“AI驱动型的组织，需要有组织体系、训练体系、应用体系。组织架构要向AI靠拢，同时岗位能力要重塑，工作模式要升级。”12月27日，云学堂前 CEO、副董事长祖腾在“2024《财经》跨年演讲：新风向·大家说”上以“AI 驱动下的企业生产力模式跃迁”为题带来了分享。
云学堂前 CEO、副董事长祖腾
祖腾首先强调了人类认知革命与大模型智能“涌现”的不确定性，指出应关注 AI 周期内的可做之事。接着他介绍了 AI 按聪明程度分为感知智能、认知智能和通用智能，当前技术现状基于大语言模型实现了一些应用。
从商业角度，祖腾提出几个认为可能落地的方向，如智能 AI 助理、巨神智能、新计算平台机会等。在企业经营维度，AI 能成为新生产力要素，帮助企业降本增效。企业组织有降低规模复制成本和创新驱动结果两种核心能力。
工作模式上，祖腾认为人机共存模式逐渐兴起，控制能力变化产生新岗位。企业组织治理、人才管理和培养都将基于 AI 发生变革。
祖腾表示，中国企业应关注构建行业模型，针对不同岗位特点，利用 AI 提升效率、降低成本。最后阐述了构建 AI 型组织的要点，包括组织体系、训练体系和应用体系，通过训练行业模型和结合工作场景来提升效率、改变成本结构 。
以下为嘉宾部分发言实录：
大家好，感谢主办方的邀请。前面大家从行业、产业的视角讲了很多偏宏观的趋势方向，而我想给大家讲一些企业家们比较关心的、偏中观且更具落地性的内容。
云学堂是为中大型企业提供数字化学习、人才管理、人才发展相关的 SaaS 软件服务商，迄今已服务两三千家中大型企业，其中世界财富 500 强企业近 200 家。所以我后面讲的很多内容都是我们长期思考、探索和实证的结果。大家对人工智能也很兴奋，谈得很多，甚至觉得类人智能马上就要到来。但我想说，人类迄今为止只在智人 7-10 万年前发生过一次认知革命，从那以后人类大脑的神经元数量和突触数量都没有变过，科学家将认知革命的产生解释为 “涌现”，而现在大模型出现智能也被解释为 “涌现”，但何时能真正涌现出类人智能我们并不清楚。所以我们更应关注在 AI 周期里我们能做什么。
从我的角度理解，AI 的发展趋势按聪明程度可分为感知智能、认知智能和真正的通用智能。感知智能以语言识别、人脸识别等生物技术为 代表，认知智能是当下基于大语言模型正在发生的，再往上就是 AGI，而我们目前对 AGI 只是略有触及。要知道，人类的认知觉醒在 7-10 万年前，现在芯片能模拟出的神经元规模与人类近千亿神经元、百万亿突触的量级差距巨大，目前只能模拟出类似蠕虫的 300 多个神经元。
简单看一下技术现状，目前我们基于大语言模型，通过 Transformer 技术架构实现了 AIGC 的一些应用，如文本生成、图像生成、音视频、3D 代码跨模态生成等。前面张总讲到了算力，算力受到国家战略重视，很多大厂、企业和教育机构都在参与。中美在 AI 发展路线上有很大差异，美国作为人工智能的诞生地，在高校理论基础、算力、算法和数据等方面都遥遥领先，在基础大模型领域领先中国很多。中国的劣势在于基础研究和算力层面，但优势是有很好的应用场景和众多商业化的金融机构，在移动互联网时代的商业应用层面进步很快。比如李飞的公司发布的 2B 生成 3D 的大世界模型，苹果的证明 2.0 发布的新功能，以及欧派发布的欧斯瑞欧 3 在处理复杂推理任务等方面表现接近 A+，这些都带来了新的可能。
从商业角度看 AI，大家关心它到底能做什么、能否变现、能否带来价值。这里有几个有趣且可能落地的方向：一是更智能的 AI 助理，比如普拉这个产品，通过硬件录音笔记录会议内容并形成思维导图，上个月营销额已接近 1 亿；二是巨神智能，它在大模型加持下有很多可能，未来可能在多个领域带来劳动力或生产力的革命，但目前面临制造成本高、智能层面挑战大等问题，如机器人握不同材质的杯子需要耗费大量算力；三是大模型和未来 AGI 的出现可能带来新的计算平台机会，如 AI+AR 眼镜，2025 年被认为是 “百镜大战” 的周期，众多厂商都在做智能眼镜，但要成为下一代计算平台，还面临算力、芯片、能耗等工程层面的挑战。
