📌 一句话核心
Microsoft 2026 工作趋势指数把焦点从「AI 替代人」转向「Agent 释放人的能动性」。报告显示组织系统明显落后于员工使用速度，管理者示范、文化、激励与 Learning System 才是 AI absorption 的关键杠杆。
💡 核心观点
- 新能动方程：Agent 承担执行 → 人类获得更多能动性。报告开篇即抛出一个反直觉但数据支撑的核心论点——人们普遍担心 AI 和 Agent 会剥夺人的能动性，但实际正相反：Agent 越承担执行，人类越有空间去指挥、判断和拥有结果。M365 Copilot 的 10 万+ 聊天分析显示，49% 的对话支持认知工作（分析信息、解决问题、评估和创造性思考），19% 用于与人协作，15% 用于查找信息，只有 17% 是纯粹产出。Copilot 不是「替人写东西」的工具，而是「帮人思考」的工具。66% 的 AI 用户说 AI 让他们花更多时间在高价值工作上，58% 说他们在产出一年前根本做不出来的工作。Frontier Professionals 中这个比例飙升至 80%。
- Frontier Professionals 画像（16%，核心价值群体）：报告定义了「最前沿的 AI 用户」——他们用 Agent 做多步骤工作流、搭建多 Agent 系统、定期重新思考工作流中哪些可以增强或自动化、参与制定团队的 AI 使用标准。关键行为差异：(1) 43% 刻意不用 AI 保持技能（vs 非 Frontier 30%）——他们拒绝外包思维；(2) 53% 在动工前暂停判断 AI vs 人手分工（vs 非 Frontier 33%）——他们刻意设计工作而非被动使用工具；(3) 在所有批判思维和质量控制的测量项上得分更高。报告预测：随着 AI 使用在全员工中成熟，最有效的 AI 用户不会是那些做事更快更多的人——而是那些围绕「只有人类能做的事」重新定义自己价值的人：设定清晰意图（期望结果和质量标准）、设计人机协作方式、运用判断和品味、建立信任、塑造产生更好结果的系统。
- AI 使用的四种模式（Beyond the prompt）：报告用两个维度——人类参与强度（指导 vs 监督）和 Agent 使用强度（助手 vs 队友）——划出四种工作模式：(1) Delegation（人类定方向、Agent 执行——如自动生成报告、编译调研摘要）；(2) Collaboration（双方都需要——如多轮反馈打磨提案）；(3) Asking（快速问答——如查事实、改句式）；(4) Exploration（测试 Agent 能做什么——如尝试新工作流）。Frontier Professionals 的与众不同不在于用哪种模式，而在于知道每种任务该用哪种模式——常规执行和研究走 Delegation，需要判断的走 Collaboration。
- 五区用户分布图：组织断层比个人能力更致命：报告在个人 AI 能力 × 组织 AI 就绪度两个维度上绘制了 16,971 名受访者，产出五类群体：(1) Frontier 19%——双高，互相强化；(2) Blocked Agency 10%——个人能力强但缺乏组织系统支撑（最可惜的一群）；(3) Emergent 50%——两者都在形成中（最大的中间地带）；(4) Stalled 16%——双低；(5) Unclaimed Capacity 5%——组织就绪但人没跟上。关键洞察：仅 1/4 的 AI 用户（26%）认为领导层对 AI 清晰且一致地对齐。领导者比员工更可能认为 AI 改造是安全且有奖励的（81% vs 67%），也更可能说自己因 AI 改造有奖励不论结果（21% vs 10%）。这构成了严重的视角偏差：高层觉得安全，基层觉得危险。
- 转型悖论（The Transformation Paradox）：系统问题：这是报告中最尖锐的诊断——65% 的 AI 用户害怕如果不快速适应 AI 会落后，但 45% 觉得守着现有目标比改造工作方式更安全，仅 13% 说因工作方式改造获得奖励（即使结果不达标）。悖论的本质：加速 AI 采用的同一股力量在阻碍 AI 采用——指标、激励和规范继续奖励旧的工作方式。报告反复强调一句话：「转型悖论的核心是系统问题。系统不会自己修——必须被重新设计。」
