍然主要沿着这一方向前进。目前有近50%的企业正在小范围试点应用；大约15%的企业尚未开始采用AI，甚至还没有进行试点或分享；而超过20%的企业已经进入了下一步，即全面采用AI战略，也就是所谓的“All in AI”。建议前期推广技术时，作为应用者不必过于关注技术的细节，因为这些技术是有门槛的，也是有风险的。你需要的是基于成熟技术的解决方案，因为你是应用者，而不是开发者。不要涉及太前沿的技术，这样使用起来相对容易，风险也较小。

不管你是什么业务、想怎么做，无外乎围绕两个维度来展开：X轴代表可行性，涉及资源的可用性、成本和风险；Y轴代表价值创造，这是一个多维度的概念，具体取决于你的业务目标和衡量标准。以人力资源领域为例，我们如何评估AI带来的价值？最重要的衡量维度是什么？一方面，要考虑基础价值；另一方面，考虑实施的可行性。理想情况下，我们希望这两个方面都能达到高水平，即核心价值高且可行性强，这样才能将业务推向成功的顶点。

因此，首先要识别并优先投资那些能够充分利用AI的业务领域。这是我们所说的理想状态。当然，实施过程中也存在许多误区，最常见的就是期望过高。目前AI技术尚未达到某些预期的水平，除了技术问题，大家往往也没有实际动手去应用。建立一个以AI为核心的企业，第一步就是让所有人都了解并开始使用这项技术。最终，这个过程也会涉及到人才的筛选，因为不是每个人都能有效地利用AI。这是一个基本的实施过程，涉及到对技术的理解和应用，以及人才的培养和筛选。

很多企业家会谈这个问题：这项技术能带来什么？他们需要具体的指标来衡量。我们很难说清楚，但是我觉得过程最重要。如果你认同未来企业一定是AI型的企业，并且这将成为你的核心竞争优势，那么现在就该开始行动了。重点应该放在从流程、文化和人才三个方面培养AI能力的过程上，这个过程的重要性远远超过从财务角度计算每投入一块钱能带来多少价值。国外许多成功的企业都重视过程，先不要计较最后的结果，它一定会是反反复复迭代才能做好的。

还有一个AI转型是AI战略，我们今天谈AI真的不是降本增效这么简单，企业AI转型不在战术而在战略——优秀的企业一定会走到这个阶段。此外还要意识到，如果将AI仅作为战术或工具，它不会带来真正的竞争优势，因为在未来三到五年内，AI可能会成为行业的标准配置。就像现在，不使用计算机、网络或云服务的企业已经很少见，这些已经成为基本配置，而非竞争优势。所以依赖AI作为差异化的手段将不再有效。

未来的组织将是以人工智能为基础，以人为本是可持续发展技术的核心目标。在人机协同方面，我们的目标是让机器替代任务而非工作，这是我们与员工合作的方向。随着这个趋势的发展，人力资本的定义也将发生变化，未来人力资源管理将不仅涉及人类，还包括算法和数字人。未来的HR是广义的，一部分是人类，一部分是机器——不仅包括传统意义上的人类员工，还涵盖了机器和算法。人力资源将变得更加广泛，包括人类和机器，未来招聘可能还会涉及算法。这种趋势表明，也许我们需要一个首席AI官（CAIO），因此，人力资源部门需要对技术有所了解，因为最终管理的将不仅是碳基生命，还有硅基生命。

面对这次AI浪潮，许多企业都希望成为科技公司，但这究竟意味着什么？经过几年的数字化，我们对此有了一定的概念。人力资源部门需要负责许多相关内容，但如果对技术和认知的理解不足，那么这将成为一个挑战。认知是首要的，实践紧随其后，而在落地过程中，需要勇气和担当。高管对这场变革的前瞻性，以及他们愿意付出的努力和面临挑战的准备程度，将是企业的分水岭。

来源 | HRoot