——打破邊界：為什么個人生活中的“超級用戶”，才是企業(yè)AI落地的關鍵？
在納斯達克（Nasdaq）最新舉辦的金融領袖論壇上，一個看似“不務正業(yè)”的觀點引發(fā)了熱議。
德勤（Deloitte）云和AI解決方案首席架構師 Gary Arora 并沒有大談復雜的算法或架構，而是向在場的金融高管們拋出了一條建議：鼓勵你的員工在下班后盡可能多地“玩”AI。
這與我們過去對企業(yè)級技術的認知背道而馳。你不會建議員工在家里玩 Kubernetes（容器編排），但在生成式AI時代，規(guī)則變了。
?? 為什么“公私不分”反而成了AI轉型的捷徑？讀完本文，你將獲得3個重塑AI落地策略的核心視角。
Arora?指出：“個人生活中的每個人，都應該成為日常工作中 AI 的?超級用戶（Power User）?！?/span>
生成式AI與傳統(tǒng)IT技術的最大區(qū)別在于其通用性和不可預測性。
傳統(tǒng)IT（如Kubernetes）：邏輯確定，只需按手冊操作。
生成式AI：充滿細微差別，甚至會“一本正經地胡說八道”（Hallucination）。
只有當你嘗試用AI給伴侶寫一首情詩，或者給朋友準備一段生日祝福時，你才能切身體會到它何時會“取悅你”、何時會“產生幻覺”、以及什么樣的提示詞（Prompt）能產出高質量內容。
這種“體感”無法通過企業(yè)培訓獲得，只能通過高頻的個人試錯來積累。只有懂得了AI的“脾氣”，員工才能在工作中更敏銳地識別AI的邊界，而不是盲目信任或完全排斥。
?? 視角二：重構ROI公式——先找“痛”，再談“藥”
企業(yè)高管最焦慮的問題莫過于：AI的投資回報率（ROI）到底怎么算？
Arora 給出了一個回歸本質的公式，但加入了一個新變量：
ROI = 實際創(chuàng)收 + 成本節(jié)約 + 運營效率 - 部署AI的成本
但他強調，計算的順序至關重要。不要先問“AI的價值是多少”，而要先問“這個痛點值多少錢”。
錯誤做法：我們買了這個AI工具，看看能用它干什么？
正確做法：流程破碎導致的系統(tǒng)故障成本是多少？數據不一致導致的人力浪費是多少？如果這些已知的痛點數字是100萬，那么我們在那里部署AI能省下多少？
生產力 vs.?垂直切片
Arora 區(qū)分了兩個概念：
生產力（Productivity）：給員工配備工具（如Copilot），通過培訓提升效率。這很難直接計算ROI，但能釋放員工時間。
垂直切片（Vertical Slices）：針對特定痛點（如自動處理發(fā)票）部署AI。這是ROI產生的核心地帶。
麻省理工學院（MIT）近期的一項研究聲稱，95%的企業(yè)AI試點項目沒有獲得任何ROI。
這個數字嚇退了不少觀望者，但 Arora 對此非常淡定。他指出，創(chuàng)業(yè)公司的失敗率是90%，企業(yè)轉型計劃的失敗率也有70%。
關鍵洞察：“許多試點失敗的原因，不是因為技術不存在，而是因為組織還沒有準備好擴展這些技術。”
睿信咨詢AI與數據轉型顧問解讀：
這揭示了AI轉型的殘酷真相：技術往往是現成的（Ready），但組織是滯后的（Not Ready）。當企業(yè)的流程、數據治理、人才密度（即前文提到的超級用戶Power User）沒有跟上時，再先進的AI模型也無法在試點之外產生規(guī)?；瘍r值。
基于德勤專家的觀點，建議中國企業(yè)管理者采取以下行動：
用AI提示詞大賽鼓勵個人使用：不要在公司網絡中封禁所有AI工具。相反，舉辦內部“AI提示詞策劃運營大賽”，鼓勵員工分享他們用AI做家務、寫代碼甚至做攻略的經驗。將這些“個人智慧”轉化為“組織能力”。
以“痛點”定預算：在批準AI預算前，要求業(yè)務部門先量化“不解決這個問題帶來的損失”，而不是“應用這項技術帶來的想象”。
區(qū)分“全員基建”與“特種作戰(zhàn)”：對全員提供通用AI工具以提升基礎生產力（不強求短期ROI）；同時組建突擊隊，針對高價值的垂直痛點進行攻堅（嚴格考核ROI）。
AI時代的轉型，不再是自上而下的技術部署，而是一場自下而上的認知升級。
當你的員工在家里習慣了與AI共舞，他們回到辦公室時，就不再是技術的被動接受者，而是能夠駕馭AI創(chuàng)造價值的超級用戶。
現在，問問你自己：你的團隊里，有多少人是AI的“超級用戶”？
原文：德勤（Deloitte）首席架構師：個人深度使用AI，是職場應用的關鍵
作者：Joao-Pierre S. Ruth?來源：InformationWeek
最近，在納斯達克市場（Nasdaq MarketSite）舉辦的“AI金融領袖論壇”上，一個極具挑釁性的觀點引發(fā)了關注：增加個人對AI的使用，可以直接轉化為工作場所中更高效的IT應用。
論壇小組成員、德勤（Deloitte）云和AI解決方案首席架構師?Gary Arora提出，員工需要在個人時間盡可能多地使用AI，以便為在工作中測試AI做好準備。
