CIO必读：AI变革时代的人本策略

当首席信息官们纷纷将传统AI、生成式AI和代理型AI技术引入企业时，关注焦点往往落在技术本身和相关技能上。然而，真正的核心挑战在于如何吸引并培育具备深度思辨能力的人才，这些人才能够持续做出明智的商业决策。

根据最新研究显示，未来三年内全球2000强企业中，高达2700万个职位可能面临被AI替代、重组或重新设计的命运。但报告同时揭示，大部分面临此类潜在风险的企业并未制定明确的AI应对方案，更谈不上为受影响员工做出妥善安排。

尽管很少有人反对企业引入AI的大趋势，但仅仅为了迎合资本市场期望而盲目裁员，可能造成严重后果。更明智的做法是采取果断、快速且负责任的行动。像毕马威这样的企业正是以此理念指导AI转型工作。

为避免盲目跟风，为组织建立长期成功基础，以下是首席信息官们在面对不断演进的AI技术和人力资源格局时应考虑的四项指导原则。

过去十年，企业常用"正在进行数字化转型"来解释业绩未达预期的原因。如今AI转型也起到类似作用：在向美国证券交易委员会提交的文件中，AI相关提及次数同比激增6550%。这正是在缺乏规划的情况下裁员可能产生反效果的原因。

通过我的测算，在2700万个面临风险的岗位中，约14%可能永久消失，即378万岗位。另有74%的岗位需要员工重新培训或技能提升，12%的岗位需要重新招聘填补，因为企业必须调整现有岗位来修复受损流程。这意味着未来三年约86%的工作重心将放在员工再培训、技能提升和重新招聘上。

这更像是我们之前在RPA和其他技术中见过的自动化和增强过程。AI、网络安全及管理咨询公司OakTruss Group的管理合伙人Steve Hill认为，实施过程中的问题并非技术层面造成。"RPA让我们认识到人类在某些方面的作用超乎预期，"他表示。"代理型AI是当前热门趋势，但许多失败案例并非源于模型本身，而是缺乏对文化、变革管理、员工信任和目标清晰度的关注。"

因此首席信息官们应预期AI转型会像数字化转型一样是长期过程。购买技术是容易部分，但从根本上重新思考和设计业务所有方面——包括运营、流程以及产品服务——将是艰巨任务，需要更多人进行更深入的批判性思考。

鉴于当前对AI治理的普遍关注，很容易将注意力集中在下游环节，如AI风险、合规、信任、伦理、安全、主权和可持续性。当然这些都需要提前充分考虑和规划，且在创新生命周期中越早开始越好。

随着注意力转向规模化，首席信息官们需确保拥有必要工具和流程来专业管理创新生命周期前端。虽然当前环境下过多AI试点和原型受到批评，但事实是它们对保持从想法到价值的健康持续创新管道仍然至关重要。

首席信息官应确保拥有强大手段来识别和确定AI相关想法优先级，清点整个企业AI用例，并跟踪所有相关元数据，涵盖财务、IT和治理，以及风险和合规。

为开始识别和优先考虑AI相关想法并将其作为核心能力，可采用创新研讨会等技术和软件工具。研讨会通过高度协作的互动会议引入跨职能专家和利益相关者，将AI转型中的人为因素纳入其中，这是仅靠软件无法复制的。

正如首席信息官在AI周围应用治理和相关护栏一样，他们也需要审视自己的团队——您需要在哪里进行再培训、技能提升和招聘？通常与AI合作并决定何时使用或不使用它比最初执行工作本身需要更高技能。

将劳动力结构从金字塔形向菱形转变的类比可能产生误导。虽然入门级工作可被AI取代，但并非所有入门级工作都平等。例如最近毕业的MBA学生可能进入入门级岗位，但他们拥有组织更需要的商业敏锐度和批判性思维技能。

仅仅因为AI可以给人一种"团队可以少思考"的错觉，他们就不应该这样做。事实上寻找那些有自我动力从不同角度思考并在每一步都更多审查AI输出的团队成员很重要。例如AI在提供战略建议方面是出了名的糟糕，往往会产生趋势垃圾。那么团队是否有智慧来分析和解释每个AI输出并从噪音中分辨信号，还是他们只是从表面接受并采取行动？

寻找那些不只是坐视不管在工作流程、决策和邮件中传播AI垃圾信息的个人，而是知道何时何地使用它并运用判断力的人。定期评估团队技能与定期评估AI系统同样重要。

除了拥有知道何时何地依赖AI的团队外，对整个企业每个人工智能用例和应用采取类似方法也很重要。确定何时需要概率性代码与确定性代码，何时两者都需要，以及何时需要或不需要人在回路中。

在高风险AI场景中，您可能决定禁止在核心财务或面向客户流程中部署自主系统，除非底层模型及其编排层已成功通过具文档化安全指标的试点测试。正如毕马威在2026年一季度的"AI脉搏调查"中报道的，这些限制正在稳步推进，43%的组织确定了不允许自主代理做决定的高风险用例。

总体而言，AI转型成功不在于消除工作岗位而在于仔细重新思考和重新设计工作完成方式，包括何时何地使用人类技能和AI，更常见的是何时何地仔细协调两者。您引入这种新AI转型的人类需要比以往任何时候都更加聪明。

Gen AI（生成式人工智能）：指能够利用现有数据学习模式并生成新文本、图像、音频等原创内容的人工智能技术。

Agentic AI（代理型人工智能）：一种高级AI形态。与只能被动回答问题的大模型不同，代理型AI能够理解目标，自主规划任务路径，甚至调用外部工具去执行一系列复杂操作。

RPA（机器人流程自动化）：一种软件技术，通过模拟人类在计算机上的操作行为（如点击、复制粘贴），自动执行那些规律性强、重复度高的日常办公任务。

Human-in-the-loop（人在回路/人工干预）：在人工智能系统运作流程中引入人类监督、审核或决策。这是确保高风险AI应用安全可控的关键机制。