人工智能优势为何始于组织记忆

试问每个业务部门：“如果你经验最丰富的三名员工明天辞职，哪些知识会随他们一同消失？”无论清单上列出什么，都应成为知识捕获、结构化和治理的优先事项。

这个问题看似简单，却触及了人工智能的采用究竟能创造优势，还是会沦为昂贵实验的核心问题。

如今，关于人工智能的讨论大多聚焦于生产力、自动化和成本削减。但更具深远影响的问题是：一个组织所独有的知识是什么？这些知识是否以一种人工智能系统可以负责任地使用的形式存在？

企业级人工智能正循着一个清晰的模式发展：从更好的模型，到能够规划和完成任务的智能代理，再到现在于真实组织内部对这些智能代理进行治理。新加坡已认识到这一转变，其资讯通信媒体发展局（IMDA）发布的《代理式人工智能模型治理框架》，正是为了应对那些能够规划、行动并与其他系统互动的自主系统所带来的风险。

人工智能的采用率也在加速增长：根据新加坡资讯通信媒体发展局发布的《2025年新加坡数码经济报告》，中小型企业（SMEs）的采用率从2023年的4.2%上升至2024年的14.5%；非中小型企业的采用率则从44%增至62.5%。

当智能变得更易获取时，会发生什么变化

随着人工智能成为工作场所中一个持续的参与者，领导者需要进行我所称的“充裕测试”：如果常规智能变得更易获取并嵌入到工作流程中，我们是否还会以同样的方式设计流程、团队或审批链？

这并不意味着人工智能毫无成本，或者每个流程都应自动化。计算、集成、治理和变革管理都会产生费用。这恰恰是“充裕测试”之所以重要的原因——它有助于明确应在何处选择性地应用人工智能，因为组织拥有使其发挥作用所需的知识、治理和工作流程设计。

因此，领导者必须从组织记忆入手。竞争优势可能更多地来自于组织背景的质量，而非数据的数量。

随着基础模型的能力日趋一致，专有知识便成为差异化的关键：例如政策、客户历史、操作流程、商业判断以及竞争对手难以轻易复制的机构记忆。

这在许多亚洲组织中尤为重要，因为在这些组织里，关键知识往往存在于高层关系、非正式的升级渠道、创始人的判断以及长期服务的管理者身上，而不仅仅是系统或文件中。

一个问题变得尤为紧迫：这些知识中，哪些部分应被捕获和结构化，哪些部分又正因为依赖于信任和关系而需要人类的判断？

这里的目标是让组织更具适应性，同时不削弱其赖以运作的信任基础。无论是从人际关系还是文件中捕获，这些记忆都不会自行组织起来。因此，在知识图谱和组织本体论——即关于数据、团队和流程如何连接的数码化地图——方面的工作至关重要。

其次，要重新设计工作流程，而非部门。许多组织将人工智能部署到财务、人力资源或信息技术等现有职能中，但收益往往是渐进式的，因为基础流程并未改变。

以银行或保险公司的客户引导流程为例：工作需经过销售、法务、风控与合规等部门，且常常涉及跨司法管辖区。每个职能部门可能已经在使用人工智能，但客户体验到的仍是一系列交接过程。真正的机会不在于加快每次交接的速度，而在于思考是否所有这些交接环节仍有存在的必要。

对于小公司而言，这样的努力可能会带来巨大的改变。若应用得当，人工智能代理可以帮助它们管理过去需要庞大团队才能处理的跨境工作流程。但这些公司的领导者必须重新设计工作流程，而不是简单地将过去的流程自动化。

以银行或保险公司的客户引导流程为例：工作需经过销售、法务、风控与合规等部门，且常常涉及跨司法管辖区。每个职能部门可能已经在使用人工智能，但客户体验到的仍是一系列交接过程。真正的机会不在于加快每次交接的速度，而在于思考是否所有这些交接环节仍有存在的必要。

对于小公司而言，这样的努力可能会带来巨大的改变。若应用得当，人工智能代理可以帮助它们管理过去需要庞大团队才能处理的跨境工作流程。但这些公司的领导者必须重新设计工作流程，而不是简单地将过去的流程自动化。

虽然今天的人工智能助手在很大程度上表现得像软件，但未来的企业级代理可能会越来越像“数码员工”，拥有身份、权限、授权、审计追踪和生命周期。因此，必须将这些代理作为组织行为者进行治理。

董事会可以决定是否部署人工智能，但管理层必须确定一旦部署后组织应如何改变。回答这些问题需要运营层面的主导权，而不仅仅是治理委员会：谁可以创建代理？它可以访问哪些系统？当它不再安全或有用时由谁来停用它？当它造成损害时谁来负责？

最后，应该衡量的是组织变革，而非人工智能活动。许多组织仍在追踪最容易计算的指标：颁发的许可证数量、提交的提示词数量或节省的工时。这些数据能反映活动情况，但对于工作是否真正发生了改变、是节省了几个小时还是整个审批链都消失了，却说明不了什么。

分析师和中层管理人员也面临着相关的转变，他们的角色正从汇总状态报告，演变为编辑、质疑和审计由人工智能驱动的工作流程。

领导者必须回答的五个问题

最终，“充裕测试”可以通过以下问题来应用：

• 如果我们经验最丰富的人员离开，哪些知识会消失？
• 哪些工作流程最依赖于从未被捕获或结构化的隐性判断？
• 哪些专有知识赋予了某个工作流程竞争对手难以复制的优势？
• 在整个组织边界内，谁拥有智能代理的身份、权限、审计追踪和问责机制？
• 除了可量化的产出或节省的时间外，我们如何评估工作的变化？

人工智能或许能让常规智能变得更易获取，但它也会使组织记忆、判断力和问责制变得更有价值。

领导者不应仅凭工具、许可证或生产力声明就批准人工智能项目。他们应该要求看到一份知识地图、一个重新设计的工作流程、一个明确的负责人，以及衡量工作将实际发生何种变化的指标。

作者是一位经认证的董事会成员和科技行业领袖，在云技术、人工智能基础设施、电信以及亚太地区的企业转型方面拥有丰富经验