五個AI落地敘事，拆解出一場“企業坦白局”

撰文 | 雁 秋
編輯 | 李信馬
題圖 | 豆包AI

法國社會心理學家勒龐在《烏合之眾》里寫過一句話：群體不需要真相，只需要一個確定的答案。這句話搬進 AI時代，有種非常契合的解釋力。

一般人初次接觸生成式AI，最本能的做法就是問它一個問題，然后等待回答。AI的價值似乎就在于能多快、多好地給出那個確定性的輸出。企業采購AI時，PPT上也是同樣的敘事，比如智能客服可以節省多少人力，AI輔助編程能提升多少效率。

近期，市場分析機構IDC給出了一組數字：81%的組織正在部署、試點或計劃在短期內采用AI PC，61%的企業已將AI直接嵌入工作流程。而驅動企業投資AI PC的前三大因素，分別是提升生產力（59%）、創新與競爭差異化（39%）以及安全性收益（35%）。

不過，部署意愿不等于部署效果。報告同樣顯示，從CEO到一線員工的認知落差正在不斷發酵，32%認為員工對AI功能的理解有限，31%對監管與數據合規性的不確定性有所顧慮。

DoNews從多方渠道接觸了包括銀行、保險、審核、科技、地產等在內的從業人士，在他們主動或者被動擁抱AI的過程中，呈現出一張清晰又復雜的圖景：有人將AI塑造成降本增效的“萬能鑰匙”，有人在績效指標與合規壓力下成為算法與人工之間的“緩沖層”。

AI落地最原始的狀態，不是失敗，而是虛假。一些企業將AI視為一張可以隨意張貼的“高科技外皮”，認知與行動間隔著巨大裂痕。

子銘曾在審核類行業工作，他向筆者分享了前司內部對待AI的態度——從“龍蝦式”動員，到實際落地時的猶豫。

據他表示，老板曾在200多人的公司大群里發出指令，要求大家把“小龍蝦”都裝起來，但當時連研發部門都沒幾個人真正會使用相關AI工具，更沒有人提前評估過其中的數據安全風險，以及調用API可能產生的Token費用問題。

高層在口頭上表達了“擁抱AI”的意愿，但落到實際行動上，資源支持幾乎為零。子銘坦言，自己曾嘗試用“扣子”（Coze）搭建企業知識庫，自測已經成功，但最終卡在了企業微信接口的對接環節上。“因為沒有一分錢預算。”也有部分同事在飛書上自行部署了一些AI應用，但整體比例不高。

最讓人感到困惑的，是老板對AI態度的反復。“公司本有著廣闊的AI應用前景和空間，老板也頻繁參加各類AI主題的會議和活動，但有一次回來后卻對我們講，還是人工的好，我們的工作AI根本代替不了。”

在技術崇拜和落地阻力之間橫跳，是當前部分企業擁抱AI時的真實寫照。同樣的割裂感，也出現在另一種形式的“強制擁抱”中。

DoNews聯系到一位某上市公司的程序員，據他介紹，公司自今年1月起推行“全員AI”，要求使用「指定AI工具」生成代碼，并推動全員向全棧工程師轉型。然而，實際效果與初衷之間出現了明顯落差。

比如，領導層每天都在評估AI開發與傳統開發方式的耗時對比，導致會議數量激增，加班也隨之增多。“有些背離了AI提效的初衷。”他認為，公司領導過于樂觀地認為AI可以解決大部分開發問題，而基層員工則在日復一日的評估會議和加班中感到疲憊。

高管期望AI能提升生產力，但員工體會到的只是工作量的增加，部分人甚至不知道如何達到領導層期望的效果。該公司內部，員工之間也在私下討論另一個敏感話題：既然都是程序員，適合自己的AI使用方式才是最好的，為什么非要強制使用指定的AI生成方式？過度的會議、被動的加班、對數據用途的疑慮，正在削弱AI本應帶來的正向體驗。

該員工無奈地發起疑問，AI提效是為了讓員工的工作方式更加靈活，還是為了讓公司的產能更高？AI究竟是幫助打工人，還是最終淘汰打工人？這些問題并個人的困惑，而是當前AI進入職場后無數一線技術人員的共同焦慮。

