生成式人工智能的迅速崛起凸显了一个职场现实：一线员工采纳新技术的速度往往比管理者快得多。以下是如何克服组织障碍，以实现变革性理念。
生成式人工智能的迅速崛起凸显了一个职场现实：一线员工采纳新技术的速度往往比管理者快得多。以下是如何克服组织障碍，以实现变革性理念。
未来已来——只是尚未均匀分布。
威廉·吉布森（《赛博朋克》纪录片，1990）
人工智能技术以令人眩晕的速度发展，使得人们几乎不可能跟上它可能改变工作方式的诸多新途径。然而，对于大多数组织而言，可能实现与实际实施之间的差距正在稳步扩大。2024年麦肯锡全球调查发现，十分之九的员工在工作中使用生成式人工智能，其中21%是重度用户。1 但尽管员工热情高涨，大多数组织对人工智能工具的正式采纳却滞后：只有13%的受访员工认为他们的组织是早期采纳者。
机构对新工具的缓慢接纳并非新现象。早在雇主正式批准这些技术之前，数字原住民就已使用基于云的平台进行协作，并通过社交媒体与客户建立联系。最近，移动原住民开始通过消息应用程序和移动优先的工作流程开展业务，而企业IT部门仍在讨论智能手机安全政策。如今，世界正在见证人工智能原住民（通常是年轻员工）的出现，他们已经在使用生成式人工智能工具起草电子邮件、编写代码和分析数据，而决策者和预算持有者则在担心治理和前期技术成本。
这次的不同在于变化的速度和规模。生成式人工智能能力从竞争优势变为竞争必需的时间，比以往的技术转型要短得多。那些掌握快速采纳艺术的组织将决定其行业的新规则。
生成式人工智能能力从竞争优势变为竞争必需的时间，比以往的技术转型要短得多。
但领导者如何在不牺牲质量或制造混乱的情况下，加速整个组织的学习呢？他们如何确保企业从分散的创新点中获得最大价值？我们将讨论四种有所助益的思维模式和实践。
培育已在生长的东西
在《园丁与木匠：儿童发展新科学揭示的亲子关系》（Farrar, Straus and Giroux/Macmillan Publishers，2016）一书中，发展心理学家艾莉森·戈普尼克认为，父母应该允许孩子根据其自然倾向而非预设的结构发展。她将这一概念称为“园丁思维”，它对组织领导者和父母同样适用：培育你所看到的成长。最成功的管理者专注于识别那些“萌芽”——即正在尝试新技术并显示出有前景的早期成果的员工、团队或部门。他们会问：“创新已经在哪里发生？谁正在以令人惊讶的有效方式解决问题？”
然而，大多数组织偏爱“木匠思维”：自上而下地精心规划技术转型的每一个细节。这种方法无法跟上当前的变化速度。那些试图精确指定人工智能应如何在组织中实施的领导者，常常发现自己正在为明天的问题构建昨天的解决方案。
那些试图精确指定人工智能应如何在组织中实施的领导者，常常发现自己正在为明天的问题构建昨天的解决方案。
考虑一家亚洲金融服务公司的经验，该公司发现其团队非正式地使用人工智能来简化应用程序开发。管理者们采纳了这项创新，创建了一个通用数据层，使团队能够自动化耗时的步骤，例如数据标注，从而将人工智能应用程序的开发时间缩短了一半。
我们已经看到了许多类似的例子，例如客户服务团队悄悄使用人工智能聊天机器人起草回复，这通常能显著缩短他们的响应时间。一些管理团队担心安全或治理问题，关闭了此类实验，而另一些则研究其成功之处，完善方法并帮助推广。识别并培育已在生长的东西，比试图基于理论播种更有可能推动创新。但应用园丁思维要求领导者花更多时间观察模式，更少时间制定僵硬的计划。这意味着接受最具变革性的想法往往来自组织内部意想不到的地方。
创造采纳激励
每个人都知道改变既定的工作习惯和学习新工具是多么困难。大多数组织的中层——即设定文化基调的管理者和资深从业者——往往是最抗拒变革的，因为这符合他们的理性自利。他们很忙，现有方法运作良好，而新技术的学习曲线可能令人望而却步。
财务和社交激励对于鼓励有意义的采纳都至关重要。但最有效的奖励侧重于学习，而不仅仅是使用。成功的组织不会为实施人工智能提供奖金，而是奖励那些展示新能力、与同事分享见解以及帮助他人克服学习曲线的员工。社交认可通常比财务奖励更有效。当受人尊敬的团队领导分享他们的人工智能学习历程并公开承认他们仍在学习时，这会降低其他所有人的心理障碍。
当受人尊敬的团队领导分享他们的人工智能学习历程并公开承认他们仍在学习时，这会降低其他所有人的心理障碍。
