在《权力与预测:人工智能的颠覆性经济学》一书中,经济学家Ajay Agrawal、Joshua Gans与Avi Goldfarb指出,人工智能(AI)通过降低预测成本,正在重塑企业的决策机制。若想实现生产力的突破,企业需要从顶层设计重构运营流程与系统,而非仅仅在单一环节部署企业级人工智能应用。
在越南,人工智能的应用正日益广泛,但如何落地依然是众多“企业”面临的重大课题。据安永越南咨询公司(EY Consulting Vietnam)对120位企业高管的调研显示,97%的“企业”已将AI纳入运营,然而仅有约3%的“企业”实现了深度整合,并真正通过该技术验证了其实际价值。
阅读更多:Diaflow的雄心:推动AI Agent深度赋能企业运营
那么,越南的“企业”应如何调整其运营模式,以高效挖掘人工智能的潜力?《Tatler越南》特邀Base.vn副总经理陈俊英义(Trần Tuấn Anh Nghĩa)先生,从管理视角探讨如何通过重构系统设计与明确责任机制来应用AI。

Above 这是企业在探索人工智能应用过程中所面临的挑战与机遇的专题报道配图。
《权力与预测》一书为审视AI的影响提供了一个经济学思考框架:这一工具究竟在何处创造价值,以及它如何改变经济结构。将这些理论观点与越南“企业”的实际工作状况相结合,您如何看待当今各大“企业”的决策方式与组织架构?
我在两年多前阅读了《权力与预测》,那时正值我与众多企业主开始感受到AI发展速度带来的压力之际。当时,大语言模型尚未像今天这样全面,而诸如LLM(大语言模型)、Agents(智能体)、RAG(检索增强生成)、Harnessing等概念,对身边的人来说还相当陌生。
回首往事,我对AI近期的飞速进步感到震撼。但正因如此,我也感到幸运,因为通过这本书,我找到了一盏指路明灯,帮我在这个略显混乱的AI时代为“企业”找到定位。
书中有一个观点我深表赞同:要理解当下并预测未来,我们需要审视历史规律。电力和人工智能都是通用目的技术(GPT),即能够从根本上改变人类劳动方式并创造价值的技术。爱迪生在1882年点亮了珍珠街的电灯,但直到1900年,仅有约3%的美国家庭使用电力。电力真正引发生产力革命花了近40年时间。作者将这一过渡期称为“中间时代”(The Between Times)。将电气化的历史进程与越南“企业”应用AI的现状相比,我认为我们正处于类似1900年的阶段。尽管我相信AI革命的进程会快得多,但我认为目前我们仍处于将AI应用于碎片化任务的阶段,尚未形成系统性的变革,也未能在大规模宏观层面显著提升整体经济的生产力。
不谈系统性变革或大规模宏观生产力提升,目前的普遍现状是,人工智能有时反而让工作流程变得更加复杂,而一些领导者却寄希望于这项技术能解决几乎所有问题。依您之见,这些“企业”被困在了哪里?
我认为这并不全是“企业”的过错,而是过渡期的典型特征。保罗·大卫(Paul David)曾描述过20世纪初的工厂主如何用电动机替代蒸汽机,却保留了原有的生产线,导致生产力几乎毫无提升,因为他们没有改变组织形式。今天,我们在人工智能应用上正重复着同样的错误。
在实际运营中,我观察到“企业”常面临三大难题。首先,AI仅被用作个人工具。每位员工使用各自的对话窗口,数据无法进入系统,导致“企业”无法积累知识与运营语境。其次,AI仅被整合进旧流程的某个环节。其余步骤未作调整,反而导致“企业”增加了审查与监督AI输出的额外负担。第三,领导者对AI寄予厚望,但企业数据依然分散在互不兼容的软件中。如果数据尚未整合并标准化为唯一的真实来源(Single Source of Truth),人工智能便无法有效挖掘这些信息。这些都是易于达成、无需深度组织变革的目标,因此极难创造突破。问题的核心在于,“企业”尚未建立足够一致的运营系统,使人工智能成为组织架构的一部分,而不仅仅是身处人机之外的辅助工具。

