2026年AI的瓶頸與突破驅動績效增長的人本運營模式研究報告

AI的瓶頸與突破22 5 9 12 16 202兩家企業采購相同的AI，部署在相同的工作流中，最終卻走向截然不同的結果。差距不在技術本身，而在于它們圍繞AI重構人本運營模式的深淺—而多數企業才剛剛起步。多年來，人本運營模式—包括決策權、管理實踐、角色預期和績效體系—始終在緩慢演進。AI的到來打破了這一平衡，作為許多工作流中的新參與者，它使得關于工作實際開展方式的長期固有認知不再真正創造價值的企業，不只是部署AI，更以AI為契機，重新設計工本報告面向正在重新設計員工與AI協作方式的戰略、運營和人力資34將先進的AI應用與強大的組織變革能力相結合的組織，收入增長最高比同行高出73%，營業利潤率高出11%。盡管多數組織已在重新設計崗位與工作流，但65%超過三分之二的高管(68%)表示，AI采用之所以放81%的組織會獎勵AI技能，但只有64%會獎勵AI判斷力；與此同時，50%的員工表示，AI令個人貢規模化AI需要一種讓員工敢于發聲的文化5同時必須安全無虞、無可指摘。領導者試圖在一條沒有地圖的路上兩全其美，步履不穩。AI的融入速度，已經超過了組領導者們逐漸意識到，AI不僅加速了工作，也加速了后果的顯現。當一個系統以規模化方式生成決策時，那些組織長期容忍的細小漏洞――比如模糊的權限邊界、關于“誰有權說不”的未言明假設――就會迅速放大。它們以機器速度穿越團隊和工作流，直抵客戶。曾經只停留在單個產品原型中的缺陷，如今可可達成任何一方都無法單獨實現的成果。決定最終是面臨風險還是收獲回報，IBM商業價值研究院(IBV)對14個地區、21個行業的1000位最高管理層領導者開展了一項調研，結果顯示：近三分之二的受訪者表示，AI已在重塑崗位與工作流；然而，七成的高管坦言，決策權不清晰、責任歸屬模糊、治理體系也難以跟上。在另一項覆蓋28個地區、8400名員工的調研中，員工給出了相同的判斷，64%的員工有AI使用指南，但65%認為這些準則已經跟不上實際6如何解讀決策、以及何為良好績效的底層邏輯，這迫使組織重新設計以人為核心的工作體系本身。領跑的企業，未必是購買AI最多的企業，而是正借力AI重塑組織的企業。它們深知，關于工作執行方式的每一次抉擇，無論是否有意本報告講述的，正是如何構建這種文化，而其根源可以追溯到運營模式中的三70%的高管表示，權限不清70%的高管表示，權限不清34%已導致AI項目出現的組織缺乏可復用的流程來裁定AI已導致AI項目出現重視運用判斷力，應對不完整或模糊的AI輸出結果93%的高管表示，將AI引入工作流后會使員工績效更難評估AI時代的人本運營模式AI系統可靠性心理安全感信任與透明倫理規范公平公正公平、透明、領導力、倫理、AI系統可靠性和工作質量。它信號，更是支撐運營模式的人本條件，讓授權有據可依、實踐有章可循、8僅15%的組織達到更高的AI成熟階段，正在形成可衡量的市場分化：收入增長最高比同行高出73%，營業利潤率提升給領導者的啟示不是AI本身能創造價值，而是價值沉淀于與技術相融合的運營這一區分至關重要，因為“技術采用”與“競爭優勢”并不等同。AI采用僅僅創造了潛力，AI優勢則是將潛力放大，把零散的收益鍛造為企業級的績效。這作流、明確決策權、賦能管理者和強化正確行為這些艱巨的工作，AI收益就只將AI嵌入端到端工作流，并重塑團隊真實的協作方式。他們獲得的回報是切實收益到了企業層面就消失了。要在全公司范圍運YasuoKawai9AI正在改變決策在整個組織中的發生位置與歸屬。過去需要人加以分析才能得出的建議，如今已由模型預處理、排序或分流后直接呈現。此舉提升了速度與一致性，卻也改領先企業特征在AI影響的工作中，明確界定決策權限的可能領先企業特征在AI影響的工作中，明確界定決策權限的可能91%的領先者建立明確規則，規定何時應遵循、憑借更高的運營效率，其IT支出占收入的比例這正是授權之所以關鍵的原因。在AI賦能的工作中，授權不僅是正式的決策權，更是一種文化環境，它清晰告訴員工：組織是否真正期待、并允許他們安心地行動、提出質疑、否決建議或升級問題。