AI的最大價值在于協同，而非自動化

現實中，系統間的巨大差異往往使對齊難以實現，因此協同仍高度依賴人工，成本高昂。而AI的協同能力正打破這一桎梏。它催生的新型協同模式，不僅改變工作流程，更在重塑碎片化行業中價值創造與競爭的本質。

人們通常從預測成本或創造成本下降的角度來解讀人工智能的經濟影響。然而，還有一個更關鍵卻最易被忽視的因素：協同成本的顯著降低。

這里的“協同”并非字面翻譯，而是指將不同團隊、系統的產出轉化為彼此可理解、可銜接信息的持續過程。其成本體現在數據轉換、成果對齊的精力消耗，以及耗費在會議協調與返工上的大量時間。高效的協同，意味著讓原本割裂的人員、工具和數據能夠為一個共同目標順暢協作——換言之，它使項目得以穩步推進，而非陷入無休止的協調與修正。

人工智能正在使協同變得廉價且通用。它通過兩種方式實現這一目標：從非結構化信息中提取可用框架，并利用這些結構化信息驅動工作完成。過去因數據格式、專業術語或工作流程不匹配而無法協作的互補要素，如今無需強制統一標準即可輕松整合。這是歷史上首次，協同可以在無需達成廣泛共識的前提下實現，這意味著其應用范圍得以拓展至那些曾因成本過高或過于復雜而無法觸及的專業領域。

過去十年，我的工作重心是設計平臺以整合碎片化系統。但直到最近，這類協同始終存在一個根本性限制：它極度依賴高度結構化的數據與規整的接口，這要求各方就標準與流程達成一致。現實中，系統間的巨大差異往往使對齊難以實現，因此協同仍高度依賴人工，成本高昂。而AI的協同能力正打破這一桎梏。它催生的新型協同模式，不僅改變工作流程，更在重塑碎片化行業中價值創造與競爭的本質。

無需共識的協同

以建筑業為例。

一個典型的建筑項目需要建筑師、結構工程師、承包商等多方專業團隊協作。但每個團隊都使用各自的專業工具，關注點也截然不同：建筑師注重空間美學，結構工程師聚焦荷載安全，承包商則優先施工順序與進度管理。

在此背景下，高效協同成為項目成敗的關鍵。施工常偏離原始設計，若各團隊不能及時協調適應，結果必然是返工、延誤與建筑質量問題。

以往試圖通過自上而下的標準化解決問題——強制所有參與方使用統一平臺或數據模型——結果往往失敗，或在局部實現有限協同的同時引發其他環節的錯位。此外，專業團隊也必然抗拒放棄定義其專業性的工具。不同工具產生的設計與施工計劃難以互通，不對齊即意味著高昂的協同成本。

AI提供了全新的解決方案。它不再要求統一工具或標準，而是默認接受碎片化現狀，從BIM軟件、電子表格、現場照片、郵件、批注PDF等迥然不同的來源提取信息——每個來源僅反映項目的局部視角。通過整合，AI構建出項目的統一全景視圖，讓每位參與者都能實時追蹤設計、工程、進度與合規等各維度的進展。

基于此統一視圖，項目經理能在尊重各團隊工作方式的前提下，統籌碎片化流程。他們還能直接做出跨專業的權衡決策，無需召開冗長的協調會議。例如，若建筑師移動了樓梯間，AI層可自動識別其對結構梁的影響，即時通知結構工程師。AI成為隱形的協同層，持續檢視并調和跨團隊變更，通過實時“翻譯”實現執行同步。

許多企業已洞察此中機遇。例如，Trunk Tools 從 Autodesk（建筑師和工程師用于創建設計和規劃的工具）和 Procore（承包商用于管理工作的工具）等工具中收集信息，通過解讀圖紙、規范與進度表，生成結構化、可檢索的項目檔案。這意味著各方無需再耗費時間相互核對、修正偏差，所有疑問均可指向同一信源，并獲得基于最新文檔的準確答案。行業巨頭也在跟進，例如Procore收購Datagrid，正是看中其從非結構化文件中提取數據框架的類似能力。

