文章摘要： 为什么员工使用AI后工作效率显著提高，企业整体绩效却没有同步改善？原因在于，个人任务效率与组织绩效之间并不存在简单的加总关系。国际绩效改进协会（ISPI）提出的AI4PI框架，将AI绩效改进需求区分为个人、工作系统、社会与宏观影响三个层次。社会技术系统理论、组织资本研究和生产率J曲线进一步说明，AI技术投资需要与组织流程、管理机制及能力建设相互配合。华商基业认为，企业要将AI提效转化为真正的经营成果，需要从业务结果出发，通过关键价值链识别值得AI介入的关键环节，再运用BEM行为工程模型诊断工作系统的绩效障碍，设计有针对性的干预措施，并以最终业务结果验证AI应用价值。

一、为什么员工用了AI，企业绩效却没有同步增长？

AI正在显著改变员工完成工作的方式。

过去需要数小时完成的报告，现在可能在较短时间内生成初稿；原本需要人工查找、整理和分析的数据，可以借助AI快速处理；客服人员获得实时建议，营销人员能够更加高效地制作内容。

从个人任务效率看，AI的价值正在不断显现。

但企业管理者还需要面对另一个问题：

当越来越多员工的任务效率得到提升，企业整体绩效是否也会获得相应改善？

如果员工处理某项任务的时间缩短50%，是否意味着业务交付周期也能缩短50%？

如果某个部门的工作效率提高30%，是否意味着整个企业的经营绩效也会提高30%？

答案并不必然如此。

因为企业的业务结果通常需要多个岗位、流程和部门共同完成。

某个环节的效率提高，只能说明这个环节发生了改善，并不能自动证明整个业务系统已经改善。

个人效率提升与组织绩效增长之间，并不存在简单的加总关系。

理解这一点，是企业从AI工具应用走向组织级绩效改进的起点。

二、AI究竟能够在多大程度上提高员工生产率？

AI对个人工作效率的改善，已经获得了一些具有代表性的实证研究支持。

2025年，Erik Brynjolfsson、Danielle Li和Lindsey Raymond在《The Quarterly Journal of Economics》发表研究《Generative AI at Work》。

研究分析了5,172名客服人员在引入生成式AI对话助手后的绩效变化。

研究发现：

使用AI助手后，客服人员每小时成功解决的问题数量平均增加约15%。

同时，不同员工获得的收益存在明显差异。

经验较少、技能水平相对较低的员工，在工作速度和质量方面获得了较大的改善；对于经验丰富、技能水平较高的员工，速度收益相对有限，部分质量指标还出现了小幅下降。

研究还发现，AI能够在一定程度上帮助员工学习优秀人员的工作方法。

这一研究表明，AI确实有能力在特定工作场景中提高个人任务生产率。

但必须注意：

每小时解决的问题数量提高15%，与企业整体经营绩效提高15%，是两个完全不同的命题。

前者衡量的是具体工作任务的效率。

后者则涉及业务流程、组织协同、成本结构、客户价值以及最终经营结果。

为什么局部效率提升不能直接等于整体效率提升？

假设一家企业使用AI，将客户问题的初步识别时间从10分钟缩短至2分钟。

从单项任务来看，处理时间减少了80%。

但如果客户问题识别完成之后，还需要等待其他部门确认、审批和执行，客户最终仍然可能需要两天才能获得完整解决方案。

AI大幅提高了前端识别效率，却没有明显改变整体解决周期。

真正影响客户结果的，可能不是初步识别，而是后续跨部门处理过程。

因此：

AI优化了员工的某项工作，不等于优化了企业创造价值的全过程。

三、什么是AI4PI框架？

AI4PI的定义与来源

AI4PI是Artificial Intelligence for Performance Improvement的缩写，即“人工智能赋能绩效改进”。

AI4PI框架由国际绩效改进协会（International Society for Performance Improvement，ISPI）发布，旨在从绩效改进的角度分析AI应用需求、设计解决方案，并评价其对个人、组织及更广泛社会产生的影响。

