无论你是否愿意，AI正以前所未有的速度，全面介入人类生活。
2022年底，ChatGPT横空出世，大模型浪潮席卷全球，短短几年，我们充分感受到AI的强大，翻译、P图、写代码，AI短剧让6亿人沉迷。
一个更为现实的冲击是，一大批数字员工加速“入职”，成为人类新同事。这意味着基于工业革命，延续200多年的社会分工制度，正在悄然瓦解。
当AI越来越强大，组织还有必要存在吗？普通人又该怎么办？这是每个人都关心的时代命题。
前段时间，我们拜访了清华大学经济管理学院教授、组织研究学者李宁。他是最早研究AI原生组织的学者，他认为“岗位、层级、KPI”等工业时代的标配正在被颠覆和重构，人与组织将会从雇佣关系变成合伙关系，具备独立判断能力的“超级个体”将拥有更多筹码。
他还回答了一个“扎心”问题：AI让个人效率提升数倍，但95%的组织却没有获得显著回报，极具洞见。
以下为采访内容精编，希望对你有所启发。
嘉 宾：李宁 清华大学经济管理学院教授，《AI原生组织》作者
访 谈：孙允广 正和岛内容总监
编 辑：星辰
来 源：正和岛（ID：zhenghedao）
传统组织，正在崩塌
孙允广：在您看来，AI技术加速到来，对传统组织带来了哪些冲击？又是如何动摇了传统组织的根基？
李宁：传统组织聚焦点在人，主要建立在3个核心假设之上。
一是人的有限理性。人不是全知全能，时间和精力有限，造就了人的认知能力有限。这带来了分工，比如前端工程师专注于用户界面、后端专注于服务器逻辑。在一个大型组织中，分工带来了效率，但也带来了成本，人与人之间的协调成本和摩擦成本。所以，优秀的大企业都不可避免地患上大企业病。
第二个是人的不确定性。客观来讲，人有情绪，会疲劳和分心。所以组织设立了一套管理体系，比如激励和奖惩机制，确保人有动力把事情做好，员工每天上班不迟到。
第三个，最容易被忽略的是人的成长性。在现有的组织层级体系中，从实习生到资深员工，靠人的成长和经验驱动，提升组织的能力。
所以，管理的核心就是管人，所有管理制度围绕人来设计，泰勒的科学管理就是在解决这些问题。
现在，组织主体变成了AI。AI能力越来越强，特别是智能体，能很快地完成复杂任务。我举一个直观的例子，以前的组织形态是基于劳动分工，领导给员工派活，两周才能完成，现在拿AI一个小时就做完了，但很多人会在两个星期以后才汇报。人在使用AI的过程中，个人极致提效，但组织效率没有显著提升。
如何衡量新的生产力？人在这个过程当中应该形成怎样的劳动关系？任务应该如何分配？这些都是我们观察到的系统性摩擦。
企业需要围绕AI的特点去构架管理体系，把人放到体系之中，通过约束验证、设计冗余构架去管理AI的不确定性。企业还要考虑把隐性知识转化成 AI 可用的数据，管理skill，不断迭代AI智能体的系统。
这背后是工作主体的转变，从人到人机共生的模式。
孙允广：个人使用AI工具，DeepSeek也好，Claude也好，提高了个人效率，但没有转化为组织系统性的竞争力，整体效率为什么没有提高？
李宁：这涉及一个本质问题：组织为什么存在？组织是劳动分工的产物，最早追溯到亚当·斯密，他参观一家扣针厂时发现，一个工人独自完成所有步骤，拉丝、打磨……一天可能造不了20枚扣针，把这些步骤分给10个人，每人只做一个或两个步骤，10个人一天可以做48000枚。人的认知带宽有限，分工让每个人都变成某个环节的专家，这就是现代组织的基石。
这里面引出一个问题：劳动分工之后，最后的任务是整合，会形成很多协调成本。我干完后交接给你，交接成本高。一个典型的场景是，从前需要一个团队花数周完成的工作，现在一个人加上AI就能实现，但旧有的组织还在，这个人干完了还要等同事的进度，最后再统一开会。这样一来，AI的效率被现有的组织构架“吃”掉了。
孙允广：今天这个时代，很多企业用AI系统性提高组织效率，企业AI转型是一场关乎未来的生存之战。您认为企业如何进行AI改革？是技术的应用，还是调整组织？