- 管理者杠杆：四项可量化干预（1,800 人独立研究）：这份 Microsoft People Science 研究是报告的实证王牌。当管理者主动示范 AI 使用：(1) 员工 AI 价值感知 +17pp；(2) 关于自身 AI 使用的批判思维 +22pp；(3) 对 Agentic AI 的信任 +30pp。当管理者在实验上创造心理安全感：员工的 AI 就绪度和价值感知最高高出 20pp，且成为高频 Agentic AI 用户的可能性 ×1.4。Frontier Professionals 的管理者在这四项上全面碾压非 Frontier 的管理者：公开使用 AI 85% vs 64%、设定 AI 质量标准 83% vs 57%、创造实验空间 84% vs 61%、鼓励更雄心勃勃的工作改造 87% vs 61%。且 Frontier Professionals 因工作改造有奖励的可能性是 2 倍（26% vs 11%）。
- 全年最重要的组织研究发现：组织 > 个人（67% vs 32%）：报告用随机森林模型测试了 29 个因素（10 个组织、9 个个人、10 个人口统计）对 AI 影响的预测力。结果震耳欲聋——排名前三的因素全部是组织层面的：AI 文化、人才实践、管理者支持。最强的组织因素（AI 文化）的预测力是最强个人因素（AI 心态）的约 2.5 倍。组织因素合计解释 AI 影响的 67%，个人因素仅 32%。这意味着：不是「有没有对的人」，而是「有没有造对的环境」。对大量投资于招聘和培训 AI 人才但忽视组织设计的公司，这是致命数据。
- Agent 生态爆炸：年增长 15 倍：M365 Copilot Agent 生态中活跃 Agent 数量同比增长 15 倍，大企业 18 倍。但报告指出 Agent 规模化不只是一个技术现象——它们产生的「信号」（什么有效、什么失败、结果何时偏离）如果被捕获、编码成共享例程，会成为组织的「自有智能」（Owned Intelligence）。行业采用模式差异巨大：软件/科技行业 Agent 采用广度最高（占所有使用 Agent 企业的近 1/5），制造业采用广度较小但部署深度最高。
- Learning System：从 AI adoption 到 AI absorption：报告的核心组织理论——领先企业不是在「部署 AI」而是在「吸收 AI」：把工作产出转化为洞察、把洞察捕获-共享-编码到组织运营中、形成自我强化的学习循环。Frontier Professionals 比非 Frontier 更可能：(1) 团队一起头脑风暴改进业务流程以寻找 AI 机会 63% vs 32%；(2) 分享 AI 技巧、新 Agent、学到的教训和错误 61% vs 36%；(3) 讨论 AI 辅助工作的质量标准 54% vs 29%。他们也更可能在团队(26% vs 19%)、职能(29% vs 17%)和组织(25% vs 14%)层面将 Agent 工作流、人工交接和质量标准文档化且可重复。
- 四个角色的协同重构（构建 Owned Intelligence 的基础设施）：报告提出 Frontier Firm 需要四个角色协同：(1) 员工——围绕意图和评审重构自己的工作；(2) 领导者——围绕结果和 Agent 自主权重构流程；(3) IT——把 Agent 当作需管理的实体（身份、权限、策略、生命周期），IT 成为 Agent 运营的「控制面」；(4) 安全——把监控、策略执行和可审计性直接嵌入平台，让信任成为系统结构性属性。四个角色协同运作时，组织就成为 Learning System：工作持续产生洞察，洞察持续重塑工作方式。评价基础设施的三个关键问题：谁评审 Agent 表现？谁有权更新 Agent 运行的工作流？局部成功如何被捕获和规模化？
- 专家视角精华：(1) 哈佛 Karim Lakhani——必须花大量时间映射人与人、人与流程之间的依赖关系，然后问「我在哪里可以产生差异」。他强调需要建立自动化学习循环，每一次 Agent 交互（无论好坏）都要被捕获-分析-反馈到系统设计中。(2) Conor Grennan——如果领导层从上到下充分投入，一切都会改变。(3) 微软 Laura Hamill——领导者必须亲自用 AI、亲自玩、亲自尝试构建新东西，否则根本理解不了。(4) 前 LinkedIn/SheerID Meghana Dhar——这是对流程、技术和人的三重投资。(5) LinkedIn 首席经济机会官 Aneesh Raman——必须围绕 AI 重新构建工作流，这还不是成品，还必须围绕人类能力重新构建工作。
