文章开篇给出上个月AI应用状态调研数据：89%的受访组织，已经在至少一个业务职能中经常使用AI；但被麦肯锡归为AI高绩效企业（AI high performers）的组织，约占调查受访组织的6%。这类企业把至少5%的息税前利润归因于AI，并认为AI带来的影响显著。
图：麦肯锡调查数据与本文归纳的价值兑现路径。
工具铺开了，经营回报没有同步出现。麦肯锡认为，差距里有一块来自领导力：战略、组织、文化、风险都被AI同时触动，单个职能部门很难独自把这些决定做完。
。
麦肯锡把CEO面对的选择归成三类：
把AI当成技术项目交给技术团队的“技术支持者”（Technology supporters）；
把重心放在降本提效的“生产率推动者”（Productivity champions）；
以及把AI看作重塑竞争力机会、由CEO亲自带队的“AI愿景派”（AI visionaries）。
后一类领导者更为关键。因为AI的变化已经跨过技术边界，牵动战略、人才、资本配置、系统、文化和客户价值。文章把CEO不能转交的工作归为三项。
01 提高战略雄心Raise strategic ambitions选出两三个值得端到端重做的业务领域，把效率收益投向增长。
02 重构组织工作Rearchitect the organization围绕人和智能体重新设计流程、岗位、技能与资源配置。
03 重设组织文化Reset the culture高层亲自学习和示范，建立信任、试验与复盘的工作习惯。
01.
战略上要敢于集中
AI能改变成本结构，也会重新分配行业价值。CEO要回答的，已经超出“公司要不要用AI”，而是更近一步问题：增长从哪里来？今天省下的时间和成本，准备投向什么新机会？公司未来靠什么与竞争对手拉开距离？
麦肯锡建议，把广泛使用和重点转型分开看。全员试用有助于积累熟练度；要形成经营影响，则应选两三个高价值领域做端到端重设计。保险公司可能从核保和理赔入手，药企可能重做研发流程，消费企业则可能重构完整的客户旅程。
选择少数重点后，CEO还要判断哪些能力必须掌握在自己手里。专有数据、业务知识、决策逻辑和持续学习机制，可能逐渐形成企业自己的“专有智能”（proprietary intelligence）；基础模型则应保留切换空间。
原因很现实：不同公司的同一类AI任务，消耗的Token可能相差30倍，编排方式会影响成本。模型会更新，价格会变化。围绕模型不断积累的“学习闭环”（learning loops），能把业务知识和纠错反馈沉淀为竞争优势。
这不代表CEO要亲自设计IT架构。
CEO要能和技术团队一起作出资本与风险判断：哪些领域优先投入？数据归谁管理？哪些信息可以交给外部模型？公司愿意承担什么风险？麦肯锡提到，一家大型国际航空公司的CEO曾花数周时间和CIO逐项了解架构，是为了做出明白的投资决定。
02.
组织要围绕人和智能体重做工作
当智能体能够执行任务、调用工具、参与决策，组织的基本单元也会变化。麦肯锡称这种协作关系为“人–智能体团队”（human–agent teams）。过去常以岗位和职能划分工作，接下来要更多观察一项任务如何在人与智能体之间流转。
会议可以由业务事件触发，计划可以持续更新。管理者少花时间传递信息，多花时间判断、辅导和处理例外。一些原来要等几周的决策周期，有机会缩短到几小时；明确无需人工介入的决定，也可能从流程里消失。
这个变化需要培训、带教、岗位调整和内部流动。员工需要学会与AI协作，也要继续锻炼判断力、创造力、适应力和复杂问题解决能力。信息越容易获取，团队越需要领导者提供背景、方向和判断。
CEO还要重新配置生产率收益。单个员工省下时间，不等于企业已经创造价值。省下的能力和预算去了哪里？哪些业务要增加人手和技术投入？激励机制是否鼓励跨职能协作？这些决定需要管理层一起回答。
因此，管理团队要共享一份明确的转型任务。CIO搭数据底座和灵活架构，CFO调整技术与人才投入，CHRO设计人机协作和技能转型，COO安排重点业务的改造顺序。CEO负责让这些工作指向同一个企业结果，并打破各自优化的部门墙。
03.
文化要从高层的日常行为开始
技术之外，组织还会遇到信任、顾虑、惯性和部门政治。员工会观察高层是否真的使用AI，是否公开讨论失败，是否愿意调整自己的工作方式。管理层说AI重要，日常行为却没有变化，团队很快就会察觉。
麦肯锡引用的调查显示，70%的员工认为自己已经准备好使用AI；只有27%的领导者认为自己的组织已准备好进行规模化AI变革。高层的实际投入和示范，是AI落地的重要预测因素。
CEO无需精通每种工具，也不必学会所有编码方法。更实际的做法，是公开提问、固定时间和熟悉AI的同事一起学习，并亲自用AI参与真实工作。麦肯锡提到，有CEO每周花一到两小时向更熟悉AI的同事请教；一家全球零售银行则为CEO和高管安排了来自技术团队的导师。
高层也要把试验变成团队的正常工作。麦肯锡举例，Moderna通过AI学院培训全体员工；Salesforce让工程师提前试用智能体工具并提出新的工作方式；花旗在5000名员工中试点流程，收集反馈后再扩大范围。
这些做法背后有一条共同路径：先在真实工作里尝试，再看结果和风险，收集反馈，快速修正。员工需要知道哪些任务可以交给智能体，哪些必须人工复核；出了问题由谁处理；什么样的实验值得继续。清楚的边界和心理安全感，能让更多人愿意参与。
AI还让管理者看见更多流程和数据。CEO要用这种透明度支持授权、责任和协作。若所有数据都变成逐人追踪的工具，组织只会得到一套更细的监控系统。
04.
一号位/CEO可以先问管理团队三道题
哪两三个业务领域，值得我们端到端重新设计？它们对应什么增长或经营指标？
哪些数据、业务知识和决策逻辑需要沉淀为自己的能力？哪些模型和工具可以灵活替换？
高层准备亲自改变哪些工作习惯？我们如何让员工安全试验、获得反馈，并对结果负责？
麦肯锡把AI转型形容为持续演进的过程。模型和工具会不断变化，公司的应用场景、成本曲线和组织能力也需要跟着调整。CEO的职责，是定期重新审视重点，而不是把一次上线当作转型终点。
AI转型最终要回答一个经营问题：组织能不能比过去更快地学习，并把学到的东西转化为新的业务价值？这道题，CEO必须亲自带队作答。
如果您遇到消费AI方面的问题与困惑，欢迎各位与我们一起学习交流！
-END-
📍关注消费AI进化体｜赋能组织AI转型
我们聚焦大消费行业（餐饮、零售、快消）的AI转型升级，坚信人在AI技术变革下起关键作用，以最精炼的方式帮助管理者掌握推动AI组织团队升级的框架、方法、工具，从而更好推动 AI 在团队中的真实落地，提升团队效能和组织上限。
业务合作：贝老师13392164760（微信同号）
媒体·投资·培训·峰会