战略前沿 | 世界经济论坛白皮书:AI时代的组织变革——企业如何最大化AI潜能

01 实时、个体化的客户体验

一名客户进入银行App，在不同产品页面之间反复比较，填写申请后又中途退出。过去，这些行为通常会在活动结束后被汇总为点击率、转化率或流失率。如今，AI可以在客户停顿、返回、重复尝试的过程中判断其当前意图，实时决定下一步展示什么内容、是否减少选项，以及何时转交人工服务。

报告将这一变化概括为客户体验从静态过程转向持续、由意图驱动的互动。AI可以结合用户浏览、比较、位置、设备、历史服务和交易记录等信息，持续判断客户的需求、价值与风险，动态决策服务触达对象、时间和方式。

例如，Rabobank将App、网页、网上银行和呼叫中心的数据接入统一的客户决策系统，根据客户行为实时更新个人资料并生成下一项行动。该系统每年支持超过15亿次个性化互动，使点击率提高至原来的4倍，转化率提升208%，客户终身价值提高4.7%，服务成本下降2.4%。

当AI代理进一步接入支付、库存、账单和预约系统后，它还可以在权限范围内完成退款、改签、购买和问题升级。此时，客户体验部门的工作重心也随之改变：营销人员需要定义哪些信息具有意义，管理者需要设定自动执行的权限、置信度门槛和人工介入条件，企业则要持续监测投诉、撤销、授权变化和客户信任。

02 高效且有韧性、能够适应并演进的运营

传统运营体系通常依赖需求预测、固定排产和人工协调。计划制定后，生产、采购、库存和物流按照既定节奏执行；设备异常、订单变化或供应延误出现后，再由不同部门协商处理。

AI的应用使运营体系具备了持续感知和动态调整能力。算法可以同时读取市场需求、供应状态、设备数据、库存水平和运输信息，在条件变化时提出新的生产安排、维护计划和物流路径。随着AI代理和机器人进入生产现场，部分调度和操作还可以在预设的安全边界内自动完成。

Allied Systems在生产线部署智能代理，利用实时数据和操作人员积累的经验，自主优化设备参数。操作人员通过反馈和审批参与关键环节。该模式推广到多个生产地点后，设备综合效率提高10%，原材料和能源浪费减少，原本分散在不同工厂和班组中的现场经验也得以复制。

运营韧性的形成也从故障发生后的恢复，转向异常出现前的识别与干预。雀巢普瑞纳使用搭载热成像和声学传感器的机器人检查电机和齿轮箱，该机器人通过温度和声音变化提前识别设备异常。西门子则让一线员工通过自然语言报告设计和质量问题，由AI自动整理信息并转交相关团队，同时利用计算机视觉实时发现产品缺陷。

企业对运营绩效的评价因此发生变化。衡量重点逐渐从故障后的修复速度，扩展到避免了多少停机、缺陷和供应中断。工程、生产、安全、IT和风险团队需要共同确定AI可以自主处理哪些问题，哪些调整必须经过人工批准。

03 加速研发与突破性创新

传统研发通常按照研究、开发、原型测试和市场发布的顺序推进。研发团队先提出少量候选方案，再经过实验和评审逐步筛选。部分技术、制造或合规问题直到后期才被发现，此时企业往往已经投入大量时间和资源。

AI首先扩大了研发早期可以探索的方案范围。默克集团利用生成模型和计算平台，可以在几分钟内虚拟筛选超过600亿个潜在化学目标，再将少量高潜力候选交由研究人员评估和实验。这套流程使从研究假设到获得可行分子的时间和成本最多减少70%。

探索范围扩大后，研发决策也需要提前。Lundbeck将5400万份电子病历与生物、遗传和疾病数据整合为知识图谱，再通过机器学习判断基因与疾病之间可能存在的联系，使潜在新药靶点的识别速度提高80%。证据不足的项目可以尽早终止，表现较好的项目则更早获得资源。

在验证环节，仿真、数字孪生和虚拟实验正在承担更多早期测试。Landing Med利用自动图像分析预筛宫颈癌筛查样本，再由远程病理专家复核，使每小时处理量从12份提高到60份。实体实验和人工评审由此集中于更有可能成功的候选方案。