- 展望：1.3M 新 AI 岗位 + 未来属于最快学习的组织：LinkedIn 2026 劳动力市场报告：过去两年雇主创造了至少 130 万个 AI 相关工作机会（数据标注师、AI 工程师、前向部署工程师——五年前不存在）。报告以一句有力的总结收尾：「今天构建新运营模型的公司，不只是短期内跑得更快——他们会构建更持久的东西：一个比竞争对手学习更快的组织、不断复利自己的智能、每走一个周期就更难被追赶。」以及：「真正的问题不是人们是否有对的技能——而是组织是否被构建来释放它们。」
🎯 启示与思考
Microsoft Work Trend Index 2026 是近五年来 WTI 系列中最具战略价值的一期。与 2023 'Will AI Fix Work?'、2024 'AI at Work Is Here. Now Comes the Hard Part' 的渐进叙事不同，今年报告完成了一次范式转移：从「AI 是工具」到「Agent 重塑运营模型」。 ## 这份报告在 2026 年 AI 研究版图中的独特位置 2026 年的 AI + 工作研究领域已经拥挤不堪——Stanford AI Index、Deloitte Human Capital Trends、Gallup State of the Global Workplace、HBR 系列文章都在讨论 AI 对工作的影响。WTI 2026 的差异化在于三件事： 1. **数据规模无可匹敌**——数万亿条 M365 行为信号 + 20,000 人全球问卷，这不是任何咨询公司或学术机构能独立生产的数据集。尤其 Copilot 10 万+ 聊天的 O*NET 分类分析，是第一份真正揭示「人们在用 AI 做什么类型的思考」而不是「人们说他们在用 AI 做什么」的数据。 2. **组织因素 67% vs 个人因素 32% 的随机森林发现**——这是全年最具实操意义的 AI 研究结论。它不是相关性（correlation），而是经过 elastic net / random forest / XGBoost 三模型验证的排列重要性（permutation importance）。意味着：如果你的组织文化不支持 AI、管理者不示范不激励、人才实践不把 AI 纳入评估和发展——招聘再多 AI 人才、投入再多培训都只是边角修补。 3. **管理者杠杆的精确定量（1,800 人实验设计）**——这是报告中最「可操作」的数据。四个数字（+17pp AI 价值、+22pp 批判思维、+30pp Agent 信任、+20pp AI 就绪度）可以直接放进客户 workshop 作为「为什么中层管理者是 AI 转型的第一杠杆」的数据论证。 ## 对 Jason 咨询业务的实际含义 ### 1. 「管理者示范 AI」是可量化的第一杠杆——把它变成服务线 报告已经给你提供了一条可直接产品化的服务逻辑：(1) 测量管理者的 AI 示范行为 × (2) 测量员工 AI 价值感知/信任/批判思维 × (3) 对标报告中 +17pp/+22pp/+30pp/+20pp 的改善幅度 × (4) 设计管理者 AI 使用行为改变计划 × (5) 通过 M365 Copilot 遥测或问卷进行 pre/post 测量。 这条服务线不需要新的技术投入——M365 Copilot 已经在客户环境中、问卷设计已有现成模板、数据也可对标。它可以直接嵌入 L'Oréal/LVMH 等客户的「AI 转型」项目作为组织变革组件。更重要的是——这是 Microsoft 自家研究撑腰的服务，在 Microsoft Partnership Ecosystem 定位上没有比这更安全的叙事。 ### 2. 「转型悖论」是 CEO 对话的破冰切入点 当客户 CEO 说「我们已经部署了 XX 个 Copilot 许可证」时，转型悖论就是你转向深度对话的支点：「部署许可证是 adoption，但 65% 的员工怕不用 AI 会落后、45% 觉得守着现有 KPI 更安全——这是 absorption 问题。数据告诉我们，只有 13% 的员工因改造工作方式被奖励。你们的文化在奖励 adoption 还是 absorption？」 这套话术天然导向组织诊断咨询项目——文化审计、激励机制审视、管理者行为改变计划、绩效评估重构——每一项都是高价值咨询工作流。 ### 3. 「组织因素 67%」是大客户所有「AI 转型」项目的顶层设计依据 面向 L'Oréal、LVMH 等顶级客户的 AI 转型项目，现在的标准提案结构可能是「技术选型 + 试点部署 + 培训」。