文｜谭寅亮

ID | BMR2004

过去两年，生成式人工智能迅速进入企业管理层的核心议题。从大型跨国公司到本土成长型企业，从董事会战略讨论到部门日常运营，这项技术几乎无处不在。

根据麦肯锡的最新调查，近八成企业已经在至少一个业务环节部署了生成式人工智能，但同样比例的企业坦言，这些尝试对利润的直接贡献几乎为零。这种“部署遍地开花、回报难以入账”的现象，被称为“生成式人工智能悖论”。 

而这一悖论，因为智能体（AI Agent）的出现正在逐渐被打破。

“生成式人工智能悖论”的形成，有深层次的结构性原因。

麦肯锡的研究将生成式人工智能的企业应用分为两大类：一类是横向的企业级应用，例如通用型智能助理、内部对话机器人等。这类应用部署快、门槛低、见效容易，往往只需在现有办公软件中开通功能或接入一个通用模型，就能帮助员工撰写邮件、生成会议纪要、翻译文档、整理资料。这些改进虽然真实存在，但提升是分散、零碎的，很难在企业的利润表上形成显著的财务贡献。

另一类是纵向的功能性应用，即嵌入到特定业务环节和核心流程的人工智能能力，例如自动化供应链调度、销售预测与客户分层、金融风险评估、合同审核、个性化营销等。这类应用理论上对企业利润的直接拉动作用更强，因为它们直接作用于收入、成本和风险。然而现实中，九成以上的纵向应用仍停留在试点阶段，难以规模化落地。

原因很复杂：首先，纵向场景缺乏成熟的“即插即用”方案，往往需要结合企业业务流程进行定制化开发；其次，技术能力与数据质量不匹配，尤其是非结构化数据的治理普遍滞后；再次，组织内部缺乏跨部门协同，人工智能团队与业务部门之间存在隔阂，试点成果难以融入日常运营；最后，中层管理者和业务骨干对变革的心理阻力不容低估，担心岗位被取代或权力被削弱，从而对人工智能落地持保留态度。

结果就是，一个在舆论和市场情绪上热闹非凡的技术，在实际经营中却显得力不从心：生成式人工智能“无处不在”，但在利润表上依然“缺席”。

这种现象，其实并不罕见。过去几十年的技术变革中，几乎每一次重大创新都走过类似的路径，这正是技术期望曲线所描绘的轨迹。新技术面世时，市场情绪迅速冲上“期望膨胀的峰值”，媒体、投资人和企业高层普遍预期它将立刻带来革命性变化。然而，随着落地中遇到的种种挑战暴露——成本高企、集成困难、效果不稳定、缺乏人才、制度配套滞后，于是热情开始降温，技术进入“幻灭低谷”。只有在经过持续优化、基础设施完善、人才体系和业务模式适配之后，技术才会进入“稳步爬升期”，最终达到“生产力平台期”，成为真正驱动增长的底层能力。

然而，技术期望曲线讲的是人们对技术的主观感受，而斯坦福大学布林约尔松教授提出的生产力“J”曲线，刻画的是客观的生产力变化规律。即新技术引入初期，生产力不仅不会立刻上升，反而可能因为培训成本、流程重构、系统整合等因素短期下降；当技术成熟、流程优化、员工技能提升后，生产力才会快速反弹，并在长期超过原有水平。换句话说，这是一条先下沉、再跃升的“J”形曲线。

把这两条曲线放在一起，就会发现一个耐人寻味的错位现象：当公众情绪和市场预期处于峰值时，生产力往往还在下探；而当生产力真正进入加速上升阶段时，外界的关注度可能已经趋于平稳。这种错位，正是许多企业在技术变革中迷失方向的根源——管理层在情绪高点时投入巨资，却因短期成效不明显而中途放弃，最终错过了生产力真正爆发的阶段。

如何缩短低谷期、加快进入生产力跃升阶段，是企业在这一轮人工智能浪潮中能否突围的关键，而智能体将成为一个重要的突破口。

智能体并不是简单的对话工具，而是能够自主理解目标、分解任务、跨系统执行并实时调整的人工智能工作单元。与早期生成式人工智能的被动响应不同，智能体是主动的业务协作伙伴，能够自动化多步骤、跨部门的复杂任务，并在此过程中与人类操作形成互补。

智能体的价值不仅在于自动化，更在于推动流程重构。它迫使企业从“在旧流程里加人工智能”转向“围绕人工智能重新设计流程”。

这种转型需要企业同步完成三项关键变革：第一，从零散的用例转向端到端的业务流程再造，让人工智能嵌入价值链的核心环节，而不是停留在局部优化；第二，建立跨职能的长期协作团队，把业务专家、人工智能工程师、信息技术架构师、数据治理人员整合成“转型小队”，确保技术与业务目标一致；第三，引入专门针对智能体的治理机制，明确自主权边界、防止无序扩张、确保决策过程透明可控。

在生产力“J”曲线的框架下，智能体可以帮助企业缩短下探期，让曲线更快进入上升阶段。它通过自动化复杂任务减少人为延迟，通过实时数据驱动的调整来减少流程摩擦，通过跨环节的协同提高系统响应速度。这不仅意味着更早看到投资回报，也可能在长期把曲线的终点抬得更高。

历史经验告诉我们，“短期高估、长期低估”是技术演进的心理常态，但低估并非不可避免。对于那些能在低谷期完成组织重构、人才转型和流程再设计的企业来说，智能体不仅是度过低谷的工具，更可能是打破长期低估、实现超预期增长的关键推手。

这一轮人工智能竞争的本质，不在于谁更早接入模型、谁在横向应用上更快铺开，而在于谁能在低谷期沉下心来，完成以智能体为核心的业务流程重构和组织再造。能够在这个阶段与智能体深度融合的企业，将在生产力曲线的上升阶段获得更强的增长势能，甚至可能借此重塑所在行业的竞争格局。

真正的机会，不在热潮的峰顶，而在低谷中的深耕布局。那些能在情绪退潮时坚持投入、在短期回报不明显时继续推动变革的企业，将更有可能在下一轮生产力的跃升中，成为引领者而非跟随者。

（作者谭寅亮系中欧国际工商学院决策科学与管理信息系统教授）

来源｜商学院9月刊