与单纯从技术能力出发选择AI工具不同，AI4PI更强调：

AI应用应该解决什么绩效问题？

面向哪个绩效层次？

如何设计以人为中心的AI解决方案？

如何验证AI应用是否真正产生了预期效果？

AI4PI的三个需求层次是什么？

ISPI官方AI4PI框架将AI解决方案的需求区分为三个层次。

Level 1：Worker / Individual——个人绩效层次

这一层次关注AI如何支持员工完成具体任务，提高个人或岗位的生产率。

典型应用包括：

AI帮助销售人员整理客户资料、支持客服人员回答问题、辅助财务人员分析数据、帮助管理者准备经营报告。

其主要改善对象是个人任务和岗位工作。

Level 2：Work / Workplace Systems——工作系统层次

这一层次关注AI如何改变工作流程、团队结构或业务流程。

例如：

重新设计客户服务的端到端处理流程，将跨部门信息核对融入自动化流程，或者重新组合过去由多个岗位分别承担的任务。

其主要改善对象不再只是员工，而是组织完成工作的方式。

Level 3：Society / Mega Impact——社会与宏观影响层次

这一层次关注AI在教育、医疗、公共政策、可持续发展等领域产生的更广泛影响。

例如，AI技术可能改变公共服务的提供方式、教育资源的获得方式或社会系统的运行效率。

三个层次之间有什么区别？

需要特别说明：

AI4PI的三个层次不是AI应用成熟度的三个阶段，而是AI解决方案所作用的不同绩效范围。

企业可以从个人岗位应用开始，也可以直接针对工作系统设计AI解决方案。

并不是所有AI项目都必须依次经历三个层次，更不是所有企业AI项目都需要追求宏观社会影响。

重要的是明确AI应用所服务的绩效对象，以及与之匹配的评价标准。

四、为什么企业容易实现个人AI提效，却难以实现组织级绩效改善？

在实际管理中，个人层面的AI应用往往更容易启动。

企业只需要为员工提供相应工具，再开展必要的使用培训，就可能在文档处理、信息检索、数据分析等任务上获得效率收益。

但工作系统层面的AI应用通常更加复杂。

因为它可能要求企业重新设计：

业务流程如何运行；

不同岗位如何分工；

部门之间如何交接；

工作标准如何调整；

哪些决策由AI辅助；

哪些事项仍需人工确认；

绩效评价和激励机制是否需要改变。

这些变化已经超出了单纯部署技术工具的范围。

例如，某企业为销售人员配置AI助手。

AI可以帮助销售人员快速识别潜在客户、分析客户需求并生成沟通建议。

但如果企业仍然以拜访次数作为主要考核指标，客户信息仍然分散在多个部门，报价审批流程仍然复杂，销售与交付部门的协作方式也没有调整，那么前端信息处理能力的提升，就未必能够转化为销售结果改善。

甚至可能出现新的问题：

AI帮助销售团队产生更多客户机会，但后端审批与交付能力没有同步提高，导致业务积压。

这说明：

企业AI应用真正困难的地方，不只是让员工掌握新工具，而是让整个组织系统适应新的工作能力。

五、社会技术系统理论如何解释企业AI应用的瓶颈？

什么是社会技术系统理论？

社会技术系统理论（Sociotechnical Systems Theory，STS）起源于20世纪50年代英国塔维斯托克研究所的组织研究，Eric Trist等学者是其重要奠基者。

该理论认为，组织的有效运行依赖两个相互联系的系统。

技术系统包括设备、技术工具、工作方法、流程及相关技术条件。

社会系统包括人员、团队、职责分工、组织关系及管理机制。

这两个系统不是彼此独立的。

它们相互影响，需要在组织设计中共同考虑。

1995年，William M. Fox在《The Journal of Applied Behavioral Science》发表《Sociotechnical System Principles and Guidelines: Past and Present》，进一步强调技术系统与社会系统的相互依赖关系。