WTI 2026 的数据告诉你应该改为「组织诊断 → 文化/激励/管理者行为 → 技术部署 → 学习系统」。 具体来说：(a) 在技术选型之前先诊断组织就绪度（五个区——你的员工主要在哪？）；(b) 在部署 Agent 之前先设计管理者的示范和激励行为；(c) 在测量 ROI 时测量的不只是产出效率而是 AI absorption 程度（文档化、可复用的工作流、共享的 Agent 实践）。 ### 4. 五区分布图——可以用在每一次客户 workshop 的开场 那张「Blocked Agency / Frontier / Emergent / Stalled / Unclaimed Capacity」五区图是 workshop 的完美开场工具。让客户高管自己标注「我们认为我们的组织大部分在哪？」——几乎一定会有认知偏差（高管看到的 Frontier 比例远高于基层实际分布），这正是打开「你们的管理层视角偏差有多大」对话的入口。 ### 5. 「Owned Intelligence」与「Learning System」是 2026 下半年 AI 咨询的新语言 报告引入的这两个概念值得变成 Jason 团队的常用词汇。 - **Owned Intelligence**——不是「买了什么 AI 工具」，而是「组织从日常工作中学到了什么、是否编码化、是否可复用、是否持续复利」。这与传统知识管理不同——它在 Agent 生态中指的是：每次 Agent 交互的输出-反馈循环是否被系统性地捕获、评审和编码成共享标准。 - **Learning System**——组织作为持续学习的有机体。领先企业的竞争优势不是「用更多 Agent」，而是「从 Agent 的工作中学习，然后用学到的东西改进 Agent 的设计、流程的设计和人的角色设计——循环往复」。 ### 6. 对埃森哲 + Microsoft 合作生态的一层战略含义 这份报告是 Microsoft 作为「AI 转型权威叙事者」的年度旗舰产品。报告中 M365 Copilot 数据 + Agent 生态数据的整合呈现，本质上是在告诉全球企业：「AI 转型的权威数据只有 Microsoft 能提供——因为只有 Microsoft 拥有数万亿条工作行为信号。」 对 Jason 而言，这意味着三点：(a) 引用 WTI 2026 数据是客户对话中「最安全」的依据来源——既是 Microsoft 官方研究、又有顶尖学术背书（哈佛 Karim Lakhani 前言）；(b) WTI 的叙事框架（新能动方程 → 转型悖论 → 组织因素 > 个人因素 → Learning System）可以直接适配进埃森哲的 AI 转型方法论和 pitch deck 中；(c) 每一次 WTI 发布后，Microsoft 销售团队和客户成功团队都会大规模引用这些数据——Jason 团队如果在客户听到 Microsoft 销售引述之前就已经用 WTI 框架开启对话，会显著提升专业信任度。 ### 7. 一个需要注意的叙事风险：WTI 在「Copilot for work」上的乐观偏差 WTI 作为 Microsoft 自己的研究，自然偏向 Copilot/M365 生态成功故事。报告中缺乏对 Copilot 部署失败案例的数据、对企业 ROI 不确定性的坦诚讨论、对 Agent 大面积部署后可能出现的安全/治理/合规危机的预警。作为咨询顾问，Jason 可以在引用 WTI 数据的同时补充第三方研究和自己的项目经验，让客户看到的不是「Microsoft 说一切都会很好」，而是「市场数据 + 独立验证 + 项目实践」的综合视角。 ### 8. 与中国客户的关联：双轨叙事的新弹药 在之前的 Anthropic 政策精读中已经建立了「美中双轨 AI 架构」的叙事框架。WTI 2026 为这一框架补充了组织层面的数据弹药——「组织因素 67% > 个人因素 32%」这个发现是全球性的（10 国数据包含非中国市场），但它的逻辑同样适用于中国客户：无论用 Gemini、豆包还是 DeepSeek，真正决定 AI 投资回报率的不是模型选择而是组织文化、管理者行为和激励机制。这可以帮助 Jason 在中国市场客户对话中避免陷入「用哪个模型更好」的无休止争论，转向「你的组织系统能不能吸收任何模型带来的能力」。 ## 最终判断 WTI 2026 不是一份读完就放下的报告——它是一套可复用的叙事框架和数据武器。