AI:如何避免生产力陷阱?

IA : comment éviter le piège de la productivité ?

Silicon.fr by Brian Solis* 2026-05-25 09:06 Original
摘要
尽管企业频繁推出AI助手与智能体,但多数组织并未实现根本性运营变革,创新仍局限于孤立的效率提升。ServiceNow全球创新主管Brian Solis指出,真正的挑战在于弥合“认知”与“执行”间的架构鸿沟,避免智能体泛滥加剧数据孤岛。未来的领先企业并非购买最强AI模型者,而是能统一编排智能体、构建可扩展治理体系以实现人机协同转型的公司。

每周都有企业发布新的AI模型、副驾驶或智能代理,但相当一部分领导者坦承,组织的运作方式并未发生实质性改变。这暴露出一个根本性的“转型鸿沟”:AI虽能在个体层面思考和辅助,却难以贯通端到端的工作流程。投资激增带来了前所未有的智能输出,可收获的大多仍是散点式的生产力提升,离真正的变革性绩效相去甚远。知与行的落差,本质上是架构缺陷——关键问题在于,企业的组织架构是否允许AI以自主、安全、可扩展的方式运行,同时始终作为人的伙伴?

AI的意义并非替代人类的自动化,而是卸载重复耗时的事务,解放人去创造更大价值。手动协调、例行决策是AI的用武之地;而创造力、判断力、创新、同理心与人际关系,依然不可动摇地属于人。真正的机遇隐藏在人与AI协同才能实现的指数级成果中,任何一方都无法独立达成。这从根本上改变了企业结构的设计逻辑:目标不应停留在技术部署,而应成为一个“可能性向量”,推动组织抛却遗留模式,构建一个能思考、学习、适应并行动的系统。

“生产力陷阱”真实且普遍。常见的情景是:一家企业重金打造现代数据基础设施,上线可视化仪表盘、预测分析,再配一个能总结工单或生成回复的AI副驾驶。表面生产力指标好了,董事会印象深刻。但更深层的问题还在:生产周期是否真的变了?运营模式是否实质演进?答案往往是否定的。数据智能告诉你发生过什么,却不具备全局的企业上下文,无法指明应当发生什么——谁有权力行动、又该协调哪些系统去执行。缺乏这种贯通机制,成本无法断崖式下降,商业模式也难以真正转型。

随之而来的是“代理泛滥”。越来越多的组织发现,现有系统难以扭转结果,于是将各类AI代理叠加其上——客服、采购、人力资源、IT支持各搞一套。孤立地看都提供价值,合在一起却形成一片互不连接的智能拼凑。没有统一的语境、一致的政策,更无法生成贯穿的审计线索。这不过是用新的孤岛替代了旧的孤岛:智能更多了,复杂性更高了,但累积附加值却不见踪影。

面对这种碎片化,症结不在于数量,而在于组织:关键是对这些代理进行编排协同。部门各自为战的现实下,期待自发的凝聚力纯属幻想,必须将集体智能统一起来,才能形成对企业的整体性、战略性视野。更为重要的是,这种统一是确保治理与高层战略方向保持一致的前提条件。

AI革命确有潜能放大人类能力,但这一愿景的实现,要求领导者就组织架构作出果敢的决策。因为重塑一家AI驱动的企业,是一场对工作世界的持续探索与重新想象。最终定义下一个时代的,绝不是拥有最优秀模型的公司,而是那些搭建了基础设施、让模型持续产出真实、可扩展、可持续成果的组织。

(作者Brian Solis为ServiceNow全球创新负责人)

Summary
Brian Solis, Head of Global Innovation at ServiceNow, warns that despite heavy AI investment, most organizations see only fragmented productivity gains because they deploy disconnected AI agents without unified orchestration. He argues the key to real transformation lies in architecting systems that enable autonomous, secure, and collaborative AI at scale, rather than just acquiring the best models, to deliver cumulative value and reshape business outcomes.

A growing disconnect is emerging between the flood of AI tools and real organizational change. Each week brings new models, copilots, and agents, yet when leaders are asked if their operations have fundamentally shifted, the honest answer is often a hesitant “no.” This gap separates AI that thinks at an individual level from AI capable of executing entire workflows. Companies are generating more intelligence than ever, but transformation remains stuck in isolated productivity boosts rather than systemic performance leaps. The root cause is architectural: can the organization’s structure enable AI to act autonomously, securely, and at scale, while still partnering with humans?