接下来从企业经营维度讲一些干货。AI 对企业经营的影响主要有以下几个方面：AI 将成为新的企业生产力要素，企业可基于 AI 改善业务流和工作流以提升效率，还可通过重新设计工作流和业务流，利用人工智能代替和放大人工产能，节省劳动力数量和劳动时长，实现降本目标。同时，算力投入的 ROI 以及企业的 AI 工程能力也很关键，企业组织需要具备 AI 工程化的能力。
从企业内因角度看，有两种核心组织能力可帮助企业在当下提升效率、降低成本。一是降低规模复制的成本，对于制造业、服务业中人工费用占比高、工作内容相对固定且可标准评估的岗位，AI 可大幅提高经验复制速度和成功率，降低人工成本；二是通过创新驱动结果，创新依赖于对市场和客户的理解洞察以及组织和人才的独立思考与创造性。
企业组织发展中会出现工作模式变化，会出现人机共存的新工作模式，从最初的工具模式逐渐变为 AI 与劳动者一同工作的模式，AI 将主导简单有规律但烦琐的脑力劳动，人类则作为监控者进行质量检查、风控和调优。控制能力变化会产生大量新岗位，如创业型、咨询型、应答型岗位会分化出领域专家和提示词工程师等岗位，而产品经理、市场营销、内容创作等岗位则需要进行能力转型，掌握利用 AI 和调教虚拟 AI 的技能。组织治理会从业务经营、人才和合规等维度基于 AI 发生根本性变化。人才管理方面，能力要求、劳动关系、绩效考核等都会改变；人才培养方面，从培训到培训内容再到人才管理秩序都会变化。
中国企业难以做基础大模型，更应关注构建行业模型，基于底层通用大语言模型的多种能力，构建如人力资源行业的垂直模型，包括任务模型、岗位能力模型、岗位知识模型、测评模型和绩效模型等，进而为员工匹配助手、教练等，实现各种认证和应用。
对于工作标准化、可复制、不需要太多创意的岗位，员工不需要创造性思维和业务创新能力，未来其培养模式会发生变化，从岗前培训、上岗失误纠错转变为岗前培训、上岗加 AI 及时辅助解决问题，AI 可提供即插即用的能力，帮助员工解决超出自身能力范围的问题，提升员工能力。此类岗位的工作难度和工作量将向 AI 转移，人力成本结构会发生变化，高额人工成本会被算力成本置换。
创意型岗位需要具备创造性思维、业务创新能力、无边界思考和学习意识以及从想法到落地的闭环能力。AI 可基于人的需求辅助收集处理信息、分析数据、推理可能性，提升工作效率，降低试错成本。在这类岗位中，工作产能和工作成果将被 AI 无限放大，在薪酬和人数不变的情况下可产生更多成果，实现单岗位单人共同成长，提升企业整体人力资本的 ROI 和组织能效。
对人才能力进行萃取，通过对高绩效人才进行岗位能力识别画像，萃取其通用能力、专业能力和技能，复制给中绩效和低绩效的人。例如，对于顶级销售，通过行为访谈建模，构建能力模型和知识模型，制作学习地图，利用 AI 智能教练和知识助手进行培训，最终可形成数字劳动力，实现复制高绩效员工和打造企业内部数字劳动力两条线并行。
最后，谈谈如何构建 AI 型组织。如果是 AI 驱动型的组织，需要有组织体系、训练体系、应用体系。组织架构要向 AI 靠拢，同时岗位能力要重塑，工作模式要升级。训练体系方面，大多数企业不太可能做底层通用模型，但要利用好通用模型，训练行业模型或企业小模型，并结合工作场景形成应用，以提升效率、改变成本结构。应用体系包括内部应用体系用于降本增效，以及外部应用体系用于商业化产品。
以上就是我今天的分享，谢谢大家。
“新风向·大家说”2024《财经》跨年演讲于12月27日在郎酒庄园举行。活动由《财经》杂志、财经商业治理研究院主办，郎酒股份承办，TalkingData联合呈现，长江教育基金会提供学术支持。多位商界领袖及专家学者莅临现场，共同探讨未来发展的新风向与新机遇。