它的核心价值不在于任何单个数据点，而在于提供的叙事结构： 1. Agent 给人类更多能·动·性（而非取代） 2. 但组织系统跟不上员工速度（五区分布） 3. 转型悖论：同一套激励机制在阻碍 AI 转型（65% vs 45% vs 13%） 4. 解药一：管理者行为是第一个杠杆（+17/+22/+30/+20pp 量化） 5. 解药二：组织因素远大于个人因素（67% vs 32%） 6. 终点：Learning System——从 AI adoption 到 AI absorption 对 2026 下半年的每一场客户 AI 转型对话，这六个论点都是可以直接展开的核心叙事弧。 底线一句话：不要再讨论「AI 会不会取代工作」——WTI 2026 已经替你回答了：**取代工作的不是 AI，是那些组织系统已经围绕 AI 重新设计过的竞争对手。**
📜 中文解读
一、引子：Microsoft 年度最重磅的 AI 工作研究
每年 Microsoft Work Trend Index 发布时，整个企业科技界都会认真看一眼。2026 年这期尤其值得——因为这是 Agent 大规模进入企业工作流之后的第一期 WTI。基础数据量惊人：数万亿条 M365 匿名生产力信号 + 20,000 名 AI 用户问卷（美国、巴西、印度、日本、法国、德国、意大利、荷兰、英国、澳大利亚 10 国）。哈佛商学院 Karim Lakhani 教授撰写前言。
核心论点的洞察力出乎意料：「新能动方程」（new agency equation）——Agent 承担的执行越多，人类反而获得越多能动性（agency），更多空间去指挥工作、做出判断、拥有结果。报告的三个组织层次论证结构——员工（AI 抬升个人潜能天花板）、领导者（重新架构工作）、组织（成为 Learning System）——清晰有力。
二、核心发现一：AI 的价值在认知工作
M365 Copilot 10 万+ 聊天的隐私保护分析揭示了一个重要事实：49% 的对话支持认知工作——分析信息、解决问题、评估和创造性思考。只有 17% 是纯产出（写东西）。Copilot 不是「替人写」，是「帮人想」。
66% 的 AI 用户说 AI 让他们花更多时间在高价值工作上，58% 说在产出一年前做不出的工作。在最前沿的 16% 用户（Frontier Professionals）中，这个比例飙到 80%。
三、核心发现二：Frontier Professionals 的四个关键行为
Frontier Professionals（占 16%）不是随便用 AI 的——他们用 Agent 做多步骤工作流、搭建多 Agent 系统、定期重新思考工作流中哪些可以增强或自动化、参与制定团队 AI 使用标准。
最值得注意的两个行为差异： - 43% 刻意不用 AI 保持技能（非 Frontier 30%）——他们拒绝外包思维 - 53% 在动工前暂停判断 AI vs 人手分工（非 Frontier 33%）——他们刻意设计工作
伴随 AI 使用成熟，报告预测最有效的用户将围绕「只有人类能做的事」重新定义价值：设定意图、设计工作、运用判断和品味、建立信任、塑造产生更好结果的系统。
四、核心发现三：五区断层——员工跑得比组织快
报告用个人 AI 能力 × 组织 AI 就绪度两个维度画出了 5 类用户：
| 群体 | 占比 | 特征 | |------|------|------| | Frontier | 19% | 个人+组织双高，互相强化 | | Blocked Agency | 10% | 个人能力强但组织没跟上——最可惜 | | Emergent | 50% | 两者都在形成中——最大的中间地带 | | Stalled | 16% | 双低 | | Unclaimed Capacity | 5% | 组织就绪但人没跟上 |
只有 26% 的 AI 用户认为领导层对 AI 清晰一致对齐。且领导者（21%）比员工（10%）高两倍的可能性认为自己因 AI 改造被奖励。存在严重的视角偏差——高层觉得「安全」、基层觉得「危险」。
五、核心发现四：转型悖论——系统在奖励旧的行为
这是报告最尖锐的诊断。三个数字构成悖论： - 65% 怕不快速适应 AI 会落后 - 45% 觉得守着现有目标比改造工作方式更安全 - 13% 因改造工作方式获奖励（即使结果不达标）
报告反复强调：「转型悖论的核心是系统问题。系统不会自己修复——必须被重新设计。」
六、核心发现五：管理者是第一杠杆（+17pp / +22pp / +30pp）