AI is not just another automation wave meant to replace human potential. Its true role is to eliminate time-consuming tasks—routine decisions, manual coordination, repetitive work—freeing people for creativity, judgment, innovation, empathy, and relationships. The real opportunity lies in the exponential outcomes humans and AI create together, outcomes neither could achieve alone. This demands a fundamental redesign of the enterprise, shifting from implementing technology to building systems that think, learn, adapt, and act. It requires abandoning legacy models to unlock possibilities that don’t yet exist.

The productivity trap is real. Consider a typical scenario: a company invests in modern data infrastructure, builds dashboards, deploys predictive analytics, and launches an AI copilot that summarizes support tickets or drafts replies. Productivity ticks up, the board is impressed. But deeper questions persist: have production cycles fundamentally changed? Has the operating model evolved? Usually not. Data intelligence reveals what happened, but it lacks the broader business context to determine what should happen—who has authority to act, which systems to coordinate. Without this connective tissue, costs don’t collapse and business models don’t pivot.

Many organizations then layer AI agents onto existing systems, inadvertently reinforcing data silos. They have agents for customer service, procurement, HR, IT support—each delivering value on paper. In practice, they create a patchwork of disconnected intelligence: no shared context, no consistent policy, no unified audit trail. This agent proliferation means more smarts and more complexity, but no cumulative value. We’ve simply swapped one kind of silo for another.

The solution is orchestration, not accumulation. In departments that still operate in isolation, spontaneous cohesion is a fantasy. Unifying collective intelligence is critical for a holistic, strategic view of the enterprise, and it’s the prerequisite for governance aligned with leadership’s direction. AI’s revolution can elevate human capabilities, but only if leaders make bold architectural decisions. Reinventing the AI-based enterprise is a constant exploration, a reimagining of work itself. The companies that will define the next era won’t be those that buy the best models, but those that build the infrastructure enabling those models to deliver real, scalable, sustainable results.

*Brian Solis is Head of Global Innovation at ServiceNow.

Résumé
Brian Solis, responsable de l'innovation mondiale chez ServiceNow, alerte contre le « piège de la productivité » où les entreprises empilent des agents IA déconnectés sans transformation réelle des modèles opérationnels. Il souligne que la valeur durable viendra d'une orchestration unifiée, évitant la prolifération d'intelligences cloisonnées pour permettre à l'IA d'exécuter des flux complets de manière autonome et sécurisée. L'enjeu décisif n'est donc pas d'acquérir les meilleurs modèles, mais de construire l'infrastructure capable d'aligner gouvernance, contexte et action à l'échelle de l'organisation.

Chaque semaine, une nouvelle entreprise annonce un nouveau modèle d’IA, un nouveau copilote, assistant ou agent IA. Pourtant, lorsque l’on demande aux dirigeants si leur organisation fonctionne réellement différemment, la réponse honnête est très souvent un « non », quelque peu hésitant.

Ce contexte crée un fossé de transformation entre une IA qui réfléchit à l’échelle individuelle et une IA capable d’exécuter des flux de travail complets. Les entreprises investissent massivement et génèrent plus d’intelligence que jamais. Pourtant, la transformation reste limitée à des gains de productivité cloisonnés plutôt qu’à une performance véritablement transformationnelle.

Cet écart entre le savoir et le faire représente un défaut d’architecture. Et pour cause. La question cruciale est la suivante : notre structure organisationnelle permet-elle réellement à l’IA de fonctionner de manière autonome, sécurisée et à grande échelle, tout en restant un partenaire de l’humain

Ce que l’IA n’est (vraiment) pas

L’IA n’est pas une nouvelle forme d’automatisation destinée à remplacer le potentiel humain : elle doit éliminer les tâches chronophages, pour libérer la capacité humaine à créer de la valeur, et non se contenter d’accélérer les processus. Les tâches répétitives, la coordination manuelle et les décisions de “routine” sont le domaine de l’IA. La créativité, le jugement, l’innovation, l’empathie et les relations restent distinctement humains.

