来源：市场资讯
（来源：埃森哲中国）
我们正迈向一个全新的阶段——人机共智时代。
AI的发展速度，已远超以往任何一轮通用技术的发展。从最初用于单点任务的智能增强工具，到如今能够解读意图、推理方案、协调步骤，并以机器速度跨职能执行工作的智能体系统，AI的角色发生了质变：不再只是锦上添花的辅助工具，而成为助力人类跑得更快、看得更远、做得更多的“超级放大器”。
多项基准测试显示，在特定领域，最新一代的大语言推理模型已接近甚至超越人类专家的能力，但这并不意味着人类被边缘化。恰恰相反，随着智能被规模化拓展，人类的角色变得更加关键。智能可以被复制、被扩展，却无法承担责任；只有人类才能理解业务语境、判断价值取向、设定风险边界，并对结果负责。
这意味着，我们正在迎来一种新的协作范式，而非一场人机博弈。为此，我们需要跳出单一视角，从经济、个体、组织与社会四个层面，重新理解企业在人机共智时代增长与价值创造的真正来源。
经济层面，下一个价值点是增长
当智能体从零散试点走向规模化应用，企业面对的问题发生了根本转变。管理者不再单单关注“AI能做什么”，而是必须正面回答一个更现实的问题：这些能力最终能创造多少价值，以及价值究竟从何而来。
埃森哲携手沃顿商学院，为一家年营收约600亿美元的大型企业进行智能体AI价值建模1，结果发现，智能体驱动的自主AI可帮助该企业年营收增长60亿美元，提升生产率17亿美元。值得注意的是，模型表明，生产率并不会直接、简单地转化为成本降低。实际上，约三分之二的生产率提升体现为直观的人工成本节降，另外三分之一则表现为人工成本规避，即释放出能力空间，用于从事其他更高价值的工作（见图一）。除非领导者有意将这些能力重新部署到更高价值的工作中，否则生产率增益将停留在效率层面，无法转化为增长。
这一判断挑战了企业对AI投资回报的传统认知——降本与提效固然重要，却只能兑现智能体潜在价值的一部分。
同时，智能体带来的经济价值并非均匀分布于企业各处。研究表明，价值高度集中在少数关键职能，以及这些职能中反复出现的高价值任务组合中，尤其是销售、研发和市场准入等领域——它们塑造需求、定义产品，并决定产品能否高效进入市场，汇聚了企业最集中的增长潜力。在这些领域，更优的决策质量、更快的执行节奏以及更高质量的产出可以最直接地转化为增长。
这意味着，企业若要兑现智能体的真正红利，需要跳出“一刀切”的部署思路。从高价值职能切入，将已验证有效的高价值任务在企业内部规模化推广，将远比在全组织范围内零散推进试点更能释放回报。在这一过程中，清晰的价值优先级，比技术成熟度本身更为关键。
与此同时，价值与风险也在同步放大。最具增长潜力的领域，也是风险最为集中的领域。当智能体开始影响涉及客户互动、定价和商业判断的决策时，治理就不应是事后补充的次要事项，而是价值实现的前提条件。领导者必须在部署之前识别关键决策点，将人类判断、问责与审慎机制精准嵌入。
个体层面：职位头衔让位于技能，成为职场新通货
当AI在任务层面深度介入工作流程，个体价值的衡量方式正在发生根本变化。工作不再围绕岗位来组织，而是被持续拆解为具体任务，并由人类与智能体协同完成。人的价值不再取决于头衔，而是取决于掌握哪些具体技能，这些技能在市场上是否稀缺，以及能否与AI形成互补。沃顿–埃森哲技能指数（Wharton–Accenture Skills Index，WAsX）研究清晰地揭示了这一转变。2
这一变化首先体现在不同技能之间经济价值的重新分配上。常规、结构化的认知技能需求正在下降，而判断、协调、合规以及高度情境化的专业执行能力，其市场溢价正在上升。分析表明，随着任务在人机之间迁移，市场越来越倾向于奖励那些与AI互补，而非与其竞争的技能。这也印证了实验研究中的一个重要发现：当人类能够清晰界定问题、设定优先级、分配任务并评估结果时，成果远超常规。驱动人机合作成功的主要因素来自以人为主导的协同智能模式。