1,800 人的 Microsoft People Science 独立研究是报告中最具实操价值的数据。当管理者主动示范 AI 使用时： - AI 价值感知 +17pp - 批判思维 +22pp - Agent 信任 +30pp - AI 就绪度（配合心理安全感）+20pp，高频 Agent 用户可能性 ×1.4
Frontier Professionals 的管理者在四个维度上全面碾压非 Frontier：公开使用 AI（85% vs 64%）、设质量标准（83% vs 57%）、创造实验空间（84% vs 61%）、鼓励工作改造（87% vs 61%）。被奖励的可能性 2 倍（26% vs 11%）。
七、全年最重要的发现：组织因素 > 个人因素（67% vs 32%）
报告用了随机森林（random forest）+ elastic net + XGBoost 三模型交叉验证。29 个因素中排名前三全部是组织层面的：AI 文化 > 人才实践 > 管理者支持。最强的组织因素是最强个人因素的约 2.5 倍。
一句话总结：你的组织文化能不能支持 AI、管理者示不示范、人才实践考不考核 AI 使用——这些比「有没有招对的人」重要两倍以上。
八、核心发现六：Agent 生态 15 倍增长 + Learning System
M365 Copilot Agent 生态活跃 Agent 年增长 15 倍（大企业 18 倍）。行业采用模式差异大——软件/科技广度最高（占近 1/5），制造业深度最高。
但报告的核心洞见是：Agent 规模化不只是数量问题——它们产生的信号（什么有效、什么失败）如果被系统捕获-编码-共享，就成了组织的 Owned Intelligence（自有智能）。Frontier Professionals 在团队知识共享上全面领先非 Frontier（63% vs 32% 一起改进流程；61% vs 36% 分享技巧和错误；54% vs 29% 讨论质量标准）。
九、四个角色的协同重构 + 评价基础设施
Frontier Firm 需要四个角色协同： - 员工：围绕意图和评审重构工作 - 领导者：围绕结果和 Agent 自主权重构流程 - IT：Agent 作为需管理实体（身份/权限/策略/生命周期），IT 成为控制面 - 安全：信任嵌入系统结构
评价基础设施三问：谁评审 Agent 表现？谁有权更新工作流？局部成功如何被系统捕获和规模化？
十、专家声音
- Karim Lakhani（哈佛）：必须建立自动化学习循环——每次 Agent 交互（好的坏的）都要被捕获分析，反馈回系统设计
- Conor Grennan：绝对顶层领导充分投入改变一切
- Laura Hamill（微软）：领导者必须亲自用 AI、亲自玩、亲自构建——否则根本理解不了
- Aneesh Raman（LinkedIn）：必须围绕 AI 重新构建工作流，这不是成品，还必须围绕人类能力重新构建工作
十一、展望与判断
LinkedIn 数据：过去两年创造了 130 万个 AI 相关工作机会——五年前不存在。报告以一句强力收尾：「今天构建新运营模型的公司，不只是短期内跑得更快——他们会构建更持久的东西：一个比竞争对手学习更快的组织，不断复利自己的智能，每走一个周期就更难被追赶。」
对 Jason 咨询业务而言： 1. 「管理者示范 AI」是可量化的第一杠杆——四个 pp 数字直接进客户 workshop 2. 「转型悖论」是 CEO 对话破冰点——从 adoption 叙事转向 absorption 叙事 3. 「组织因素 67%」是 AI 转型项目的顶层设计依据——先诊断组织再部署技术 4. 五区分布图是 workshop 开场工具——让高管自评 vs 实际数据的认知偏差本身就有诊断价值 5. 「Owned Intelligence」和「Learning System」是 2026 下半年新咨询语言 6. 在中国客户对话中提供「脱离模型争论」的数据依据——组织吸收能力比模型选择更重要
底线：取代人工作的不是 AI，是那些组织系统已经围绕 AI 重新设计过的竞争者。
💎 金句精选
"As agents take on more of the execution, humans increasingly have more agency—more room to direct the work, make the calls, and own the outcomes."
