将人工智能的应用视为领导者责任——麦肯锡的新报告对管理者有哪些启示？

人工智能与各产业深度融合的时代已经到来，其中自然少不了钢铁行业。智能排产、质量缺陷识别、设备预测性维护、能耗优化……这些应用场景已在多家钢铁企业的炼铁、炼钢、轧钢等环节陆续展开。数字化、智能化转型无疑是当下钢铁行业高质量发展的鲜明主线，不少钢铁企业已经把算力与模型应用纳入经营决策的核心议题。

麦肯锡近日发布的The CEO's singular impact on the success—or failure—of AI in organizations（首席执行官对组织人工智能成败的独有影响）一文中提到，目前这一轮技术变革的与众不同之处在于，它同时冲击企业战略、人才发展、资本配置、技术体系、客户价值和组织文化六大领域，没有任何一个职能部门能够独自“认领”这项任务。这场涉及多领域的组织蜕变，使企业的管理者需要发挥的作用愈发关键。

文章提到，当前，企业掌舵者对人工智能大致持三种态度：其一，将人工智能视为技术工程，交由信息化部门主导推进；其二，把它视为降本增效的辅助工具，重点投向效率高、成本敏感的领域；其三，将其看作重新定义企业竞争优势的核心引擎，主张组织加快学习、主动重塑。随着实践的深入，第三种“远见型”领导者的价值日益凸显，因为他们在不确定性中将人工智能的应用视为了个人责任，认识到这是一场从根本上重塑组织价值创造的深刻变革。

提升战略眼光

守住核心资产

文章提到，人工智能正在重新划定各行业的价值边界，对企业而言，相关思考早已超出“要不要上智能系统”的范畴，拓展到“未来几年增长从哪里来？”“当下获得的效率红利如何再投入到下一阶段的竞争力建设中？”

对于管理者来说，首要任务是选定重点突破领域。在这方面，管理者要区分清楚两件事：一是组织范围内的广泛试用，用于提升企业全员对AI（人工智能）的熟练掌握度；二是在2个~3个关键领域进行集中投入，从而实现端到端的彻底重构。对钢铁企业来说，这些领域可能是炼铁、炼钢、轧钢等核心工序的智能优化，可能是基于机器视觉的表面质量检测与设备预测性维护，也可能是贯穿采购、排产、销售、交付全流程的端到端经营协同。前者重在“练兵”，后者重在“打仗”。“练兵”的成效，要看全员能否上手、敢用、善用；“打仗”的成效，要看重点领域的成本、质量、交付是否出现实质性改变，最终体现为增长。

其次，管理者要回答“哪些能力自己掌握、哪些借助外部”的问题。这要比传统的“自建还是外购”复杂得多。文章建议，企业的专有数据、知识积累、决策逻辑和学习能力应当沉淀为永久资产，同时底层的大模型则应保持可替换性，随技术演进灵活切换。管理者需要明确划定知识产权的边界，即哪些数据、流程、客户信息可以交给外部模型处理，哪些必须留在企业内部。在人工智能能力日益成为产业竞争要素的背景下，这种边界管理直接关系企业的市场地位与战略韧性。

最后，比起亲自设计IT架构，管理者深度参与以下几项关键判断更为重要，即投资优先投向哪里、数据资产归谁管理、企业愿意承担多大风险。文章用某大型跨国企业举例，其首席执行官在转型初期，连续数周与首席信息官逐项研讨技术架构的构成与价值，目的正是做出明智的资本决策。

围绕“人—智能体”协作

重新设计运行方式

随着人工智能从辅助工具演变为能够自主执行任务的“智能体”，工作的基本单元正在从“岗位上的个人”转向“人与智能体的协作系统”，沿用多年的组织设计原则随之受到挑战。“一个岗位一名员工”的定员逻辑、“专长沉淀于职能部门”的运作模式，难以完全适应新的工作形态。

文章提到，在人机协同的运行模式下，会议将更多由业务事件触发，而非按固定日程被动举行；经营分析从月度、季度周期转向连续滚动；各级管理者将从信息传递者转变为判断者、辅导者，集中精力于异常处置与关键决策。部分经营决策的周期可能从原来的数周压缩到数小时。相关研究预测，2030年前后，绝大多数职业都将因人工智能经历显著的技能结构变化，多数岗位需要进行根本性的重新设计，简单的岗位腾挪难以奏效。

这一转变需要进行系统推进。企业应该在技能重塑、师徒传承、岗位再设计方面持续进行投入，同时认识到员工的适应节奏存在着差异。人工智能让信息的获取变得空前容易，因而员工向管理者请教的将不再是标准答案，而是情境判断、方向指引和意义阐释。这意味着传统意义上的管理能力，如判断力、创造力、复杂问题求解会变得更加珍贵。

文章还提到，此类决策无法按部门分开推进，战略、技术、财务、人力、运营必须协同求解。管理者在其中的独特贡献，在于确立全局视角，打破部门各自优化局部指标的惯性，让管理团队对企业整体成果集体负责：首席信息官要夯实数据底座，搭建灵活的技术栈；首席财务官要平衡人机两个方面的投入结构；人力资源负责人要主导混合劳动力的构建与信任环境的营造；运营负责人要推动重点领域的转型落地。

让组织从“凭经验”

转向“肯学习”

技术讨论之外，人工智能落地的成效最终取决于人的层面。文化、信任、惯性、部门利益，是企业在任何深度变革中都不得不面对的课题。文章的调查显示，多数员工表示自己对使用人工智能已有准备，但只有少数领导者认为所在组织做好了大规模应用的变革准备，部分企业的高管对AI熟练度甚至不及一线员工。这种“口头重视、行动滞后”的落差，会侵蚀信任、拖慢全企业的应用AI的步伐。

因此，企业的管理者，尤其是高层管理者，应成为真诚的学习者：定期向企业内精通AI的年轻技术骨干请教，参加内部的AI应用竞赛，带头试用新工具。文章提到，一些企业的主要负责人坚持每周与数字化团队交流，从基础概念学起，为全员做出示范，还有的企业为高管团队配备了内部技术导师，随时解答“大模型是如何工作的”这类基础问题。同时，企业的管理者要在管理团队中确立明确的AI能力标准，通过分层培训、跨行业“对标学习”等方式加速观念更新。文章提到，有的企业面向全员开设人工智能学院，培训各层级员工掌握工具、流程与治理规范，向内外传递出人工智能是组织运营长期核心要素的明确信号。

此外，文章还特别提醒，企业的管理者要警惕把人工智能带来的信息透明异化为“全能监控工具”。优秀的管理者会借助新技术下放更多责任，让信任与问责机制同步生长；在鼓励实验方面，可以先以最小可行方案在局部团队试点，快速收集反馈、迭代优化，再逐步推广。

从专用模型到生成式AI再到智能体系统，企业面对的技术环境仍在快速演化。不过可以确定的是，有3项抉择无法委托他人：提升战略抱负、重构组织运行、重塑企业文化。这场蜕变没有终点线，需要管理者持续回望、不断修订自身的“操作手册”。当前，智能化转型正处于关键窗口期，那些把人工智能当作个人分内之责的企业管理者，将有机会带领组织在下一个竞争周期赢得先机。（中国冶金报）