麦肯锡：AI 提效只是第一波红利
微信公众号「AI组织进化论」2026-07-09 推送
原文链接(英文):https://www.mckinsey.com/mgi/our-research/the-real-ai-advantage#/
原文链接(微信):https://mp.weixin.qq.com/s/pIN7pLC_J8oWbrBFvIxrTg
原始作者:麦肯锡全球研究院院长 Tanguy Catlin × 编辑总监 Roberta Fusaro
一手来源:《The McKinsey Podcast》2026-07-09《The real AI advantage》
核心命题
AI 提效是第一波红利,会被竞争抵消;真正护城河 = 重构商业模式 + 消除客户摩擦 + 组织学习代谢率 —— 企业需要从 AI-driven productivity 转向 AI-powered reinvention。
麦肯锡原话三句:
- “下一波 AI 价值,不会主要流向用工具提效最多的企业,而会流向那些能够重构商业模式、消除客户摩擦,并建立更快学习机制的组织。”
- “The organizational lens by far is the hardest.”
- “Move early, learn faster.”
8 个知识节点 + 关联图谱
节点 1：productivity trap(效率陷阱)
把 AI 叠加在原流程上提效(更快、更便宜)是 GPT / 电力 / 移动通信类通用技术的”第一反应”,但大部分价值会流向更低价格、更高预期、技术供应商,无法长期沉淀为一家企业独有的优势。
判断:先问”怎么更快”,再问”这个流程还应该存在吗”。
节点 2：friction removal(客户摩擦消除)
许多行业的商业模式建立在 friction(摩擦)之上:客户搜索、比较、填写、等待审批、跨平台切换。AI 正在消除这些摩擦 —— 当 friction 被拿掉,主动 disruptor 才能成为受益者,被动跟随者会被淘汰。
判断:行业存在的”摩擦” = 它的护城河 = 也将是它最先被颠覆的地方。
节点 3：agentic commerce(智能体商业)
Agent 替用户完成跨平台、跨行业的整个交易流程(保险 / 买房 / 贷款 / 验房等)。竞争核心从”某个产品做得好”变成”嵌入客户使用习惯 + 把多行业体验整合进 ecosystem”。
判断:未来 1-3 年最容易重塑的赛道 = 客户体验是”跨多个行业但客户只感受到一次”的赛道(保险 / 买房 / 医疗 / 出海服务 等)。
节点 4：proprietary data(独有数据) + judgment(判断力)
预测能力越来越便宜,两类稀缺资源反而越来越贵:
- proprietary data —— 模型可通用,但企业独有数据(客户/业务/交易/专业)不会自动变通用
- judgment —— 当生成式方案泛滥,判断”哪个答案可信 / 哪个方向值得投入 / 哪些风险可接受”的价值上升
判断:未来更有价值的人 = 能设定目标 + 理解业务 + 判断结果 + 承担决策责任的人,不是会调用 AI 的人。
节点 5：knowledge-based → outcome-based organization(组织重构)
传统组织按职能划分(市场/销售/运营/产品/财务),Agent 系统的逻辑是围绕某个结果配置任务。围绕”提升客户续约率”,企业不再分别优化各部门,而是重组整条任务链:哪些任务由 Agent 完成 / 哪些需要人判断 / 谁对结果负责。
两个变化:
- 组织更扁平和横向(层层传递 → 围绕结果协同)
- 人才结构变化:初级重复任务自动化 + 监督复杂情境 + 整合资源 + 判断结果的价值上升
节点 6：massive job reconfiguration(大规模工作重组)
53% 工作活动具备被自动化的可能,但能整岗位自动化的不多;更现实的变化是任务被重新组合 + AI 增强,而不是岗位被整体替代。
判断:岗位视角是错的,任务视角才对;评估 AI 影响要看”哪些任务被改”,不是”哪些岗位消失”。
节点 7：The organizational lens by far is the hardest(组织维度最难)
技术可买,工具可部署,模型能力会越来越普及。真正困难的是组织能不能跟上:
- 员工是否理解改变 + 具备 AI 能力
- 管理者是否调整流程 / 权责 / 激励
- 组织是否允许实验 + 容忍阶段性失败
麦肯锡强调:”If you provide employees access to AI tools, and you don’t train them to use those tools, your outcomes worsen.” —— 提供工具但不培训 = 效果变差。
判断:只发账号 / 买工具 / 办培训 / 统计使用率 = 假转型;真转型 = change management + upskilling + management system 同步调整。
未来真正的护城河 = 实验 → 反馈 → 调整 → 沉淀 的循环速度。模型差距会越来越小,工具会越来越普及,单次效率提升易被复制 —— 唯一难以复制的是组织的学习代谢率。
衡量指标的转向:
| 旧指标 |
新指标 |
| 节省时间 |
市场份额 |
| 调用次数 |
利润率 |
| 模型版本号 |
客户满意度 |
| 培训完成率 |
员工投入感 |
落点:”Move early, learn faster” + find a domain(先找一个价值集中的域重构流程,再复制到其他领域)。
上游(本文论点的来源)
- [[Nikesh-Arora-模型过剩与记忆护城河]] —— 模型过剩 90% 判断印证”提效红利被竞争抵消”