「随着 Agent 承担更多执行，人类反而获得了更多能动性——更多空间去指挥工作、做出判断、拥有结果。」
"The constraint for most firms is the gap between what their employees can now do and what their organizations are built to support."
「大多数公司的约束不在于员工现在能做什么，而在于组织是否被构建来支持这种能力。」
"The most effective AI users won't be the ones who do more things faster. They'll be the ones who redefine their value around what only humans can do."
「最有效的 AI 用户不会是那些做事更快更多的人——而是那些围绕「只有人类能做的事」重新定义自己价值的人。」
"Frontier Professionals refuse to outsource their thinking—they know long-term success means continuing to build human skills and not letting them atrophy."
「Frontier Professionals 拒绝外包自己的思维——他们知道长期成功意味着持续构建人类技能，不让它们萎缩。」
"The Transformation Paradox is, at its core, a systems problem. And systems don't fix themselves—they have to be redesigned."
「转型悖论的核心是系统问题。系统不会自己修复——必须被重新设计。」
"The real question isn't whether people have the right skills. It's whether the organization is built to unlock them."
「真正的问题不是人是否有对的技能——而是组织是否被构建来释放这些技能。」
"When managers actively modeled AI use, employees reported a 17-point lift in reported AI value, a 22-point lift in critical thinking about their AI use, and a 30-point lift in trust in agentic AI."
「当管理者主动示范 AI 使用时，员工报告 AI 价值感知提升 17 个百分点、关于自身 AI 使用的批判思维提升 22 个百分点、对 Agentic AI 的信任提升 30 个百分点。」
"Organizational factors—culture, manager support, talent practices—account for more than 2x the reported AI impact of individual factors like mindset and behavior (67% vs. 32%)."
「组织因素——文化、管理者支持、人才实践——对报告 AI 影响的解释力是个人因素（心态和行为）的两倍以上（67% vs 32%）。」
"The firms pulling ahead are focused on AI absorption rather than just AI adoption, redesigning how work gets done and turning output into insight."
「领先的公司专注于 AI 吸收（absorption）而非只是 AI 采用（adoption）——重新设计工作完成的方式，并将产出转化为洞察。」
"65% of AI users fear falling behind if they don't use AI to adapt quickly, yet 45% say it feels safer to focus on current goals than to redesign work with AI. And only 13% of AI users say they're rewarded for reinvention of work with AI even if results aren't met."
「65% 的 AI 用户害怕不快速适应 AI 会落后，但 45% 说守着现有目标比改造工作方式更安全。只有 13% 的 AI 用户说因工作方式改造获得奖励——即使结果不达标。」
"That means rethinking how work is divided, where judgment resides, how expertise is codified, how incentives reinforce reinvention, and how governance keeps pace with increasingly agentic systems."
「这意味着重新思考工作如何分配、判断力在哪里、专业知识如何编码化、激励如何强化再造、治理如何跟上日益代理化的系统。」
"The organizations that learn fastest—not just those that deploy fastest—will be best positioned to lead."
「学习最快的组织——不只是部署最快的——将最有可能领先。」
"Building that infrastructure requires coordinated reinvention across four roles: employees, who rearchitect their work around intent and review; leaders, who redesign processes around outcomes and agent autonomy; IT, who builds the infrastructure for agent operations at scale; and security, who ensures that trust is woven into the system itself."
「构建基础设施需要四个角色的协同重构：员工——围绕意图和评审重构工作；领导者——围绕结果和 Agent 自主权重构流程；IT——构建 Agent 规模化运营的基础设施；安全——确保信任被编织进系统本身。」