AI會先改寫什么？一場全球頂尖學者研討會給出的22個關鍵判斷 | 長江學術

經歷了快速升溫之后，關于AI的討論正在從技術熱潮轉向產業重構，所有國家、企業、和個人面對更具體的問題：AI究竟會如何重構產業與社會？智能體如何在企業中真正創造價值？組織的權力結構和人才策略將如何被重塑？

日前，長江商學院AI智能產業研究部發起并組織了題為“新興市場的AI數字化轉型”的閉門研討會。長江商學院科技與運營杰出院長講席教授、AI智能產業研究部主任孫天澍教授，邀請了來自卡耐基梅隆大學、賓夕法尼亞大學沃頓商學院、紐約大學、明尼蘇達大學、清華大學、香港中文大學、新加坡國立大學等全球頂尖院校AI領域的10余位終身講席教授，圍繞上述問題分享了各自最新研究。

長江商學院院長李海濤教授歡迎了各位遠道而來的學者，并在開場致辭中指出，長江商學院自創校起，始終以全球視野和學術擔當為己任，不僅關注AI技術本身，更聚焦AI對于企業、產業乃至全球經濟發展的變革作用，推動產學研用的閉環。隨著基礎模型技術逐步成熟，AI競爭的關鍵正在從模型與硬件能力，轉向真實場景中的應用落地能力。也正因如此，中國的AI發展模式對全球新興市場具有重要的參考意義，這也是長江商學院組織本次研討會的初心所在。

我們整理出研討會的部分觀點，分享給你。

01

AI不是輔助人類的工具

而是智能本身

孫天澍

長江商學院科技與運營杰出院長講席教授

AI智能產業研究部主任

“未來組織將從‘以人類為中心’向‘以AI為中心’轉變

AI是人類歷史上的第一次智能革命，這與以往任何一次工業革命的本質都不同。

以往企業數字化中ERP、CRM等軟件系統，本質上只是工具——它們處理數據、提供信息，但最終的決策權始終掌握在人類手中。而AI Agent則完全不同：它不僅能分析問題，還能獨立做出決策并執行。

需要清晰地認識到：AI不再是輔助人類的工具，而是能夠端到端完成復雜任務、類似于人的智能主體本身。這種從“輔助決策”到“獨立決策”的跨越，正在推動未來組織架構從“以人類為中心”向“以AI為中心”的轉變。

02

AI正讓傳統企業的核心資產

變成負債

孫天澍

長江商學院科技與運營杰出院長講席教授

AI智能產業研究部主任

“10人AI原生團隊+10000個Agent，可能比傳統大企業更高效

一個前所未有的現象正在發生：大量需要認知智能的工作，正被AI部分或完全替代。這種變化的直接后果是，許多傳統企業發現自己積累多年的核心人力資產，正在轉化為沉重的負擔。

更殘酷的是：從零開始搭建AI原生模式，比推動傳統企業AI轉型容易得多。

03

就業沖擊呈“啞鈴型”

中間階層才是最危險的群體

Lynn Wu

賓夕法尼亞大學沃頓商學院

運營、信息與決策終身教授

“從低技能到高技能的職業階梯，正在坍塌

基于加拿大20年機器人采用數據的研究顯示：高技能和低技能崗位相對安全，面臨最大威脅的是中等技能工作者。

更令人警惕的是長期效應：短期內就業可能增長，但中長期將出現職業晉升通道的斷裂——從低技能直接跨越到高技能的路徑幾乎不復存在。社會流動性也將因此面臨根本性重構。

04

AI無處不在

但對生產力的助推作用尚不顯著

Lynn Wu

賓夕法尼亞大學沃頓商學院

運營、信息與決策終身教授

“AI正陷入新的‘生產力悖論’

盡管AI工具已經滲透到幾乎所有行業，但初期統計數據顯示，并未觀察到AI對美國整體生產力的實際提升。

這與30年前“信息技術悖論”的歷史驚人相似——計算機遍布辦公室，但生產率數據卻遲遲不見起色。問題不在于AI能力不足，而在于組織尚未找到與AI真正匹配的工作流程和管理方式。

05

企業數據驅動決策的最大瓶頸

不是人才和技術不行

而是管理層不會提問

Ravi Bapna

明尼蘇達大學卡爾森管理學院

Curtis L. Carlson 講席教授

“大多數公司只用了3%的數據進行決策

企業普遍將數據科學人才短缺視為核心障礙，但真相是：大多數公司僅使用了3%的數據來支撐決策。瓶頸不在供給，而在于管理層對分析技術應用場景的認知不足，無法提出有價值的業務問題。

