2025年商业领袖研究报告_在人工智能时代期望与现实（英）_69页_3mb

关键发现总结

1. 技术与人才对齐的重要性

• 技术与人才的战略对齐：领导者必须平衡科技投资与人才发展，确保AI等技术能够赋能而非取代人才。
• 人才是核心：AI应与人类技能互补，领导者需重视培养员工的独特技能（如创造力、适应力等），以应对AI冲击。

2. AI的期望与现实差距

• 对员工的不公平期望：60%的企业期望员工主动适应AI，但只有25%的员工接受了AI培训，且三分之一公司甚至不存在AI使用政策。
• 领导者的信心不足：2025年，CEO对AI实施策略的信心下降11个百分点（69%→58%），员工对领导者的AI领导力也信心不足。

3. 未来可准备组织的特征

• 人类中心、技术驱动：未来可准备组织（占全球11%）以适应AI冲击，具有技能导向、内部流动性机制和AI工具整合。
• 关键特征：
  1. 调整工作重心：从“基于工作”转向“基于技能”。
  2. 内部流动性支持：提供人才转移路径，避免线性职业模式。
  3. 平衡技术与人才：增加AI效率同时投资人类技能。

4. 数据与技能瓶颈

• 数据基础薄弱：仅33%的组织投资于数据洞察力，以更好地理解和提升员工技能。
• 技能短缺：技能短缺是2025年美国、加拿大、澳大利亚、韩国五大障碍之一，且45%甚至的领导者认为其当前能力不足以应对AI变革。

5. AI领导力与教育培训问题

• 领导者AI能力不足：仅三分之一领导者进行了系统性的AI学习，60%的组织不鼓励有AI抑制措施。
• 知识差距：三分之二的领导者自认为不懂AI相关风险与机会，需更高的能力建设计划。

6. 技术与人才策略的分离

• 技术优先 vs 人才优先：许多组织投资技术以提升运营效率，但在人才发展（如专业发展）方面投入较少。
• 国家与行业差异：如加拿大、法国、美国在AI政策与技能投资等方面差异显著，需因地制宜。

主要建议

1. 创建负责任的AI框架：尽可能透明化AI战略，明确使用政策。
2. 教育培训和技能对齐：确保AI培训与工作需求相关联，并将AI视为人类能力的赋能工具。
3. 提高数据洞察能力：构建更强的数据基础，提供更准确的技能评估。
4. 促进内部流动性：减少岗位僵化，增强员工灵活性来应对市场变化。
5. 激励机制：将AI技能整合至评估系统中，激励更多员工参与技能提升。

进一步推演建议

1. 跨国AI策略统合问卷：厘清各国技能与数据投资差异。
2. 内部流动性方案：结合AI发展打造第二职业生涯可能性。
3. 人类与AI协同模型：创建企业特定的人机协作路径。