La véritable opportunité réside dans les résultats exponentiels que l’humain et l’IA créent ensemble, que ni l’un ni l’autre ne pourrait atteindre seul. Et cette approche change fondamentalement la structuration d’une entreprise. L’objectif passe de l’implémentation technologique à un vecteur de possibilités, permettant de repenser l’entreprise pour un futur qui n’existe pas encore – en acceptant d’abandonner les schémas hérités du passé pour bâtir des systèmes capables de penser, d’apprendre, de s’adapter et d’agir.

Le piège de la productivité est réel

Prenons un scénario classique : une entreprise investit dans une infrastructure de données moderne. Elle crée des tableaux de bord, déploie des analyses prédictives et lance un copilote IA qui résume les tickets d’assistance ou rédige des réponses. La productivité s’améliore, le conseil d’administration est alors impressionné.

Néanmoins des questions, plus profondes, persistent : les cycles de production ont-ils fondamentalement changé ? Le modèle opérationnel a-t-il réellement évolué ? La plupart du temps, la réponse est non. Car l’intelligence des données vous révèle ce qu’il s’est passé, mais ne détient pas le contexte global de l’entreprise pour vous dire ce qu’il devrait véritablement se passer – qui a l’autorité pour agir, ou quels systèmes coordonner pour exécuter une action. Sans ce liant, les coûts ne s’effondrent pas et les modèles ne pivotent pas.

La problématique liée à la prolifération des agents

De nombreuses organisations commencent à réaliser que leurs systèmes actuels ne transforment pas les résultats. Elles empilent alors des agents IA sur des systèmes existants. Ce qui, in fine, contribue à renforcer les silos de données. Il existe désormais des agents pour le service client, d’autres pour les achats, les RH ou encore le support informatique. Sur le papier, chacun apporte de la valeur.

En pratique, ils créent un patchwork d’intelligence déconnectée.  Aucun ne partage le même contexte, n’applique une politique cohérente ou ne produit une piste d’audit unifiée. C’est ce qu’on appelle la prolifération des agents : plus d’intelligence, plus de complexité, mais aucune valeur ajoutée cumulative. Nous avons simplement troqué un type de silo pour un autre.

Comment gérer tous ces acteurs/agents ?

Face à la multiplicité des acteurs et des agents, l’enjeu n’est pas quantitatif, mais organisationnel : il faut les orchestrer. Face à des départements qui opèrent encore trop souvent de façon isolée, espérer une cohésion spontanée est illusoire. Il devient donc crucial d’unifier l’intelligence collective pour garantir une vision holistique et stratégique de l’entreprise.

Plus important encore, cette unification est la condition sine qua non d’une gouvernance alignée sur les orientations de la direction.

La révolution de l’IA a bel et bien le potentiel d’élever nos capacités humaines. Mais cette vision ne se concrétisera que si les dirigeants prennent des décisions audacieuses sur l’architecture de leur organisation. Car réinventer l’entreprise fondée sur l’IA s’avère être une exploration constante et une réimagination du monde professionnel.

Et les entreprises qui définiront la prochaine ère ne sont définitivement pas celles qui achètent les meilleurs modèles, mais celles qui construisent l’infrastructure permettant à ces modèles de produire des résultats réels, évolutifs et durables.

*Brian Solis est Head of Global Innovation chez ServiceNow

The post IA : comment éviter le piège de la productivité ? appeared first on Silicon.fr.

AI Insight
Core Point

Companies are caught in an AI “productivity trap” — achieving isolated efficiency gains without systemic transformation — because they lack the architectural orchestration to turn disconnected agents into unified, scalable outcomes.

Key Players
  • ServiceNow — cloud-based digital workflow platform, based in Santa Clara, California.
Industry Impact
  • ICT: High — highlights the risk of fragmented AI deployments and the need for integrated orchestration to deliver enterprise-wide transformation.
  • Computing/AI: High — directly addresses the gap between single-purpose AI agents and full workflow execution, shaping future AI deployment strategies.
Tracking

[Monitor] — reflects a persistent industry challenge as enterprises scale AI; the push for orchestration over agent proliferation could reshape enterprise software architectures.

Related Companies
neutral
Categories
人工智能 软件
AI Processing
2026-05-25 10:50
deepseek / deepseek-v4-pro