其中一个重要原则是：

联合优化（Joint Optimization）。

即组织不能只追求技术系统或社会系统某一个部分的局部最优，而应考虑二者如何相互适应，实现整体有效性。

社会技术系统理论对AI应用有什么启示？

AI属于工作技术系统的重要组成部分。

但员工如何使用AI、不同岗位怎样分工、决策权限如何设置，以及绩效指标如何调整，则涉及组织的社会系统。

如果企业只升级技术，而不调整组织的其他条件，就可能出现技术能力与工作方式不匹配的问题。

例如，AI已经能够实时预测客户需求，但采购与生产仍然按照原有周期编制计划。

预测能力提高了，实际响应速度却没有变化。

这不是预测技术本身没有价值，而是业务流程和管理机制没有充分利用新的技术能力。

社会技术系统理论提醒企业：

技术进步并不会自动带来组织进步。AI应用需要技术系统与组织工作系统的协同调整。

六、为什么AI投资不能自动转化为经营收益？组织资本理论给出了答案

什么是组织资本？

组织资本（Organizational Capital）是指企业在长期经营中形成的，能够支持组织运行和创造价值的无形能力与实践。

在本文讨论的技术互补性研究中，它主要涉及工作流程、组织结构、管理实践、知识积累和相关协同机制。

2002年，Erik Brynjolfsson、Lorin Hitt和Shinkyu Yang在《Brookings Papers on Economic Activity》发表研究《Intangible Assets: Computers and Organizational Capital》。

研究指出，信息技术投资与组织实践之间存在重要的互补关系。

信息技术的价值，并不完全由设备和软件本身决定。

企业还需要相应的管理方式、工作流程、人员能力和组织结构，使技术能够真正发挥作用。

虽然这项研究主要针对早期信息技术，而不是今天的生成式AI，但它对理解AI投资仍然具有启发意义。

AI为什么需要组织资本配合？

例如，AI可以帮助企业更准确地预测客户需求。

但如果采购、生产和供应链计划不能相应调整，预测能力就难以充分转化为库存降低和交付改善。

AI可以加快经营数据分析。

但如果管理者没有及时决策，或者跨部门执行流程没有改变，经营分析速度提高也未必能够缩短实际问题解决周期。

因此，企业不能只投资AI模型和工具。

还需要建设能够支持AI发挥价值的组织能力，包括流程设计、管理机制、数据治理、知识积累和人员能力发展。

企业购买的是AI技术，但决定AI投资能否产生持续价值的，还包括与技术相匹配的组织资本。

七、什么是生产率J曲线？为什么AI投资可能不会立即带来回报？

生产率J曲线的定义

生产率J曲线（Productivity J-Curve），是指企业或经济体在采用新的通用目的技术时，由于需要先投入流程创新、人力资本和其他互补性无形资产，生产率收益可能无法立即体现在传统衡量指标中，随着相关投资逐步发挥作用，测量到的生产率表现才可能改善的现象。

2021年，Erik Brynjolfsson、Daniel Rock和Chad Syverson在《American Economic Journal: Macroeconomics》发表《The Productivity J-Curve: How Intangibles Complement General Purpose Technologies》。

研究强调，AI等通用目的技术通常需要大量互补性投资。

例如：

重新设计业务流程；

调整组织工作方式；

开发新的产品与服务；

培养员工能力；

建立新的管理实践。

这些投入往往先于可观测的生产率收益发生，其中一部分还难以被传统统计指标充分捕捉。

因此，企业不能简单认为，AI工具部署完成之后，生产率就应该立即出现相应增长。

2025年的工业AI研究提供了什么证据？

2025年，美国人口普查局发布研究工作论文《The Rise of Industrial AI in America: Microfoundations of the Productivity J-curve(s)》。

研究者Kristina McElheran、Mu-Jeung Yang、Zachary Kroff和Erik Brynjolfsson，分析了美国制造业工业AI应用与企业绩效之间的关系。

