AI价值落地核心：组织重构与协同并重

IBM首席执行官Arvind Krishna在近期访谈中阐述了人工智能（AI）为企业创造价值的深刻见解，他强调AI成功的关键并非技术本身，而在于企业组织结构的彻底重塑。他提出，公司不应将AI视作简单工具，而应作为团队中的“员工”，这意味着需为其设定明确岗位职责、重新规划工作流程，以真正实现价值落地。Krishna指出，AI的回报不应聚焦于人力成本节省，而在于提升生产力与扩大产出，并透露IBM计划通过AI与自动化到2025年底达成年化45亿美元的生产力增长。

AI能帮助企业节约多少成本？

这是所有企业管理者关切的问题，但在多数组织中，答案往往模糊不清。部署AI后，鲜有人能清晰指出：它究竟带来了何种实际价值。

然而，IBM CEO Arvind Krishna在最近专访中给出了直接、明确的回应：

IBM预计，到2025年底可实现年化45亿美元的效率节省。

这是他在与《引爆点》作者Malcolm Gladwell对话中披露的数据。

但相比这一数字，他更关注三个本质问题：

• AI是否是你的员工？
• 你的组织结构能否适配AI？
• 真正能落地的AI商业模式是什么？

省不省钱、创造多大价值，不取决于模型强弱，而在于你是否以新的组织方式迎接它。

第一节｜AI不是工具，是员工

AI是工具，这是许多企业负责人的惯性思维。如同以往引入ERP、CRM系统一样，采购部署、上线运行，然后期待效率提升与成本节约。

但Krishna表示，这种思路易使AI项目停留表面，难以深入落地。

我们不是把AI当成工具，而是视为组织中的一名员工。

——Arvind Krishna，IBM CEO

这句话，是整个对话的核心主旨。

既然AI是员工，就需为其安排岗位、明确职责，如同对待新同事一般。

他说，IBM在内部广泛使用AI工具，但并非由IT部门安装软件，而是让业务团队直接参与、将AI融入流程。

“我们利用AI提升开发者效率，目前已实现30%-45%的增益。但这并非因模型强大，而是我们首先重构了工作方式。”

换言之，不是用AI写代码，而是让AI成为开发团队的一部分。谁提需求、谁写提示、谁评估产出、谁整合结果，这些都预先明确，如同为AI设定岗位说明书。

他提醒避免一个常见陷阱：许多公司在AI上投入重金，但组织结构、职责流程、激励方式一成不变，随后发现AI无效。这并非模型问题，而如同招聘新员工却未定义职责，致其产出无法融入现有流程，难以形成价值闭环。

Krishna的建议是：

“若你仅把AI当作外部采购工具，其效果也将局限于工具层。但若将其纳入组织，视作团队成员，它才会真正释放价值。”

对他而言，AI项目的第一步不是编写代码，而是改变流程；不是挑选模型，而是安排人员职责。

归根结底，组织不变，AI再强也徒劳。

第二节｜做好一件事，全公司配合

在许多企业里，AI项目启动后，第一反应是增人、投钱、堆资源。组建AI小组、成立创新部门、招聘数据科学家，然后等待结果。

但在Krishna看来，这种做法常偏离正轨。他的策略是，全公司仅推进少数几项核心事务，其他人都为此服务。

在这场访谈中，他提到：OpenAI成功的一部分，在于他们将所有人集中于一条主线。这点我们亦然。

“IBM不再开展十个方向的AI项目，而是聚焦于三四个最核心的。”

这背后，不是精简人手，而是重新分配每个人职责，围绕主目标组织资源。

这种聚焦战略的典型例子是Red Hat，一家企业级开源解决方案供应商。

2018年，Krishna提出一个备受质疑的提案：IBM以340亿美元收购开源软件公司Red Hat。当时连内部都难以接受，股价一度下跌15%。但五年后，这成为IBM广受认可的最成功战略之一。

Red Hat实现的，是提供跨平台通用能力，让客户能在任何云平台、任何系统上统一部署。而这，也成了Watsonx（IBM发布的企业级人工智能与数据平台）的设计基础。

他认为：

“Watsonx不是为了展示AI能力，而是助力客户实现规模化落地。我们先自己使用，再交给客户。不是让客户试错，而是以自身经验提供确定性。”