他對在場的一眾財務高管表示：“個人生活中的每個人，都應該成為日常工作中AI的超級用戶（Power User）。這與之前出現的任何其他技術都完全不同?！?/span>
Arora 解釋道，AI與其他突破性職場技術的不同之處在于，它擁有極廣泛的個人應用場景。例如，企業(yè)絕不會大規(guī)模推動每個人在 Kubernetes（容器編排平臺）上運行個人工作流——“那是荒謬的，”他說。
什么是不荒謬的？“你必須在每一件事上都使用[生成式]AI，”Arora 強調，只有這樣你才能真正理解它能做什么，以及不能做什么的細微差別。
他指出，這包括看似瑣碎的小事，比如為重要的人準備生日祝福或挑選禮物。“你必須親自使用AI，才能建立起對‘好輸出’與‘壞輸出’的判斷力，”Arora 說。其目的是通過不斷的挑戰(zhàn)，識別出 AI 何時在試圖“取悅”用戶，甚至不惜產生幻覺（Hallucination）。
在接受《InformationWeek》的一對一專訪時，Arora 進一步解釋說，成為個人層面的超級用戶只是第一步，在工作場所，企業(yè)仍需采取務實的方法來實現組織的 ROI。
“按季度報告某種實質性進展的壓力是存在的。但這類投資往往需要時間，”他說。
Arora 認為，找到正確的指標來展示 AI 解決問題的實際進展至關重要。AI 的核心價值在于解決痛點——無論是破碎的流程、因數據分散導致的不準確，還是在連接各個環(huán)節(jié)時出現的混亂。
如何設定正確的指標？Arora 建議，組織不應直接量化“AI 的價值”，而應先量化“AI 所解決的痛點”的價值。這包括評估流程不一致的成本、系統(tǒng)故障的代價，以及定位問題的根源。
“如果你一開始就掌握了這些數字，你就可以問：‘我們可以部署 AI 來降低這個具體的美元成本嗎？’”他說。這為公司提供了一個可衡量的基準。
Arora 指出，多年來基本的 ROI 公式幾乎沒有變化，但 AI 引入了一個新的變量：
ROI = 實際創(chuàng)收 + 成本節(jié)約 + 運營效率 - 部署 AI 的成本
“僅此而已。核心就是成本多少，以及你得到了什么，”他說。
Arora 還提到另一個關鍵點：并非所有 AI 相關投入都會產生直接 ROI。你需要區(qū)分你關注的是“垂直切片的痛點”還是“生產力”？
他解釋道，“生產力”是確保每個人都擁有正確的工具（如 AI 助手），這通常不會直接體現在 ROI 報表上。但通過正確的培訓，它能提高員工效率，釋放出時間來完成其他對 ROI 有直接影響的任務。
一旦員工接受了培訓，組織就可以尋找特定的“垂直切片”來部署 AI 以減輕痛點?！白龅煤玫慕M織，正在精準地解決這些問題，”Arora 說。
本次論壇由數據智能平臺提供商 DDN 主辦，參與討論的嘉賓還包括：英偉達（Nvidia）全球投資銀行部門銀行業(yè)務主管 Aser Blanco；DDN企業(yè) AI 和數據智能副總裁 Moiz Kohari；以及擔任主持人的?黑石集團（Blackstone）戰(zhàn)術機會董事總經理 John Watson。
在小組討論中，Blanco 透露，英偉達最近與全球 1000 多家金融機構進行了交流，這些機構表示其 2026 年的 AI 計劃已經排定。
“他們將在 AI 上投資 10% 或更多。AI 投資的增長率將超過 10%，我認為幾乎一半的受訪者表示他們可能會花費更多，”Blanco 說。（注：英偉達作為 AI 算力核心供應商，在市場中擁有重大利益。）
Kohari 則表示，盡管 AI自主型智能體 （Agentic AI）目前備受關注，但其他形式的 AI 仍有巨大的發(fā)揮空間。
“預測性 AI（Predictive AI）仍然重要，特別是在金融市場的各類預測中。還有?NLP（自然語言處理），它使我們能夠處理非結構化數據并提供洞察，”Kohari 說。
小組還討論了麻省理工學院（MIT）8月份發(fā)布的一項研究，該研究聲稱大多數啟動 AI 試點的公司沒有從其努力中獲得任何 ROI。Arora 對此并不感到意外。
“有趣的是去探究為什么 95% 的公司在試點中回報為零。一旦你揭開這個謎團，你就真正理解了正在發(fā)生什么，”他說。
Arora 將這些數字置于更大的背景下指出：90% 的初創(chuàng)公司都會失敗，70% 的企業(yè)轉型管理計劃也會以失敗告終。
“許多試點失敗的原因，不是因為技術不存在，而是因為組織還沒有準備好去擴展在這些試點項目中使用的技術?！?/strong>他總結道。
作者：Joao-Pierre?S.Ruth（喬奧-皮埃爾·S·魯斯）
Joao-Pierre?S.Ruth（喬奧-皮埃爾·S·魯斯）為InformationWeek編輯故事，并報道多個行業(yè)和技術領域的高管。
譯者：寶藍 ? 編審：@lex