与此同时，技能的价值并非普适不变，而是高度依赖具体情境。一项技能是否值得支付溢价，取决于它在特定岗位与行业中，对结果的实际贡献程度。研究显示，同一项能力在不同情境下，可能带来显著的工资溢价，可能不影响，甚至降低薪酬水平。这意味着，企业不能仅凭“稀缺性”判断技能价值，而应基于岗位在行业层面的精细化分析，来指导招聘、培养和薪酬决策。
此外，研究还揭示了当前劳动力市场中一个长期被忽视的问题——持续存在的“信号错配”。劳动者往往展示的是宽泛、通用型能力，而企业真正愿意付费的，是更具体、偏执行、与业务结果强相关的技能。通用能力供给充足、区分度有限；而稀缺的技术、分析与运营类技能，却长期供不应求。这种错配不仅增加了招聘难度，也拖慢了企业的执行效率。
在人机共智时代，无论个人还是企业都需要聚焦那些真正驱动成果、区分绩效、创造经济价值的技能。明确所需技能，不再只是人才管理的优化选项，而是价值创造的前提。
组织层面：以人为主导设计工作
当价值不再在效率提升后自然产生，而必须通过再部署与协同才能实现，问题便从“个人是否具备合适技能”，进一步上升为一个组织命题。在人机共智时代，真正拉开差距的，并不是谁更早引入AI，而是谁能够以人为主导，重新设计人机协同方式。
研究表明，大多数企业仍停留在将AI叠加到既有流程之上的阶段，希望通过工具升级获得即时回报。但少数已取得显著成果的企业，做法恰恰相反。这些被称为“人才重塑者”的企业，拥有六大核心特征：
清晰共识：人力、技术与战略必须在价值定义上形成清晰共识，不仅要明确做什么，更要明确为什么做，做到什么程度算成功；
智能协作：用AI来洞察团队健康度、技能水平与绩效表现，让领导者更清晰地看到团队的能力、需求与潜力；
人才流动：基于技能与新兴岗位精准配置人员；
协同学习：在工作中，人和AI双向赋能、实时互教，彼此促进，形成一种边干边学、越用越强的良性循环；
突破性领导力：领导者围绕清晰目标进行授权、辅导，并在关键节点保留人工判断。即便在短期执行节奏放缓的情况下，仍坚持对能力建设的投入，向组织传递一个清晰信号——可持续的能力，比即时产出更重要；
个性化体验：为每位员工打造定制化职业发展与学习路径，锚定有意义的工作。
社会层面：将问责制、合法性、管理责任握在人类手中
AI在不断拓展其创造力、推理、沟通甚至伦理判断上的能力边界。在某些情境下，AI生成的创意更具多样性，其分析能力接近甚至超越人类专家，其回应也常被感知为高度共情。然而，能力的增强并不等同于责任的转移。AI可以生成建议，却不承担后果；可以扩展判断，却无法承担道德责任、制度合法性与长期社会义务，这些始终是人类的责任。
这一“能力可规模化，责任不可规模化”的不对称性，是共智时代最根本的社会约束。当决策由人机系统共同完成，社会必须重新回答一系列问题：谁对结果负责？如何界定有意义的贡献？当判断被部分自动化，信任应如何被建立和维护？这些问题无法仅依靠技术解决，而需要教育、治理与制度层面的同步演进。
因此，在共智经济中，人类的关键角色正在发生转变——从“执行所有任务”，转向“把控方向、设定边界、守护信任”。这也意味着，政府、雇主与教育者必须共建一个支持技能更迭的环境，帮助使用者长期有效地引导、监督智能系统并与之协作。只有当责任始终清晰地归属于人，共智时代才能真正放大社会价值，而非放大系统性风险。
“人机共智”的价值不会自动兑现。领导者新的核心任务是，设计、引导、监督“人+智能体”这个系统，确保在价值创造的方式上，以及在企业内部乃至整个经济体的机会分配上，人始终是中心，从而实现可持续的共同利益。
数据来源
1 《共智时代：人类、AI智能体与机器人如何重新定义价值》，埃森哲，2026年3月26日，https://www.accenture.com/gb-en/insights/strategy/age-of-cointelligence 。
2 《技能错配经济：沃顿-埃森哲技能指数洞察》，沃顿商学院，2026年1月9日，https://knowledge.wharton.upenn.edu/special-report/2025-wharton-accenture-skills-gap-index/ 。
《共智时代：人类、AI智能体与机器人如何重新定义价值》
业务联系：
热门跟贴