施密特对话德勤 CEO：AI 落地的第一步，不是选模型

企业部署 AI，第一步几乎都是选模型。

好像选对了模型，AI 就能自己落地。但现实是：模型再强，如果组织不跟着动，AI 也只能是摆设。

最近福布斯举办的一场对话中，前 Google CEO 埃里克·施密特与德勤全球 CEO Joe Ucuzoglu 谈的不是模型能力，而是组织能不能用好 AI。

德勤的数据显示：虽然企业员工能用上 AI 工具的比例在增长，但真正重构过业务流程的企业，只有三成。

工具普及了，流程却没动。这才是 AI 普及率低问题所在。

所以真正的问题，不是选哪家的模型，而是你敢不敢动组织。

第一节｜流程改写权在谁手里

企业上 AI，第一件事都是找最好模型。

但施密特看到的是另一件事：

过去的 AI 只会对话(ChatGPT)，现在的 AI 开始能做事(Agent)。

这话的意思是，AI 不再只是回答问题，而是要真正执行任务。重点不是选哪家模型，而是流程能不能交给 AI。

要把流程交给 AI，就得先解决：流程归谁管？谁敢动第一刀？

现实是，技术团队想上 AI，业务部门不敢动。

施密特提到，当年 Google 在广告系统中用上早期 AI，不是因为模型有多先进，而是因为他们有权限重构整个广告投放流程。技术能不能发挥，取决于有没有人愿意为 AI 重新设计工作流。

德勤 CEO Joe Ucuzoglu 也指出：企业落地 AI 最大的困难，就在于变革流程。

很多企业搞 AI 上线，做了半年，结论是 AI 没用。但真相不是 AI 不行，而是他们流程压根不是为 AI 设计的:

• 用 AI 写文案，但还得层层审批盖章
• 用 AI 做分析，但 Excel  格式一改就用不了
• 用 AI 辅助决策，但领导最后一句“感觉不太行”，一票否决

流程没改，AI 就用不上。这就像你换了电钻，但公司规定还是只能手拧螺丝，工具再好也没用。

德勤选择了最直接的方式：重构组织。最近他们宣布取消传统的 Analyst/Manager/Partner 层级结构，改用“岗位家族”体系：用“软件工程师 I/II/III 级”、“产品专员 I/II/III 级”这类技能等级，取代管理头衔。

这不只是组织架构调整，而是在重新定义谁有权动流程:

