撰文 | 雁 秋
编辑 | 李信马
题图 | 豆包AI
法国社会心理学家勒庞在《乌合之众》里写过一句话：群体不需要真相，只需要一个确定的答案。这句话搬进AI时代，有种非常契合的解释力。
一般人初次接触生成式AI，最本能的做法就是问它一个问题，然后等待回答。AI的价值似乎就在于能多快、多好地给出那个确定性的输出。企业采购AI时，PPT上也是同样的叙事，比如智能客服可以节省多少人力，AI辅助编程能提升多少效率。
近期，市场分析机构IDC给出了一组数字：81%的组织正在部署、试点或计划在短期内采用AI PC，61%的企业已将AI直接嵌入工作流程。而驱动企业投资AI PC的前三大因素，分别是提升生产力（59%）、创新与竞争差异化（39%）以及安全性收益（35%）。
不过，部署意愿不等于部署效果。报告同样显示，从CEO到一线员工的认知落差正在不断发酵，32%认为员工对AI功能的理解有限，31%对监管与数据合规性的不确定性有所顾虑。
DoNews从多方渠道接触了包括银行、保险、审核、科技、地产等在内的从业人士，在他们主动或者被动拥抱AI的过程中，呈现出一张清晰又复杂的图景：有人将AI塑造成降本增效的“万能钥匙”，有人在绩效指标与合规压力下成为算法与人工之间的“缓冲层”。
AI落地最原始的状态，不是失败，而是虚假。一些企业将AI视为一张可以随意张贴的“高科技外皮”，认知与行动间隔着巨大裂痕。
子铭曾在审核类行业工作，他向笔者分享了前司内部对待AI的态度——从“龙虾式”动员，到实际落地时的犹豫。
据他表示，老板曾在200多人的公司大群里发出指令，要求大家把“小龙虾”都装起来，但当时连研发部门都没几个人真正会使用相关AI工具，更没有人提前评估过其中的数据安全风险，以及调用API可能产生的Token费用问题。
高层在口头上表达了“拥抱AI”的意愿，但落到实际行动上，资源支持几乎为零。子铭坦言，自己曾尝试用“扣子”（Coze）搭建企业知识库，自测已经成功，但最终卡在了企业微信接口的对接环节上。“因为没有一分钱预算。”也有部分同事在飞书上自行部署了一些AI应用，但整体比例不高。
最让人感到困惑的，是老板对AI态度的反复。“公司本有着广阔的AI应用前景和空间，老板也频繁参加各类AI主题的会议和活动，但有一次回来后却对我们讲，还是人工的好，我们的工作AI根本代替不了。”
在技术崇拜和落地阻力之间横跳，是当前部分企业拥抱AI时的真实写照。同样的割裂感，也出现在另一种形式的“强制拥抱”中。
DoNews联系到一位某上市公司的程序员，据他介绍，公司自今年1月起推行“全员AI”，要求使用「指定AI工具」生成代码，并推动全员向全栈工程师转型。然而，实际效果与初衷之间出现了明显落差。
比如，领导层每天都在评估AI开发与传统开发方式的耗时对比，导致会议数量激增，加班也随之增多。“有些背离了AI提效的初衷。”他认为，公司领导过于乐观地认为AI可以解决大部分开发问题，而基层员工则在日复一日的评估会议和加班中感到疲惫。
高管期望AI能提升生产力，但员工体会到的只是工作量的增加，部分人甚至不知道如何达到领导层期望的效果。该公司内部，员工之间也在私下讨论另一个敏感话题：既然都是程序员，适合自己的AI使用方式才是最好的，为什么非要强制使用指定的AI生成方式？过度的会议、被动的加班、对数据用途的疑虑，正在削弱AI本应带来的正向体验。
该员工无奈地发起疑问，AI提效是为了让员工的工作方式更加灵活，还是为了让公司的产能更高？AI究竟是帮助打工人，还是最终淘汰打工人？这些问题并个人的困惑，而是当前AI进入职场后无数一线技术人员的共同焦虑。