李宁：这是一个系统性工程。在技术方面，门槛和成本越来越低，过去的大模型靠人驱动，提升单点效率，现在AI可以自主完成复杂工作。我在上课的过程中发现，很多企业一号位对于AI的认知存在欠缺，不知道AI究竟能做到什么程度。
第二个是人的问题，最大的缺口是驱动组织变革的种子员工很少。过去组织是金字塔结构，层级分明，员工是组织的一环。现在诞生了超级个体，一个人能改变一个团队、一个部门或整个流程，从而带动组织内部变革。不同于过去的人才画像，现在的超级个体不一定职级高或经验丰富。
AI变革还涉及到激励机制、薪酬机制、岗位竞争的机制和统筹。从微观上看，所有的管理问题还是人的问题。
AI真正的价值是创造，而非降本裁员
孙允广：AI时代之前，很多企业容易出现技术官僚，或者被技术人员所“绑架”的情况。您在书中提到，组织里最懂AI的人，往往是AI转型最大的阻力，为什么？
李宁：一般来讲，技术官僚往往经验丰富，但经验是一把双刃剑，改变了人们的工作方式，增强了人的判断力和品味。但在心理层面，人总归会有一种被威胁的感觉。
我接触到一些企业，在数字化转型时，IT部门是主要操盘手，把物理世界的东西信息化了，线下的流程搬到线上，业务不变，本质是“原子到比特”的过程。
AI出现之后，技术实现平权。转型不仅仅是技术的事情，而是一场由业务驱动的组织变革，与上一波数字化转型差异很大。本质上，这是一个谁掌握话语权的问题。
我在调研中观察到一个有趣的现象：最成功的AI应用往往不是来自IT部门的正式项目，而是来自影子AI，也就是非技术人员为了解决自己手头的问题而偷偷摸摸搞出来的工具。简而言之，谁更靠近需求，谁就能够创造新需求，这是AI变革的一个关键转变。
孙允广：孙正义说过一句话：iPhone是明治维新时的火枪。AI发展到今天，跨过了奇点，迎来iPhone时刻，它给所有人，无论是小孩，还是青壮年，让他们的能力一下子提升到“火药枪炮”的级别，就看你对前端需求理解的准确度。
李宁：我特别想说的一点是，真正吃到AI红利的企业，一定是创新，而不是降本增效。企业用AI做降本增效是一件很难的事情。
孙允广：现在很多老板用AI去“降本裁员”，您怎么看？
李宁：首先，这是一个开源和节流的问题。AI转型过程中，如果企业是为了节流，员工会产生抵触情绪，引发各方博弈。我见过一家企业，20人的部门只剩下一个人了，看似节省了人力成本，可一旦遇到突发的事件，AI没有办法涵盖掉，会出现其他问题。
降本增效是做已有的事情，新需求讲求创造力。真正吃到AI红利的企业，都创造新的需求。这个需求以前不存在或是技术达不到，没办法满足。有了AI以后，门槛降低了，可以做些真东西。小龙虾就是一个全新的品类，考验着组织的张力。当下很多爆火的APP之所以是个人做出来的，是因为大型组织天然会扼杀创造力。创造力本身就会偏离现有轨道。
很多企业做AI项目，评估标准是投资回报率（ROI)，投资回报率是1914年杜邦公司发明的指标，它假设世界是线性的、可预测的、可归因的。它适用于衡量“改进”——换一台更快的机器，优化一条物流线路。ROI是一个历史锚定的指标，一个新事物很难计算。
那些获得成功的AI产品——OpenCore、Cloud Code等，没有一个是从计算投资回报率开始研发的，它们都是工程师业余时间的副产品，之后长成了庞然大物。新物种从来不是用旧物种“优化”出来的，它们是从旧物种无法理解的方向涌现的。
所以，组织要考虑的是充分利用AI去创造，而不是优化现有流程，用更少的人完成同样的任务。
孙允广：索尼前常务理事土井利忠写过一篇文章《绩效主义毁了索尼》，索尼有很多的部门，单项能力顶尖，电视部门有最好的屏幕，Walkman团队有最好的音效，但做出了一款平庸的手机，因为部门KPI、短期主义绑架了企业整体协调效能。在AI变革中，很多部门使用了AI工具，或是用智能体做人力流程，但最终没有形成系统合力，你怎么看？
李宁：我写过文章，核心观点是“ROI正在系统性扼杀AI创新”。传统模式里，开发成本很高，组织靠评审会，计算ROI，判定创新，但层层筛选后，留下的是平庸的保险方案。
