别再把AI当超级员工，你的企业是否准备好迎战“判断力缺失”和“80分诅咒”？

本文来自微信公众号： 复旦管院 ，编辑：徐玉茹，责编：仲蕊，作者：胥正川，原文标题：《别再把AI当超级员工，你的企业是否准备好迎战“判断力缺失”和“80分诅咒”？ | 智能涌见》

2026世界人工智能大会暨人工智能全球治理高级别会议于7月17日-20日在上海召开。近年来，中国积极推进“人工智能+”行动，智能经济核心产业规模已经超过万亿元人民币，“中国智造”已成为中国式现代化的又一亮丽名片。

当“AI生成”变得唾手可得，当生产力不再构成稀缺壁垒时，真正决定企业核心竞争力的又会是什么？本期“智能涌现”，复旦管院信息管理与商业智能系胥正川副教授将分享智能体时代的范式迁移、企业进化与未来演进趋势。

大模型的核心业务价值由

生成力、理解力、推理力、执行力构成

人工智能发展迄今已经60多年。生成式人工智能已经深入日常，可以为人类做很多事。然而，当“生成”本身变得很容易，那么生产力就不再是壁垒——判断力才是。

当未来90%的内容都由AI生成，竞争的焦点就变了。今天我们生成的就不是“更多的内容”，而是“更少的信任”。因此，真正的问题将不是“能不能生成”，而是“谁来判断”。

AI是知识传播的放大器，不是知识本身的替代者，0放大出来还是0，1可以放大到10或100，这就是AI的真相。很多人以为写提示词就生成视频的过程很简单，但关键在于视频是否达到了预期要求。广告的形式、内容、脚本都必须细化，表面上似乎只是提示词生成，实际上背后隐藏着诸多问题——如何检测生成结果？又要依据什么来评判质量？在自动生成的背后，隐藏着指数级的判断成本。当生成力带来供给爆发，真正稀缺的资源始终是“判断力”，这已经成为我们工作的核心之一。

大模型的核心业务价值，远不止于“生成”，而是由生成力、理解力、推理力、执行力四个递进层级构成。AI能否实现从“帮我做东西”到“帮我做判断”？对于管理者而言，真正要掌握的“深水区”是：高风险决策、长周期影响、资源与声誉成本，以及不可逆的战略后果。这也让决策逻辑从“先做再看结果”变成了“先预判再决定要不要做”。

面对无限供给，管理者需要三套诊断框架：一是幻觉与管理风险；二是约束迁移与Agent；三是大压缩与大变革。大模型的幻觉，不再是技术瑕疵，而是管理责任问题。当AI输出进入核心决策链，幻觉会沿着流程放大。

幻觉的本质是边界错位与工程补偿。模型没有检索真实世界的能力，只有采样分布的能力。它就像一个读过10万篇论文，但从未做过一天实验的研究院。因此，在研发侧，任何AI输出必须嵌入“人类验证回路（Human-in-the-loop）”，不能将置信度等同于客观真理。

AI每解决一层问题，就把管理者推向更高一层的挑战。突破上下文约束，是AI从“生成建议”变成“参与决策”的门槛，Agent的本质就是让AI获得更多信息与执行控制权。

企业的护城河不在大模型，

而在“Harness”

AI的应用范式经历了三次演进矩阵。范式一是对话式协作阶段。人通过对话让AI来协助工作，或者配合完成任务，可以将AI看作“副驾驶”。范式二是流水线式集成阶段，即AI嵌入到工作流程和整个业务系统中。这一阶段AI不仅能协助完成内容生成，还能够参与判断和决策，与业务系统实现深度整合。

范式三就是当前所处的智能体生态阶段。大量任务会交由智能体来完成，人类只需清晰表达意图，并将工作分配给不同的AI技能模块。这些技能构成了一个“智能体军团”，能够在各自的权限与信息范围内高效完成特定任务，并处理多种业务。

AI应用的发展是一步步迁移的，每个阶段的约束条件也不同。Prompt Engineering（提示词工程）解决“模型有没有听懂”的问题。Context Engineering（上下文工程）解决“模型有没有拿到正确信息”的问题。Harness Engineering（系统驾驭）解决“模型在长链路上能否持续做对”的问题。而这三级跳跃，也恰好对应着人类工作方式的逐步演进。企业AI工程的核心，正从“让模型更会想”向“让模型跑得稳、不跑偏”转移。

AI的幻觉正在重塑系统边界，即用系统架构的可靠性去包裹个体的不可能。当Agent任务失败时，解决办法绝不是去提示词里让它“更努力一点”，而应该去系统里排查它“缺少了什么结构性的外围能力”。