競爭格局的重塑

當協同不再依賴共識，那些憑借統一標準、接口或流程建立優勢的企業，其護城河便開始動搖。

以美國車險理賠市場為例，初創公司Tractable正挑戰巨頭CCC Intelligent Solutions，盡管后者地位看似穩固。

車險理賠涉及保險公司、維修廠、零件商、評估員等多個獨立主體，各使用不同系統，激勵也不盡相同。CCC通過建立一套標準化的損傷代碼與數字工作流程——這套“通用語言”已被行業廣泛采納——從而主導了市場。競爭對手若想取代CCC，就必須推翻其標準，這意味著要替換現有工具、重新培訓人員、改寫保險公司流程，轉換成本極高。因此過去二十年，CCC的地位似乎堅不可摧。

但局面已變。為挑戰CCC，Tractable完全繞開了標準之爭。它并未試圖說服行業放棄CCC的代碼體系，而是訓練AI模型直接解讀車主手機拍攝的車輛損傷照片，生成維修估價，并無縫對接保險公司現有流程。換言之，Tractable實現了“無需共識的協同”。成果顯著：至2023年，其年處理理賠金額已近70億美元。

未來的道路

利用AI協同能力的機遇遠不止于上述行業。在醫療保健、物流等碎片化行業中，人工智能重構脫節系統間共享狀態的能力，既是機遇，也是挑戰。現有企業有三種策略可供選擇：

1）成為協同層

選擇此路線的企業承認，僅靠專有標準已不足維持優勢。它們將投資于打造最優的生態系統全景視圖。物流平臺project44即采用此策略，在不要求承運商更換標準的前提下，提供貨運全程的統一可視化。這類企業通過擁抱工具與格式的開放，將自己定位為生態系統中不可或缺的“翻譯中樞”。

2）強化責任承擔

企業無需競逐中立協同平臺的角色，而是可以強化自身為最終結果兜底的能力——即便具體的協同過程由外部或第三方完成。馬士基（Maersk）是此策略的典范：它向綜合物流服務商轉型，提供涵蓋端到端合同、報關、倉儲、數字訂艙及風險管控的全鏈條服務。在供應鏈動蕩、制裁風險與監管審查日益嚴峻的背景下，馬士基通過一體化控制，能夠提供更可靠的風險與執行保障，并以此構建競爭力。

3）控制協同，分層賦能

此策略下，企業既不全面開放協同能力，也不完全退回封閉管控。它們利用AI在內部構建特權性的統一視圖，然后有選擇、有條件地（通常有償）向仍處碎片化的合作伙伴生態提供部分可見性。

聯邦快遞即采用此策略：它大力投資AI路線系統，基于其全網絡實時數據形成統一運營視圖，但對外僅有限度地共享信息，且常設有付費門檻。這使得客戶與伙伴不得不依賴聯邦快遞獲取關鍵數據，從而鞏固其樞紐地位。只要其網絡密度與服務覆蓋保持優勢，客戶仍愿為此可視性付費而非自建，此模式便可持續。

AI驅動的協同使得人、工具、系統能在缺乏共識的情況下高效協作，這將為碎片化行業帶來速度、成本與創新層面的切實收益，同時也將引發權力轉移。短期看，贏家將是那些善用AI突破系統壁壘、切實完成工作的實踐者。但長遠而言，僅有協同并不足夠：當項目規模擴大、失敗代價高昂時，責任、信任與歸屬問題必將促使行業重建共享規則與清晰權責。切實可行的前進道路是，利用人工智能在協同成本長期過高的地方啟動協作，同時有意識地構建治理機制、合同和規范，將快速協同轉化為持久、可信的生態系統。

關鍵詞：

桑吉特·保羅·喬杜里（Sangeet Paul Choudary）| 文

桑吉特·保羅·喬杜里是專注于人工智能與平臺戰略的C級顧問，加州大學伯克利分校高級研究員，四度入選《哈佛商業評論》“十大必讀文章”的作者。憑借探討AI經濟影響的著作《重塑》，他榮獲2025年Thinkers50戰略獎。

周強 | 編校

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org