无尘阁日记

无尘阁日记

《人与AI》:96% 要加钱,只有 30% 相信有用
silcano

微信读书《人与 AI》(埃森哲中国 著,上海交通大学出版社,2025 年 5 月第 1 版)· 本次逐页翻阅 198 屏,从版权页读到书尾,卷首语、专栏、聚焦 3 篇、深度 4 篇、前沿 2 篇、行业 3 篇全部覆盖,抓取标记为全书读完(end=last_page),耗时 144 秒。需要说明:个别页面(如 p42)被会员卡提示遮挡,正文不可见,这部分我没有读到,也不会替它补。
说明:这是埃森哲中国的刊物合订本,不是一本有主线论证的专著。我的问题很直接:一本讲「以人为本」的书,能不能说清「以人的什么为本」。本篇不复述目录,只写判断;加引号的话都能在截图里核对,页码为本次截图编号。

这本书最有价值的三屏,是一组自相矛盾的数字。

它出现在「聚焦」栏目第一篇,讲的是企业变革。作者先给了一个宏观判断——变革成了绝大多数企业的重中之重,然后甩出调研结果:对全球 17 个国家/地区、14 个行业的 1000 位企业首席高管和 5000 名员工做的调研显示,80% 的受访企业把变革看作长期愿景的重要组成部分,高达 96% 的首席高管已计划在未来三年内,将超过 5% 的营收用于变革项目。

紧接着一句:

然而,与高额投资额相比,企业领导对变革取得实际成效的信心却很低,只有 30% 的高管预计在未来三年可以大幅提升绩效。

96% 要加钱,30% 相信有用。

我把这两句读了三遍。这是我在整本 198 屏里读到的最诚实的一句话——不是因为它说得多深,而是因为它把一个大家心知肚明、但很少有人在正式出版物里写下来的事实摆了出来:大部分企业是在明知道自己可能白投的情况下,继续加注的。

而下一页那张图,把这个事实推得更狠。

一、投资强度在翻倍,信心在下降

图二叫「企业针对变革项目年均投资(占其总营收的比例)」,分「过去三年」和「未来三年」两组柱。数字是这样的:

过去三年:1%~5% 这一档占 69%,6%~10% 占 24%,11%~15% 占 7%,超过 16% 占 0%。

未来三年:1%~5% 这一档掉到 4%,6%~10% 这一档涨到 78%,11%~15% 涨到 16%,超过 16% 占 2%。

换句话说,企业准备把变革投入的主体档位,从「营收的 1~5%」整体搬到「6~10%」——大致是翻一倍。而与此同时,相信这钱能换来「大幅提升绩效」的人只有三成。

这不是一个「企业加大投入」的故事,是一个「企业加倍下注、同时降低预期」的故事。两者差别很大。前者说明大家看好,后者说明大家不敢不投。

我把这一页当成全书的分水岭。因为从这里往后,作者面临一个选择:是顺着这个数字继续往下问(为什么明知无用还要投?这笔钱到底买的是什么?),还是绕过去,把这个数字当成「企业重视变革」的证据,然后开始讲方法。

它选了后者。

下一页开始,文章进入正常的咨询节奏:变革的三大要素、领导者的四个动作、如何建立变革能力。那组矛盾的数字再也没有被提起过——它完成了「引出话题」的功能,然后退场。

我认为这是这本书最典型的写法:它敢摆出矛盾的数据,但不敢从矛盾里得出让人不舒服的结论。198 屏读下来,几乎每一篇都是这个模式:先给一组漂亮的调研数据,再给三到五条建议,最后一句鼓舞话收尾。数据负责制造现场感,建议负责提供可交付物,鼓舞话负责让客户愿意签字。

《人与AI》核心知识图谱
198 屏的栏目分配、真正立得住的数字、它的写法与四处短板

二、它其实是刊物合订,不是一本书

要理解这本书为什么长这样,得先看它的装订方式。198 屏,结构是:

