本文來自微信公眾號： 復旦管院 ，編輯：徐玉茹，責編：仲蕊，作者：胥正川，原文標題：《別再把AI當超級員工，你的企業(yè)是否準備好迎戰(zhàn)“判斷力缺失”和“80分詛咒”？ | 智能涌見》
2026世界人工智能大會暨人工智能全球治理高級別會議于7月17日-20日在上海召開。近年來，中國積極推進“人工智能+”行動，智能經(jīng)濟核心產(chǎn)業(yè)規(guī)模已經(jīng)超過萬億元人民幣，“中國智造”已成為中國式現(xiàn)代化的又一亮麗名片。
當“AI生成”變得唾手可得，當生產(chǎn)力不再構成稀缺壁壘時，真正決定企業(yè)核心競爭力的又會是什么？本期“智能涌現(xiàn)”，復旦管院信息管理與商業(yè)智能系胥正川副教授將分享智能體時代的范式遷移、企業(yè)進化與未來演進趨勢。
大模型的核心業(yè)務價值由
生成力、理解力、推理力、執(zhí)行力構成
人工智能發(fā)展迄今已經(jīng)60多年。生成式人工智能已經(jīng)深入日常，可以為人類做很多事。然而，當“生成”本身變得很容易，那么生產(chǎn)力就不再是壁壘——判斷力才是。
當未來90%的內(nèi)容都由AI生成，競爭的焦點就變了。今天我們生成的就不是“更多的內(nèi)容”，而是“更少的信任”。因此，真正的問題將不是“能不能生成”，而是“誰來判斷”。
AI是知識傳播的放大器，不是知識本身的替代者，0放大出來還是0，1可以放大到10或100，這就是AI的真相。很多人以為寫提示詞就生成視頻的過程很簡單，但關鍵在于視頻是否達到了預期要求。廣告的形式、內(nèi)容、腳本都必須細化，表面上似乎只是提示詞生成，實際上背后隱藏著諸多問題——如何檢測生成結(jié)果？又要依據(jù)什么來評判質(zhì)量？在自動生成的背后，隱藏著指數(shù)級的判斷成本。當生成力帶來供給爆發(fā)，真正稀缺的資源始終是“判斷力”，這已經(jīng)成為我們工作的核心之一。
大模型的核心業(yè)務價值，遠不止于“生成”，而是由生成力、理解力、推理力、執(zhí)行力四個遞進層級構成。AI能否實現(xiàn)從“幫我做東西”到“幫我做判斷”？對于管理者而言，真正要掌握的“深水區(qū)”是：高風險決策、長周期影響、資源與聲譽成本，以及不可逆的戰(zhàn)略后果。這也讓決策邏輯從“先做再看結(jié)果”變成了“先預判再決定要不要做”。
面對無限供給，管理者需要三套診斷框架：一是幻覺與管理風險；二是約束遷移與Agent；三是大壓縮與大變革。大模型的幻覺，不再是技術瑕疵，而是管理責任問題。當AI輸出進入核心決策鏈，幻覺會沿著流程放大。
幻覺的本質(zhì)是邊界錯位與工程補償。模型沒有檢索真實世界的能力，只有采樣分布的能力。它就像一個讀過10萬篇論文，但從未做過一天實驗的研究院。因此，在研發(fā)側(cè)，任何AI輸出必須嵌入“人類驗證回路（Human-in-the-loop）”，不能將置信度等同于客觀真理。
AI每解決一層問題，就把管理者推向更高一層的挑戰(zhàn)。突破上下文約束，是AI從“生成建議”變成“參與決策”的門檻，Agent的本質(zhì)就是讓AI獲得更多信息與執(zhí)行控制權。
企業(yè)的護城河不在大模型，
而在“Harness”
AI的應用范式經(jīng)歷了三次演進矩陣。范式一是對話式協(xié)作階段。人通過對話讓AI來協(xié)助工作，或者配合完成任務，可以將AI看作“副駕駛”。范式二是流水線式集成階段，即AI嵌入到工作流程和整個業(yè)務系統(tǒng)中。這一階段AI不僅能協(xié)助完成內(nèi)容生成，還能夠參與判斷和決策，與業(yè)務系統(tǒng)實現(xiàn)深度整合。
范式三就是當前所處的智能體生態(tài)階段。大量任務會交由智能體來完成，人類只需清晰表達意圖，并將工作分配給不同的AI技能模塊。這些技能構成了一個“智能體軍團”，能夠在各自的權限與信息范圍內(nèi)高效完成特定任務，并處理多種業(yè)務。
AI應用的發(fā)展是一步步遷移的，每個階段的約束條件也不同。Prompt Engineering（提示詞工程）解決“模型有沒有聽懂”的問題。Context Engineering（上下文工程）解決“模型有沒有拿到正確信息”的問題。Harness Engineering（系統(tǒng)駕馭）解決“模型在長鏈路上能否持續(xù)做對”的問題。而這三級跳躍，也恰好對應著人類工作方式的逐步演進。企業(yè)AI工程的核心，正從“讓模型更會想”向“讓模型跑得穩(wěn)、不跑偏”轉(zhuǎn)移。
AI的幻覺正在重塑系統(tǒng)邊界，即用系統(tǒng)架構的可靠性去包裹個體的不可能。當Agent任務失敗時，解決辦法絕不是去提示詞里讓它“更努力一點”，而應該去系統(tǒng)里排查它“缺少了什么結(jié)構性的外圍能力”。