研究发现，部分工业AI应用在短期内伴随生产率和盈利能力下降，而较早采用AI的企业在后续时期表现出更强的增长。

研究同时指出，生产管理实践的调整与AI应用效果存在重要联系。

这项研究为理解AI应用中的调整成本与收益滞后提供了实证依据。

但需要注意，它属于针对美国制造业工业AI的研究工作论文，不能直接推断所有生成式AI应用都会经历相同的变化轨迹。

从企业管理角度，可以得到一个重要启示：

AI投资的回报，不仅取决于技术部署速度，还取决于组织完成配套调整的能力。

八、从个人效率走向组织绩效，企业需要改变什么？

前面的研究共同揭示了一个问题：

技术能够提高完成工作的能力，但组织仍然需要重新设计创造价值的方式。

因此，企业AI应用不能只从“哪些工作可以使用AI”开始。

更重要的是从业务结果出发，重新分析整个工作系统。

在这一过程中，华商基业的绩效改进方法提供了一条具体的实践路径。

第一步：从业务结果出发，而不是从AI工具出发

企业首先需要明确希望改善的绩效结果。

例如：

提升销售收入；

缩短产品交付周期；

降低运营成本；

提高客户问题一次解决率；

改善产品质量或客户满意度。

这些结果应该成为AI应用的目标依据。

如果企业只是规定员工必须使用多少次AI，或者要求每个部门都部署AI应用，就容易将技术使用本身当成管理目标。

AI应用的起点，不应该是技术能够完成什么，而应该是组织真正需要改善什么。

九、如何用关键价值链找到真正值得AI介入的业务环节？

什么是关键价值链？

关键价值链，是华商基业应用于微观绩效改进课题的分析工具。它从最终业务结果出发，通过加、减、乘、除等数量关系，将结果逐层分解到关键业务环节，并深入分析相关流程环节，识别真正影响绩效的关键点。

关键价值链并不只是描述流程顺序，也不是简单罗列各种影响因素。

它强调通过可衡量的业务关系，理解结果如何产生，并找到最具有改善价值的环节。

华商基业关键价值链方法可以概括为三个步骤：

明主干、透分支、找关键。

1. 明主干：明确最终结果的形成逻辑

企业首先需要理解最终业务结果由哪些主要环节构成。

例如，客户问题的整体解决周期，可能包括初步识别、信息核验、跨部门处理、审批和最终反馈等环节。

不同企业需要根据实际业务流程建立相应的数量关系。

2. 透分支：沿着流程环节继续分析

在主干基础上，进一步分析具体流程环节。

例如，跨部门处理时间较长，可能需要继续分解不同部门的处理时间、等待时间与返工时间。

这一过程应当使用实际业务数据，尽可能明确不同环节对最终结果的贡献。

3. 找关键：确定最值得改善的环节

完成价值链分析后，企业需要识别：

哪些环节对最终结果具有重要影响？

哪些环节存在显著绩效差距？

哪些环节具有较大的改善潜力？

这些地方，才是AI应用应该重点考虑的对象。

为什么关键价值链对AI应用尤其重要？

假设企业希望缩短客户问题的端到端解决周期。

如果初步识别只占整个周期的一小部分，即使AI大幅提高这个环节的处理速度，对整体解决周期的改善也可能有限。

但如果跨部门等待才是主要瓶颈，企业就需要考虑重新设计信息核验、任务流转和业务处理流程。

这时，AI可能不仅用于帮助员工判断问题类别，还可以支持信息共享、流程提示和部分工作衔接。

AI应该优先应用于真正影响业务结果、而且存在明确改善空间的环节，而不是只应用于最容易自动化的环节。

十、如何用BEM模型识别AI落地过程中的绩效障碍？

关键价值链帮助企业找到值得改善的流程环节。

但确定AI应用场景之后，仍然可能出现新问题：

员工不愿使用AI。

业务流程没有改变。

AI生成的信息没有被采用。

技术应用没有产生预期结果。

这时，就需要进一步分析绩效障碍。

什么是BEM行为工程模型？

BEM模型（Behavior Engineering Model，行为工程模型），是由托马斯·吉尔伯特提出的绩效诊断模型，用于从环境因素与个体因素两个方面分析影响人员绩效的条件。

