KeyFrame內部研究專用

AI is Killing Us

Digital Transformation with Eric Kimberling9 min英文
觀看原始影片

三句話摘要

AI 正在傷害組織:員工因職位喪失、無關緊要、不確定性和治理缺陷而抵制AI實施。 AI 的風險不在技術本身,而在領導者必須先解決員工的深層恐懼、不確定性與治理缺失,否則即便技術再強大也難以成功。 職位喪失恐懼:員工聽見媒體警告數億工作將被 AI 取代,符合馬斯洛需求層次中對基本安全感的需求,沒有工作安全感員工無法思考組織改善。

重點整理

  1. 職位喪失恐懼:員工聽見媒體警告數億工作將被 AI 取代,符合馬斯洛需求層次中對基本安全感的需求,沒有工作安全感員工無法思考組織改善。

  2. 無關緊要恐懼(更深層):比職位喪失更微妙且強大。員工害怕 AI 會降低組織對他們的依賴度,尤其掌握專門知識、部落知識或「魔法試算表」的人會潛在抵觸,但這種抵觸往往不明顯,表現為缺乏積極參與而非明確破壞。

  3. 不確定性與混亂:領導者通常未定義清晰的未來狀態願景與營運模型,員工不知道自己角色如何改變。AI 本身仍在成熟階段,領導者本身也可能不完全理解 AI 影響,加倍放大員工困惑。

  4. AI 系統的混亂性與治理不足:AI 不像 ERP 系統那樣結構化可靠,而是不穩定且缺乏結構。AI 改變了企業技術堆棧的重心,造成架構、整合、資料層面混亂。更嚴重的是,AI 力量強大卻不受控,人們質疑「人類是否真的掌權」,治理與防護欠缺,這是 AI 實施失敗的根本原因。

實用技巧與重點

  • 講者身份:Eric Kimberling,ThirdStage Consulting CEO,數位轉型與 AI 策略顧問
  • 員工職位喪失的預測:研究表示數千萬至數十億份工作可能被 AI 取代
  • Maslow 階層論應用:安全感是員工自我實現前的基礎需求
  • ERP 與 AI 系統對比:ERP 為系統紀錄、結構化交易系統;AI 則相反,生成式 AI 與 AI 代理能力大但缺乏可靠性
  • 失敗案例:Starbucks、IBM 等大公司 AI 實施失敗,原因為 AI 管理不善與變革管理不力
  • 企業技術堆棧重心移轉:從 ERP 為核心轉向 AI 為核心,造成新的混亂
  • 資源:該顧問公司提供「AI 策略與實施指南」(Guide to AI Strategy and Implementation)

結論

AI 的風險不在技術本身,而在領導者必須先解決員工的深層恐懼、不確定性與治理缺失,否則即便技術再強大也難以成功。

完整解析

AI 被普遍視為最具變革性的技術,然而許多組織正遭遇 AI 實施失敗,而非成功。ThirdStage Consulting CEO Eric Kimberling 指出,這並非因為 AI 技術本身不強大,而是由五層面的人類與系統問題所導致。

首先是職位喪失的表面恐懼。媒體充斥數億工作將被 AI 取代的報導,員工自然產生危機感,在組織宣布 AI 實施時挖守防線。這種行為符合馬斯洛需求層次:人必須先感到安全,才能思考改善與貢獻。職位安全是基礎,沒有它,員工無法心平氣和地擁抱任何新技術。

更深層且更危險的是無關緊要的恐懼。這種恐懼不易察覺,因為它的抵觸是微妙的。掌握部落知識、建立多年試算表、靠個人英雄主義撐起組織運作的員工,會害怕 AI 削弱組織對他們的依賴。他們未必會明確破壞專案,而是表現為缺乏熱情、消極參與,這讓變革管理變得更困難。

第三個問題是不確定性。大多數領導者未清楚定義 AI 導入後的未來狀態。員工不知道自己的角色、薪資、職能會如何改變。這在過往技術實施(ERP、CRM)中早已是普遍問題,但 AI 更嚴重,因為連領導者本身也不完全理解 AI 的業務影響,而員工面對這種霧氣般的不確定性,自然傾向抵觸。

第四層是 AI 本身的混亂性質。不同於結構化的 ERP 系統,AI(尤其生成式 AI 與 AI 代理)能力強大但不可靠,無法保證輸出資料的正確性。AI 更改了企業技術堆棧的重心,從過去以 ERP 為核心,轉向 AI 為核心,這導致架構、整合、資料管理全面混亂。

最後是治理與掌控的問題。AI 是歷史上首個令人質疑「人類是否真的掌權」的技術。人工智能力量如此強大又如此未知,很難建立適當的治理框架確保人類管理 AI,而非相反。這種不確定性進一步加劇了組織內的混亂、困惑與恐懼。

Starbucks、IBM 等大公司的 AI 實施失敗已證明這些風險。實施失敗並非技術問題,而是管理問題——AI 本身管理不善,員工變革管理更不力。這些例子說明 AI 實施風險實際上高於其他企業技術。

12 min
企業管理中文10月8日

The Most Important Skill for Entrepreneurs Can't Be Taught—A Conversation with Yu Ying, Vice Dean...

凯莉彭 Kelly Peng看原片 ↗
  • 反思能力決定成長天花板:講者發現職場只有兩種人——遇到問題時,一種向外求(怪環境),一種向內求(找自己的因)。前者無論如何調整職位都不會進步,後者才有迭代與改善的機會。這種能力在青少年階段仍可塑,成人後幾乎無法逆轉。
  • 審美感必須靠大量接觸累積:審美是不可替代的創業必備素質,但不是天生的。看過百件、兩百件產品後自然能感知共性。此能力需要浸潤式學習,短期內無法突擊。
11 min
AI 技術中文10月8日

2026年10月8日|24小時世界AI新聞台-重溫|OpenAI 合約 AI 測試、Reka Rho-1、Google Earth AI

文恩澄 Rannes Man看原片 ↗
  • AI 代理從輔助進化到流程參與:OpenAI 與 Ironclad 的研究表明 AI 代理已能設定表單、建立審批規則並確保多步驟工作流合規,但人工監督仍不可或缺。這標誌著 AI 在企業軟件中的角色從簡單任務輔助升級到複雜業務流程的參與者。
  • 多模態統一正成為主流方向:Reka 的 Rho-1 展示單一模型處理文字、圖像、影片和動作的可行性,減少使用者在不同工具間切換的負擔。但技術仍面臨長時間生成穩定性與跨影片物件定位的挑戰,目前輸出解析度上限為 672×384 像素。
13 min
AI 技術中文9月26日

万亿美元AI资本开支的回报在哪里 | 黑石Jon Gray | 数据中心 | AI算力 | 工业革命 | 投资回报 | 超大规模云厂商 | 芯片短缺 | 电力基础设施 | 生产率 | AI应用场景

最佳拍档看原片 ↗
  • AI不是泡沫,而是範式轉移:喬恩·格雷用1870-1900年工業革命類比今日AI浪潮,強調這是勞動生產力翻倍、GDP與製造業產出成倍增長的機遇期,但並非所有公司都能從中獲利。
  • 投資報酬率已被驗證:黑石旗下公司已看到實際案例——印度鑽石公司提效、通訊鐵塔公司租約處理快五倍、軟體編碼模型每投1美元回報18美元,證明AI開支的合理性。