AI时代，企业成本结构和决策流程变了。过去十个人开两小时评审会，花了220个小时，这些时间足够用AI跑出十个原型，拿到试点数据了。有价值的创新是没法用ROI衡量。
很多组织有误区，想利用AI让员工的工作量更饱满。在AI时代，这阻碍了生产力，因为它没有“留白”。一方面AI迭代速度极快，员工需要自学新工具；另一方面创新需要放空、去探索。DeepSeek内部就明确要求，员工用50%的时间完成既定项目，剩下的50%自由探索。
这其实是泰勒的后遗症——精准利用每一分钟，50%的时间不干活会很难受。进入AI时代，管理思想要发生变化。
孙允广：老板把思路打开，向外看，看到更多的新需求，而不是向内收缩，把AI当成降本增效的工具。
李宁：对。一家企业降本之后，其他企业也跟着降本，会造成“内卷”。企业创造一个新需求，因为没有竞争，也没有价格锚定，反而能获得更高的收益，这就是红海跟蓝海的一个区别。
被AI冲击最大的行业和岗位
孙允广：在很多行业里，比如游戏、传统制造业等等，哪个行业受AI的冲击最大？
李宁：从第一性原理来看，组织是完成“任务”的机器，不是完成“工作”的机器。“工作”是后来才有的概念。任务不是按难度分，也不是按“是否简单重复”分，真正维度有两个：一个生成，一个验证。
按照这两个维度来划分，AI短剧这类就是“高生成、高验证”，利用AI原生能力生成短剧，加上一些审核标准来验证，这是低垂的果实，也是AI最容易做、最卷的行业。而高端制造是“低生产、低验证”，形成潜在的壁垒。
我们要意识到，越是直接用大模型做出来的东西，壁垒越低。与之相反，如果一个行业，通过一些技术整合，比如文字、数学、代码等基础能力，以工程化的方式，把不能生成的东西变得自动化、可生成。这才是真正意义上的降维打击。
在验证方面，有些组织发生了新变化，出现了瓶颈位移。举例来说，AI短剧最大的成本不是生产端，是最后的投流环节，投哪个平台会更火，这是一个验证问题。AI主要是靠人的经验去判断。
所以，组织应当重新去思考，哪些任务适合AI，哪些适合通过人机结合的方式去做。我们要跟大模型有一个夹角，大模型是为我们提供弹药，而不是直接替代人。
孙允广：接下来问一个大家都特别关注的问题，AI最容易取代的岗位有哪些？
李宁：岗位是任务的集合。我们有一个判断标准，在一个任务集合里，自动化任务含量越高，越容易被AI冲击。比如投行或咨询公司里，整合资料的初阶研究容易被替代，这是AI所擅长的。
AI擅长两件事恰恰是人类不擅长的。第一件事是将非结构化信息转化为结构化信息。把一小时的会议录音扔给AI，它整理的要点比大多数人都做得好。第二件事是AI可以从大量文档中精确提取关键信息。
越是需要主观判断，需要隐性经验，或者与人打交道、跟物理世界接触比较多的岗位，不在AI生成和判断的曲线上，越不容易被取代。
AI写段子为什么难？因为段子没有客观真理。脱口秀是高度主观、高度动态、高度情景化的。它取决于观众当下的反应，同一个段子，在北京可能炸场，上海可能冷场，与讲述人的预期、停顿和表情有关。AI知道过去出现过的事物的共性，但它无法预测未来的社会反应。
这就造成了一个根本性困境：AI无法自我验证。它生成了一个段子，但它不知道这好不好笑。在AI写代码的时代，程序员最重要的能力不是写代码，而是定义什么样的代码是对的。
过去，我们用大量时间执行，用少量时间判断；未来，执行由AI承担，而人类的全部价值集中在判断上。验证、判断、定义标准，这些都是人的领地。这些能力在AI时代不是贬值了，而是急剧升值。
孙允广：从这个角度，AI最终是对人一种解放呢？还是对人的替代？
李宁：我认为是一种解放。很多超级个体借助AI，把想法变成了现实，就像打游戏通关，这些及时反馈带来愉悦感和满足感。如果一个人技能点和AI完全重合，就会变成替代关系。这是一个重新洗牌的过程。