当实验、生产和市场数据持续返回模型后，研发过程也从依次通过固定阶段，转向短周期的测试、学习与调整。科研人员仍然负责提出问题、判断证据质量和进行关键取舍，AI则加快搜索、模拟、记录和结果分析。企业需要相应调整项目评价制度，重视学习速度、证据质量和适应能力，并允许研发资源根据新证据持续重新分配。

04 预测性、AI驱动的战略规划

战略规划长期以年度周期为主。企业集中开展市场分析、预算编制和目标制定，计划获批后交由业务部门执行，随后通过季度或年度复盘检查完成情况。在市场快速变化的情况下，制定计划时采用的假设可能很快失效。

报告提出，AI正在把战略规划转变为持续运行的系统。它可以不断读取市场、客户、竞争者、财务和运营信号，判断原有假设是否仍然成立。战略人员由定期收集数据和编制报告，转向识别重要信号、验证分析结果并解释这些变化对企业选择的影响。

标普全球利用AI分析了超过19万份企业财报电话会议记录，从管理层回应分析师问题、讨论风险和阐述计划的方式中提取前瞻性市场信号。过去难以规模化处理的非结构化沟通信息，由此进入战略分析过程。

战略部门也无需过早确定唯一方案。AI可以同时生成和检验多种情景，持续比较不同方案的收益、风险和置信区间。加拿大鹅采用AI情景规划系统后，财务团队能够在假设变化时迅速重新计算方案和调整预算，规划周期缩短60%，收入预测准确率提高4%。

资源配置随之从年度固定安排转向条件触发式调整。当项目表现、风险或市场机会达到预设门槛，企业可以追加资金、暂停项目或转移人才。战略制定也不再随着计划批准而结束，执行结果会持续返回战略系统，推动假设、方案和资源配置同步更新。

05数据驱动、个性化的人才体验与人力资源规划

职位名称可以反映员工在组织中的位置，却无法完整呈现其技能、项目经验和发展潜力。由此产生的结果是，一些部门持续从外部招聘，企业内部已有的相近能力却未被识别；培训与实际工作分离，员工也难以找到适合自己的流动机会。

AI可以将工作拆分为不同任务和能力，根据员工的经历、学习记录、绩效表现和项目成果，判断其已具备的技能以及可以较快发展的方向。人才规划的基本单位由固定岗位逐渐转向可培养、组合和重新部署的能力。

联合利华建立了AI驱动的内部人才市场。管理者发布短期项目后，系统根据技能和发展目标推荐接近要求的员工。员工通过参与实际工作获得新能力，无需立即完成正式岗位调整。该平台促成的跨职能任务占比达到70%，释放约50万小时的人力资源，生产率提高41%。

强生则利用AI评估员工在41项未来技能上的熟练程度。系统综合职位名称之外的学习活动和内部经历，生成不同业务和地区的技能分布图，帮助管理者判断哪些能力适合内部培养，哪些需要外部招聘。首轮实施后，强生学习平台的使用率提高20%，90%的技术人员访问了该系统。

随着AI代理参与资料收集、检查、分析和内容生成，企业还需要同时规划人力与数字劳动力。Repsol已在38个应用场景中部署22个AI代理，由代理完成信息收集、检查和初稿生成，员工负责审批、异常处理和最终责任。中层管理者的职责也开始从监督每项任务，转向协调人机流程、处理例外、辅导员工并持续调整AI权限。

人才管理由此形成持续循环：企业预测能力需求，识别内部人才，安排项目和学习机会，再根据实际工作结果更新能力信息。员工发展、内部流动、AI代理配置和业务执行被纳入同一套动态能力系统。

总结

报告将企业AI转型界定为一场围绕核心经营流程展开的系统重构。客户体验、运营、研发、战略和人力管理五个环节，正由分散应用、周期性安排和人工主导，转向相互连接、持续感知、实时决策和动态学习。AI承担更多分析、协调与执行任务，人则集中于判断、统筹、监督和责任承担。企业能否释放AI的长期价值，最终取决于是否同步调整决策机制、治理机制、人才队伍建设与绩效标准，使技术能力真正嵌入日常运行。

原文下载链接：https://www.weforum.org/publications/organizational-transformation-in-the-age-of-ai-how-organizations-maximize-ais-potential/

注：本摘译使用了ChatGPTAI工具辅助。

供稿|徐明训

审核|李赫扬

指导|陈凯华