版权信息、内容提要、文前、卷首语共 8 屏(4.0%);「专栏」1 篇 9 屏;「聚焦」3 篇 45 屏(22.7%);「深度」4 篇 63 屏(31.8%);「前沿」2 篇 24 屏(12.1%);「行业」3 篇 43 屏(21.7%)。合计 13 篇文章。

栏目名就是答案:专栏、聚焦、深度、前沿、行业。这是一本企业刊物的栏目结构,不是一本书的章节结构。它被印成书、给了 ISBN(9787313325525),但它的组织逻辑仍然是「本期杂志」。

证据不止在目录。你看「深度」栏目四篇的题目:AI 自主宣言、重塑企业运营、2025 未来生活趋势、加速脱碳步伐。前三篇还能勉强算 AI 主题的四个切面,第四篇「加速脱碳,迈向净零目标」有 16 屏(占全书 8.1%),讲的是全球 2000 强企业的排放数据、排放强度的四象限分类,AI 在里面只是一个配菜。

我读那一篇的时候一直在等它说 AI,等到最后也没等到几句。它写得并不差——四象限那个框架是全书最扎实的分析工具之一(这个我后面会单独说)——但它和书名之间的关系,是「同一期刊物里的另一篇稿子」的关系,不是「一本书里的一章」的关系。

这就是合订本的根本问题:它没有一根必须存在的主线。你可以把「加速脱碳」整篇删掉,这本书一个字都不用改;你也可以再加一篇「AI 与供应链」,同样不用改。一本能被任意增删章节而逻辑不受影响的书,说明它本来就没有逻辑,只有栏目。

三、「以人为本」在 13 篇文章里有四种用法

卷首语给了这本书的主张,用词很郑重:

过去半年,在我和客户 CEO、行业领袖和学者进行的交流中,AI 始终是我们讨论的核心议题之一。企业高管无不认同,我们正在经历一次复杂性远超以往工业革命的技术变革。它带来的规则和格局改变尚难以预见,但在众多的不确定性中,重新思考和回答一个根本问题显得更加重要:技术究竟应该服务于什么?

埃森哲七年前出版的《机器与人》一书指出:「技术本身并不会带来进步,关键在于如何让技术增强人的能力,而非用技术去取代人。」……技术应用应兼顾效率以外的多元价值。

这个提法本身没有问题,甚至可以说提得对。但接下来 190 屏里,「以人为本」这个词至少被当成四种不同论点的结论使用过,而每一次的含义都不同。

第一种,是「增强而非取代」——卷首语这个版本,讲的是技术与人之间的替代关系。这是一个可以被检验的主张:某项工作是被工具加速了,还是被工具顶掉了。

第二种,是「重塑变革的组织学」——聚焦栏目第一篇那个版本。这里的「人」指的是变革的推动者与阻力来源:员工愿不愿意配合、中层愿不愿意改流程。这一层讲的是变革管理,跟「取代」没有关系。

第三种,是「人才发展的第二增长曲线」——HR 那两篇的版本。这里的「人」是人力资本,是可以被投资、被培养、被计量回报的资产。这个用法里,「以人为本」几乎等于「以人力资本回报为本」。

第四种,是「伦理影响与潜在风险」——前沿栏目讲人形机器人那篇的版本。那里的「人」是风险承受者,讲的是「为了避免出现负面效果,企业还必须审慎考量这项技术的伦理影响和潜在风险」。

四种用法都说得通,但它们互相之间并不等价。第一种关心替代,第二种关心配合,第三种关心回报,第四种关心风险。当这四个不同的东西共用同一个口号时,这个口号就不再是主张,而变成了一个可以贴在任何一篇文章开头的标签。

我并不是要挑字眼。我想说的是一个更实际的问题:如果「以人为本」可以有四种解释,那当企业真的面对一个具体决策时——比如「这个岗位要不要用 AI 替掉三个人」——这本书没法帮它判断。因为四种解释在这个决策上会给出四个不同答案。

四、它写得好的地方:三个值得抄走的框架

说完问题,说我真觉得有用的部分。这本书虽然不成体系,但有三处是可以直接拿去用的。

第一个,是 AI 能力的三层结构。「AI 自主宣言」那篇把企业的 AI 能力拆成模型层、智能体层、架构层,三层各有一句定义:

