麦肯锡在3月30日刊发《The CEO’s singular impact on the success—or failure—of AI in organizations》，聚焦一号位如何左右企业AI转型结果。其引用的上月调研显示：89%的受访组织已在至少一个职能中把AI纳入日常；真正被归入AI高绩效阵营的只有约6%。这些少数企业将不低于5%的息税前利润与AI贡献挂钩，并确认影响显著。
工具已经进场，利润表却未同步改写。麦肯锡把部分原因指向领导层：AI同时挤压战略、组织、文化与风险四条线，靠某个部门单打独斗，很难完成全部取舍。它把CEO姿态划成三类：技术支持者把AI当作技术项目；生产率推动者盯着降本提效；AI愿景派则把AI视为竞争力再造机会，由一把手亲自领队。第三类更稀缺，也更关键——AI早已越过IT边界，进入人才、资本、系统、文化与客户价值。
CEO有三件事无法外包：拉升战略企图心，锁定两三个可整体重做的业务，把省下的效率转化为增长投入；围绕人与智能体重构组织，重新安排流程、岗位、技能与资源；重塑文化，由高层带头学习、示范，让信任、试验与复盘成为习惯。三者彼此咬合，最终要回到企业整体增长与经营表现。
01
AI既会改写成本曲线，也会重新划分行业价值。CEO要回答的不再是“要不要上AI”，而是：新增长来自哪里？今天释放的时间和成本，投向什么机会？未来靠什么与对手形成差距？
麦肯锡主张区分“全员熟悉”与“重点转型”。普遍试用能积累手感；要产生经营影响，需挑两三个高价值场景做端到端重设。保险可聚焦核保理赔，药企可重塑研发，消费企业可重做客户旅程。
确定重点后，CEO还要判断哪些能力必须留在内部。专有数据、业务知识、决策逻辑与持续学习机制，可逐步形成企业的“专有智能”（proprietary intelligence）；基础模型则要保留更换余地。同类AI任务在不同公司的Token消耗可能相差30倍，编排方式直接牵动成本。模型迭代与价格波动之下，围绕模型积累的“学习闭环”（learning loops）能把业务知识与纠错反馈变成竞争壁垒。
这并非要求CEO亲自画IT架构，而是要与技术团队共同做资本与风险判断：优先投哪里？数据谁管？哪些信息可交给外部模型？公司能承受什么风险？麦肯锡提到，一家大型国际航空公司的CEO曾用数周与CIO逐项梳理架构，目的就是让投资决策有依据。
02
当智能体能执行任务、调用工具并参与决策，组织的基本单元也会改变。麦肯锡称之为“人–智能体团队”（human–agent teams）。过去按岗位和职能切分工作，今后要更多看任务如何在人与智能体之间流转。会议可由业务事件触发，计划可动态更新；管理者少做信息中转，多做判断、辅导与例外处理。部分决策周期可从数周压缩到数小时，明确无需人工介入的环节也可能直接消失。
配套动作包括培训、带教、岗位调整与内部流动。员工既要学会与AI配合，也要继续磨炼判断力、创造力、适应力与复杂问题解决能力。信息越易得，领导者越要提供背景、方向与判断。
生产率收益也需要重新分配。个人省时并不等于企业增值。释放出的能力与预算流向哪里？哪些业务要加人加技术？激励机制是否支持跨职能协作？这些需要管理层共同作答。
因此，管理团队应共用一张转型任务图：CIO负责数据底座与灵活架构；CFO平衡技术与人才投入；CHRO设计人机协作与技能转型；COO安排重点业务改造顺序；CEO确保所有动作指向同一企业结果，并拆掉各自优化的部门墙。
03
除技术外，信任、顾虑、惯性与部门政治同样会拖慢转型。员工会看高层是否真用AI、是否公开谈失败、是否调整自己的工作方式。台上强调AI重要，台下行为不变，团队很快能感知。麦肯锡引用的调查显示，70%员工自认已准备好使用AI，但仅27%领导者认为组织已准备好规模化变革。高层的实际投入与示范，是AI落地的重要预测指标。
CEO不必精通所有工具，也无需学会编码。更可行的方式是公开提问、固定时间向熟悉AI的同事学习，并亲自用AI处理真实工作。麦肯锡提到，有CEO每周花一到两小时向同事请教；一家全球零售银行给CEO与高管配备了来自技术团队的导师。
高层还要把试验嵌入日常。Moderna以AI学院覆盖全员学习；Salesforce安排工程师先行测试智能体工具，再提交新的工作方法；花旗选取5000人试点流程，依据反馈决定推广。共同路径是：真实场景先试，观察结果与风险，收集反馈，快速修正。员工需要清楚：哪些任务可交给智能体，哪些必须人工复核，出问题谁处理，什么实验值得继续。边界清晰、心理安全，参与度才会上升。
AI也让管理者看到更多流程与数据。CEO应借透明度推动授权、责任与协作。若数据全部变成逐人追踪，组织只会得到更细的监控。一把手可向管理团队追问：哪两三个业务领域值得端到端重设？对应什么增长或经营指标？哪些数据、业务知识与决策逻辑要沉淀为自有能力？哪些模型工具可灵活替换？高层准备改变哪些工作习惯？如何让员工安全试验、获得反馈并承担责任？
麦肯锡把AI转型视为持续演进：模型与工具在变，应用场景、成本曲线与组织能力也要跟着调。CEO要周期性地重排优先级，不能把一次上线当成终点。
04
从专业咨询视角来看，麦肯锡的调研数据揭示了一个核心矛盾：AI的“采用率”与“价值转化率”之间存在巨大断层。89%的使用率与6%的高绩效占比表明，单纯的技术部署无法自动带来经营结果。真正的分水岭在于CEO是否将AI转型视为一场“组织重构”而非“IT项目”。
朴谷认为，AI转型的本质是企业能力的重新分配。战略上，CEO必须从“广泛试用”转向“端到端重做”，将效率收益转化为增长资本；组织上，需围绕“人–智能体团队”重新设计流程、岗位与技能，让管理层共享同一套企业级目标；文化上，高层的示范行为与心理安全感的建立，是打破惯性、推动持续学习的关键。三者环环相扣，最终都要落到企业整体的增长与经营结果。AI转型没有终点，CEO的职责是持续校准方向，把技术变量转化为组织能力，让AI真正成为企业竞争力的组成部分。
END
朴谷咨询（PGA）是一家提供投资与并购交易顾问、财税咨询、商业评估、企业AI管理创新咨询等专业服务的咨询机构，聚焦于高科技、人工智能、先进制造、医疗、消费、企业服务、互联网、教育与文化娱乐等领域。
我们服务的客户包括美国、香港与中国的上市公司或行业领军的准上市公司，大型民营企业和跨国企业，以及全球领先的人民币与美元投资机构等。我们有超100名拥有丰富经验的专业顾问人员，分布在北京、上海、杭州、武汉、深圳等地，我们的各业务线负责人和资深团队人员均具备国际头部咨询机构的职业经验。