孙允广：替代和放大人类主观创造力是同时发生、并行存在的。DeepMind创始人德米斯·哈萨比斯说过一句话，解决智能问题，然后用它解决一切。尤瓦尔·赫拉利在《未来简史》中提出过一个观点：未来1%的人成为神人，99%的人都是无用之人。你觉得AI会拉大这种差距，让更多的人变成“无用的人”吗？
李宁：人与人之间存在着原生差异，过去体现在智力、教育、背景，有些人被动成为了99%的“无用之人”。而AI起到了平权的作用，从这个角度看，大家站在一个更公平的起跑线上，看你能不能跑出来。
AI基本汇集了人类所有的知识，真正的差别在于内在动因，能否发现真实痛点，尽力去解决它。在解决的过程中，创造价值、实现自我。
前段时间有个短片叫《丧尸清道夫》，播放量上亿，创作者是一个中专生。从这个角度上来讲，每个人都有了“火药”和“枪”，身体差异变小了，要考虑的是如何激发潜力。
还有一个问题，未来能否释放出更多的社会需求。一百年前，很多岗位不存在，互联网和信息技术催生出大量岗位，未来AI可能会创造出更多可做的事情。
孙允广：您是偏向乐观的？
李宁：这是一种希望。短期来看，个人能否在技术浪潮中获益，依然是很大的挑战。我们观察到，很多人把自己封闭了，不去获得这样的一个外挂能力和资源。
孙允广：就像当年的马车夫不愿学习驾驶汽车，您的这份希望，其实建立在两个大的基本点上，一是技术本质上会带来社会总创造的增量；二是人性是不断向前的，人类文明在不断探索更多外部空间、往前走的过程中，消化掉短期阵痛。
李宁：我们很难测算AI会催生出怎样的新需求，毕竟人很难测算自己从未见过的东西。从人的角度来讲，现有的教育体系并非创新导向，绝大多数人追求稳定，岗位设置是为了就业，个体是社会分工的一部分。而今天的超级个体，几乎都是野生的，没有被培训过，靠自己去琢磨、去判断。所以AI对教育体系的冲击非常大。
孙允广：您觉得未来人类跨过AGI拐点，人人都有一个具身智能或者脑机接口，今天的九年义务教育、大学教育还有用吗？
李宁：那要看大学的定位是不是还需要这样的载体。现在很多大学从业者在思考这些问题，有些高校已经开始尝试新的教育研究，我自己也在做相关研究。未来的教育形式还没有明确答案，但绝不是今天这个样子。在未来，大学不见得是唯一选项。
我接触过很多超级个体，他们获取信息不是听讲座，更多是以问题为导向，与AI互动。这是一种自上而下的学习，基于一个目标，打通所有相关的知识点，天然实现跨学科的知识融合。人扮演的是催化剂的角色，用人的直觉、灵感火花、关键性指引，发现问题。
孙允广：其实通识教育和AI时代的探索并不冲突。只有足够的通识教育积累，才能去探索。
李宁：这是一个知识升维的过程。很多人都在问AI时代该学什么，或许可以学哲学。AI可以做大量具体的事务，但越抽象的领域，人的不可替代性就越强。
AI coding 出来后，人不需要学具体的函数怎么写，反而要去理解coding的指导思想、编程语言的演化史、不同语言的设计逻辑和解决的核心问题。把这些搞清楚后，你才能更好地判断一个项目用什么编程语言。这迫使人在一个更高维度的空间里去思考。
孙允广：万物大道相通，高维的知识好比登山，你通过哪一条路去登上山顶。
李宁：这让跨学科融合成为可能。过去的科学训练非常具体，每个学科底层、语言体系不同。但站在高维视角，人就能触类旁通，打通关键节点。
未来AI原生组织，如何分工？
孙允广：回到 AI跟组织上，您觉得AI原生组织与传统企业组织的区别有哪些？
李宁：一是组织里干活的主体发生了本质变化。AI 原生组织抛弃了基于技能分工和工作量分工的传统形态，不再是科层制金字塔结构。
二是在“生成”和“验证”环节，尽可能地让AI去做任务，人只在关键的边缘场景当中做验收。只不过，人要去构架系统、配合AI系统运行，而不是给所有人配一个AI工具，让AI去配合人，但组织结构没有实质性变化。
再一个是决策。过去是人在做各种各样的决策，处理不确定性，但所有的决策存在着一个模糊空间。生成式人工智能的优势在于概率性，可以配合人做决策。
现在很多组织用AI替代了大量中层岗位，通过上下文（Context），了解组织的状态，压缩信息流转的损耗。组织形态会从过去的大规模兵团作战，变成由超级个体驱动的“特种兵模式”。
