哈佛商学院：2026 年人工智能趋势：构建 “变革适应力” 与平衡取舍
作者：Rachel Layne
2026 年，许多组织将致力于从人工智能中挖掘更多价值。哈佛商学院教授为计划规模化推广该技术的领导者，分享了四大关键考量。
许多企业领导者已在推动人工智能融入组织方面取得了显著进展。2026 年，更多领导者将致力于挖掘这项技术的深层价值。
我们就此询问了哈佛商学院的教授们，探讨未来一年中，尤其是在人工智能日益普及的背景下，企业领导者可能面临的趋势。以下是他们的观点。
为精简篇幅、提升可读性，我们对教授的发言内容稍作编辑。
策达勒・尼利：变革适应力将成为人工智能时代的核心竞争力
人工智能不再是一项边缘化的试验性技术，它正在重塑工作的开展模式。其角色也从人们可自主选择采纳或忽略的独立工具，转变为嵌入工作流程、决策机制与客户服务全链路的核心平台。
当人工智能成为核心平台后，它会悄然设定一系列默认规则：信息的流转方式、不同人员的权限范围、系统界面呈现的选项内容等。这也意味着，一旦变革举措出现偏差，其引发的后果将更为严重。人工智能的普及必然带来持续不断的变革，而如果缺乏变革适应力，个人、团队乃至整个组织都将在发展中举步维艰。
什么是变革适应力？
变革适应力是指消化吸收重大且持续变革的能力。
- 从个人层面，它体现为好奇心、探索欲，以及在人机协同工作模式中高效开展工作的适应力。
- 从团队层面，它要求团队构建新型协作模式、明确成员角色定位，并建立与人工智能驱动环境相适配的决策权限机制。
- 从组织层面，它需要企业搭建现代化的数据基础架构、完善审慎的治理体系，同时要求领导者将人工智能视为工作模式的全面转型契机，而非简单的软件部署项目。
最基本的要求是，每个人都应具备30% 的数字化与人工智能思维素养—— 这种素养足以支撑人们熟练使用相关工具、提出有价值的问题、解读技术输出的结果，并对现有工作模式进行优化重构。
2026 年，企业领导力的核心要求已十分明确：将变革适应力打造为组织的核心能力，而非事后补充的附加项。企业需大力普及人工智能知识、重塑工作流程（而非仅调整岗位设置），并对学习速度与实践成果给予奖励。
策达勒・尼利 是哈佛商学院内勒・菲茨休工商管理学教授，同时担任高级副院长及工商管理硕士项目负责人。
乔恩・M・亚希莫维奇：人工智能会降低工作的意义吗？
我们一直听到这样的声音：2026 年将是人工智能主流化的一年，更多组织流程将融入人工智能技术，大量员工的核心工作流程中也会出现人工智能的身影。
目前，人们对人工智能的一阶效应已有较多研究，例如：人类如何与人工智能协作？如何设计人工智能才能提升工作效率？但到了 2026 年，我们还需认真思考其二阶效应：人工智能会如何改变我的工作体验及其对我的意义？
我们将首次瞥见，当人工智能导致工作意义减弱时，未来的工作场景会呈现怎样的面貌。
以客户服务为例。过去，如果你乘坐美国联合航空公司的航班，行李出现延误，你可以与航空公司的员工沟通，他们会协助解决问题。而那位员工当天回家时可能会说：“我今天真的帮到了别人。” 但现在，这类沟通大多由人工智能聊天机器人处理 —— 越来越少的联合航空员工能直接体验到自己的工作给他人带来的积极影响。
人工智能有可能让劳动者与工作的受益者产生距离。员工或许难以再看到自己工作所产生的影响，而这可能会削弱他们对工作意义的感知。
潜在的效率损失
许多人可能会对由此产生的效率损失感到意外。大量研究表明，当人们认为工作具有深远意义时，他们更愿意投入更多精力。而当人工智能降低了工作的意义感，人们投入努力的意愿可能也会下降。这意味着每位员工的产出效率会降低。
那么，如果人工智能使工作效率提升了 20%，但工作意义感下降了 20%，实施人工智能的实际净收益究竟是什么？从哲学层面而言：我们是否愿意生活和工作在一个效率更高但意义更匮乏的世界里？
人们对人工智能的应用充满热情，且大量研究聚焦于如何利用人工智能提升工作效率。但我们也需要开始关注，人工智能可能会以何种方式对工作体验产生负面影响 —— 这种影响既会作用于组织成果，也会影响员工的个人体验。
乔恩・M・亚希莫维奇 是组织行为学系助理教授。
杰奎琳・吴・莱恩：领导者需平衡隐性取舍
无论高管们是否意识到，人工智能已深度嵌入他们日常的决策过程中。其应用场景无处不在，且仍在持续拓展。