許多頂尖院校畢業的數據科學家，在企業中實際上只是在“跑報表”。AI時代，最稀缺的不是會用數據的人，而是知道該問什么問題的人。

06

人機協作效果的關鍵

不是AI有多強

而在于人類“元認知”水平

Alok Gupta

明尼蘇達大學卡爾森管理學院

Curtis L. Carlson 講席教授

“人類不知道自己什么時候知道、什么時候不知道

一個反直覺的實驗發現：即使AI在某項任務上的準確率（80%）已顯著高于人類（60%），人機協作的最終效果也未必理想。

核心問題在于人類缺乏“元認知”——不知道自己什么時候知道、什么時候不知道。這種缺陷導致人們在簡單任務上過度依賴AI，在復雜任務上又不夠信任AI。

提升人機協作效果的第一步，不是升級AI，而是升級人類對自身判斷邊界的認知。

07

長期與AI協作

人類的判斷可能越來越趨同

Alok Gupta

明尼蘇達大學卡爾森管理學院

Curtis L. Carlson 講席教授

“AI正在悄悄消滅人類的認知多樣性

實驗發現，當人類長期接受AI建議時，會出現一個危險趨勢：團隊成員的判斷逐漸趨同，原本存在的認知多樣性快速消失。

原因在于，當人們觀察到AI總體表現良好時，批判性思維會隨之關閉，進而無條件接受AI建議。解決方案是讓AI變得更“挑剔”——只在真正有把握的時候才提供建議，這樣反而能保持人類思維的多樣性，最終獲得更好的協作效果。

08

AI的認知卸載

正在改變人類知識能力的底層結構

Elena Karahanna

佐治亞大學特里商學院C.Herman and Mary Virginia Terry講席教授

“我們獲得了答案，但可能正在失去形成答案的能力

就像Google讓人們不再記憶可搜索的信息，大語言模型更豐富的知識庫，正在引發人類更深層的認知卸載——人們的信息處理能力、記憶能力都在下降。

更深刻的問題在于：人類通過與他人對話可以質疑、辯論、完善知識；而與AI的互動缺乏這一批判性建構過程。與AI協作獲得的是“合成知識”，它高效，但缺少讓知識真正內化所需的摩擦與反思。

09

AI更擅長組合創新

而不是原創創新

Lynn Wu

賓夕法尼亞大學沃頓商學院

運營、信息與決策終身教授

“機器能同時處理1000個概念，人腦只能處理3到4個

研究發現，AI在組合創新（組合現有知識要素）方面的投資回報率高達7.3倍，在機器學習與機器人領域甚至達到70倍；但在突破性原創創新上，收益幾乎為零。

不過不用沮喪，恰恰相反：77%的經濟增長來自組合創新，僅19%來自突破性創新。這意味著當前AI的能力邊界，恰好能覆蓋經濟價值最大的創新區間。

10

越是高跨度的創新任務

AI越能發揮作用

Khim Yong Goh

新加坡國立大學信息系統教授

信息系統及分析系主任

“把‘手表+香蕉’這種完全不相關的組合起來，AI的幫助反而最顯著

對照實驗顯示：AI對創意質量的提升程度，與創新任務的“跨度”正相關——越是需要跨越不相關領域的突破性組合，AI幫助越大；越是常規的同類產品改進，AI的作用越有限。

結論對企業創新實踐有清晰啟示：把AI用在最需要突破性思維的高難度任務上，而非日常的漸進改良。AI不是加速器，而是破壁機。

11

組織架構直接影響AI落地效果

Lynn Wu

賓夕法尼亞大學沃頓商學院

運營、信息與決策終身教授

“分散式結構企業收益顯著，集中式結構則收益有限

通過分析標普500企業的創新網絡發現，Google等分散式創新結構的企業，在引入AI后實現了顯著的“渦輪增壓”效應；而Apple等集中式創新結構的企業，收益則相當有限。

原因在于：AI的核心優勢是組合創新，而分散式結構天然允許更多元化的知識流動與組合，與AI能力形成良性匹配。同樣的工具，結構不同，結果天壤之別。

12

AI時代最有競爭力的組織

是“扁平運營+集中決策”

孫天澍

長江商學院科技與運營杰出院長講席教授

AI智能產業研究部主任

“這兩件事看似對立，卻是AI時代高效組織的新范式

研究發現，采用扁平化組織結構和精益創業方法論的企業，在AI轉型中表現更為出色——這類企業的員工普遍具備更強的跨職能協作能力和快速迭代思維，恰好是AI時代最需要的核心技能。

