共计 1677 个字符，预计需要花费 5 分钟才能阅读完成。
近期，随着生成式 AI 的快速发展，越来越多的人开始关注它对职场的广泛影响。根据麦肯锡的报告，预计到 2030 年，约 50% 的工作可能会被自动化。当然，这并不意味着所有工作都会被替代，AI 工具将在很大程度上提升工作效率，让员工有更多的时间专注于更高价值的任务。
生成式 AI 的潜力已经开始在多种职业中显现。尤其是白领职位，受 AI 影响的程度可能更大。虽然短期内，AI 仍然无法完全独立工作，但它可以作为工具，帮助设计师等职业在创作上达到更高的专业性。例如，设计师可以借助 AI 提升海报设计的效率。
研究显示，虽然生成式 AI 可以巨大提升社会生产效率，但并不太可能导致大范围的工作替代。回想工业革命时期，人们没有失去工作，反而忙得更加厉害，社会生产力大幅提升。未来，工资可能与一个人使用 AI 的能力息息相关。因此，某些特定的、简单且需求明确的工作岗位，确实可能被 AI 取代，而那些不懂得如何运用 AI 工具的人，逐渐可能会被掌握这些技能的人所替代。这一转变需要整个教育系统的进步来支撑。
那么，AI 工具是否能够完全取代团队呢？根据 BCG 对 1400 多名高管的调查，尽管很多企业认为 AI 是未来发展的关键技术之一，但其实大部分高管对自己公司在 AI 方面的进展持观望态度。目前，仅有 6% 的公司为超过 25% 的员工提供了生成式 AI 的培训。虽然如此，现在的企业从初创公司到行业巨头，普遍认识到 AI 的价值并考虑如何快速提升生产力与竞争力。
在过去的研究中，有一个值得注意的发现是，使用 AI 工具后，团队成员之间的能力差距有所缩小。在一些特定工作中，AI 的使用使得表现优异的员工与其他员工之间的差距从 22% 缩短至 4%。尽管如此，个人在 AI 的辅助下，依旧无法替代团队合作所产生的价值。
近期的另一项研究利用随机控制实验，分析生成式 AI 对团队表现的影响。实验中有 122 个团队和 435 名参与者被分为三个组：纯人类团队、单一 AI 团队及每个成员都有专属 AI 的多 AI 团队。在完成复杂任务时，哪些引入了 AI 的团队，其整体表现显著优于传统团队。具体来说，单一 AI 团队和多 AI 团队的平均表现分数分别是 5.99 和 5.97，而纯人类团队则为 5.59。
需要注意的是，AI 在团队层面的效用并没有个体层面那样显著。在“个体 +AI”模式下，AI 对个体表现的提升可以解释高达 20% 至 60% 的差异，而在团队层面，这一比例却降至约 4%。这说明在团队环境中，AI 的效用可能受到团队协作模式的限制，未能完全发挥其潜力。
那么，个体在 AI 助力下是否能够与团队的表现持平呢？尽管“个体 +AI”接近团队水平，但总体来看，他们的平均表现仍低于传统团队和 AI 加持团队。这是因为某些表现差的个体拉低了整体水准。不过，不可否认的是，借助 AI 的个体在完成任务的高效性上表现更佳。
研究者进一步分析了个体在任务上的时间投入，结果显示，当“个体 +AI”所花费的时间与团队相当时，其绩效已经达到了传统团队的水平，但仍未超过 AI 加持的团队。这意味着，虽然“个体 +AI”能够提供显著提升，但团队协作带来的综合优势仍然不可忽略。
那么，是否每个团队成员都需要配备一个 AI 助手？根据研究结果显示，这并非必需。无论是在单 AI 团队还是多 AI 团队中，整体绩效没有明显差异。而深入分析则显示，多 AI 团队的绩效波动更大，管理多个 AI 系统的复杂性可能带来合作上的挑战，进而影响团队效率。因此，深度而非广度可能是 AI 在团队作用的关键。
该研究揭示了生成式 AI 在团队协作中的潜力与复杂性。AI 的加入有可能提高协作质量，增强成员之间的情感联系。更高的团队熟知程度、智力水准和团队规模都有助于更有效地利用 AI 资源。
在如何抓住生成式 AI 带来的价值创造方面，麦肯锡总结出四个关键点，称为“4C”：简化、编码与软件开发、内容创作以及客户互动。通过利用非结构化数据加强专业知识的传播、自动化软件开发流程、加快内容创作、提升客户服务体验，企业能够显著降低各项成本。
总的来说，要抓住生成式 AI 带来的价值，管理者需要调整自己的思维模式和态度。开放心态、勇于尝试新技术，以及明确自身对 AI 的要求，是企业在未来顺利转型的关键所在。
