用好AI：拼的不是算法，是“管理”

“浙里洞見”

ZJUSOM

2025年《時代》周刊將年度人物頒給了一群被稱為“人工智能締造者”的科技領袖。當時的雜志社論中寫道，“無論問題是什么，人工智能都是答案”。

如今，當我們身處這輪浪潮中，一個更為根本的問題浮出水面：技術能解決一切問題嗎？不少人認為，只要AI的準確度足夠高，效率、安全等難題都會迎刃而解。但現實是，AI帶來的新問題似乎比它解決的問題更多。

隨著各行各業都在加速被AI滲透，企業不得不開始思考“如何把AI用好”這一現實問題。在近日的浙派商學公開課上，浙江大學管理學院長聘副教授楊浙帥圍繞“以人為中心的AI設計——從效率工具到驅動組織變革”的主題，對上述問題展開探討。

“浙派商學”公開課現場

楊浙帥認為，當組織引入AI并產生意想不到的結果時，作為管理者，不能只通過技術層面去解決問題，更需要考慮人的因素，以及管理體系的適配度，讓AI從效率工具轉化為組織的“神經系統”，釋放AI真正的價值。

學者簡介

楊浙帥，浙江大學管理學院“百人計劃”研究員、長聘副教授。

研究領域：消費者心理與行為，主要包括消費者健康行為、品牌形象及口碑管理、道德決策、創造力。

本期【浙里洞見】，讓我們跟隨楊浙帥的觀點，聽他系統剖析AI落地中所面臨的現實挑戰。作為管理者，又該如何破局？

01

AI再強，也繞不開現實里的管理難題

在交通、醫療等高責任場景中，技術無法消解的深層治理難題與管理困境正不斷顯現。

楊浙帥以自動駕駛為例，拋出一個兩難命題：如果你是城市的管理者，是否要在城市道路上推廣自動駕駛汽車？

智駕技術的運用理論上可減少九成的交通事故，但它無法杜絕事故的發生。如果自動駕駛汽車即將與人相撞，系統預設優先保護車內人還是車外人？當無人駕駛汽車與前車追尾，若其基于預設路線倒車離開現場，是否屬于“肇事逃逸”？

當機器代替人做出關鍵決策之后，法律該如何界定其行為的合法性？如果事故發生，現有的交規、法律，執法過程是否需要相應的改變？

千庫網

不止交通領域存在技術倫理、權責歸屬和規則適配等難題。在醫療領域，管理者同樣面臨新技術帶來的管理挑戰。

楊浙帥團隊通過對一家縣級醫院胸科CT診斷數據的深入分析，揭示了一個數智醫療領域的悖論：AI輔助在提升醫生工作質量的同時，可能會降低工作效率。究其原因，是醫生需要逐一復核和驗證AI給出的每一條建議，這反而降低了醫生的工作效率。

當AI被引入工作流程，醫生的工作思維從原來的效率優先變成了風險規避。作為管理者，是讓醫生提高AI使用能力，還是制定新的規則？是給AI設定工作標準，還是設定責任邊界？

千庫網

在楊浙帥看來，“技術沒有辦法解決的，只有通過管理來解決。”他認為，技術的提效需要配合組織的變化、管理規則的變化。當AI被引入組織，面對人機權責、規則沖突等問題，單純依靠技術和算法治標不治本，管理者需要的是一套與新技術匹配的全新管理系統。對此，楊浙帥建議從數據、規則、責任三個層面入手：

數據層

打通各部門的數據接口，盤活內部數據資產，依托歷史數據推動科學決策。

規則層

調整現有規則，例如組織框架、規章制度、激勵體系與人才培養邏輯，權責界定等。

責任層

明晰人和機器所要承擔的責任邊界。責任層是最高層，如果責任界定不清，AI技術將無人敢用。

麥肯錫在報告《The State of AI 2025》中也指出，AI 正經歷從“項目部署”向“系統重構”的關鍵過渡期。企業引入AI并非單純引入AI工具，而是在用AI重新布線整個業務的“神經系統”。在楊浙帥看來，管理者要跳出項目思維，用管理的邏輯來思考組織的重構：從數據、規則、權責歸屬等方面重構管理體系，讓AI融入組織結構，讓智能化真正成為組織的競爭力。