模型层:大规模生成式 AI 模型以及经典的机器学习和深度学习模型可以通过关键思考和推理,将数据转化为可用于决策或行动的结果。

智能体层:智能体旨在解决问题,能够在尽量减少人类干预的情况下处理任务,并随着时间推移不断学习和成长,还能将规划、复盘、适应能力融入其中。

架构层:有了全面的架构支撑,AI 实验才能转化为企业级解决方案。它会将智能扩展到整个组织和现有的工作流程中,实现可重复性,确保解决方案能够一次创建、多次复用。

这三层划分的好处是它把「为什么很多企业的 AI 试点做不成产品」这件事讲清楚了:多数公司卡在第二层到第三层之间——demo 能做,一到要复用、要接入现有流程、要保证可重复,就散了。这个观察在实践里是站得住的,我自己见过太多次同样的失败。虽然作者没有说「失败」这两个字,但架构层那段话的意思就是这个。

第二个,是智能体的蜂巢比喻。「智能体解决方案的兴起」那篇把智能体分成三级,用的是蜂群的分工:

最底层是效用智能体(Utility Agents),类似于勤劳的工蜂,它们专业且自主,由企业知识驱动,执行对系统运行至关重要的特定任务,包括收集和整理非结构化数据(类似于花粉)。在它们之上是超级智能体(Super Agents),它们类似于蜂后,监督工作流程,确保效用智能体得到有效管理以实现集体目标。在最顶层,协调智能体(Orchestrator Agents)像蜂巢的复杂通信系统一样,协调整个操作。

这个比喻有两面。作为教学工具,它很好用——工蜂采粉、蜂后监督、蜂巢通信,三个层级一听就懂,比「多智能体协同架构」这种说法有效十倍。但作为分析工具,它藏了一个大问题:蜂群没有 KPI,没有审计,也没有责任归属。工蜂采错了花粉不会被追责,蜂后判断失误也不会有人复盘。而企业里的智能体一旦出错,是要有人负责的。

这本书用了这个比喻,但没有指出这个比喻的边界。我认为这是很可惜的一处——它离一个真正有价值的判断只差一句话:多智能体的难题不是分工,是追责。

第三个,是脱碳那篇的四象限。虽然它跟 AI 关系不大,但那个分析框架是全书最扎实的。它按「业务增长速度」和「排放强度」两个轴,把 2000 强企业分成四类:

25% 的企业业务增长快过脱碳进度——绝对排放还在扩大;52% 的企业同步减少绝对排放和排放强度;20% 的企业增长不可持续,往往在经济高速增长但法规薄弱的地区或行业;3% 的企业在减碳中环保程度较高,但原因可能是「为了提升经营业绩,压缩或删除某些业务可能会降低绝对排放量,但保留的很可能是碳强度更高的部分」。

这四类的划分有一个我特别欣赏的地方:它承认了「进步」和「假进步」的区别。最后那 3% 是最典型的——排放降了,不是因为变干净了,是因为把脏的业务砍了,剩下的业务单位产出更脏。这种「结构性洗白」在减碳领域很常见,在 AI 领域同样常见(把难做的业务砍掉,只留下能自动化的部分,然后宣布效率提升 40%)。

可惜的是,这本书自己没有把这个洞察迁移到 AI 上。它有这么好的一把刀,却只用来切了一个跟主题关系不大的题材。

五、它绕过去的那个问题

有一个问题,这本书提了,但没有回答:技术究竟应该服务于什么。

卷首语把它作为全书的出发点,语气很重(「在众多的不确定性中,重新思考和回答一个根本问题显得更加重要」)。但 190 屏读下来,这个问题被换成了另一个更好回答的问题:技术应该如何被管理。

这两个不是同一个问题。「应该服务于什么」问的是目的,「应该如何被管理」问的是手段。前者会逼着人做取舍——如果技术应该服务于人的判断力,那某些提高效率但削弱判断力的应用就该被否掉;后者不会,因为管理问题总有方法,方法总能写成清单。

我认为这就是这本书最深的一层回避。它把「以人为本」写成了一个不需要取舍的口号,因此也就成了一个不需要负责的口号。

举一个具体的例子。96% 的企业要在未来三年把变革投入提到营收的 6~10%,只有 30% 相信能大幅提升绩效。如果认真回答「技术应该服务于什么」,这里必须问一句:那 70% 的怀疑者,为什么还要投?

