80%的企业忽视每天额外的一小时生产力
有一个数字应该令任何管理层感到不安：根据高盛的分析，使用人工智能（AI）进行日常任务的员工，每人每天可以恢复多达60分钟的生产时间。这一小时，乘以一百名员工，相当于每月超过两千小时的工作时间重新流入公司盈余。若乘以一千，这个数字甚至可以与雇佣一整支团队相提并论。然而，报告中估计80%的公司仍未以任何系统方式采用这些工具。
这不是一项处于实验阶段的技术。我们谈论的是可用、可衡量且有明确回报的工具。我会问任何首席财务官的问题不是他们是否能够负担实施AI，而是每月未通过该技术获益要花多少钱。
差距不是技术，而是组织架构
多年来，关于企业技术采纳的叙述围绕着基础设施：网络连接、硬件和许可证。这个论点如今已经不成立。市场上最强大的生成性AI工具的入门成本介于零到每用户每月几美元之间。真正的障碍是另一个问题：结构性僵化。
那些几十年来在审批层级、审核机构和旨在最小化人为错误的工作流程上构建的组织，现在面临兼容性的问题。不是与技术相兼容，而是与技术要求运营速度的不兼容。当分析师可以在四分钟内生成报告的初稿时，瓶颈不再出现在内容生产上，而是在于在送达客户之前必须经过的三个审查层级。
这正是迪亚曼迪斯模型中的六个D所描述的失望阶段：技术已经运行，结果已有明确可量化的指标，但由于现有的权力结构减缓了速度，未能实现大规模的采纳。在这一阶段的公司并非信息不足，而是因为采纳工具不可避免地需要重组决策者和决策速度。
高盛识别出的那80%的企业并不是在等待技术改进，而是在等待组织内部有权威与能力的人能够围绕新的能力重组工作流程。这是一个政治决策，而非技术问题。
每天一小时是金融资产，而非人力资源统计
必须将这个数字转化为预算会议中的重要论据。如果一家有500人的公司，每小时工作成本为30美元，按每位员工每天恢复60分钟计算，则这种恢复带来的经济价值超过360万美元的年生产能力释放。这不仅是薪资节省，更是能够重新分配到更高价值工作的时间：战略分析、客户服务、产品开发。
许多组织在此犯了错误。他们看到“节省时间”便直接理解为裁员。这种推理不仅在伦理上值得商榷，在财务上也短视。没有战略性人才重新分配的效率仅仅是在短期内压缩成本，而在中期则侵蚀了响应能力。那些在AI实施中记录到最大的回报的公司并不是在部署工具后裁减员工的公司，而是将团队从低价值任务中解放出来，让他们集中精力在更有影响力的工作上。
这不是企业的利他主义，而是算数。一支金融分析团队花40%的时间手动整合数据，如果能够借助智能自动化将这一时间减少到10%，那么现在就有30%的时间可用于构建真正给予公司竞争优势的模型。工具成本在与工作价值相比是微不足道的。
去货币化已经发生，接下来是民主化
六个D并不是一个完美的线性序列，但在AI应用于劳动生产率的案例中，模式相当明显。去货币化已经发生：以前需要专业团队、昂贵软件或外部顾问的任务，如今都有可为任何拥有互联网连接的公司使用的功能替代品。包括技术写作、信息综合、基本数据分析、代码生成、翻译和一线客户服务。这些能力的边际成本已降至五年前的极小的一部分。
接下来要发生的事情，正如高盛所指出的，是组织内部的民主化阶段。这并非是对技术接入的民主化，技术在很大程度上已经实现，而是对战略判断的民主化。当一名初级分析师能够在20分钟内综合出原本需要两个高级团队两天才能完成的信息时，竞争优势将不再在于谁能够获取数据，而在于谁具备理解和采取行动的判断力。
这改变了组织内部领导的性质。理解这一点的高管并不是在管理数字化转型项目，而是在重新配置公司内部的价值所在。他们在对手尚未采取行动之前就已先行一步。
80%尚未迈出的企业并不是面临技术采纳问题。它们面临的是组织僵化的最昂贵后果：无法将可用能力转换为可量化的优势。那些民主化知识工作的工具并不等待缓慢的结构跟上；它们只是提升了最灵活参与者在较少资源下能够产生的底线。
