“很多企业买了AI许可，也启动了试点项目，但工作方式并没有变。表面上一切照旧，实际上可能已经开始掉队。”

为私募股权（PE）投资组合公司配备AI工程师的Limestone Digital创始人Mark Eisenstadt，近日在社交平台X（原推特）发文称，企业能否真正借助AI做出成果，关键不在于是否引入技术，而在于是否重构了工作流程。

Mark Eisenstadt援引多项研究指出，不少已经导入AI的企业，并未获得与时间和资金投入相匹配的回报。

PwC今年1月公布的调查结果显示，56%的CEO表示尚未看到AI带来明确的财务成果。麦肯锡的调查则显示，尽管80%的受访者认为AI提升了生产率，但只有37%的企业表示AI对利润产生了帮助。换句话说，员工工作得更快，并不意味着企业业绩就一定改善。

为说明这一现象，Mark Eisenstadt借工业电气化初期的历史作类比。他指出，在电气化早期，工厂主虽然将蒸汽机更换为电动机，但动力传输仍依赖原有的主轴和皮带系统，生产率几乎没有提升。经济学家Paul David的研究认为，直到工厂为每台设备配置独立电机，并重新调整厂房布局后，效率提升才真正出现。

在他看来，AI也是同样的逻辑：仅仅把AI接入现有体系，并不会自动带来改变。

Mark Eisenstadt表示，如果一个请求仍需在5个部门之间层层流转，甚至还要等待某位休假员工手中掌握的Excel文件，那么无论AI模型响应速度多快，也很难带来实质性改善。“这就像把新电机装在旧主轴上，然后反问工厂为什么毫无变化。”

他认为，一旦企业真正重塑工作流程，结果就会明显不同。

麦肯锡调查显示，在AI成效最突出的企业中，近四分之三都对业务流程进行了从零开始的重构。Microsoft在简化云供应链相关流程后，部署了约100个专用AI代理，使平均处理周期从约10个工作日缩短至2.5个工作日以内。

Mark Eisenstadt还总结了企业“掉队”的7个阶段。

第一阶段，是把“已经购买AI”本身当作成果向上汇报；第二阶段，是员工在未经批准的情况下自行使用AI；第三阶段，是财务部门能解释支出，却说不清收益；第四阶段，是企业越来越难留住所需人才；第五阶段，是客户在体验过其他公司的服务后，预期被进一步抬高；第六阶段，是差距开始反映在利润率上；最后一个阶段，则是董事会开始要求管理层给出解释。

他强调，“拥有技术”并不等于“赢得竞争”。

Mark Eisenstadt举例称，Sears早在1984年就与IBM、CBS合作开发在线服务Prodigy。到1990年，Prodigy已支持购物和机票预订，比Amazon网站上线还早5年，但Sears最终仍然失败收场。“即使看到了机会，也愿意投入，如果组织本身不变，机会也很难真正转化为竞争优势。”

至于企业应如何借助AI改变工作方式，Mark Eisenstadt建议从小处着手。他表示，企业不可能在3个月内完成彻底转型，应该先改造一个流程并证明成效，再推进下一步，这样阻力会更小。

他还表示，如果一个项目在6周内无法证明价值，就应在追加预算前暂停下来，复盘问题究竟出在哪里。同时，企业也不能简单用“节省下来的时间乘以时薪”来推算收益，而必须说明这些被节省下来的时间最终流向了哪里，成本是否真正下降，或者产出是否切实增加。