刊于《信报》,2025年9月29日
引入AI不可光看技术功能性一面
许佳龙
科大商学院署理院长;信息、商业统计及营运学系讲座教授;艾礼文家族商学教授
笔者前文阐述了麻省理工学院(MIT)所属的 NANDA 计划(Networked Agents and Decentralized AI)一份研究报告——《生成式AI鸿沟:2025 年商业人工智能现状》(GenAI Divide: State of AI in Business 2025)。该报告揭示了一个残酷现实——公司引入AI,投放了大量资源,结果在损益表上一无所获。笔者拟通过在MBA课程上教授的一门信息科技(IT)管理基础课程,于课程上所提出的的分析框架,去拆解这个「谜团」。
IT技术三类角色
很显然,当企业或机构把IT引入组织之中,首先必须聚焦考虑清楚,到底科技的角色是什么?笔者把技术的角色大致分为三类。
第一类,是「功能性IT」。意思是指它只是针对个人能力、效率提升,让员工在工作上得到更多便利。举一个简单的「功能性IT」例子,可以用今天很多人都使用的大语言模型ChatGPT来说明。用者通过ChatGPT去搜寻数据、整理图表,或生成一些简单影象,这些都是功能性效用,技术的范畴聚焦于个体此时此刻所做的工作,利用技术来协助提升个人工作效率。在生成式AI流行之前的早期年代,其实也有很多人使用这些功能性的IT。譬如,微软公司开发的一套Microsoft Office办公室软件,协助用者进行字处理、制作简报及电子表格处理等工作,就非常功能性。
第二类,笔者称之为「网络性IT」。这类网络性IT体现出来的能力,是透过网络的应用,去提升员工与其他人的合作创新,悟出一些做事新方式,据此提升机构的营运活力和绩效。
第三类为「企业式IT」。透过IT技术的设计,对整个机构的作业流程作出规划和铺排,引导员工遵照企业的作业工作流程设计,去产生工作成果,此举不仅有助提升员工的效率;亦使整体企业的营运效率得到改善,提升效用。不过,「企业式IT」往往需要重点设计、细心思考,以及回顾检视整个机构的所有工作流程、相关持份者,以及影响到工作的相关程序分配。这类「企业式IT」需要投入大量人力物力,花耗时间对组织进行全面而深入的研究、调整和引入新安排;也需要令员工对此有信心和认同,集体拥抱和接受「企业式IT」的价值。
有关「企业式IT」的例子,笔者想到一个很传统、在AI流行之前的例子——「企业资源规划」(Enterprise Resource Planning‧ERP)系统。到现在,大部分企业仍然在采用ERP。(顺笔一提,ERP系统是一种软件应用程序,用于整合和管理企业的核心业务流程与信息,包括财务、人力资源、采购、制造、供应链、销售等,以达成协调营运、提高效率并优化企业的决策能力。)
只看技术功能性局限大
套用上述三类技术角色这个分析框架,去检视MIT研究报告的结果,笔者相信有助大家了解AI令企业大失所望的缘由。
很明显,不少企业目前争相引入生成式AI,但大部引入其实都只是看到AI「功能性IT」式的应用一面,以此协助个别有能力、愿意采用技术的员工去提升工作效率,然而,其应用功效往往仅限于此,而无法进一步提升其效用。事实上,如果企业应用AI,要在机构本身的损益表上直接体现出这个效率改良的效果,所牵涉到的,绝非个别员工的生产效率那么简单,而是触及到整体机构作业流程的改动、重新设计,减省一些不必要的程序,与此同时则提升另一些程序的效率,最终令整体企业的作业流程重新改变,脱胎换骨。取得这种效果,绝非「功能性IT」可胜任,起码需要透过「网络性IT」,甚至「企业式IT」的重新设计才能达致。
重组作业全程提升盈利能力
直至目前,笔者所见对人工智能技术的研讨,包括学界和业界的讨论,大家往往只是聚焦于「功能性」的维度,着眼于AI在工作上提高员工效率的应用,而且也未高度觉察这些效率的提升,若只停留在个人层面,未必容易转化到整体企业的效用身上,遑论显著地体现在损益表上,取得利润大丰收的期望效果。
值得注意的是,据美国人口普查局日前对120万家企业进行的调查,其中问及企业在过去两周内是否曾使用机器学习、自然语言处理、虚拟代理或语音识别等人工智能工具,来辅助生产或提供服务,结果发现,员工人数超过250人的大企业对人工智能的采用率呈下降趋势(见附图)。换言之。美国人口普查局每两周一次的人口普查数据,开始显示大型企业对人工智能的采用率正在放缓。
附图:大型企业人工智能采用率呈下降趋势 |
|
数据源:The Apollo Academy, “AI Adoption Rate Trending Down For Large Companies”一文,刊 2025年 9月 7日 |
笔者相信,MIT研究发现的结果,很可能是出于这种场景——个别员工的效率提升,AI给劳动生产要素释放出来的生产力,一方面未能直接转移到员工的新「额外工作」上;另一方面,个人效率的提升,始终停留在个人层面,而无法体现在企业的整体网络和设计上,导致机构冀AI提升公司盈利的美好愿望,最终落空。
这个研究结果无疑给予我们宝贵启迪。当企业或机构拟引入AI应用,不能只着眼于其功能性的简单一面,必须从高维度——机构整体工作流程的视角进行分析和考虑,使AI不光能够提升个别员工个人层面的效率,并且能够协助企业重新设计整体作业流程和工作上的增效应用,最终取得可实现的财务回报。