从“实验室奇迹”到“工业化基石”，真正决定应用能否上线的可能是模型（大脑），但真正决定能够落地、能否稳定产生商业价值的是Harness（系统）。

对企业管理者而言，首先要意识到，企业的护城河不在大模型。当基础模型能力趋于同质化，企业真正的核心壁垒在于围绕自由业务流构建的专有Harness基础设施。其二，去投资工程基础设施。停止在无穷无尽的“提示词玄学”上耗费资源。将预算转向状态管理、自动化评估（Eval）、日志追踪与错误恢复协议。其三，学会用“系统思维”管理Agent，不要把AI看成“全知全能”，引入分离职责机制，为AI建立严格的数字SOP工作流与独立QA验收体系。

每一次AI能力的跃迁，并不是简单的功能叠加，而是在真实业务场景中持续识别并突破上一个阶段的新约束。

AI触发四重压缩，

你的企业能否摆脱“80分诅咒”

每一代的技术突破，都在解除一种系统约束。当AI系统开始稳定执行，组织被压缩的不是成本，而是结构。例如，互联网浪潮解除了“分发约束”，让个人可以低成本触达全球用户。SaaS浪潮解除了“工具约束”，让个人实现调用企业级数字基础设施。AI智能体浪潮则解除了“执行约束”，让个人可以指挥无限算力的虚拟团队。

由此，AI将触发四重压缩效应。第一重压缩，是个人技能差异缩小，由于生成式AI弥合了技能鸿沟，“差生”迅速变成了“中等生”，技能形成速度加快，培养周期被极限压缩。

第二重压缩，是自动化进入市场与交付。AI智能体不仅是营销工具，它们正在成为“前置部署工程师”，自主接管复杂的客户引导和系统集成。团队结构从传统的跨职能小组变成了AI原生小队。原先团队需要高资本投入、多部门串联，依赖人工交接与中层协调。而现在，AI原生小队仅需要少数领域专家与AI工程师合作，投入显著降低，可以围绕闭环任务重新设计工作流程，由Agent承担连接、同步与执行反馈。可以说，真正被压缩的不是人头，而是跨部门协作中的等待、交接与摩擦。

第三重压缩，是团队动机的向下压缩，也就是“理性摸鱼”现象，也被称为“80分诅咒”。例如，原本愿意花150分钟追求85分效果的插画师，现在通过生成式AI赋能，在第60分钟就能达到80分的水平。而既然60分钟可以拿到80分，就不会有人愿意再花90分钟去达到85分，努力的边际汇报趋近于零。实际上，高达30%的插画师因为过早手工，交出的最终作品质量反而低于未引入AI的水平。当80分变得触手可及，组织真正被压缩的，不是产出能力，而是持续追求卓越的动机。

同时，AI具有“双刃剑”效应，含有隐藏的交易成本。“阳”的一面，AI降低了知识壁垒，让跨学科提问更加顺畅自信。“阴”的一面则是AI削弱了人机沟通刺激，高管更倾向于向私有AI求助来掩饰不足，而不是向组织暴露问题进行协作。这导致组织内部的“信息孤岛”非但没有消除，反而可能因为AI的掩护而加剧。

第四重压缩，是组织架构的横向压缩。效能等式被打破：配备AI的单兵作战能力，创新工作成果已经超越了两个没有AI赋能的员工。更反直觉的是，边际人数呈现严重递减。两个配备AI的人组成的团队，工作质量并不比单个配备AI的人高多少。在横向协同层面，完成同等量级的复杂创新任务，未来只需要极小规模、极度敏捷的微型团队，甚至是“一个人+AI智能体”的超级个体。

智能体时代，组织的进化首先从个体进化开始。为员工配备AI工具，让员工借助AI高效完成工作任务。第二，进行团队重建。避免因为使用AI陷入“80分诅咒”，吸纳那些具有强烈改进动机并积极优化的人才，带动整体持续提升。第三是组织破局，通过结构调整和业务重构适应智能体革命的环境。第四是流体拓扑结构，能够自然变形并快速响应客户需求，实现最高状态。未来的组织不再是坚硬的工业流水线机器，而是人机共生系统，这对人才提出了多元化技能的要求——AI能力成为各行业的标配，同时员工还需具备跨领域的复合型技能并持续追求卓越，才能契合新时代的发展标准。

#复旦管院#智能涌见#胥正川#AI领导力#组织进化#80分诅咒