從“實驗室奇跡”到“工業(yè)化基石”，真正決定應用能否上線的可能是模型（大腦），但真正決定能夠落地、能否穩(wěn)定產(chǎn)生商業(yè)價值的是Harness（系統(tǒng)）。
對企業(yè)管理者而言，首先要意識到，企業(yè)的護城河不在大模型。當基礎模型能力趨于同質(zhì)化，企業(yè)真正的核心壁壘在于圍繞自由業(yè)務流構建的專有Harness基礎設施。其二，去投資工程基礎設施。停止在無窮無盡的“提示詞玄學”上耗費資源。將預算轉(zhuǎn)向狀態(tài)管理、自動化評估（Eval）、日志追蹤與錯誤恢復協(xié)議。其三，學會用“系統(tǒng)思維”管理Agent，不要把AI看成“全知全能”，引入分離職責機制，為AI建立嚴格的數(shù)字SOP工作流與獨立QA驗收體系。
每一次AI能力的躍遷，并不是簡單的功能疊加，而是在真實業(yè)務場景中持續(xù)識別并突破上一個階段的新約束。
AI觸發(fā)四重壓縮，
你的企業(yè)能否擺脫“80分詛咒”
每一代的技術突破，都在解除一種系統(tǒng)約束。當AI系統(tǒng)開始穩(wěn)定執(zhí)行，組織被壓縮的不是成本，而是結(jié)構。例如，互聯(lián)網(wǎng)浪潮解除了“分發(fā)約束”，讓個人可以低成本觸達全球用戶。SaaS浪潮解除了“工具約束”，讓個人實現(xiàn)調(diào)用企業(yè)級數(shù)字基礎設施。AI智能體浪潮則解除了“執(zhí)行約束”，讓個人可以指揮無限算力的虛擬團隊。
由此，AI將觸發(fā)四重壓縮效應。第一重壓縮，是個人技能差異縮小，由于生成式AI彌合了技能鴻溝，“差生”迅速變成了“中等生”，技能形成速度加快，培養(yǎng)周期被極限壓縮。
第二重壓縮，是自動化進入市場與交付。AI智能體不僅是營銷工具，它們正在成為“前置部署工程師”，自主接管復雜的客戶引導和系統(tǒng)集成。團隊結(jié)構從傳統(tǒng)的跨職能小組變成了AI原生小隊。原先團隊需要高資本投入、多部門串聯(lián)，依賴人工交接與中層協(xié)調(diào)。而現(xiàn)在，AI原生小隊僅需要少數(shù)領域?qū)＜遗cAI工程師合作，投入顯著降低，可以圍繞閉環(huán)任務重新設計工作流程，由Agent承擔連接、同步與執(zhí)行反饋。可以說，真正被壓縮的不是人頭，而是跨部門協(xié)作中的等待、交接與摩擦。
第三重壓縮，是團隊動機的向下壓縮，也就是“理性摸魚”現(xiàn)象，也被稱為“80分詛咒”。例如，原本愿意花150分鐘追求85分效果的插畫師，現(xiàn)在通過生成式AI賦能，在第60分鐘就能達到80分的水平。而既然60分鐘可以拿到80分，就不會有人愿意再花90分鐘去達到85分，努力的邊際匯報趨近于零。實際上，高達30%的插畫師因為過早手工，交出的最終作品質(zhì)量反而低于未引入AI的水平。當80分變得觸手可及，組織真正被壓縮的，不是產(chǎn)出能力，而是持續(xù)追求卓越的動機。
同時，AI具有“雙刃劍”效應，含有隱藏的交易成本?！瓣枴钡囊幻妫珹I降低了知識壁壘，讓跨學科提問更加順暢自信?！瓣帯钡囊幻鎰t是AI削弱了人機溝通刺激，高管更傾向于向私有AI求助來掩飾不足，而不是向組織暴露問題進行協(xié)作。這導致組織內(nèi)部的“信息孤島”非但沒有消除，反而可能因為AI的掩護而加劇。
第四重壓縮，是組織架構的橫向壓縮。效能等式被打破：配備AI的單兵作戰(zhàn)能力，創(chuàng)新工作成果已經(jīng)超越了兩個沒有AI賦能的員工。更反直覺的是，邊際人數(shù)呈現(xiàn)嚴重遞減。兩個配備AI的人組成的團隊，工作質(zhì)量并不比單個配備AI的人高多少。在橫向協(xié)同層面，完成同等量級的復雜創(chuàng)新任務，未來只需要極小規(guī)模、極度敏捷的微型團隊，甚至是“一個人+AI智能體”的超級個體。
智能體時代，組織的進化首先從個體進化開始。為員工配備AI工具，讓員工借助AI高效完成工作任務。第二，進行團隊重建。避免因為使用AI陷入“80分詛咒”，吸納那些具有強烈改進動機并積極優(yōu)化的人才，帶動整體持續(xù)提升。第三是組織破局，通過結(jié)構調(diào)整和業(yè)務重構適應智能體革命的環(huán)境。第四是流體拓撲結(jié)構，能夠自然變形并快速響應客戶需求，實現(xiàn)最高狀態(tài)。未來的組織不再是堅硬的工業(yè)流水線機器，而是人機共生系統(tǒng)，這對人才提出了多元化技能的要求——AI能力成為各行業(yè)的標配，同時員工還需具備跨領域的復合型技能并持續(xù)追求卓越，才能契合新時代的發(fā)展標準。
#復旦管院#智能涌見#胥正川#AI領導力#組織進化#80分詛咒