当组织将多个人工智能系统融入工作流程时，一个关键问题浮出水面：部署不同人工智能工具的顺序是否重要？答案是肯定的 —— 这会影响最终呈现的机会类型。
每种用于决策的人工智能都具备独特的能力：
- 预测性人工智能：基于监督式机器学习构建，擅长模式识别，能根据历史数据进行预测。它可以量化风险、识别差距，并评估与已验证基准的契合度。
- 生成式人工智能：由大型语言模型驱动，能够整合知识以挖掘关联、评估创新性。
在近期的一项实地实验中，我们让参与者通过两种人工智能推荐系统（预测性和生成式），以不同顺序对创新方案进行评估。结果显示：当评估者先收到预测性人工智能的推荐时，他们选择的方案具有更高的创新得分；当评估者先收到生成式人工智能的推荐时，他们选择的方案多样性更显著。
取舍是客观存在的
你无法同时最大化这两个目标，而在创新领域，两者都至关重要。平均质量之所以重要，是因为方案必须满足利益相关者的需求；多样性之所以重要，是因为突破性进展往往源于 “尾部效应”—— 即许多评估者容易忽略的非典型想法。
这些发现印证了人们对 “人工智能导致创意产出同质化” 的担忧。我们的研究表明，问题的核心在于组织如何协调人工智能工具，以及评估者是否保持认知参与度。
2026 年，高管们应采取以下行动：
- 围绕战略部署人工智能：如果目标是持续性创新（如航空航天或医疗设备领域），应优先部署预测性人工智能；如果重点是研发或新兴市场，则应优先使用生成式人工智能。
- 优先考虑认知参与度，而非仅追求效率：人工智能的呈现形式与其推荐内容对结果的影响同等重要。动态界面（如聊天机器人）能促进探索，但可能降低质量；静态界面（如固定的解释性内容）能提升结果稳定性，但可能限制方案的多样性。
- 将人工智能协调视为组合决策：如同金融组合需要平衡风险与回报，创新组合也需要平衡平均质量与多样性。
- 从流程优化转向流程设计：大多数人工智能应用旨在改进现有工作流程，而利用人工智能从根本上重构决策机制，将成为新的前沿领域。
杰奎琳・吴・莱恩 是技术与运营管理系助理教授，同时担任哈佛数字数据设计研究所创新科学实验室联合首席研究员。
N・路易斯・希普利：人工智能领域的创业竞争依然激烈
进入 2026 年，我们正处于人工智能大规模部署的阶段。这为创业者和投资者带来了巨大机遇。
显然，人工智能正在重塑经济。人们容易陷入这种狂热情绪，这实际上也合乎情理。但对于创业者而言，至关重要的是确保自己的人工智能初创企业能够解决真实问题，满足可验证的客户痛点。如今，开发新产品的门槛已大幅降低，产品研发速度也达到了历史新高。
做好充分调研
但这并不意味着无需调研就能确定产品是否满足真实的客户需求。应采用结构化访谈流程，让潜在客户以 1-10 分的量表对 “解决该问题的重要性” 进行评分。
还要倾听潜在客户未说出口的需求。投资者需要意识到，创业者的每一个人工智能产品理念都面临着前所未有的竞争。因此，投资者必须像创始人一样，认真挖掘并理解真实的客户需求。
N・路易斯・希普利 是创业管理系高级讲师，即将出版著作《非典型创业者：打造伟大公司的成败与关键经验》。
大卫・富比尼：人际关系依然至关重要
随着人工智能重塑专业服务机构，一个事实已然清晰：无论颠覆程度如何，优势终将属于那些与客户联系最紧密的机构。大型语言模型和自主智能体正在承担更多分析和建模任务，因此，差异化优势将从技术实力转向人类的判断力、洞察力以及建立有意义关系的能力。
一位值得信赖的顾问，其价值不在于完美的分析，而在于如何帮助客户应对不确定性、做出取舍，并设计切实可行的前进路径。这需要具备模式识别能力、解读模糊信息的能力，以及致力于以真正推动客户目标实现的方式提供服务的决心。
事实上，人工智能的崛起反而凸显了 “为客户创造真实价值” 背后人类工作的重要性。
人工智能能够处理信息，但无法感知现场氛围，也无法理解领导者的压力。客户会记住那些在困难时刻帮助过他们、在高风险场景中为他们理清思路、即使没有商业利益也愿意伸出援手的人。在人工智能时代，提供真实价值并非附加项，而是该角色的核心使命。
这些能力无法被自动化或加速培养。它们源于学徒制学习、亲身经历以及对客户的长期承诺。随着人工智能让专业知识变得更易获取，那些能够将洞见转化为行动、帮助领导者实现重要成果的顾问，其价值将更加凸显。能够蓬勃发展的机构和个人，往往不是通过一次性交易，而是通过长期耐心打磨的 “技艺”，来为客户创造价值。
大卫・富比尼 是组织行为学系高级讲师。