當企業開始認真對待AI，投入資源、搭建系統時，變革就從“口號”進入了“組織層面”。但在這個階段，效率提升首先帶來的往往是陣痛。

咔咔在國內某大型地產公司任職，他向筆者介紹，大約在2024年初DeepSeek推出后，公司便正式開啟了AI賦能之路。

第一階段是學習，“公司會下發會議通知，提供視頻資料，要求我們去了解AI。”第二階段，專業團隊會把AI與內部系統更深度地結合，自主研發了多個工具，用于企業提效。

“AI確實能提取有效信息、分析數據，幫助崗位變得更專業。前兩天開會時，領導還努力教我們怎么‘喂龍蝦’，不過時間太短，吸收有限。”咔咔解釋，領導的主要意圖是開啟大家的AI意識，幫助員工在日常業務中不抗拒AI，主動去使用。

效率提升后，企業往往會重新分配任務，最顯著的變化體現在組織架構上。據了解，該公司在今年啟動了一輪架構調整，此前設有基層崗、經理崗和總監崗三個層級，現在基層崗和經理崗已經二崗合一了。

變化的速度很快，員工心態也隨之分化。咔咔觀察到兩種趨勢：一類人對AI很感興趣，主動學習，自己就能自發向上走；另一類還在用過去幾十年甚至上世紀的方法做新世紀的工作，意識不到時代在淘汰自己，這種人只能靠企業去牽引。

從最初的學習到后來工作量增加，再到崗位合并，工作內容變化的節奏很快，“高層的事情關心不了那么遠，員工層面，確實會比較迷茫。”咔咔說。

走出陣痛的方式，不是放慢腳步，而是找準著力點。當企業開始精準地將AI植入高價值、標準化的業務環節，用可量化的效率提升建立信心時，AI才真正從“概念”落地為“工具”。

保險行業的信美相互人壽（以下簡稱“信美保險”）提供了一個成熟范本，相關負責人向筆者表示，公司AI布局已從初期嘗試階段邁入大規模應用提效階段，AI技術正深刻改變其核心業務環節。

作為受嚴格監管的金融機構，信美保險在算力部署上采取差異化策略：非敏感業務調用云端服務，敏感業務則使用私域服務器，確保客戶隱私和核心數據安全。

在策略上，信美保險采用輕資產模式，全部算力資源來自云端，不自行建設算力設施，成本主要聚焦于技術研發和人才培養。在投入產出比的衡量上，公司圍繞運營效率提升、成本管控和風險管控三大維度，重點跟蹤核保與理賠時效、人力成本節約等核心指標。

值得注意的是，他們并未設立傳統意義上的“AI KPI”，而是將技術落地、效能提升與風險管控等目標與業務深度綁定。“員工對AI的態度也普遍積極，許多人通過OKR設定更具挑戰性的目標，并主動提出加強AI培訓的建議。”信美相互人壽負責人說道。

這種務實策略帶來了切實改變，以健康險預核保為例，AI智能預核保助手能夠自動識別醫療單證信息，并結合核保知識進行分析推理，將預核保時效從傳統的48小時大幅縮短至1小時以內。

當工具強大到足以替代標準化勞動時，人的價值就不再體現在執行層面，而是體現在駕馭工具、做出復雜判斷的能力上。

招商銀行（以下簡稱：招行）的實踐，為這一命題提供了注腳。作為業內公認的“科技金融領頭羊”，招行對AI的投入堪稱大手筆。

資料顯示，2025年6月，招行正式對外宣布“AI First”戰略。這一年，招行AI技術與應用出現爆發式增長，2025年AI日均Token吞吐較2024年增長10.1倍，全年落地183個金融垂直領域專精模型、856個業務場景應用，AI替代人工工時達1556萬小時。

筆者聯系了招行某城市分行的對公信貸經理舒嵐，她的闡述展現出AI時代下銀行系統員工某種冷靜且務實的態度。舒嵐表示，招行近年來每年都會從營收利潤中拿出相當一部分資金（大概十到二十億級別）砸向科技金融板塊。“是行業最強的，沒有之一。”而這種巨大的投入，使得AI已經像空氣一樣滲透進營銷、客服乃至公文寫作的每一個毛孔里。

據舒嵐介紹，在傳統模式下，客戶通過手機銀行或官網咨詢公司貸款業務，往往受限于人工客服的繁忙程度與專業壁壘。而如今，AI的介入正在徹底打破這一瓶頸。AI的響應速度幾乎沒有延遲，更關鍵的是專業度的飛躍。