孙允广：如果一家企业用AI的水平分成青铜、黄金、王者不同段位，您会怎么划分？
李宁：最底层是不用AI；往上一层是没有系统性用AI，只有少数员工自发使用；再往上一个段位是每个人都使用AI工具，但组织方式不变。接着是有些业务线发生了变化，跑出AI落地的试点。更高一层是用AI改造现有的流程，做事方式发生改变。
最高的段位是AI原生组织，围绕AI重新设计整个组织，人配合AI运行，而且组织形态时刻变化，根据AI技术，迭代组织形态。
AI有点像进化的活体，新的大模型自带特性，围绕它设计的脚手架、Harness都会发生变化。业内的Harness Engineering（管控工程）就是在做这件事。这套体系是高度动态的。
孙允广：为什么很多企业的AI转型，是一个伪命题？
李宁：第一是时间太短。ChatGPT问世到现在不过四年，AI大模型还没进入真正的技术收敛，沉淀出统一标准、成熟架构和最优落地方案。向组织渗透的时间自然更短。
第二是任务非常难。AI组织变革是一种进化，用鳃呼吸的水生生物上岸后，用肺呼吸，改变了整个器官功能，旧机制会强烈抵抗。大部分企业是满负荷运行，AI转型如同在一个满员的旧房子要搞装修，住在旧房子里面的人，还在做各种各样的事情，装修对他们来说就很麻烦，他们不愿意走，担心“装修”会影响正常业务。
最后是人才问题。有些AI成功的案例靠超级个体驱动，但它无法形成可复制的方法论。这里面有一系列的矛盾要克服。
孙允广：您刚才讲到一个案例，AI转型好比在一个住满人的屋子里搞装修，还有一些业务惯性。对于立志进行组织变革的企业家来说，该怎么去推进这个事情呢？是在某个部门做试点，还是重新开展一个新业务，或者是彻底推翻重来？
李宁：相对成功经验是做冗余和重建。一个几百人的部门，领导或超级个体判断业务线适合做AI，原有业务不动，单独拉出两三个人另起炉灶，相当于租个房子做AI试点，短期会有一个投入成本。
一旦做起来，积累了方法论和人才之后，传统业务的人再迁徙过去，裂变出更多业务，加之正常的人员流动，慢慢地完成转型。
这里有个重点是做好与超级个体匹配的激励机制。现在组织里出现了一个明显的逆向选择，过去是绩效差的人被末位淘汰，现在是头部人才主动选择离开。
孙允广：看您的书时，我有一个思考，AI会让科斯“企业的边界”变得模糊。其实AI也是有边界的，AI也构建了新的边界，比如人要管理多个智能体，人的注意力始终是有限的。AI在消解传统边界的时候，其实也是在构建新的边界。在控制论中，一个复杂系统的控制系统，要比这个复杂系统更复杂。同样，也有一个悖论，AI很复杂，但是是人类创造的。
李宁：这涉及到新型分工方式。过去的分工是技能分工、工作量分工：你是美术、我是后端，语言体系不同，沟通摩擦成本大。现在智能体完成前后端的基础工作，所以新的分工逻辑变成“认知分工”，分担人的认知资源。
在AI原生组织中，核心是驱动智能体，人首先负责定义需求，告诉AI做什么，确保token 烧得有价值。其次是人要形成验收闭环，降低了交接成本。
孙允广：AI时代仍然需要分工，只是重新建构了分工逻辑和形式。
AI时代，最稀缺的两类人
孙允广：很多人很关注，AI时代人才的核心标准是什么？哪些能力会变得特别重要？
李宁：第一是挖掘真实需求、解决真实问题的能力。这与环境有关，背后涉及到品位、判断力，能精准识别出哪些问题值得解决，解决之后能创造怎样的价值。
第二是容易被忽略的能力是目标感和内驱力。认准一个靠谱的方向就能all in，砸进去所有的认知资源，利用AI边学边解决，持续推进。
过去的教育体系培养的大多是追求短期目标的人，最欠缺的是有内驱力的人，AI让跨界成为可能，哪怕你完全不懂数学，能不能靠AI砸穿，真正的去解决一个社会需求。
孙允广：更底层的能力变得重要了，愿力、领导力、共情能力、审美能力等等，而不是单纯语言能力、记忆力。那么，反过来看，什么样的人会被AI时代淘汰？
