人工智能生产力十字路口：高管必须知道的

斯坦福经济学家埃里克·布林约尔松最近在麦肯锡的采访标志着高级高管的转折点。他认为，人工智能生产力叙事——曾被视为线性上升——已经停滞在平坦的J曲线上，标志着一个关键的转折点。根本原因不是技术的缺乏，而是强大的人工智能代理与组织所需的基础设施之间的不匹配。

布林约尔松确定了三个系统性摩擦：数据准备、工作流集成和决策延迟。大量投资于大型语言模型（LLM）的企业经常发现，他们的代理无法访问干净、实时的数据，导致产生幻觉或不相关的输出。此外，孤立的流程阻止人工智能成为无缝的协作者，而不是一个附加工具。最后，人类决策循环仍然很慢，侵蚀了人工智能所承诺的速度优势。

对于C级高管来说，战略含义很明确：人工智能生态系统将越来越多地奖励将代理嵌入其运营模式核心的公司。这意味着重新设计数据管道以确保数据来源和新鲜度，重新架构流程以允许人工智能驱动的建议在行动点出现，并建立治理框架以平衡敏捷性和风险。将人工智能视为外围能力的公司有可能落后于竞争对手，因为竞争对手将代理转变为“决策即服务”平台，持续优化定价、供应链和客户参与。

布林约尔松还强调了人才悖论。虽然对提示工程师和人工智能专注的产品经理的需求激增，但更深层次的短缺在于“人工智能翻译者”——能够将领域专业知识与算法洞察力相结合的高级领导者。建立这一人才队伍需要有意的提升计划和跨职能的职业轨迹，将商业敏锐性与技术流利度相结合。

更广泛的人工智能生态系统将感受到涟漪效应。供应商将从出售静态模型转变为提供端到端的编排平台，包括数据卫生、工作流API和合规模块。同时，监管机构可能会加强对人工智能驱动决策的监督，使得健全的治理不仅是一种竞争优势，也是一种合规必要性。

简而言之，转折点不在于人工智能的局限性，而在于周围基础设施的成熟度。现在采取行动的高管——通过投资数据运营、重新设计工作流和培养人工智能翻译者——将把当前的停滞转变为新的增长轨迹，将他们的公司置于下一波智能自动化的前沿