Above 这是关于人工智能如何改变现代企业运营系统与管理架构的视觉呈现。
那么,“应用AI”与“基于AI重构企业”之间的界限在哪里?一家“企业”如何判断自己是否正在进行后者?
界限在于一个关键问题:“当人工智能改变了一个决策时,系统中的其他决策是否也随之调整?” 如果答案是否定的,那这只是一个点状解决方案(Point Solution)。如果是肯定的,那么该“企业”正在迈向系统性解决方案(System Solution),即以系统化的方式重新设计运营模式。
企业可以通过几个实际迹象来判断。当部分任务从人工转移到AI智能体(AI Agent)时,工作描述会被重写,但仍有人负责最终结果。流程因为那些仅用于校对信息的审批步骤被AI取代而得到了简化。绩效评估方式也从衡量活动量转向衡量输出与结果。甚至“谁拥有此事的决策权?”这一问题也必须重新提出。相反,如果引入AI却未改变组织中的任何权力分配,那么该“企业”几乎肯定没有真正重构运营模式。系统性的变革总是伴随着权力的转移,无论程度大小。这正是书名中“权力”(Power)一词的深意。
阅读更多:人工智能之父:我们需要那些‘不忍心看到人类痛苦’的AI
书中的一个重要论点是AI降低了“预测”成本,从而提升了“判断”的价值。在机器预测能力日益强大的背景下,人类的角色应如何安排与设计?人类的哪些能力将变得更具价值?
我常与团队分享,人工智能可以模拟结果,但无法完全替代产生这些结果的思维逻辑。正如作者所指出的,决策由预测和判断两个要素组成。人工智能在预测方面表现得越来越好,且成本更低,但确定追求何种结果、接受什么风险以及权衡利弊,依然是人类的职责。当预测变得廉价时,判断失误的代价可能变得更昂贵。因此,人类需要专注于三件事:确定期望结果,构建人与AI智能体之间的协同准则,并对最终结果承担责任。在Base,所有运营准则都同时适用于人类与AI智能体。我认为,日益具备价值的三种能力是:正确定义问题、在模糊情境下进行判断,以及对实际结果承担责任。人工智能可以在不承担代价的情况下做出错误的预测,但我们要承担。

Above 这是关于在人工智能决策时代,人类应如何发挥判断力与承担责任的示意图。
目前的“企业”是否已经准备好面对“当AI参与系统时,责任归谁”这个问题?
我认为大部分还没有。原则上,最终责任始终属于人类而非工具。对于AI智能体也是如此,AI执行某个动作并不意味着责任转移给了AI。问题在于许多“企业”正在缺乏监控与追溯能力的系统外使用AI智能体。因此,他们尚未明确AI被允许做什么、权限界限在哪、谁做出最终决策以及如何校验AI的执行。在我看来,只有能清晰回答以下四个问题的系统才算真正准备就绪:AI被允许做什么?谁负责该任务?所有行为是否可被追溯?哪些决策仍需人类直接做出?这也是我们在构建Base 2.0时所设定的基本原则。
在构建Base 2.0时,Base从哪些“企业”难题着手?哪些理念或切入点塑造了您设计新产品与运营系统的方式?
我们从服务超过12,000家客户10年后遇到的悖论着手。现实是,“企业”使用了大量软件,但数据依然混乱,工作依然碎片化。每个软件解决一个孤立问题,形成了“数据孤岛”,而工作被仅仅视为一个个单一活动。比尔·盖茨曾分享说,如果现在创业,他会构建一个以人工智能为中心运营的“企业”(AI-Centric Enterprise)。这也是塑造Base 2.0的理念:与其在旧平台上附加AI,我们选择从头开始构建,以实现系统性转型,而非提供点状解决方案。我们常提醒自己:“AI会淘汰劣质软件,而非优质软件。” 我们不盲目追逐AI功能,而是专注于构建一个足够好的运营系统,让AI真正发挥其价值。我们的最终使命其实很简单:帮助每一个人真正减少工作量。

Above 这是关于Base 2.0系统设计的概览,展现了如何通过以AI为中心的设计优化企业运营。
假设您被允许清空一家“企业”现有的所有运营架构并从零开始重新设计,目标仅为最大程度利用人工智能,您会从何处着手?
我不会从选择AI工具开始,而是从重新定义“工作”开始。首先,我会列出“企业”为客户及内部所必须产出的所有结果(Output)。接着,针对每一个结果,我会明确界定何为合格标准、不可逾越的底线,以及谁负责承担最终责任。只有在此之后,我才会决定哪些部分交由人类,哪些部分交由AI智能体完成。最终,我会将全部工作纳入一个统一系统,使得人类与机器的所有活动都能被监测与衡量。
如果要给“企业”提三个建议,您会说什么?
第一,不要从AI开始,先从明确自己的工作定义开始。如果“企业”还不能描述一项工作完成时的具体样子,AI就无法有效解决该问题。
第二,像对待新员工一样对待AI,明确分工范围与规则。不要把给AI派发任务当成按一下按钮那么简单,也别将其视为一种不可控的存在。
第三,让人类保留判断能力并承担责任,同时投入资源去发展这些能力。我从咨询顾问成长到如今的位置用了7年,学到的不是知识更多,而是如何从每次成功或失败后的经历中总结经验。AI处理信息的速度远超人类,但它并未生活在我们的人生之中。
电力技术从照明应用到重塑生产线花费了约40年。我相信人工智能不需要那么久,因为这场重构已经开始了!
阅读更多