许多大型组织（包括麦肯锡）举办创新竞赛，同事们在其中与不同群体的同行协作并提交想法。晋级后期轮次的团队可能会获得更多资源、专家支持和领导层曝光机会。最好的公司不仅在年度活动中，而且每天都提供此类激励。一位技术高管表示，创新仪式，包括定期的创新日，在他们的公司中普遍存在，在这些日子里，“团队探索兴趣并发现可能尚未纳入路线图的想法”。这些会议常常产生意想不到的发现，从而促使组织重新调整其下一波项目的优先级。
促进快速学习
成功的组织不仅比同行进行更多实验；他们实验得更好。他们借鉴了严谨的A/B测试世界的原则，并将其应用于组织创新：
从清晰的假设开始。成功的团队不会设定模糊的目标，例如“用人工智能提高生产力”，而是从具体的、可测试的预测开始——例如，“我们相信使用人工智能自动化我们的月度报告流程将减少50%的时间，同时保持95%以上的准确性。”但新想法的好坏取决于其潜在假设，而团队往往未能识别这些假设或对其进行足够严格的测试。
为学习而设计，而不仅仅为成功。试点项目通常只以成功结果为唯一目标，因此它们很少能产生关于实际有效方法的有价值见解。更好的实验旨在快速失败并记录无效的方法。它们还跨越职能。例如，一个研发团队可以在其流程早期从销售人员那里获得客户洞察。此类实验还包括对照组（如果可能的话），并衡量先行指标，而不仅仅是滞后结果。一些公司从成功的成果会是什么开始，然后识别支撑它的假设。一家农业生物技术公司使用这种假设驱动的方法来确定推出新产品的最佳路径，并将上市时间缩短了30%。
拥抱小样本的力量。组织不需要大规模推广就能产生有意义的见解。一些最有价值的组织实验涉及五到十人，持续两到四周。目标是快速迭代，而不是统计显著性。
记录结果背后的原因。无论实验成功还是失败，最关键的问题不是“发生了什么？”，而是“为什么会发生？”系统地捕捉这些见解的团队能够建立机构知识，从而加速未来的创新。
亚马逊早期在视频流媒体方面的尝试就是这些原则的实际体现。Prime Video最初表现不佳，但亚马逊没有放弃这个想法，而是询问用户为何不参与。该公司发现客户认为该服务没有独立价值，而更倾向于拥有独家内容的平台。作为回应，亚马逊将Prime Video捆绑到更广泛的Prime会员服务中，以增加感知价值，并大力投资原创内容。这一转变将一个举步维艰的试点项目变成了Prime订阅和品牌忠诚度的关键驱动力。
保持高标准的赞扬
在鼓励创新的热情中，商业领袖常常陷入平等赞扬一切的陷阱。当每一个AI实验都获得夸张的赞扬，并且进度报告被允许夸大结果以寻求更多预算时，真正的突破性想法就会淹没在噪音中。最具创新力的组织区分有趣的实验（值得尝试的）和改变游戏规则的创新（值得推广的）。他们奖励诚实报告失败，就像他们庆祝成功一样。
这并不意味着打击积极性；它意味着有目的性。当赞扬是选择性的和具体的时，它更有分量。当领导者精确阐明为什么某种特定方法代表着突破时，团队就能理解卓越是什么样子。
当赞扬是选择性的和具体的时，它更有分量。当领导者精确阐明为什么某种特定方法代表着突破时，团队就能理解卓越是什么样子。
组织可以通过改变讨论试点项目的方式来转变其创新文化。他们不再问“人工智能项目进展如何？”，而是问“你学到了什么让你感到惊讶的东西？”他们不再庆祝某人使用了人工智能，而是庆祝从其使用中产生的关于更好工作方式的具体见解。
例如，一家企业集团的首席执行官鼓励广泛的项目所有权并关注实际成果。他们询问了100位业务领导者，是否愿意各自赞助一个人工智能项目，并设定了具体的收入增长、成本降低或客户满意度提升目标。该目标必须反映在次年或后年的预算中。
掌握这些原则的组织不仅能更快地采纳新技术；它们还会发展出一种随时间推移而复合增长的竞争优势。每一个成功的实验都建立起组织信心。每一个有详细记录的失败都能防止他人重蹈覆辙。每一位具有园丁思维的领导者都为更多创新创造了绽放的空间。
未来不仅仅是分布不均的——它还在不断地被重新分配。学习型组织正在从及早发现创新、精心培育创新并明智地推广创新中获益。
这场静默的革命正在重塑行业竞争格局，使新兴公司有能力挑战传统巨头。...
颠覆是必然的，淘汰是可选的。
...
全球灯塔网络倡议代表了当今全球制造业智能制造和数字化的最高水平。入选的“灯塔工厂”是具有榜样意义的“数字化制造”和“工业4.0”示范者，也受到国家和地方层面对于智能制造升级和高质量发展的政策鼓励和支持。
纵览近几年认证成功...