华商基业将环境因素的改善称为技控，将个体因素的改善称为人控。

BEM模型包含六个诊断维度。

为什么AI项目需要先诊断工作系统？

假设企业已经部署AI销售机会识别工具。

但员工仍然主要按照原有方式工作。

管理者可能认为员工缺乏AI意识，于是安排更多AI培训。

但真正的问题可能是：

客户机会分配流程没有调整；

新的业务工作标准不明确；

AI产生的线索没有进入销售跟进系统；

绩效考核仍然只关注拜访次数；

员工使用AI后，没有获得有效反馈。

这些问题主要集中在BEM的环境因素。

如果不解决工作系统中的障碍，单纯培训员工使用AI，未必能够推动持续应用。

因此：

关键价值链帮助企业找到AI应该改变哪里，BEM帮助企业判断为什么新的工作方式没有真正发生。

两种方法结合，能够使AI项目从技术部署进一步走向绩效改善。

十一、企业如何建立组织级AI绩效改进路径？

结合AI4PI、关键价值链和BEM模型，可以建立一条以业务结果为导向的组织级AI应用路径。

第一步：明确AI项目的绩效目标与作用层次

明确项目希望改善个人任务效率、工作系统绩效，还是更广泛的社会结果。

同时确定能够评价实际效果的指标。

第二步：分析关键价值链

从目标结果出发，拆解关键业务环节，找到影响结果的重要短板和改善机会。

第三步：诊断绩效障碍

通过BEM等工具，识别关键环节中存在的信息、流程、工具、激励和人员能力问题。

第四步：设计以绩效改善为导向的AI解决方案

判断哪些问题适合通过AI解决，哪些需要流程、管理机制或人员能力方面的配套调整。

避免将AI作为预设的唯一解决方案。

第五步：重新设计工作系统并推动实施

明确新的工作流程、岗位责任、技术支持、数据要求和反馈机制。

确保AI应用真正进入实际工作，而不是成为独立于业务流程之外的工具。

第六步：评估绩效结果并持续改善

不仅检查AI是否被使用、任务是否更快完成，还应观察流程、客户结果和经营绩效是否改善。

根据实施效果，继续调整技术应用和组织工作方式。

这一路径体现了绩效改进的一项基本原则：

先明确要改善什么结果，再决定需要采用什么技术，以及如何改变组织系统。

十二、企业应该如何评价AI应用的真正价值？

如果AI项目只评价工具使用率、任务完成速度和节省工时，就可能高估技术对最终业务结果的贡献。

因为这些指标主要反映个人或局部任务效率。

要评估组织级价值，还需要进一步观察工作流程与业务结果。

例如：

客服应用AI，不仅要看平均响应时间，还应看客户问题端到端解决周期和一次解决率。

销售应用AI，不仅要看客户分析报告生成数量，还应看有效商机转化率和实际销售结果。

管理者应用AI，不仅要看经营报告生成速度，还应看决策周期与问题解决效率。

企业可以按照不同层次建立相应的评价指标。

需要说明，经营结果是企业评价工作系统价值的重要方式，但并不意味着AI4PI官方框架另设了一个独立于三个需求层次之外的第四级。

企业可以根据具体项目的作用范围和绩效目标，选择最相关的评价指标。

AI应用成功的标准，不应仅仅是员工节省了多少时间，而应是这些时间和资源最终创造了多少额外价值。

十三、华商基业如何理解AI4PI与绩效改进的关系？

华商基业认为，AI正在为企业创造新的绩效改善机会，但技术能力本身并不会自动转化为组织绩效。

国际绩效改进协会的AI4PI框架，为企业理解AI的不同作用层次提供了系统视角。

社会技术系统理论提醒企业关注技术与组织的匹配。

组织资本研究和生产率J曲线进一步说明，技术应用效果与流程创新、管理实践和能力建设密切相关。

在实际绩效改进项目中，华商基业则强调从具体业务结果出发，将方法落实到可以分析和改善的业务环节。

通过关键价值链，识别影响结果的关键流程环节与改善机会。

通过BEM行为工程模型，分析影响绩效的环境因素和个体因素。

再根据诊断结果，选择AI、流程优化、工具开发、管理机制调整或人员能力培养等干预措施，并通过实际绩效结果验证效果。

这种方法不是将AI4PI简单理解为AI工具的应用指南，而是强调：

AI应用需要建立在明确的绩效目标、真实的业务问题和有效的组织改进机制之上。

从个人任务提效走向组织绩效改善，关键在于让技术真正进入企业创造价值的全过程。

结语：AI提高了完成工作的能力，企业仍需要提升创造价值的能力

AI正在显著提高许多知识性和重复性工作的完成效率。

但员工任务处理速度的提高，并不必然意味着企业经营绩效同步增长。