但與此同時，集中化的治理結構同樣顯示出明顯優勢：AI驅動的決策需要清晰的權責邊界和更快的執行速度。扁平化的日常運營，加上集中化的戰略決策——兩者并行，才是新的組織解法。

13

未來的組織不再按職能劃分

而是像樂高一樣按需拼裝

徐心

清華大學經濟管理學院

管理科學與工程系史帶講席教授

“智能中心提供不同類型的專業Agent，再與人類員工靈活組合成新的作戰單元

未來的組織邊界將根本性重構：不再是固定的職能部門，而是圍繞項目需求，靈活調用人類員工與AI智能體，動態組合成新的作戰單元。

在這個結構中，人與AI智能體的協作關系也將隨之改變——從“經理管理員工”轉變為更接近“監護人培養孩子”的模式：負責分析需求、監督運營、處理異常，并耐心陪伴智能體在使用中持續迭代成長。

14

中層管理崗位面臨變革

管理者以新形態回歸

Lynn Wu

賓夕法尼亞大學沃頓商學院

運營、信息與決策終身教授

“他們不再是協調者，而是‘組織內部的CEO單元’

機器人和AI被大規模采用的初期，傳統中層管理職位大量消失，決策權向CEO和一線員工兩端集中。

但最新數據顯示，管理者正在以新的形態回歸——他們更像“組織內的CEO單元”，擁有更大的決策權和資源配置權限，承擔更多戰略性職能，而不再主要負責傳統的協調和監督。

15

組織層面最優的人機分工：

AI處理簡單任務，人類專攻邊緣難題

Alok Gupta

明尼蘇達大學卡爾森管理學院

Curtis L. Carlson 講席教授

“不是讓人和AI搶同一類工作，而是把人力重新部署到AI最難勝任的部分

最佳的人機分工策略不是讓AI與人類競爭相同任務，而是實現能力互補：AI承接大量標準化的簡單任務，釋放出來的人力重新配置到AI無法勝任的邊緣案例與復雜決策上。

有現實企業案例驗證，銀行在用AI自動化常規業務后，反而增加了專門處理復雜案例的人員編制。“替代效應”疊加“分配效應”，能夠同時實現成本節約與整體績效提升。

16

AI工具對資深員工的幫助

遠大于對新手的幫助

徐心

清華大學經濟管理學院

管理科學與工程系史帶講席教授

“AI放大能力，但前提是你得先有能力

在軟件開發團隊中的研究發現，編程AI工具對經驗豐富的程序員提升顯著，對新手程序員的幫助則相當有限。

這對企業人才策略有直接沖擊：依賴AI跳過初級員工培養周期的企業，可能正在以長期人才儲備枯竭為代價換取短期效益。

17

專業眼光和審美判斷

在AI時代反而更值錢了

Khim Yong Goh

新加坡國立大學信息系統教授

信息系統及分析系主任

“自由職業設計師使用AI后，定價平均上漲了32%

對自由職業平臺設計師的跟蹤研究顯示：轉向AI工具后，服務定價平均提升32%。這并非因為完成任務變快了，而是作品本身的質量躍升——畫面更復雜，情感表達更到位，審美層次更高。

更耐人尋味的是：強調自身專業功底的設計師漲價幅度最大，過分炫耀AI技術的反而不受市場青睞。AI工具的真正價值，是幫助人類做出以前做不到的東西，而不是替代人類。

18

訓練模型數據不夠？

AI或許能幫忙

張曉泉

香港中文大學商學院

偉倫商業人工智能講席教授

“數據稀缺領域中，生成合成數據可能比等待真實數據更有效

在企業落地AI的實際場景中，時常會面臨“數據太少”的困境：要么獲取成本極高，要么需要等待很長時間才能積累足夠樣本。生成式AI提供了一個反直覺的解決方案：基于現有數據的內在規律，生成大量合成數據進行訓練。雖然合成數據帶有噪聲，但當數量足夠大時，噪聲會相互抵消，底層的真實模式反而會被放大。