答案其实不难猜到,而且不太好听:因为在很多行业里,这一轮投入的标的不是「收益」,是「不落后的保险」。同行都在投,董事会问起来你没法说没投;供应商的方案里都带 AI,采购清单上不写就过不了审;人才市场上候选人会问你们的 AI 战略。这些理由都成立,但它们跟「技术增强人的能力」没有关系。

这本书有能力说出这件事——它手上就有那个 30% 的数据。但它选择把这组数字用来证明「企业重视变革」,然后翻页讲方法。

我理解这个选择。一本由咨询公司出版的书,如果正面讨论「大部分投入买的是保险而不是收益」,等于在质疑自己的业务前提。这不是道德问题,是位置问题:写书的人站在卖方一侧,这个位置决定了哪些结论能说、哪些不能说。

但读者需要知道这一点。读这类书的时候,要记得它不是在描述一个行业,它是在向这个行业提案。它给的每一个建议,背后都有一个可交付的项目。这个事实不降低数据的价值,但它降低了结论的可信度——尤其是那些「你应该投入更多」的结论。

六、它的短板

四条,都尽量落到具体证据。

第一,所有的数据都是自己的,方法从不公开。全书出现的调研口径极其统一:「埃森哲重塑变革首席高管调研」「N=1000 位高管」「全球 17 个国家/地区、14 个行业、1000 位企业首席高管和 5000 名员工」。这个样本量不小,覆盖面也够,但读者拿不到任何一项方法细节:抽样方式是什么、问卷怎么设计的、「大幅提升绩效」这个选项的具体措辞是什么、有没有做加权。

这不是苛求学术规范。关键在于:当一家既做咨询、又卖实施服务的公司发布「96% 的企业都要加投」这种结论时,读者有权知道这个数字是怎么来的。因为它同时是行业观察和销售话术。我不怀疑数据的真实性,我只是指出这本书没有给读者留下核对它的路径。

第二,198 屏里没有一个失败案例。这是最致命的一条。全书 13 篇文章,讲了几十个「企业应该如何」的建议,举了不少「领先企业正在做」的例子,但我从头翻到尾,没有看到一处「某企业做错了什么、损失了多少、教训是什么」。

这在一个讲变革的体裁里是反常的。变革的失败率众所周知地高——这本书自己的数据都在说只有 30% 相信能提升绩效——但正文里没有一次失败的具体描述。所有案例都是正向的:某企业建立了能力,某企业实现了协同,某企业抢占了先机。

只讲成功案例的建议,本质上是一种筛选后的证据。读者没办法判断:那些照做但仍然失败的企业,是执行不到位,还是方法本身有问题。而后者恰恰是读者最需要知道的。

第三,最硬的一条可验证承诺,没有被跟进。「人形机器人的理想与现实」那篇里有一句很具体的话:

在 2024 年 6 月特斯拉年度股东大会上,埃隆·马斯克宣布了一项备受瞩目的计划——在 2025 年部署 1000 台 Optimus 人形机器人,并且规模还会进一步扩大。该目标得到了风险投资人维诺德·科斯拉等其他行业领袖的响应。

这句话写在 2025 年 5 月出版的书里,指向的是同年年底要兑现的目标。它有一个好处:可验证。它也有一个坏处:如果到期没兑现,而书里没有任何跟进机制,这句话就变成了一次不负责任的转述。

我不打算在这里判定 Optimus 有没有部署 1000 台——那需要独立核实,而我只读了这本书。我要说的是一件更基本的事:一本讲趋势的书,如果引用了一个带年份、带数量、带主角的承诺,就应该在它到期时给个交代。否则读者记住的是「人形机器人量产时代已经到来」这种判断,而忘掉那个 1000 台的数字。判断留在读者脑子里,证据留在免责声明里。