員工不是從制度條文中學到這些的，而是從管理者的反應、顧慮被重視的速度，以及那個出于正當理由落到實踐中，這意味著重新設計決策權限、設定問題升級的閾值、在AI與人這是AI賦能工作的第一道真正考題：員工是否清楚自己何時應當質疑機器，“AI采用的最大障礙并非模型或系統，而是人們心中的恐懼、抵觸和不確定性。”JanPolkerman10權責缺口在組織上下都清晰可見，但真正每天身處其中的，是一線員工。63%的高管表示，AI已經改變了關鍵決策的歸屬。然而，超過三分之一(35%)的高管表示，目前仍不明確誰有權質疑或否決AI建議。另有34%表示缺乏一套統一的流程，來化解人類判斷與模型輸出之間的分歧。這些缺口疊加在一起，意味著許多組織在最關鍵的這種模糊，員工感受得最為直接。超過半數員工表示，人們在本應反駁AI的時候卻沒有這樣做。高管對此并不否認：43%坦言員工不敢對AI輸出表達顧慮。權責不清加上心理安全薄弱，這種組合不只是在拖慢決策，更在傳遞一個信號：提出質疑是有風險的，順從更穩妥。于是有些人停下來，等待別人做決定；另一些人則照單全收，把系統的輸出當作比自己的判斷更可靠的選擇。當這樣的選擇反復出現，它們就沉淀為工作的默AI時代，這一點比以往任何一次技術變革都更為關鍵，因為AI同時放大了薄弱決策的速度和波及范圍。一個無人質疑的欺詐信號，可以在任何人介入之前影響數千次客戶互動。一個建立在錯誤假設上的采購建議，可以影響整個品類的采購決策。一個對合格候選人不利的招聘建議，可能在問題暴露前就影響數百份評估。在更慢、更依賴而AI消除了這層緩沖，它將更多決策推向組織邊正因如此，授權不僅是賦權問題。在AI賦能的工已有五分之一的高管將“AI輸出未經核查”列為規模化AI的首要障礙之一。這是一記早期預警：能夠妥善應對這一問題的組織，所做的不只是發布決策規則，而是讓權限變得可用。清楚界定決策落在何處、何時必須人工審核、問題升級在實踐中如何運作、以及當判斷與輸出沖突時誰擁有最終決定權。同樣重要的是，它們會明確傳遞出“這是一場難度升級的落地挑戰。當下工作運行方式與未來所需運行方式之間的差距，比我們以往經歷的任何技術轉型都更深遠得多。”AtulBhardwaj員工會留意各種信號。如果管理者把質疑視為阻力，員工便不再發聲。如果領導者只推崇速度，卻在有人發現一個可能被大規模擴散的錯誤時保持沉默，員工便會領悟，產出比甄別更重要。如果問題升級在形式上被允許，卻在實際組織氛圍中不被鼓勵，那么真正的規則就變為：別停下，真正建立授權機制的組織，會釋放出截然不同的信號。它們將合理否決AI輸出的行為，視為讓問題升級成為常態，同時明確支持那些為檢查可疑輸出而暫緩決策的員工。久而久之，這不僅隨著AI采用的速度超過原本用于治理它的體系，這件事正變得越來越緊迫。IBMIBV2026年技術領導者調研顯示，77%的技術領導者表示AI采用的速度已超過當前治理能力的承載范圍。這一差距帶來的影響不只是削弱控制力，更是讓員工在決策時刻不得不自己即興發揮，把治理的模糊在關鍵的AI賦能工作流中，領導者可以這些既是治理問題，也是文化問題。它們向員工昭示組織看重什么行為，減少他們必須獨自揣測當這些機制足夠清晰，AI支持的工作就更容易治理，也更容易規模化。員工無需再揣測組織是否期待他們進行干預。管理者也無需事后復盤一個可疑決策當初為何會被推進。由此，組織也獲得在AI賦能型企業中，授權是支撐規模化決策質量員工是否清楚，何時應當質疑1112當AI工具提出一種建議，而員工提出另一種建議時，會發領先企業特征實踐是指幫助員工妥善運用所獲授權的流程、輔導與行為習慣。如果說授權領先企業特征85%要求在否決AI決85%要求在否決AI決52%強烈認同AI素養83%從人機協作實踐中獲得了可量化的生產實踐正是讓判斷力能夠規模化的機制：通過標準化的工作流程與管理機制，幫助員工理解AI的輸出邏輯、識別其中的不合理之處，并清晰把握何時繼續推進、何時暫緩、何時復核、何時否決或升級。