在人工智能技术日新月异的当下，AI已悄然渗透到我们的工作与生活，引发了广泛讨论。例如，AI是否会取代人类？它又如何与人类协同合作、提升效率，引领行业变革？面对AI带来的挑战，企业领导者应如何营造开放包容的文化氛围，促进团队协作，同时关注员工的体验？站在2025年的起点，中欧国际工商学院组织行为学副教授麦珂将在本文中对人工智能与人类合作的前景进行预测，并对上述问题予以解答。

01

人工智能的发展趋势

谈及人工智能技术在接下来几年内的发展趋势，我认同英伟达创始人兼首席执行官黄仁勋在印度人工智能峰会上分享的观点：在可预见的未来，AI取代不了人，但不用AI的人将会被用AI的人取代。在未来几年里，人工智能技术的发展趋势将日益强调人机协作的重要性，尤其是在教育和创新领域。随着AI技术的不断进步，我们将看到人类与智能系统之间的互动变得更加紧密。

2025年，人工智能在以下领域可能会有重大突破。

在教育领域，AI将推动个性化学习的发展，通过分析学生的学习习惯和需求，提供定制化的学习资源和反馈，提升教育效果。同时，AI还可以辅助教师进行评估和反馈，使教育过程更加高效。

在制造业领域，AI可以加速产品设计和研发。通过数据分析和机器学习方法，AI能帮助研发团队快速识别市场需求、用户偏好，并生成设计方案，从而缩短产品设计周期。

在医疗健康领域，人工智能将在疾病预测、诊断和个性化治疗方面取得显著进展。AI可以分析患者数据，帮助医生制定更有效的治疗方案，并提高早期诊断的准确性。

在创新领域，AI将成为推动创意和解决复杂问题的重要伙伴，通过分析大量数据和提供洞察，激发人类的创造力。

在自动驾驶领域，随着技术的成熟和法规的完善，自动驾驶汽车可能会在公共道路上得到广泛应用。AI将增强车辆的感知能力和决策能力，使其在复杂环境中能够有效快速地做出选择，确保安全行驶。

在人力资源领域，AI驱动的招聘和筛选工具、个性化培训计划以及员工参与和满意度分析将是关键关注点。通过快速筛选合适的候选人、提供量身定制的学习体验，以及实时监测员工满意度，人力资源团队能够提升招聘效率和员工发展。此外，AI技术在人才预测与保留以及劳动力规划与分析方面也具有重要作用。它可以分析员工离职趋势，预测人才流失风险，从而制定留才策略。同时，深入的数据分析将优化劳动力规划，帮助企业更好地支持战略目标。这些技术的应用将推动人力资源的整体效率和员工体验。

除此之外，我认为自然语言处理技术将会快速进步，使AI能更自然地理解和生成语言，改善人机交互，推动智能助手和交流工具的发展。现代大型语言模型（LLMs）在不断进化中。最新的《美国国家科学院院刊》（PNAS）论文在研究大型语言模型能否像人一样准确推测他人心理状态时也发现，GPT-4已经能够成功解决约75%的任务，其表现接近6岁儿童的水平。相比之下，早期的GPT模型仅能解决20%的任务。

02

人工智能与人类合作

AI与人类合作应该注重互补性，高效的的合作应该基于双方互补的优势，通过互补来合作完成一些之前很难完成的任务。

具体来说，AI在处理大规模数据、快速分析和执行重复性任务方面表现出色，而人类则拥有创造力、情感理解和解决复杂问题的能力。这种互补性让两者能够相互配合，从而提高工作效率和决策质量。例如，AI技术中的自然语言处理和计算机视觉能够增强人类的能力。借助智能助手、翻译工具和图像识别技术，人类可以更高效地完成工作，进而提升生产力。

与此同时，人类在实时调整对事物的看法方面更具优势，能够凭借个人经历、文化理解和情感智力将信息置于具体情境中进行理解——这正是当前AI所欠缺的品质。尽管AI能够处理大量数据并识别模式，但它通常难以全面把握人类情境中的细微差别和复杂性。而这种对上下文的敏感性使人类能够做出更明智的决策，并在各种互动中建立更深层次的联系。

这里需要强调的是，人类和人工智能可以实现合作创新，且两者的合作创新模式越来越普遍。例如，华为让AI和音乐家合作完成舒伯特未完成的《第八交响曲》；特斯拉和谷歌让研发人员和AI一同进行产品的研发。

人类与AI的协同创新，需要经过几个阶段。

首先是想法披露阶段：人类可以利用AI强大的数据分析能力，从大量的数据中提取洞察；同时，人类也可以毫无顾忌地和AI交流自己最疯狂的想法，这在之前人与人的协同创新背景下是很难实现的。

其次是想法阐述阶段：AI可以辅助人类进行创意生成。例如，AI算法可以分析各种想法的组合，提供新的产品设计或服务概念，帮助团队在初期阶段激发创意。

最后是想法评估阶段：借助AI技术，人类可以快速创建和测试产品原型。AI可以模拟不同的使用场景，提供实时反馈，帮助设计团队优化产品。在和AI合作时，人类要明确处于以上哪个阶段；要注重在不同的阶段，利用AI不同的优势为自身赋能。