当企业开始认真对待AI，投入资源、搭建系统时，变革就从“口号”进入了“组织层面”。但在这个阶段，效率提升首先带来的往往是阵痛。
咔咔在国内某大型地产公司任职，他向笔者介绍，大约在2024年初DeepSeek推出后，公司便正式开启了AI赋能之路。
第一阶段是学习，“公司会下发会议通知，提供视频资料，要求我们去了解AI。”第二阶段，专业团队会把AI与内部系统更深度地结合，自主研发了多个工具，用于企业提效。
“AI确实能提取有效信息、分析数据，帮助岗位变得更专业。前两天开会时，领导还努力教我们怎么‘喂龙虾’，不过时间太短，吸收有限。”咔咔解释，领导的主要意图是开启大家的AI意识，帮助员工在日常业务中不抗拒AI，主动去使用。
效率提升后，企业往往会重新分配任务，最显著的变化体现在组织架构上。据了解，该公司在今年启动了一轮架构调整，此前设有基层岗、经理岗和总监岗三个层级，现在基层岗和经理岗已经二岗合一了。
变化的速度很快，员工心态也随之分化。咔咔观察到两种趋势：一类人对AI很感兴趣，主动学习，自己就能自发向上走；另一类还在用过去几十年甚至上世纪的方法做新世纪的工作，意识不到时代在淘汰自己，这种人只能靠企业去牵引。
从最初的学习到后来工作量增加，再到岗位合并，工作内容变化的节奏很快，“高层的事情关心不了那么远，员工层面，确实会比较迷茫。”咔咔说。
走出阵痛的方式，不是放慢脚步，而是找准着力点。当企业开始精准地将AI植入高价值、标准化的业务环节，用可量化的效率提升建立信心时，AI才真正从“概念”落地为“工具”。
保险行业的信美相互人寿（以下简称“信美保险”）提供了一个成熟范本，相关负责人向笔者表示，公司AI布局已从初期尝试阶段迈入大规模应用提效阶段，AI技术正深刻改变其核心业务环节。
作为受严格监管的金融机构，信美保险在算力部署上采取差异化策略：非敏感业务调用云端服务，敏感业务则使用私域服务器，确保客户隐私和核心数据安全。
在策略上，信美保险采用轻资产模式，全部算力资源来自云端，不自行建设算力设施，成本主要聚焦于技术研发和人才培养。在投入产出比的衡量上，公司围绕运营效率提升、成本管控和风险管控三大维度，重点跟踪核保与理赔时效、人力成本节约等核心指标。
值得注意的是，他们并未设立传统意义上的“AI KPI”，而是将技术落地、效能提升与风险管控等目标与业务深度绑定。“员工对AI的态度也普遍积极，许多人通过OKR设定更具挑战性的目标，并主动提出加强AI培训的建议。”信美相互人寿负责人说道。
这种务实策略带来了切实改变，以健康险预核保为例，AI智能预核保助手能够自动识别医疗单证信息，并结合核保知识进行分析推理，将预核保时效从传统的48小时大幅缩短至1小时以内。
当工具强大到足以替代标准化劳动时，人的价值就不再体现在执行层面，而是体现在驾驭工具、做出复杂判断的能力上。
招商银行（以下简称：招行）的实践，为这一命题提供了注脚。作为业内公认的“科技金融领头羊”，招行对AI的投入堪称大手笔。
资料显示，2025年6月，招行正式对外宣布“AI First”战略。这一年，招行AI技术与应用出现爆发式增长，2025年AI日均Token吞吐较2024年增长10.1倍，全年落地183个金融垂直领域专精模型、856个业务场景应用，AI替代人工工时达1556万小时。
笔者联系了招行某城市分行的对公信贷经理舒岚，她的阐述展现出AI时代下银行系统员工某种冷静且务实的态度。舒岚表示，招行近年来每年都会从营收利润中拿出相当一部分资金（大概十到二十亿级别）砸向科技金融板块。“是行业最强的，没有之一。”而这种巨大的投入，使得AI已经像空气一样渗透进营销、客服乃至公文写作的每一个毛孔里。