而這恰恰是大多數組織尚未未來三年，高管們預計AI會更深入地融入日常工作，這意味著越來越多的任務在到達員工手中時已附帶AI建議，有時背景信息不充分，有時甚至會超出模型的訓練范圍。隨之而來的，是管理者角色的悄然轉變：從監督執行轉向監督解讀。當一位客服代表收到AI減免費用的建議，或一位信貸員看到一筆感覺不妥的審批時，管理者的職責就是引導判斷：這個結論是否站得住腳？如說是改變團隊思考如何工作以及如何以不同方式工作的思維模式。”AdrianLang他們的管理者主要專注于指導和戰略判斷。到2028年，這一比例將攀升至45%，兩年半間躍升18個百分點，這是我們調研數據中角色轉變超過半數的員工表示，自己已做好充分準備，可在使用AI工具時避免錯誤；但52%承認，人們在本應該質疑AI輸出的時候沒有站出來。壓力同時落在雙方身上：管理者被要求大規模地輔導判文化也在這個過程中悄然成型。員工體驗到的不是AI戰略，而是一份正在被改寫的工作。舊任務消失，新要求出現，更多決策在送達時，已經附帶了機器給出的建議。主動解釋這些變化的組織能建立信任，那些讓員工獨自揣摩這些變化的組織，制造的則是不確定性，而日復一日的不確定管理者正在同時失去對三個績效維度的掌握：員圖3）。當模型也參與工作后，過去的信號，即投入、專業度、產出，皆變得更難解讀。員工究竟創造了真正的價值，還是只照單收下了AI交付如果沒有更清晰的辦法來評估人機協同績效，管93%的高管表示，AI賦能的工作使績效評估難度顯著增加。評估機制一旦薄弱，便會扭曲激勵、模糊責任，也令人幾乎無法識別出那些真正帶來可靠成果的行為，更不用說將其規模化。在人機出了什么結果”和“帶來了什么戰略影響”，較“人類并不完美，錯誤是人類系統的一部分。區別在于感知：人們對人為錯誤的容忍度，與對機器錯誤的容忍度截然不同。”JacekOlczak13工作質量速度與效率而資源投資的分布，恰恰加劇了這一問題。高管們優先將資源投向建立員工信任、倫理AI設計和領導力發展。然而，最能幫助管理者評估AI賦能工作的兩項投入，卻被排在末位：一是讓一線和中層管理者具備輔導人機協同績效的能力，二是重構工作流以明確“好”的標準。結果，組織在為高遠的雄心慷慨解囊，卻令管理者最需要的能工作質量速度與效率協作與團隊合作問題解決與批判性能夠彌合這一差距的組織，不會假設人們會依賴常識行事。它們將判斷標準固化到具體場景中，通過共享的參照標尺闡明何為優質決策、問題升個案沉淀為常規，常規沉淀為習慣，習慣最終沉協作與團隊合作問題解決與批判性創造力人機協同工作方面至少有中等程度的信心。直覺是存在的，所缺的是讓這種判斷力持續發揮作用的工具、指導與組織支撐。因為在AI賦能的組織中，良好的判斷力不能再只是少數人恰好擁有的創造力倫理判斷與合規人力資源和技術資源之間的邊界將越來越模糊，更像是一個連續變化的標尺。”1415IBM的AI轉型，始于將自身作為試驗場，以“零號客戶”并規模化那些行之有效的做法。領導者采取了一套嚴謹的、以科學為導向的方法，將企業拆解為490條工作流，再依據AI能夠產生最大影響之處，識別出這項工作的核心，聚焦于工作本身，而非只著眼于技術。IBM沒有去追逐孤立的用例，而是審視工作如何在組織中流轉，AI又可以在哪些環節應用從而大規模提升績效。這要求在工作流層面確立明確的歸屬，由團隊負責重新思考成果同樣重要的是對開放性的強調，即將AI嵌入日常工作流，以增強員工能力、鼓最終，這帶來了45億美元的生產力提升。更重要的是，這一實踐表明，從AI中獲取價值，絕不只是部署新的工具，更需要重構工作的實際開展方式――結合數據驅動的決策、快速規模化、清晰的責任歸屬和開放的工作方式，從而釋IBM的優勢絕非來自技術本身，而是對工作實際開展方式的重構。用科學的方法找尋最具影響力的工作流，賦予團隊重構的自主權，并將行之有效的做法規模化，最終轉化為45億美元的價值。