与AI共存，关键在于思维模式而非技能

近日，一位资深银行家向我提出了一个引人深思的问题：“随着AI的能力以惊人的速度提升，我应该专注于工作的哪10%，以确保AI永远无法取代我？”这个问题反映了当前许多专业人士的焦虑。过去几年，AI已经从能很好地完成简单任务、在复杂任务上表现糟糕，发展到能出色完成简单任务、在复杂任务上也表现良好。OpenAI的基准测试GDPval显示，基于最新模型的AI代理在80%的情况下表现与人类相当或更好，而六个月前这一比例仅为50%。这一趋势无疑对企业和员工构成了挑战：我们多年来积累的技能可能很快被AI代理执行。

面对不确定性，人们自然倾向于寻找熟悉的安全区，固守最信任的习惯。但我的建议是：放弃那10%的信念，勇敢地让旧习惯消亡，从而在职业上重塑自我，迎接全新的100%，即使它与你过去所学截然不同。不同职业受到的冲击方式和时间线各异，但对于那些GDPval报告指出最容易受影响的职业——如开发者、律师和物业经理——适应之道尤为紧迫。我们需要保持好奇、开放，愿意放弃最成功的职业习惯，同时坚守那些不变的人类品质：直觉、判断力和价值观。

过去一年，生成式AI已从类似谷歌搜索的聊天机器人，进化为能够模拟人类推理、制定计划并采取行动的技术。如今，我们可以将更多任务委托给AI代理，且只需极少的人工干预。在企业环境中，这些代理通过人类互动和内部评估反馈不断改进。这种演变要求人类用户转变思维模式：信任这些代理，学会在适当时候放弃控制，从操作者转变为监督者。这从根本上要求我们重新审视自己的习惯。

以银行家为例，我建议他放弃直接控制每一步的冲动，比如不再亲自制作演示文稿的每一行内容。他的新任务是提供清晰的指令，让代理更有效地朝着目标运作，并确保系统性地应用适当的控制，从而安全地执行任务。从个人贡献者到监督者和导师——这是新的100%。

换个角度思考：想象一位经验丰富的骑手学习驾驶汽车。骑手应保留哪10%的骑术技能来掌握驾驶？可能没有。那么，成为优秀司机需要100%的技能是什么？是他们的反应和直觉。银行家经常收到客户的复杂问题，如关税对投资组合的影响及如何对冲风险。目前，回答这些问题需要收集信息、验证、制定策略，然后在数小时或数天后与客户讨论。未来，有了后台的AI代理，我们可能能在客户提问之前就给出答案——在t-1时刻。银行家的增值在于审查建议、运用判断力、与团队和代理讨论，并在客户联系你之前主动致电。这如同经验丰富的司机在恶劣天气下利用牵引力和辅助制动系统导航山路。

新的挑战不仅是优化，而是重新思考我们的角色和公司。不要把重点放在重新学习技能上，而要重新想象技能并建立新习惯。将人类与代理的混合劳动力视为新常态，并据此重组公司。这需要几个基本要素：

领导力：放弃旧习惯不会自然而然发生。它需要强有力的领导和高层推动，要求人们对变革负责。这最具挑战性。将AI应用于简化旧流程可能带来暂时缓解，但长期会错过目标。大规模变革管理要求最高层领导承诺实现彻底转型。如果希望开发者改变习惯，要求他们提高3倍生产力，而不是20%。如果希望防止候选人在面试中用AI作弊，设定只有通过AI精通才能完成的艰巨任务。如果希望简化采购到付款流程，目标是减少90%的手动接触点，而不是20%。即使只达到一半，也能确保团队经历了彻底反思，而不仅仅是优化。

目标和结果的清晰度：如果我们不知道什么算做得好，人类和AI都无法采取正确步骤。我们必须专注于评估和基准。大多数公司把任务视为一系列分步行动，将其编入标准操作流程，然后在此基础上设立控制。现实中，组织流程和决策更像“垃圾罐问题”，有些混乱、偶然和非线性。在高盛，我们首先专注于定义什么算做得好，从流程质量指标和经验丰富的操作者的决策中汲取经验，然后创建评估体系，将AI代理的输出与期望结果进行比较。通过适当的反馈循环，AI自我改进直至输出匹配结果。这如同告诉地图应用以最快路线到达目的地，避开桥梁，而不是给出左转右转的次数，并在行程结束时提供反馈。从逐步的严格规则执行，转向基于结果的代理系统，由人类在回路中监督。

对自身数据的掌握：没有上下文，代理无法运作，会退化为聊天机器人。数据是上下文的生命线——组织的真相地图。没有这个真相，就没有明确方向。我的经验是，AI转型遵循数据转型，而非相反。许多公司的数据分散、映射到多个不相关的本体、重复且陈旧。AI存在终极的“垃圾进，垃圾出”问题，因为垃圾输出看起来合理。因此，领导者可能应推迟大规模AI项目（这是当前不受欢迎的概念），直到数据就绪。数据准备可能需要数月或数年，但可优先考虑AI转型的用例。

这如何改变习惯？抵制直接接受AI输出的诱惑。检查来源、监督并验证输出，或学会这样做，如果你过去只依赖自己的成果。代理未来要求每个人都成为某种程度的管理者。这是寓意所在。个人改变更难。有勇气放弃自己的固有习惯，拥抱全新的职业身份，是在职者面临的最大挑战之一。