“以往的人工客服如果面對復雜的產品，往往需要轉接或查閱資料，但現在的專屬AI系統已經將海量的產品細則、合規要求內化，不僅能準確回答客戶的問題，還能做到邏輯清晰、用詞規范，遠比人工死記硬背來得可靠。”舒嵐說。

除了客戶咨詢，在對外營銷環節，招行自研的AI系統會通過大數據抓取客戶的動態與潛在需求，并主動生成營銷線索推送給客戶經理。“比如系統提示某家企業近期資金流水波動異常或有擴張跡象，AI會馬上推送商機，讓我去精準跟進。它甚至能自動生成拜訪日志和溝通紀要，直接掛入系統。”

與監管部門對接工作，也是舒嵐的日常工作之一。她表示，以往需要耗費一兩天、絞盡腦汁起草的公文報告，現在只需把大綱和形式要求“甩”給AI，幾分鐘就能生成規范的初稿，做微調即可。至于節省下來的時間，能讓她能更專注于對客戶的深度分析與風險把控。

讓筆者更感興趣的一點是，招行這一系列舉措中，最具價值的不是效率數字，而是它對“人才”的重新定義。舒嵐介紹，以前行里招人大多是金融、財會專業，現在會固定一定的比例，專門招信息技術、計算機方向的科技人才。

這種人才結構的轉型并非毫無阻力，它實際上在銀行內部催生了一種微妙的“認知差”。一邊是掌握編程思維、擅長與機器對話的科技新銳，一邊是深耕業務多年、依賴經驗判斷的傳統金融人，兩者在AI浪潮下的處境截然不同。

當AI開始替代基礎文案和標準客服，缺乏技術背景的老員工難免產生職業焦慮——擔心自己辛苦積累的經驗，會不會在一夜之間被算法解構殆盡。

然而，這種擔憂在舒嵐看來，恰恰搞錯了重點。她認為，AI暴露的并非“人力冗余”，而是“能力斷層”。

技術的沖擊，本質上是在倒逼銀行人重新審視自己的核心競爭力，如果一個人的價值僅僅停留在執行標準化流程、傳遞固定話術，那么被替代只是時間問題；但如果他能將AI作為杠桿，把節省下來的時間用于深度思考、復雜談判和風險洞察，那么AI反而會成為他最得力的助手。

也正因如此，舒嵐反復強調一個觀點：銀行里的AI競賽，表面上是技術投入之爭，深層卻是“誰更會用AI”的人力素質之爭。正是基于這樣的底層邏輯，當外界將目光聚焦在“裁員”這個敏感詞上時，她回答才顯得格外冷靜：“銀行裁不裁員，核心是經濟環境，而不是AI。”

在她看來，AI更像是一個強有力的工具，作用是釋放人力，而非簡單地消滅崗位。銀行內部存在兩類分流。一方面是那些重復性的、無需過多創造力的基礎營銷和客服崗位，如果員工能力無法提升，確實會面臨調整；而具備綜合素質的員工，則會被轉移到更需要人為判斷的核心崗位。

“AI只能提取數據，但銀行是跟人、跟企業打交道的行業。在交流過程中，那種經驗性、直覺性，甚至是帶有感情的專業判斷，AI沒辦法參與。”舒嵐說。

四個層次，一條主線。穿透這些案例，一個核心規律逐漸浮現：AI與業務的融合深度，直接決定了它是制造混亂、簡單提效，還是重塑能力。

換個角度看，企業對待AI的方式，最終暴露的是它對待“人”的態度：是把人當作可被監控、可被替代的執行單元，還是把人視為能駕馭工具、能做出復雜判斷的價值核心？答案不同，AI帶來的結果便判若云泥。

真正的變革，恰恰始于放下幻想。在AI越來越擅長給出確定答案的時代，提出好問題、做出復雜判斷、駕馭工具而非被工具駕馭的能力，正變得像黃金一樣珍貴——那或許才是AI時代最大的真相。

注：子銘、咔咔、舒嵐均為化名

「創新無邊界」是我們的slogan，我們不局限于對互聯網行業的追蹤與探索，更要向未來、向未知的方向大膽邁進。因此，「打造行業新標桿、解讀商業新動向」是我們秉持的方向之一。