也就是说，IBM在内部先用AI进行项目管理、软件开发、文档总结，流程跑通后，才作为服务提供给客户。

而这个“先自己用”的过程，就是让业务团队直接参与，确保每个人都清楚自己在AI流程中的角色。

Krishna说：成功不是因为你有AI部门，而是因为你全公司都知悉AI该做什么。

Red Hat让IBM从产品公司转型为平台型企业；

而Watsonx让这平台从能用变为可复制。

这中间，未以更大团队压倒对手，也未依赖更强模型。他们只是让每个人都为核心目标服务，而非各自为政。

第三节｜AI回报看产出，不是省人

当许多企业讨论AI投资时，最常见的第一问是：能否减少人员？

但Krishna的回答截然相反：

AI的成功，不是看你节省了几人，而是看你能否产出更多。

他多次重申：AI的作用不是替代人，而是让原本做不完的事变得可完成。

例如，IBM在内部部署AI的最早场景，并非为了精简人员，而是为了释放开发者、运营团队、服务团队的时间，让他们能完成更多任务，实现以前做不到的事。

具体而言：今天若企业的客户服务还与10年前一样，那你已落后。若你未用AI帮开发者提升30%甚至70%的效率，那你就没跟上。

换句话说，不是裁员，而是让人工作得更快、更好。

IBM做到这点的前提，是重新审视“回报”二字。

许多人以为回报等于节省成本，Krishna则转换视角：你是否创造了新价值？

他举例：

“今天我们每周用AI训练文档系统、更新知识库，不是盲目跟风，而是为了让每个服务人员都能更快响应。”

AI若未连接到具体业务结果，仅省下几个人工时，那不叫成功。

他还指出一个关键误区：许多企业追逐最先进大模型，但忽视了部署效率。我们可用更小模型完成任务，甚至效果更佳，因为目标明确、场景清晰、训练数据贴合。

大不是价值，准才是。

真正重要的，是你是否利用这些效率，撬动更大产出。

AI的价值，不是让人变少，而是让人做得更多。

第四节｜CEO的判断，不靠拍脑袋

至此，一个问题自然浮现：Krishna如何判断哪些AI投资能带来产出？他的决策依据是什么？

主持人问他：你如何判断Red Hat收购是正确的？

Krishna的回答非常务实。他说：我们不去追赶别人，而是问自己“有没有一条我们能站稳的差异化路线？我们追不上别人，那为何还要在他们已领先五年的方向上继续烧钱？”

他观察到，当时许多科技公司争抢云基础设施，但大多集中在同一条路线。而Red Hat的价值，在于它的中立性与可复用性，这是别人未走但客户真正需要的路。

Krishna的判断力，并非来自灵光一现的预判，而是一种组织思考法：他会主动找到CFO、人力资源负责人、客户、产品线人员，共同讨论、反复推演。

“我不是财务背景出身，但我愿反复问CFO：这账怎么看？这项目若失败，代价是什么？”

他说：

“我学判断，不是看书，是在组织里问人。我会主动找人：这事我不懂，你给我解释。”

他不在意专业是否对口，在意的是能否整合各种专业知识成更全面判断。

所有重大决策，他都会先找十几人聊，先提风险，再看是否有人能破题。若没有，他就暂缓；若有人能提供新角度，他就再推进一步。

“我不需要他们都认同我，只要他们能告诉我我没看到的地方。”

这就是他说的“判断网络”：你要在企业内部建立百人判断网络；在企业外部也建立百人判断网络。

Red Hat、Watsonx、量子的成功，都源于这种集体判断力。

结语｜不是AI强不强，而是你准备得够不够

AI是工具还是员工？是省成本还是放大能力？

Krishna的回答指向同一判断：

AI的成功，不在模型，而在架构；不靠功能，而靠协同。

IBM能实现年化45亿美元的生产力提升目标，非因构建高技术壁垒，而是因它敢于从流程、岗位、平台到底层组织逻辑全面重构。

Krishna未讲产品路线图，讲的是如何将人、流程与工具结合，关键是为AI产出明确责任主体，确保其真正落地。

今天的许多企业不缺模型、不缺预算，缺的是驾驭AI的全局意识。

答案不在技术多强，而在组织准备是否充分。

原文链接：

https://www.youtube.com/watch?v=8X7VYhHKbss

https://finance.yahoo.com/news/ibm-unveils-agentic-ai-infrastructure-210126984.html?guccounter=1

https://www.ibm.com/think/videos/think-keynotes/enterprise-ai-value

https://www.crn.com/events/2025/ibm-ceo-krishna-look-to-a-10-year-horizon-for-the-real-impact-of-ai

https://fortune.com/2025/11/03/reinventing-retail-ai-transformative-retail-ibm-consumer-products/

来源：官方媒体/网络新闻