个人效率与组织绩效之间，还存在流程、协同、管理机制、人员能力和组织资本等多个影响因素。

AI4PI框架提醒企业，AI的价值可以发生在个人、工作系统和更广泛社会影响等不同层次。

社会技术系统理论说明，新技术需要与组织系统协同优化。

组织资本与生产率J曲线研究则揭示，技术价值的释放往往需要配套的组织能力和时间投入。

这些理论共同指向一个重要判断：

AI能够改变员工完成工作的能力，但企业必须重新设计工作系统，才能更充分地释放技术价值。

未来，企业之间的AI竞争，不只是比较谁部署了更多工具、谁的员工使用AI更加熟练。

更重要的是，谁能够从业务结果出发，找到关键绩效环节，并通过技术与组织系统的协同改善，将局部效率提升转化为持续的经营成果。

AI让员工更高效，而绩效改进要做的，是让整个组织更有效。

常见问题 FAQ

1. 为什么员工使用AI效率提高，企业整体绩效却没有同步提升？

因为个人任务效率与组织绩效之间不存在简单的加总关系。企业最终结果取决于多个工作环节、跨部门协同、管理机制和业务流程。局部任务提效如果没有改善关键瓶颈，就未必能显著改变最终结果。

2. 什么是AI4PI？

AI4PI是Artificial Intelligence for Performance Improvement的缩写，即人工智能赋能绩效改进。它是国际绩效改进协会（ISPI）发布的框架，强调以绩效需求为导向分析、设计和评价AI解决方案。

3. AI4PI框架的三个层次是什么？

分别是Level 1个人绩效层次、Level 2工作系统层次、Level 3社会与宏观影响层次。三个层次反映AI应用的不同作用范围，而不是企业AI成熟度等级。

4. AI4PI的Level 1与Level 2有什么区别？

Level 1主要关注AI如何帮助员工完成具体任务，提高个人或岗位生产率；Level 2主要关注AI如何改变工作流程、团队结构和业务流程，从而改善组织工作系统。

5. 什么是社会技术系统理论？

社会技术系统理论认为，组织由相互依赖的技术系统和社会系统构成。技术、流程、人员、组织结构和管理机制需要协同优化，单纯提高技术系统效率不一定能够提升整体组织绩效。

6. 什么是组织资本？

组织资本是企业通过流程、组织结构、管理实践、知识积累和协同机制等形成的无形能力。技术应用需要与这些组织能力相配合，才能更有效地创造价值。

7. 什么是生产率J曲线？

生产率J曲线描述新技术应用过程中，由于需要提前投入流程创新、人力资本等互补性无形资产，生产率收益可能在初期难以体现，随后随着相关投入发挥作用才逐步显现的现象。它不是所有AI项目必然经历的固定过程。

8. 关键价值链如何帮助企业找到AI应用场景？

关键价值链从最终业务结果出发，通过数量关系拆解关键业务环节，帮助企业识别对结果影响较大且存在绩效改善机会的环节，从而避免只在容易自动化的任务上投入AI。

9. BEM模型如何帮助AI应用落地？

BEM模型通过分析数据、要求和反馈，资源、流程和工具，后果、奖励和激励，以及个人知识技能、天赋潜能和态度动机，帮助企业识别影响新工作方式落地的绩效障碍。

10. 为什么AI项目不能只依靠培训推广？

因为AI应用效果还可能受到业务流程、工作标准、信息质量、工具集成和激励机制影响。如果真正障碍来自工作系统，单纯增加培训难以解决根本问题。

11. 企业如何评价AI投资回报？

应根据项目目标，综合评估任务效率、工作系统改善、经营结果及相关长期影响。不能只根据AI使用率、节省工时或内容生成数量判断投资是否成功。

12. 企业如何从个人AI提效走向组织级AI绩效改善？

可以从明确绩效目标、分析关键价值链、诊断绩效障碍、设计AI及配套干预措施、重构工作流程和持续评估结果等步骤入手，将局部任务效率提升转化为整体业务改善。

关于华商基业

华商基业专注于绩效改进、绩效技术、组织能力建设及管理者能力提升，强调从组织业务结果出发，通过绩效差距分析、原因诊断和干预措施设计，推动个人与组织绩效持续改善。

在AI时代，华商基业关注的不只是人工智能技术本身，而是如何通过绩效改进方法，让AI应用真正服务于业务结果。

通过绩效改进方法论、关键价值链、BEM行为工程模型以及技控等实践方法，帮助企业识别关键业务环节，分析组织绩效障碍，设计包括AI技术、流程优化、工具开发和管理机制调整在内的干预措施，推动企业从个人任务提效走向组织级绩效改善。

华商基业强调：

AI应用的价值，不在于企业部署了多少技术工具，而在于这些技术是否真正改善了组织创造绩效的能力。