2026-01-05 15:30:01 界面
在人工智能技术飞速演进、持续重塑各行各业与人类生活方式的今天，人类该如何重新定位自身角色、组织应如何重构运作模式，以及我们应如何共同面对一个由人机协同所定义的新时代?
近日，“复旦管院高层管理教育中心(EE)公开课联合课堂”在政立院区举行。复旦大学管理学院院长助理，信息管理与商业智能系教授、系主任、博士生导师，复旦管院人工智能领创计划课程联合学术主任张诚发表“人类、组织与时代——AI未来的边界与可能性”主题演讲，引导听众超越对AI的工具性认知，深入思考其对社会结构、伦理规范与发展路径的深远影响，为在场的企业管理者提供了前瞻而深刻的洞察。
2023年至2025年间，AI技术呈现爆发性突破，企业不得不面对是否投入其中的战略抉择，并需谨慎权衡其潜在风险与收益。
那么，我们当前处于何种阶段?AI的发展是否仍在“一路狂奔”?即便它是一项如此先进的技术，我们仍需思考：它究竟需要多长时间，才能真正融入企业的日常运作，并带来实质性的生产效率提升?
正如创业必须理解资金运作的基本逻辑，投资AI也需要洞察其实际落地的场景与效果;而若希望借助AI打造产品或提升企业内部各项能力，那么理解其底层的技术逻辑，便是一项基础前提。这意味着，企业必须投入必要的时间与精力去学习、去真正理解AI，穿透那些笼罩在AI之上的光环与迷雾，看清其能力边界与价值路径，为AI“祛魅”。
AI与人：巨人之脑，稚子之心
AI的核心原理可以理解为一种极其复杂的“函数构建”，通过分析海量数据，它能够找到变量和结果之间的复杂关联。
在特定维度，AI早已展现出“超人”般的能力：具备大量参数和强大数据处理能力的“大模型”能消化人类数千年积累的文字数据，在围棋对弈、计算积分、规划城市路径等规则明确、逻辑严谨的任务中表现极强。
但从另一个角度看，AI又像“幼童”般存在明显局限：它“思考”本质仅仅是基于数据统计的概率预测，缺乏真正的情感和对世界的深层认知。比如扮演专业人士时，进行多轮对话后会偏离原本角色预设;回答问题时会产生“幻觉”，输出看似合理却不符合事实的内容。
AI与组织：格局决定深度，责任定义边界
大模型的发展让“一人公司”成为可能：传统创业需要团队协作，以弥补个人在财务、运营等领域的不足;但未来，借助大模型，一个人可能就能扮演多个专业角色。例如，AI可以处理会计、法律文书、市场分析等工作，使创始人能更专注于核心创意与战略、降低创业门槛。
然而，引入AI提升生产效率并非一蹴而就。从过去的工业革命来看，像蒸汽机和电力这样的颠覆性技术，从发明到真正在企业中广泛落地、并实质性提升生产效率，往往需要以十年为单位的时间。其核心原因在于，企业最初往往只将新技术作为原有流程的简单替代，未能围绕新技术的特性——如电力带来的灵活布线和分布式能源——进行组织变革、彻底重塑业务流程。此外，AI无法成为责任主体，这使其在医疗诊断、自动驾驶等高风险领域的应用面临伦理与法律的严峻考验。
因此，我们需要转变思维，不仅仅将AI视为工具，而应将其视为一种新的经济主体、管理工作方式。
AI与时代：“新质生产力”与“新圈地运动”
AI被视为驱动“新质生产力”，是因为它能以极低的成本完成文档处理、数据统计等工作，让人类从重复性劳动中解放，从而实质性地提升生产效率、降低成本。
但技术普及的过程可能伴随阵痛。工业革命时期，英国因纺织业兴起需要大量土地养羊而推行“圈地运动”。与此同时，机械生产减少了对传统农民的需求。这导致大量人口失去土地这一生产资料，转化为无产阶级工人。
技术的持续演进可能引发新的“圈地”：当AI能稳定达到平均水平，许多可被结构化、语言化的工作(如部分设计、文案、基础数据分析)可能不再需要那么多人力。AI正在部分领域把人从数据、技能与决策权中剥离出来。这个过程会引发关于社会政策、劳动力转型、甚至财富分配的巨大挑战。社会制度调整的速度能否跟上技术变革带来的生产力变化速度，这将是未来社会面临的重要课题。
AI与未来：技术的落地与下一场进化
AI技术正从狂飙突进的探索期进入应用落地的深水区，主流大模型之间的性能差距正在缩小，市场竞争焦点从单纯的技术性能转向性价比和解决实际问题的能力。
然而，目前大量企业虽在生成式AI上投入不菲，却鲜有获得实质性商业回报，大多数AI试点项目陷入停滞。其核心挑战往往不在技术本身，而在于组织能否有效将AI融入业务流程，并建立起允许试错、快速学习的文化。远比算力与技术更为重要、真正决定成败的要素：一是高质量、规范的数据基础;二是兼具技术能力与业务洞察的实施团队与项目管理;三是由深刻理解AI价值的业务领导者所驱动的持续运营。
展望未来，世界模型或可作为新的研发路线。与仅从数据中学习的大语言模型不同，世界模型通过感官输入学习世界的运作规律，构建对物理世界的内在认知。这类系统具备持久记忆、复杂行动规划与推理能力，有望为实现安全、可控的AI系统提供全新路径。
当前，生成式人工智能犹如一位天赋异禀却仍需引导的少年，其巨大潜力与内在不确定性并存，要求我们以审慎而积极的态度与之协同。对于组织而言，核心挑战不仅在于“使用”技术，更在于必须投入时间与资源去学习它、理解它，并以面对深刻变革的格局与责任感，来重构流程、人才与文化。
展望前方，技术的爆炸性进展或将逐步回归理性节奏，其未来图景更需要我们在实践中持续探索与定义。唯有通过持续学习，组织才能培养出甄别机会、规避风险的内在能力，从而将技术潜力扎实地转化为商业价值。最终，这一切都指向一个根本性问题：当人工智能郑重地敲响时代之门，我们——无论是作为个人还是组织——是否已做好了准备?