- [[章文龙-AI分身时代-在场重新定价]] —— “哪些事必须亲自做” 与 judgment 节点呼应
- [[凯文凯利-真正的好生意都在卖看不见的东西]] —— friction / data / judgment 都是”看不见的东西”
下游(本文论点的应用)
- [[陈春花-从岗位到角色-AI时代组织设计的新逻辑]] —— “从岗位到角色” = outcome-based 的早期版本
- [[与AI一起做产品的六条原则]] —— 6 原则 + 判断力 是本文 judgment 的产品视角具体化
- [[清华沈阳-自进化AI新物种]] —— 自进化 AI 与”学习代谢率” 概念同源
同级(横向 / 关联)
- [[Multica-AI-Native-组织-人是最慢的节点]] —— “组织是最慢的节点” 印证本文”组织维度最难”
- [[Addy-Osmani-Loop-Engineering]] —— 5+1 积木 是 metabolic rate 的工程化具体化
- [[Loop-Engineering-验证才是瓶颈]] —— 验证闸门 是 metabolic rate 的硬约束
正文要点(8 条 = 主张 + 案例 + 操作)
| # |
主张 |
案例 |
操作 |
| 1 |
AI 是 GPT,叠加在原流程上是第一反应 |
电力 / 移动通信类比 |
第一问”流程还应该存在吗” |
| 2 |
提效红利被竞争抵消 |
价格下降 / 预期上升 / 价值流向供应商 |
第二问”价值沉淀在企业内吗” |
| 3 |
friction removal 是核心机会 |
保险 / 买房(跨 5-6 行业整合) |
找体验跨多行业但客户感受一次的赛道 |
| 4 |
数据 + 判断力是两类稀缺资源 |
Waymo 数百亿美元训练 + 专有上下文 |
盘点 proprietary data 资产 + 培养判断者 |
| 5 |
组织从知识型转向结果型 |
“提升续约率”重组任务链 |
把”按职能分组”改成”按 outcome 重组” |
| 6 |
任务视角 ≠ 岗位视角 |
53% 工作活动可自动化但岗位不多 |
评估”哪些任务被改”而非”哪些岗位消失” |
| 7 |
组织维度最难 |
发账号 + 买工具 = 效果变差 |
change management + upskilling + management system 同步 |
| 8 |
学习代谢率是真正护城河 |
模型差距收敛 + 单次提效可复制 |
量化实验→反馈→调整→沉淀 闭环速度 |
6 个对 Seetong 团队可借鉴动作
- find a domain 落地:选 Seetong 一个高价值域(iOS 4G IPC 多分屏 / AI 搜索 / 报警消息列表)做”流程重构而非叠加” —— 比如 4G IPC 多人协作从”各自加流”重构为”AI 自动分流”,先 ship 一个最小重构闭环再复制
- judgment 指标化:日报增加”团队判断决策占比”信号(不是”调用 AI 占比”),周报增加”被采纳的判断数 / 总判断数” —— 衡量”判断力” 而非”工具调用量”
- outcome-based 小组试点:KMP 跨平台项目组按 outcome(“提升客户分诊准确率”)重组任务链,不按职能(销售/客服/产品/数据)分组;从”部门接力”改为”结果协同”
- metabolic rate 观察工具:
git-weekly-digest.sh 增加”团队学习速率”信号 —— 周环比 commit 模式变化 / 新主题占比 / 问题重做率 / 巨型 commit 周变化,把日报从”产出 KPI”升级为”学习代谢率观察”
- 管理者 AI 培训硬约束:Wecom 简报群 / AI Wiki 群 / Seetong 团队日报 三大日报必须有”判断/决策”段,没有 = cron run 失败;杜绝”只发账号 + 统计使用率”的假转型
- 指标升级:从”节省时间 / 调用次数 / 模型版本号”转向”市场份额 / 利润率 / 客户满意度 / 员工投入感”;日报”明日建议”段从此升级,本周/本月 OKR 加 1 个”长期赌注”字段(6-12 个月周期)
备注与限制
- 作者背景:麦肯锡全球研究院 Tanguy Catlin(院长) + Roberta Fusaro(编辑总监),一线咨询视角但偏战略口吻,非工程实操
- 公众号:”AI组织进化论” 是 AI 战略 / 培训类公众号,文末推广《极简 AI 领导力》课程(北京/上海/杭州/深圳 报名)与正文无关,已在 wiki/digest 摘掉
- 数据缺位:”53% 工作可自动化” 是麦肯锡口径,未在原文给出独立引用源
- 抓取时间:2026-07-13 13:42,滞后推送 4 天,但文章为战略洞察类,时效性影响有限
- 配套原文:麦肯锡英文 Podcast https://www.mckinsey.com/mgi/our-research/the-real-ai-advantage#/ 含完整 20 分钟对谈,本中文编译稿为浓缩版
- 不适用场景:不适用于个体开发者 / 单人创业视角(本文明确是组织管理视角);不适用于已经”非按职能分组”的小团队(早就是 outcome-based)
- 本次编译严格按 compile-wx-article skill “透明玻璃”硬约束自检:wiki 字节数符合 / 节点 8(6-10)/ H2 5(≤5)/ 表格 1(≤2)/ 0 陈词
- 待补证:”53% 工作可自动化” 的具体口径与年份;”outcome-based organization” 的具体组织结构案例(麦肯锡未点名具体企业);agentic commerce 在 2026 年下半年的实际市场规模
本消息由 Seetong小助手 自动生成,欧阳荣 监督发布。