需要注意的是，人类和AI合作中也存在不足和挑战。过去多年的研究一致表明，在大五人格特质中，尽责性（Conscientiousness）是预测工作表现的最有力指标。具有高尽责性的员工往往展现出更强的组织性、可靠性和勤奋度，这些特质直接关联到他们的工作成果。简而言之，尽责性程度越高的员工，其工作表现往往越出色。这种人格特质使他们更可能制订计划、坚持到底，并以高标准完成工作，从而在职场上取得成功。然而，在AI时代，情况可能并非如此简单。研究发现，在与AI合作时，那些不太认真的个性反而可能获得更多益处。因此，识别AI能够补充人类个性中的哪些不足之处，在与AI的协作中变得尤为关键。

03

企业领导者的应对策略

可以预见，未来企业在大规模采用AI的初期，可能会遇到来自员工的阻力，其原因有三。

第一，员工失去自主权。随着AI的引入，员工可能会感到失去对工作的控制，从而产生消极情绪。例如，银行员工在处理客户信用卡申请时，完全依赖算法做出决定，结果导致客户服务质量下降。相关研究显示，自动化程度越高，员工的健康状况和工作满意度越低。

第二，员工对AI有抵触心理。许多员工更喜欢与人而非AI合作，情感上对技术产生抵抗。为了提升AI的包容性，领导者需充当人机互动的调解者，提供足够的支持和培训，使员工在与AI系统互动时感到被重视。如果员工感受到来自企业的包容，他们对AI的抵触情绪也将随之减少。

第三，AI会造成商业孤岛。AI的引入可能加剧企业内的孤立现象。由于对AI系统的理解往往集中在技术团队，其他部门的员工可能难以有效利用AI。此外，数据所有权和访问问题也可能导致部门之间的争议，限制合作与信息共享。这种孤立会妨碍跨部门合作和资源的有效利用。

在这样的背景下，要推动AI实施，企业需培养一种开放和包容的文化，重视团队合作和员工体验。通过提供定期课程和在线学习资源，帮助员工掌握AI基础知识；明确AI的目标和预期成果，建立反馈机制，及时解决员工的疑问；通过成功案例分享和小组项目，让员工亲身体验AI的应用；领导者应参与培训，倾听并回应员工反馈，以此建立信任；鼓励持续学习和创新，对积极采用AI的员工予以认可，并定期评估员工对AI的接受度，以便调整策略。具体来讲，可以遵循以下做法。

第一，创造社交联结的空间和时间。员工在与AI合作时往往缺乏人际互动，容易感到孤立。领导者应通过企业活动和在线社区来促进员工之间的社交联系，以增强团队凝聚力。例如，定期的团队会议可以帮助员工讨论问题并分享经验，从而减少孤独感。

第二，促进技术团队与非技术团队的合作。成功的人机协作需要跨学科合作。领导者应建立多样化的团队，让技术专家与业务专家共同工作。通过建立共同的语言和理解，促进团队之间的信息交流，从而有效解决问题并推动协作。

第三，持续强化领导力。领导者需理解员工在采用AI过程中所面临的疑虑和不适，并保持开放的心态，通过倾听和沟通建立信任感，激励员工积极参与AI的实施。同时，应向员工提供必要的培训和指导框架，协助员工更深入地理解人机协作的模式。

第四，奖励员工的独特人性贡献。企业领导者要明确员工在AI协作中的角色和价值，确保他们能分享AI带来的成果。通过认可和庆祝员工的成就，提升他们的士气，增强他们在转型过程中的参与感。

在AI的浪潮中，我认为其实女性能够利用这波AI行情来改变职场中的一些刻板印象。我们的一项研究发现女性领导者的技术敏感性显著改善了对她们领导效能的评价，尤其是相比男性。有技术敏感性的女性被视为更有能力，从而获得更高的社会地位，增加了她们被认同为有效领导者的可能性。这一研究不仅揭示了技术能力的重要性：提升女性技术和科技知识可以作为对抗性别刻板印象的可行解决方案，帮助她们在职场中更好地展现领导力。

要在人工智能领域抢得先机，企业需要制定清晰的战略规划，设定目标，并评估现有资源；投资技术基础设施和合适的AI工具，确保它们能与现有系统有效集成；通过培训和招聘，建立内部技术团队，为AI实施打下基础；组建跨职能团队，促进知识共享和沟通；强调数据管理和保障数据质量与安全，支持数据驱动决策；设定关键绩效指标，定期评估AI项目进展，并根据需要灵活调整战略。

另外，企业需把握一个新兴趋势，即在人工智能的助力下，组织内部将涌现出更多跨职能团队，这为跨领域的协作提供了良好契机。这些团队将更加依赖于远程工作的流畅对接和灵活的工作安排。因此，企业必须关注这些变化，积极营造适宜的工作环境，以满足员工多元化的工作需求。

最后，企业必须意识到领导力是人的独特优势。AI虽能简化管理者的日常工作，如筛选和评估，但也可能导致管理者急于做出表面判断，忽视深入分析。管理者应运用领导力，将AI作为发现和解决问题的工具，而非完全依赖AI决策。同时，企业应认识到AI无法取代人际联系。以医疗行业为例，AI虽能辅助诊断，但在建立医患信任关系等人性化事务上，医生的角色无可替代。因此，企业在利用AI提高效率的同时，也应注重维护和加强人际间的联系。

【参考文献】

De Cremer, D. (2024) The AI-savvy leader. Harvard Business Review Press.

Kosinski, M. (2024). Evaluating large language models in theory of mind tasks. Proceedings of the National Academy of Sciences, 121(45), e2405460121.

Nagpal, M., Cao, J., Mai, K. M., & de Cremer, D. (2023). How can women take advantage of the high-tech era to be perceived as effective leaders? Being tech-savvy helps. Journal of Leadership & Organizational Studies, 30(4), 397-412.