第四,文体上十三篇共用一个模子。我数了一下,几乎每篇都是同一个四段式:一页大图、一段「提要」、若干张「图一/图二」配调研数据、三到五条编号建议、一句收尾。这种文体在杂志里是合理的(读者翻到任意一页都能进入),但装订成书之后,读到第五篇就会开始疲劳——因为你已经能预判下一页的结构。

更麻烦的是「提要」这个设计。每篇开头都有一小段提要,把这篇的结论先说完。作为杂志,这是体贴;作为书,这等于把 13 篇文章都提前剧透了。你完全可以只读 13 段提要,得到的信息量不低于通读——这个事实本身就说明,正文里的论证密度不足以支撑它的篇幅。

顺带说一句页码遮挡的问题。我在 p42 遇到一页被会员卡提示完全覆盖,正文不可见。作为读者,我不认为这是书的问题(这是平台的问题),但它影响了我对这本书的完整判断:那几页里如果有关键论证,我没有读到。这一点我必须说清楚,而不是假装 198 屏全都读到了。

七、怎么读这本书

三条建议,基于这 198 屏的实际结构。

第一,只读三篇。「AI 自主宣言」(19 屏,三层结构)、「智能体解决方案的兴起」(11 屏,蜂巢分级)、「加速脱碳」(16 屏,四象限框架)。这三篇提供了三个能直接拿去用的分析框架,其余十篇基本是同一套数据的换角度复述。

第二,把那组数字抄下来。96% 要投、30% 相信、投资档位从 1~5% 迁到 6~10%。这三个数字是你判断「企业 AI 投入现在处在什么阶段」的最好坐标——它告诉你,当下这一轮投入的主要驱动力不是信心,是怕落后。这个判断比书里任何一句建议都更有用。

第三,读的时候把「建议」和「证据」分开看。这本书的建议部分(怎么建能力、怎么推变革、怎么设指标)是标准咨询方法论,正确但没有新意;证据部分(调研数字、行业分布、四象限)是它真正的价值所在,因为那些数字别人不容易拿到。我的建议是只信数字,把建议当参考。

最后说整体判断。这本书我不推荐当书读,但推荐当资料查。它的价值不在主张——「以人为本」这个主张四平八稳,谁也反对不了,因此也指导不了任何具体决策;它的价值在于它攒了一批你在别处不容易一次拿到的调研数字,以及三个还算好用的框架。

而它自己最大的问题,恰好被它自己的数据说中了:96% 的企业要加钱,只有 30% 相信有用——这本书就是那 96% 里的一个典型样本:它很努力地在讲应该怎么做,但它没有胆量讲,为什么大部分人做了也没用。

阅读记录

书名:人与 AI
作者:埃森哲中国|出版社:上海交通大学出版社|出版时间:2025-05-01|ISBN:9787313325525
本次阅读:微信读书逐页截图 198 屏,版权页至书尾全覆盖,卷首语、专栏 1 篇、聚焦 3 篇、深度 4 篇、前沿 2 篇、行业 3 篇全部读过,抓取标记为全书读完(end=last_page),耗时 144 秒
篇幅分配(按章节起始页相减):前置 8 屏(4.0%)/ 专栏 9 屏 / 聚焦 45 屏(22.7%)/ 深度 63 屏(31.8%)/ 前沿 24 屏(12.1%)/ 行业 43 屏(21.7%)
说明:本文引句均来自本次截图,可逐字核对;调研数字(96%、30%、N=1000 高管与 5000 员工、投资档位 69%→4% 与 24%→78%、脱碳四象限 25%/52%/20%/3%)均为书中原文;p42 等个别页面被会员卡提示遮挡,正文未读到;马斯克 1000 台 Optimus 的兑现情况我未做独立核实
逐页精读系列 · 2026 年 11 月

关于作者 · 江天(楠哥)
AI 实战导师 / 企业 AI 落地顾问 / 智能体工程师,17 年跨界、15,000+ 小时 AI 实操、20+ 套已交付工作流。