李宁：第一是偏封闭的人，拒绝承认技术趋势和AI迭代速度，这是一个非常危险的信号。
第二是停滞的人。逆水行舟不进则退，人很容易停在某一个节点上，第一批率先使用AI的人可能会停止迭代。
孙允广：马斯克和黄仁勋有个著名辩论：马斯克认为AI会带来极大创造力，未来人不用工作靠发钱就能生活；黄仁勋认为每一轮技术革命都会让人更忙，AI医生出现之后医生反而更忙了。你怎么看？
李宁：从我个人的状态看，实际上更忙了。过去脑子里无数想法，绝大多数都做不了。现在有的想法靠AI或多或少往前推一推，自然会更忙。
从社会层面看，新想法催生出新机会，创造出新的价值增长点，经济增长点，“盘子”做大了，物质越来越丰富。
从人本身来讲，人不是一个喜欢躺平的动物。有些人躺平是受外部环境影响，是一种习得性无助。现在很多人主动用AI，做更有成就感和影响力的事情。
AI越来越强，普通人该怎么办？
孙允广：AI时代，勤奋还值钱吗？几代人信奉 “努力干活就有回报” 的价值观是否受到了冲击？
李宁：勤奋依然值钱。过去的勤奋大多是重复苦力，花10小时做重复工作，非常折磨人；现在的勤奋是主动拓展认知边界，真正突破式的创新，人将两个领域不经意地结合起来，产生火花。
孙允广：从单纯的重复性苦力到创造性探索，其实是勤奋方向发生了改变。您如何看待最新出现的AI“新内卷”，本质原因是什么？
李宁：我们跟一些企业家聊，大家有一个共识：AI要促进增长。
“新内卷”的本质是没有出口，没有创造价值。现在只是把流程AI化，十个人的活变成一个人干，总价值没有增长，自然变成一个新的内卷。
我们发现了一些成功案例，以前一个20人的团队服务1000个用户是亏损的，不划算。现在靠AI就能把这件事做成。1000个人释放出巨大的需求空间，曾经大量被忽略掉的长尾用户，变成了“小而美”的生意。这就是AI带来的全新增量空间。
孙允广：您提出一个观点：1个人+99个智能体，比100个人更好用。为什么？
李宁：组织的边界，本质上是交易成本均衡的边界。在不需要大量核心认知资源的场景里，100个人协作有极高的沟通、协调成本，本质还是手工作坊模式，建立在“规模等于能力”的等式上。
AI正在把外部交易成本推向无限接近零，边界正在消融。一个人指挥一群智能体，就像搭建了一座自动化无人工厂，你只需要在关键节点做决策、做指引，剩下的工作全部自动流转，效率自然是量级的差距。1个人加上99 个智能体的能力，可能超过100个人的能力。
这就是为什么一个人可以成为一家公司。
孙允广：《管理百年》的扉页上有一句经典的话，管理没有最终的答案，只有永恒的追问。
李宁：翻译过来就是管理在不停地打补丁。人类发明了层级、会议、绩效考核、企业文化等等，我称之为打“补丁”。
孙允广：不是所有的隐性知识都能够被“提取”，有的凭借直觉。您在书中写道，尝试去给隐性知识打标签，但其实很难。
李宁：显性知识和隐性知识不是零一关系，它是连续变量。最深处的隐性知识极难捕捉，比如一个段子为什么能让人发笑；昨天还成立的笑点，今天可能就完全失效。
很多行业顶尖的专家，把自己潜意识里的判断逻辑梳理出来，变成可传递的规则。就算完全没法言说，靠大量历史数据微调模型，最后AI判断的准确率超过行业专家。
很多你以为的“纯直觉”，其实只是你的大脑在潜意识里完成了思维链推理，你自己没意识到而已，本质上依然是可以被传递的。
孙允广：最后一个问题，很多企业家都有强烈的AI焦虑，您想对企业家说什么？
李宁：焦虑的来源分两种，一种是完全不了解AI，听别人说都在用就慌了；另一种是太懂前沿，被AI迭代速度吓到了。
对前沿的人来说，要意识到AI在全社会的渗透速度，远比你想象的要久得多，我们有一个调查，全世界绝大多数人没怎么用过AI，订阅过AI服务的人很少，真正用智能体的人极少，社会整体的进化节奏没那么快。
对完全不了解的人来说，要躬身入局，不能只让助理去研究，获得二手信息，必须自己上手用，建立对AI的真实体感和认知，拿到属于自己的AI时代上下文，你才能准确判断冲击有多大，制定出适合自己企业的调整策略。