让岗位从管理职级转向执行能力

把 AI 能干什么，直接写进岗位要求

重建一个 AI 能参与的流程体系

说白了，就是要把流程的入口、过程和验收方式，都改造成 AI  能接入的形式。不是让 AI 去适应旧流程，而是先给 AI 留位置。

德勤用组织重构解决了“谁能改”的问题。但权限给了，不代表就能用好。

第二节｜组织准备好了吗

AI 项目上线时轰轰烈烈，落地时悄无声息，这种情况并不少见。

施密特给这个现象起了个名字：“技术过剩”（Technology Overhang），技术迭代太快，企业跟不上节奏。说的就是现在的 AI。

德勤最新发布的企业 AI 报告，暴露了真实差距：85% 企业计划定制自主 AI 代理；但只有25% 的试点项目真正上线到生产环节。

差距在哪？不在技术，在能力。

具体来说，企业用不起来 AI，卡在三个地方：

1、权责不清

没人知道哪个任务该给人做，哪个可以交给 AI，哪些需要人机协同。如果岗位职责不变，AI 就进不了流程。

2、配合方式缺失

流程负责人不敢放权，中层不知道怎么配合 AI 工作，执行者担心出错没人兜底。AI 卡在中间，什么也干不成。

3、考核体系未调整

员工的 KPI 还是按人工完成量算，用 AI 反而可能被认为不够努力。这种情况下，谁敢真正把 AI 当工具用？

这些问题怎么解？

说到底，还是要靠人。

组织能不能跟上，最终取决于有没有这样的人。

第三节｜人要学什么新能力

那什么样的人，才算“这样的人”？

德勤的招聘标准已经给出答案：他们现在招人，不再只看学历、专业，而看这个人会不会用 AI。

传统的岗位评估逻辑是：

• 你会不会写报告？
• 你懂不懂财务准则？
• 你能不能做销售拜访？

而今天，越来越多企业在问的，是另一类能力：

• 你会不会写 prompt？
• 你能不能让 AI 生成一版落地方案？
• 你懂不懂哪个任务可以交给 AI？哪些不能？

这个变化要有多彻底？施密特的建议是：

MIT 和斯坦福，最该给大一新生上的课，是提示工程（prompt engineering）。

他认为，未来所有人的工作，无论你是搞科研、管人还是做市场，都要学会怎么让 AI 理解你的任务，怎么让 AI 给出正确回答。而这，恰恰是现在大多数人不具备的能力。

但光会用还不够。

Ucuzoglu 进一步指出：真正的挑战不是技术本身，而是人对 AI 的信任和判断力。AI 给的答案可能看着头头是道，但懂行的人一看就知道有问题。这就需要具备领域知识的人，去判断 AI 的输出能不能用，哪里需要调整。

而这种判断力的本质，是学会与 AI 协同。AI 不是让你一个人变得更聪明，而是成为你的共事者，不是你的替代者。你不学会怎么用它，它永远只是个工具。

很多人会担心：这是不是意味着要重新学习？我已经 40 多岁了，主修人文学科，现在学还来得及吗？

他回答：可以，从提示工程开始，从现在开始。

不是看你背景对不对，而是看你愿不愿意换思维方式。不是转行去学代码，而是重新学会通过 AI 完成工作。

所以，企业选人的逻辑变了。

你不再只是某个专业的代表，而是某个 AI 应用场景的负责人。你不能只擅长某个流程，还得能把这个流程交给 AI、监督它完成、判断结果靠不靠谱。

这就是新的人才定义：更会与 AI 配合完成一件事。

第四节｜敢不敢让 AI 真干活

会配合 AI 是一回事，敢放手让它干又是另一回事。

很多人说自己在用 AI，实际上只是用来看看、问问、写写草稿。真正敢把一件完整的事交给它做的组织，少得可怜。

什么叫“ AI 真干活”？

不是让 AI 告诉你开会要做什么，而是让它自己：

• 整理日程
• 发送邮件
• 打开视频会议
• 准时汇报决策建议

换句话说，它不是提醒你动手，而是自己在执行。

但为什么敢放手的企业这么少？

因为让 AI 执行任务，企业就要给它流程权限、数据通道、结果责任。这比让它写段话难太多。

Ucuzoglu 的观点是：AI 的价值，不是让你省几分钟时间，而是能不能替你完成整个流程。

但现实是，大家都在谈 AI 代理，落地的却很少，因为多数企业还在等别人先试错。

所以，核心不是模型选哪个、参数是多少，而是你有没有把一个完整任务交给 AI 的勇气。

不是选模型，是放权。

不是试试看，是真交付。

结语｜选的不是模型，是起点

施密特和德勤 CEO 的这场对话，讲透了一件事：

AI 落地，从来不是技术问题，是组织问题。

• 模型选了，流程没改，AI 落不了地；
• 流程改了，组织没动，AI 干不了活；
• 组织动了，人不配合，AI 也推不动；
• 全都到位了，就是不放手，AI 还是摆设

真正的第一步，不是选哪种 AI，而是选你准备让它干哪件事。

这一步，决定了你是在试水，还是在破局。

📮原文链接：

https://www.youtube.com/watch?v=LOlejWyWJZ8

https://english.elpais.com/economy-and-business/2026-01-26/eric-schmidt-europe-doesnt-have-an-ai-strategy-if-it-doesnt-invest-heavily-it-will-end-up-using-chinese-models.html

https://x.com/amandagarces/status/2016881573589664237?referrer=grok-com

https://www.forbes.com/sites/johnwerner/2026/01/29/ai-changes-global-landscape-rubenstein-hosts-schmidt-and-ucuzoglu/

来源：官方媒体/网络新闻，

排版：Atlas

编辑：深思

主编：图灵

--END--

本文来自微信公众号“AI 深度研究员”，作者：AI深度研究员，36氪经授权发布。