要充分从AI中获取价值，组织必须转型其人才队伍、运营模式和治理体系。
AI价值创造必须从服务和孤立工具转向以知识产权为主导的解决方案，并通过协调一致的技术与行业生态系统加以构建和规模化。
AI的负责任部署，以及纠正历史上的代表性不足，将决定其能够被规模化应用的程度。
人工智能正在重塑每一职能和每一岗位的工作方式。对首席执行官而言，问题已不再是AI将以多快的速度实现规模化，而是组织能够以多快的速度调整其人才队伍、运营模式和治理体系，将这种规模转化为可持续的商业价值。
证据清晰明确。通过其技能重塑革命倡议，世界经济论坛估计，未来十年内约有11亿个工作岗位可能会受到技术变革的影响。其《2025年未来就业报告》显示，到2030年，AI和信息处理将影响86%的企业。其他分析表明，AI创造的就业岗位将多于其替代的岗位，但前提是企业必须有意识地投资于人才并重新设计工作，而非仅仅将技术叠加在旧有架构之上。
从技能到知识产权：学习的新社会契约
在AI密集型企业中，转型必须始于对组织如何演进的清晰认识，而不仅仅是部署何种工具。领导者必须理解哪些能力推动差异化，随着AI嵌入日常工作，岗位将如何变化，以及新的学习路径如何帮助员工从服务执行转向更高价值的问题解决和知识产权创造。
员工日益认识到，持续学习是工作的一部分。作为回报，他们期望明确哪些技能至关重要、能够获得相关学习资源，并拥有运用这些技能的真实机会。从针对岗位的培训，到构建可重组为新解决方案的能力，这一转变正是AI开始改变工作经济学的关键所在。
在企业层面，以下三个要素已被证明切实可行：
清晰的技能基础： 共享的技能分类体系与AI赋能运营、行业特定AI解决方案或智能工程等价值领域相联系，为业务、人力资源和技术领导者提供了共同语言。
岗位重新设计与学习相挂钩： 当AI实质性地改变某一岗位时，员工需要清晰可见的发展路径，例如模块化学习、认可的资格认证以及向相邻岗位的晋升，从而使技能演进速度快于岗位说明的更新速度
具有真实需求的内部流动： 人才市场和基于项目的人员配置，确保新能力得到迅速部署，而非闲置。
在HCLTech，人才战略与AI战略正日益统筹管理。过去一年，近80%的员工已接受核心技能培训，超过115,000人正在培养数字能力，逾116,000人接受了生成式AI培训。这一势头在最近一个季度得以延续，超过38,000名员工接受了GenAI培训，逾600人接受了负责任AI培训，同时我们拥有所有OpenAI合作伙伴中数量最多的OpenAI认证专家。其意图并非为培训而培训，而是向以解决方案和知识产权为主导的价值创造进行结构性转变，而非仅依赖纯服务型技能。
为人机协作团队重新设计工作
随着人工智能在服务转型、高级AI和自动化中日益普及，如今大多数岗位都可以拆解为机器能够执行的任务和需要人类判断的任务。明确这一区分，对于确保人类工作变得更有价值而非更少至关重要。
市场对AI工程师、数据专家和领域导向的解决方案架构师的需求不断增长，同时领导力、分析思维和社会情感技能的需求持续存在。其结果是，团队正转向以人为主导、AI赋能的模式，生产力提升源于统筹协调而非替代。
在运营、客户体验、风险管理和研发领域，有效的工作重新设计通常遵循三项原则：
AI处理可重复、数据密集型的工作，例如信息提取、初稿生成和常规决策支持。
人类聚焦于判断、关系和权衡取舍；这些领域中，情境、问责和信任至关重要。
护栏被嵌入工作流程，设有明确的质量阈值、偏见检查和升级路径，而非持续监督。
技术生态系统是使这一转变成为现实的核心，许多组织正通过使工程深度与行业情境相契合，在生产环境中规模化应用AI。
一个欧洲案例是Cynergy Bank，该行与HCLTech合作，对其客户服务生态系统进行现代化改造。通过将可重复的呼叫中心和后台工作流程数字化，并整合案件管理、语音分析以及基于生成式AI的坐席辅助功能，该银行实现了常规工作的自动化，同时使员工能够专注于更高价值的客户互动。最终成果是运营模式更加高效：投诉减少超过50%，生产力提升8%，客户体验评分提高25%。
生态系统，而非试验
当前领导者面临的挑战，是在加快AI应用步伐的同时，不让组织不堪重负，也不削弱问责制。最有效的组织正趋于采取一种严谨的方法：聚焦于少数与业务成果直接挂钩的AI任务，并辅以坚实的工程基础和生态系统合作伙伴关系。
这些任务——无论是缩短周期时间、提升客户满意度，还是加速产品工程——在设计上日益以AI为主导。每项任务均设有一位资深业务发起人，技术、风险和人员领导者共同对交付、保障措施和技能负责。关键在于，AI需以定期节奏投入生产，并使受影响团队能够看到其带来的收益。
这一转变也在改变组织与合作伙伴的协作方式。如今，AI较少依赖孤立工具，而更多依托协调一致的平台，涵盖云、数据、硬件、软件和行业解决方案，这些平台可被复制并规模化应用。与生态系统相一致的运营模式，使团队能够跨越边界协作，并更快地从构想走向影响。
信任先行：规模化的负责任AI
信任将决定AI能够被规模化应用的广度与速度。员工、客户、监管机构和社会不仅会根据AI所带来的成果，更会根据其部署的负责任程度来评判领导者。
AI时代也为纠正当今职场中已存在的历史性代表性不足提供了契机。随着组织迈向由AI驱动的劳动力结构，在设计、测试和治理AI系统过程中实现包容性代表，对于确保技术反映人类经验的全部多样性至关重要。
以下三个要素尤为突出：
透明度： 清楚说明AI的使用场景、其所影响的决策类型，以及数据如何进行治理。
对高风险决策实施人工监督： 在招聘、信贷和安全关键型运营等领域，AI应当辅助而非取代人类判断。
包容性设计与技能再培训： 系统必须能够服务于多元用户和各种情境，并提供覆盖各级员工的学习机会。
这一责任超越了单个组织的范畴。企业、政府和教育机构需要在共享的技能框架、学习资格认证以及可信赖AI的原则方面达成一致，以便人才和创新能够跨行业、跨地区流动。
论坛如何帮助领导者理解AI并携手推动负责任的创新
AI卓越中心 汇聚各行业领导者，帮助他们理解人工智能的快速演进及其对经济体和社会的影响。它支持围绕AI应用所涉及的机遇、风险和权衡取舍开展知情对话。
通过可信赖的交流空间和合作性倡议，该中心使合作伙伴能够建立共同认知，并携手推进负责任的AI创新与应用。
AI将持续发展。决定性因素将是领导层的选择：将战略与技能相连接，从服务转向以知识产权为主导的价值创造，重新设计工作以使人与AI协同发挥作用，通过生态系统实现规模化，并从一开始就将信任融入其中。采取这一方式的首席执行官，最有能力构建能够带来投资回报的AI，包括持续的生产力提升、增长以及更具包容性的未来工作。