02

好用的AI，更懂人的需求

當組織在引入一個AI產品的時候，首先想到的總是怎么通過AI提高效率，然而在這之前，還有一個更為基礎的問題需要我們回答，那就是“有沒有人愿意用”？

在楊浙帥看來，AI產品無人問津，根源不在模型性能，而是產品忽視了用戶對于可信度、使用安全等更為人性化的需求。

他以法律AI產品為例，分享了高責任場景下的產品設計邏輯：搭建專業知識庫，從源頭降低AI幻覺，解決從業者擔心AI出錯擔責的問題；把晦澀法條轉化為普通人易懂的核心結論與分步實操流程，降低了使用門檻，讓非法律專業人士也愿意使用；每一條輸出結論都附上對應法律法規、真實參考案例，支持用戶溯源核驗，解決用戶對可信度的顧慮。

做到這些，一個專業領域內的AI產品已經能為用戶提供顯而易見的價值了。但僅提高個人工作效率、只解決單點工作難題的AI，遠遠達不到企業整體降本增效的目標。

那么，AI如何幫助企業提升整體效率呢？

千庫網

楊浙帥認為，企業要降本增效，要讓AI下沉一線，深挖內部業務與管理痛點，融入組織管理流程當中。

他以某大型企業部署人事專用AI為例進行說明。針對該集團層級多、人事制度繁雜的痛點，技術人員深入業務一線建立專屬知識庫，厘清業務節點和權責關系，這樣才能讓AI全流程監控人事業務辦理節點，預警用工風險。

當一個AI產品能自然、合規地嵌入組織的工作流程當中，實現端到端的業務流程重塑，幫助組織發展出更具深層靈活性的組織模式，它便構筑起了真正的護城河。在楊浙帥看來，市場上永遠不缺性能先進的大模型，但一個兼顧人的需求、深耕業務痛點并能幫助組織提升競爭力的AI產品，才是員工愿意主動用、企業能降本提效的好用AI。

03

企業落地AI，小場景試點更易成功

在DeepSeek開源后，不少AI公司在成本與性能上的優勢不再，轉而開始投身具體行業的落地。無論被動或主動，使用AI降本增效成為各行各業公司的現實考量。

相關數據顯示，72%的企業在其核心業務中引入了AI，然而僅有5%的企業依靠AI推動了組織變革、實現了整體效率提升。

這5%跑通AI落地的企業都是怎么做的呢？楊浙帥總結出他們普遍遵循的四個重要原則：

找準自身真實需求，拒絕跟風上線AI

管理者在引入AI之前，應當先厘清業務端“為什么要用AI”，而非盲目追逐AI的各類功能。

優先將AI落地于標準化、能快速產生經濟利益的小場景

例如人事制度問答、醫學影像初篩等，快速驗證AI落地的正向價值。

堅持漸進式進化，而非全盤推翻式革命

打造AI融入業務的試點場景，并驗證效果，再逐步向外拓展至全公司。

管理層必須深度參與探索

企業或部門一把手要立足業務視角調研、規劃落地路徑，而非簡單采購AI工具后下發給員工使用。

千庫網

組織與AI融合，本質上是一場循序漸進的組織再進化。組織能否用好AI，關鍵不在技術、模型與算法的競爭，而在于組織能否用AI更好地重構自己。正如麥肯錫在報告中寫道，“AI的價值，不在模型，而在重構；不在算力，而在組織力。”

隨著越來越多的組織部署AI，如何讓AI從工具走向“系統”，釋放真正的價值，是每個管理者都要思考和探索的命題。楊浙帥的觀點，讓我們跳出技術，看到了另一種解題思路：從人的需求出發，讓AI融入組織，構建一套全新的管理系統，提升企業競爭力。

數智時代，用好AI，比拼的從來不是誰擁有最先進的技術，而是誰擁有最適配的管理體系與思維。

編輯 | 吳丹李

初審 | 佟慶

二審 | 楊浙帥

三審 | 陳超

終審 | 王恩禹