16實證是企業的強化機制，員工從那些被衡量、被容忍、被即使權責清晰、判斷有據，仍有一個問題比任何政策都更有力地左右行為：領先企業特征81%獎勵員工適當質疑79%獎勵升級、發現并將組織轉型成果明確與財務KPI掛鉤的比例，81%獎勵員工適當質疑79%獎勵升級、發現并將組織轉型成果明確與財務KPI掛鉤的比例，這便是落地實踐中的實證依據。在AI賦能的組織里，文化不在全員大會上形成，而在這些日常信號中沉淀。一家公司可以發布最周全的AI指南，但若激勵機制重速度而輕精準、重效率而輕合理質疑，那么大行其道的只會是與之匹配的行為模式。實證，可將書面倡導的價值觀轉化為全員真實行為習慣，大多數組織在獎勵速度和采用率方面，仍遠遠優于獎勵良好判斷力和合理質異常時質疑AI輸出的人要少得多(64%)，獎勵那些發現并糾正AI相關問題的人也更少(65%)。“涉及判斷的決策，人類依然不可替代。AI的角色是增強專業能力，而非取代。”AndrewAnagnost17用工具，多用，快用。真正缺失的，恰是最要緊的信號：用得明智。員工永遠追隨更響亮的那個這是一種不易察覺的風險。組織往往想當然地認出判斷力。但現實是，只有當領導者把“好的判斷”是什么樣子闡明，并持續加以強化時，判斷力才會變得可靠。當晉升和表揚總是流向自動化最快的人時，員工從中學到的是速度比判斷力更重要，而這種認知會改變每一項AI工作流程的風員工表示，績效信號已經變得越來越難解讀。50%的員工表示，AI讓他們更難獲得公平的工作認可。結合前文關于準備度和質疑行為的發現，一個更廣泛的問題浮現：很多人還在摸索，當AI成為工作的一部分，到底如何衡量貢獻、判斷和這種不確定性是有代價的，因為人們鮮少為領導者的“本意”而努力，他們選擇優化的是“看上去會被獎勵”的事。當期望模糊不清時，員工就開始尋找線索：什么行為能獲得認可，什么能推動晉升，什么會被領導公開稱道。這并非文化的獎勵“精準攔截”在AI轉型中走得更遠的組織，對此有著本能的洞那位發現反復出現偏見模式的客服代表，那位為調查異常而適當放慢發布節奏的管理者。這些舉措，都不會最大化短期產出，但每一個都能保障卓越的領導者，會讓這些時刻被看見。他們為那記問題精準攔截喝彩，而不僅僅是快速上線。他們把負責任的干預視為績效的表現，而不是對進度的阻礙。因為一個組織獎勵什么，最終便會規獎勵固然重要，但領導者的公信力，決定員工是74%的員工信任領導層給出的AI轉型方向。而在其他組織中，這一比例僅為49%。這些高信任也就是領導層以身作則、反復踐行倡導的行為，這一區分之所以重要，是因為員工恰恰在AI制造摩擦的當口看得最為仔細。領導者支持那個質疑AI輸出的員工嗎？會支持那個將顧慮上報的管理者？當決策因正當理由放緩時仍然肯定判斷力嗎？這些時刻，便是“實證”。而實證，正是將授權讓質疑成為可能，實踐讓判斷有章可循，而18高管與員工對AI的感知截然不同●81%43%78%49%77%65%72%45%70%50%34%17%*26%13%*Tahto是一家巴西的客戶體驗與業務流程外包服務商，它所面臨的挑戰在AI賦能的職場中越來越普遍：如何在提升生產力的同時，保留一線服務核心的共情能力。身處快節奏的聯絡中心，公司需要一種更清晰的方式去理解績效、激發通過審視工作如何在組織中真實流轉，Tahto分析了覆蓋200多項活動中的112項績效指標。這讓領導者能夠將碎片化的數據凝聚為共享的洞察，并為不同角色界定清晰的目標、職責和能力。這些洞察整合進Tahto的內部平臺后，支撐起個性化的發展路徑、游戲化的體驗和有針對性的行動，從而增強員工的敬業度，而非徒增壓力。運營流程經過重構與精簡，從40個壓縮至僅剩5個，這些成果印證了AI賦能型企業中的一個普遍規律：當清晰度與積極性同步提升并削減成本270萬美元。這表明，投資于人、而非僅投資于工具，能在士氣和運營流程經過重構與精簡，從40個1920AI的采用，正在暴露組織在決策制定、判斷力規模化以及行為強化方面的短板—這些短板一直存在，只是如今再難被忽視。重構人本運營模式，讓工作更具章法、更趨一致、可問責，在日常運營中建起信任，也順勢培育出更強健戰略負責人●●●●●推行聚焦AI驅動決策模這種視角能讓高管管控全局體系，而非單一工具，聚焦AI