以金融行業為例，用過去10年的真實數據生成200萬個合成數據點進行訓練，可以將預測準確率從3%提升至13%。

19

企業需警惕AI云服務的鎖定效應

Anindya Ghose

紐約大學斯特恩商學院

技術與市場營銷學講席教授

“一旦選定了一個生態系統，想更換幾乎不可能

在AI時代，一旦企業選擇了某家AI云服務，基本上就被永久鎖定了。這與傳統軟件時代完全不同——以前企業使用Office不滿意可以換Google Docs，遷移成本只是文件格式轉換的麻煩。但AI時代，企業的數據不僅存儲在云平臺上，還被用來訓練模型、優化算法；業務流程從數據接口、API調用到模型部署都已深度定制化。這種全方位的技術綁定，讓“更換服務商”變成了幾乎不可能完成的任務。

最受傷的是中小企業。它們一旦選擇某個云服務商，就失去了議價能力和退出權利，只能接受對方的定價和服務條款。

20

新興市場必須在10年內完成

發達國家用了100年走完的數字化進程

孫天澍

長江商學院科技與運營杰出院長講席教授

AI智能產業研究部主任

“新興國家被迫要完成‘流程化、信息化、數字化、智能化’的‘并行發展’，要抓住AI原生轉型的獨特機遇

發達國家的數字化經歷了一個從容的百年進程：工業革命的流程標準化、信息技術普及、再到AI革命，三個階段依次展開。新興市場沒有這個時間窗口——許多企業甚至還未建立基本的管理流程和IT系統，就必須直接面對AI轉型的挑戰。

但危機之中藏著機遇：一些新興市場國家正在直接跳過傳統IT基礎設施建設階段，從零開始構建AI原生的數字體系。與企業同理，沒有歷史包袱，反而可能是最輕盈的起跑姿勢。

21

新興市場最大挑戰在于AI人才密度

孫天澍

長江商學院科技與運營杰出院長講席教授

AI智能產業研究部主任

“產業呼喚能融合業務場景和智能體能力，用AI架構下一代業務的AI架構師

以AI人才密度衡量，大多數新興市場國家僅為美國的十分之一；印度尼西亞、馬來西亞等國甚至可能只有百分之一的水平。

這種差距遠不止于技術人員數量——更體現在能夠判斷AI應用方向的領導力、經過積累的數據資產，以及將AI技術與本地業務場景有效結合的能力上。人才稀缺，是新興市場AI轉型最深層的結構性約束。

22

AQ：與AI協作和架構AI的能力

將成為AI時代最重要能力

孫天澍

長江商學院科技與運營杰出院長講席教授

AI智能產業研究部主任

“未來的競爭，將在很大程度上發生在AQ這個維度上，越早開始培養越好

情商（EQ）與智商（IQ）將在AI時代被重新定義。AI時代的情商將是與智能體協作、完成認識的能力，而AI時代的智商將是創造和架構智能體的能力，這種全新的核心能力——可以稱之為AQ——正變得不可或缺。

AQ是AI時代的智商與情商，它的核心不在于會用哪款AI工具，而是一方面，在理性上能去架構以智能體為中心的下一代系統與組織形態；另一方面在感性上理解如何與AI進行有效共創，判斷何時信任AI、何時質疑AI，并在人機協同中保持戰略主體性和能動性。

未來人與人的差異，將在很大程度上反映在AQ的兩個維度上，從現在開始，就需要培養與AI協作的基本素養，越早越好。

長江商學院AI智能產業研究部簡介

長江商學院AI智能產業研究部由孫天澍教授發起并主持。該研究部致力于連接科技與產業、理論與實踐，圍繞人工智能驅動下的產業變革，與企業、行業及政府共同探索一條兼具全球視野與中國特色的智能產業發展路徑。

研究部重點關注人工智能及相關前沿技術的發展與應用，特別聚焦大模型、AI智能體、數據智能、云計算、企業服務（IaaS/PaaS/SaaS）、物聯網、智能制造等方向，同時研究與AI時代相適配的技術戰略、商業模式、組織形態、人才體系、行業標準與產業政策。

在延續產業數字化轉型研究基礎上，研究部進一步拓展AI原生研究，尤其關注AI智能體驅動下的新型企業能力、組織協作方式與產業生態演化，推動從技術突破到產業落地、從企業創新到產業重構的系統性思考。

AI智能產業研究部將立足中國產業實踐，面向全球技術前沿，打造一個匯聚學術界、產業界與政策界的共創平臺，推動關于智能產業發展的前沿討論、頂層設計與落地實踐，持續通過學術研討、技術論壇、行業會議等形式，支持科技與商業交叉領域的學術研究、教育培養、社區共享與企業合作。

文中圖片來自圖蟲創意，轉載需獲授權

點擊下方卡片，關注長江商學院