传统企业如何成功将生成式人工智能融入可复用、日常的业务工作流程中？

Host: 大家好，欢迎收听 A.I.S. Insights — powered by Living Knowledge。我是主持人 Anna Ivy Summers。今天我们要探讨一项发表在信息系统国际会议 ICIS 上的最新研究，题为《人类能力与人工智能的交织：生成式人工智能赋能工作流稳定化的案例研究》。这项研究由 Weilin Pu、Felix Tan、Eric Lim 和 Haifeng Xu 共同完成。它聚焦于在传统行业中，生成式人工智能如何从非正式的试错，演化为结构化且可复用的组织工作流程。今天我们邀请到了分析师 Alex Ian Sutherland。Alex，欢迎你。
Expert: 谢谢 Anna。大家好。这项研究探讨的正是当前很多企业管理者普遍面临的现实问题。
Host: 确实如此。现在很多员工都在独立使用生成式人工智能工具，但企业层面却很难将这些开放式工具稳定嵌入到日常业务中。特别是在传统企业，这种整合难度更大。这项研究指出的核心痛点是什么？
Expert: 核心痛点在于个体采用与组织吸收之间的断层。研究指出，在缺乏成熟数字化基础设施的传统企业中，过去的既有工作流程往往只是被动地吸收新工具，而不会为了工具去重构流程。当生成式人工智能被引入时，员工虽然能在撰写文案或生成初稿等零散任务上获得效率提升，但因为缺乏统一的规范与控制，整体业务流程容易出现断裂、输出质量不稳定以及协作摩擦增加等问题，导致组织无法获得预期的生产力收益。
Host: 那么，研究团队是通过什么方法来观察和分析这一现象的呢？
Expert: 作者采用了解释性定性案例研究方法，对一家具有代表性的中国房地产企业进行了长达四年的跟踪调研。研究数据包括 37 次半结构化深度访谈、系统的实际操作演示以及详实的内部文档。通过纵向分析，研究团队复盘了该企业从最初接触人工智能到最终实现系统化应用的完整演进过程。
Host: 这为我们提供了一个非常细致的观察窗口。那么，这项研究得出了哪些主要发现？
Expert: 研究发现，生成式人工智能在组织中的稳定化经历了四个连续的阶段：探索、修补、重织与外部化。首先是探索阶段。在这个阶段，员工自发尝试新技术，这提升了组织对人工智能的认知，但数据显示，这种探索性应用对实际运营生产力的贡献微乎其微。
Host: 这说明仅仅让员工自由探索，并不足以直接转化为业务成果。那接下来的修补阶段呢？
Expert: 随后是修补阶段。管理层或团队开始针对特定业务痛点进行局部调整，例如尝试用人工智能解决某个具体的制图或文档处理瓶颈。但研究观察到，修补仅仅解决了孤立的任务级问题，并没有改变核心业务流程，因此对整体效率的提升依然有限。
Host: 那么实质性的效率转变发生在什么时候？
Expert: 转变发生在第三阶段，也就是重织阶段。企业不再只是给旧流程打补丁，而是将员工角色与软件配置重构为严密受控的流水线。具体到该案例中，原本由专业设计师独立完成的任务，被拆解并重新编排为标准化的提示词工程、算法生成与人工校验环节。这种深度的流程重织，最终将原本需要数天的方案设计周期缩短至数分钟。
Host: 这证实了重织阶段对缩短业务周期的效果。那么第四阶段外部化又带来了什么？
Expert: 当内部工作流程达到稳定状态后，这套能力便逐渐脱离了对最初特定业务人员经验的依赖。该企业将这些固化下来的工作流和技术模块打包，开发成一个面向外部客户的独立平台，从而将内部运营工具转化为了面向市场的独立产品。
Host: 这对企业管理者来说具有很强的实操参考价值。根据这项研究的结论，企业在部署生成式人工智能时，应当如何规划？
Expert: 主要有三点实践启示。第一，管理者需要建立合理的预期，认识到分散的个人使用或局部的任务修补无法直接带来组织级的效率跃升。第二，价值的释放取决于工作流重织，企业必须重新定义岗位职责，建立确定性的质量控制机制，将开放的人工智能输出约束在标准化的工作流中。第三，当内部流程达到稳定状态后，企业可以评估其通用性，考虑将其能力封装并推向外部市场，探索新的业务方向。
Host: 总结来说，人工智能的应用不仅是工具的引入，更是组织流程与人员协同模式的系统性重组。非常感谢 Alex 带来的深入解析，也感谢各位听众收听本期 A.I.S. Insights — powered by Living Knowledge。我们下期再见。
Expert: 谢谢大家，再见。