据舒岚介绍，在传统模式下，客户通过手机银行或官网咨询公司贷款业务，往往受限于人工客服的繁忙程度与专业壁垒。而如今，AI的介入正在彻底打破这一瓶颈。AI的响应速度几乎没有延迟，更关键的是专业度的飞跃。
“以往的人工客服如果面对复杂的产品，往往需要转接或查阅资料，但现在的专属AI系统已经将海量的产品细则、合规要求内化，不仅能准确回答客户的问题，还能做到逻辑清晰、用词规范，远比人工死记硬背来得可靠。”舒岚说。
除了客户咨询，在对外营销环节，招行自研的AI系统会通过大数据抓取客户的动态与潜在需求，并主动生成营销线索推送给客户经理。“比如系统提示某家企业近期资金流水波动异常或有扩张迹象，AI会马上推送商机，让我去精准跟进。它甚至能自动生成拜访日志和沟通纪要，直接挂入系统。”
与监管部门对接工作，也是舒岚的日常工作之一。她表示，以往需要耗费一两天、绞尽脑汁起草的公文报告，现在只需把大纲和形式要求“甩”给AI，几分钟就能生成规范的初稿，做微调即可。至于节省下来的时间，能让她能更专注于对客户的深度分析与风险把控。
让笔者更感兴趣的一点是，招行这一系列举措中，最具价值的不是效率数字，而是它对“人才”的重新定义。舒岚介绍，以前行里招人大多是金融、财会专业，现在会固定一定的比例，专门招信息技术、计算机方向的科技人才。
这种人才结构的转型并非毫无阻力，它实际上在银行内部催生了一种微妙的“认知差”。一边是掌握编程思维、擅长与机器对话的科技新锐，一边是深耕业务多年、依赖经验判断的传统金融人，两者在AI浪潮下的处境截然不同。
当AI开始替代基础文案和标准客服，缺乏技术背景的老员工难免产生职业焦虑——担心自己辛苦积累的经验，会不会在一夜之间被算法解构殆尽。
然而，这种担忧在舒岚看来，恰恰搞错了重点。她认为，AI暴露的并非“人力冗余”，而是“能力断层”。
技术的冲击，本质上是在倒逼银行人重新审视自己的核心竞争力，如果一个人的价值仅仅停留在执行标准化流程、传递固定话术，那么被替代只是时间问题；但如果他能将AI作为杠杆，把节省下来的时间用于深度思考、复杂谈判和风险洞察，那么AI反而会成为他最得力的助手。
也正因如此，舒岚反复强调一个观点：银行里的AI竞赛，表面上是技术投入之争，深层却是“谁更会用AI”的人力素质之争。正是基于这样的底层逻辑，当外界将目光聚焦在“裁员”这个敏感词上时，她回答才显得格外冷静：“银行裁不裁员，核心是经济环境，而不是AI。”
在她看来，AI更像是一个强有力的工具，作用是释放人力，而非简单地消灭岗位。银行内部存在两类分流。一方面是那些重复性的、无需过多创造力的基础营销和客服岗位，如果员工能力无法提升，确实会面临调整；而具备综合素质的员工，则会被转移到更需要人为判断的核心岗位。
“AI只能提取数据，但银行是跟人、跟企业打交道的行业。在交流过程中，那种经验性、直觉性，甚至是带有感情的专业判断，AI没办法参与。”舒岚说。
写在最后
四个层次，一条主线。穿透这些案例，一个核心规律逐渐浮现：AI与业务的融合深度，直接决定了它是制造混乱、简单提效，还是重塑能力。
换个角度看，企业对待AI的方式，最终暴露的是它对待“人”的态度：是把人当作可被监控、可被替代的执行单元，还是把人视为能驾驭工具、能做出复杂判断的价值核心？答案不同，AI带来的结果便判若云泥。
真正的变革，恰恰始于放下幻想。在AI越来越擅长给出确定答案的时代，提出好问题、做出复杂判断、驾驭工具而非被工具驾驭的能力，正变得像黄金一样珍贵——那或许才是AI时代最大的真相。
（注：子铭、咔咔、舒岚均为化名）
配先查提示：文章来自网络，不代表本站观点。
