人工智能作为同事：为什么混合智能不会抢走我们的工作，反而会拯救我们的工作。
Xpert 预发布版
提供 27 种语言版本 📢
在 Google 上更倾向于选择 Xpert.Digital。ⓘ发布日期：2026年7月6日 / 更新日期：2026年7月6日 – 作者： Konrad Wolfenstein
人工智能作为同事：混合智能为何不会抢走我们的工作，反而会拯救它们？——图片来源：Xpert.Digital
当机器能够独立思考时：公司里谁该为人工智能的错误负责？
别再提什么自主人工智能了：办公室的未来属于混合智能。
人工智能占据了各大媒体的头条——人们常常担忧失业或失去控制权。但在具有前瞻性思维的企业实践中，一幅截然不同的图景正在浮现：他们的目标并非打造一台完全自主、主宰一切的机器，而是“混合智能”。在这种模式下，人类的判断力与机器的精准性融合，形成一种全新的、更优越的协作模式。人类将重复性任务和复杂的数据分析委托给人工智能，但始终保留决策权和道德责任。本文深入探讨了人机融合为何远非简单的技术升级，并阐述了领导力、责任感和企业文化必须如何进行根本性变革，以及为何在技能发展方面犹豫不决很快就会成为真正的竞争劣势。.
与此相关：
互补与独立之间：重新构想增强智能
近年来，在管理科学和商业技术领域，“增强智能”一词已深入人心，远非一句空洞的流行语。它指的是人工智能与人类智能的协作，机器并非自主行动，而是作为一种强大的工具，帮助人类做出更好、更快、更基于数据的决策。最终的决策权仍然掌握在人类手中——这与完全自主的人工智能有着本质的区别，后者是指系统无需人工干预即可行动和决策。.
这种概念基础并非微不足道。它明确划分了支持与替代、工具与行动者之间的界限。增强智能基于一种基本方法：数据由机器收集、分析和处理，然后呈现给人类进行评估——只有在此之后，人类才能做出决策并采取行动。在商业环境中，这意味着人工智能系统能够识别海量数据中的模式，而这些数据在时间或认知能力方面对人类来说都难以处理；同时，人类负责解释数据、评估上下文以及进行道德考量。这种分工乍看之下似乎合情合理、简单明了，几乎无人会质疑——但混合决策过程的现实远比这复杂，而且在未来几年内会变得更加复杂。.
从支持到整合：混合智能的概念
与增强智能的概念相伴而生的，是管理科学领域中一个相关但更为独立的概念：混合智能。混合智能更侧重于组织理论层面。增强智能主要从技术角度描述人工智能如何扩展人类能力，而混合智能则强调人机互动这一涌现现象——其影响大于各部分之和。混合智能源于人类智能与人工智能的交织，所谓的混合行动者——即人机组合体——从根本上改变了劳动分工、能力分配和决策过程的逻辑。.
慕尼黑联邦国防军大学的艾米丽·洛克纳教授和斯蒂芬·凯泽教授在《组织期刊》（ZfO，2025年第5期）上撰文，探讨了这种人机共生关系对组织文化、人员发展和领导实践的深远影响。混合型行动者不仅改变了产出，也改变了决策方式、责任分配方式以及领导力的重新定义——当某些认知工作被既不领取薪水也不会生病，但也无法承担道德责任的系统所接管时，这种混合型行动者就显得尤为重要。这种相互关联并非简单的叠加，而是一种真正的共生关系：人类和人工智能相互依存，并通过互动发展出各自自身所不具备的能力。这在概念上引人入胜，在实践中也极具挑战性。.
这种方法并非仅仅是学术理论。如今，德国已有80%的员工在工作中以某种形式使用人工智能。高盛认为，混合型劳动力——即人类与人工智能系统协同工作的团队——是未来十年最重要的趋势之一，并预测企业将越来越多地“雇用”和培训人工智能，将其视为一种员工。因此，问题不再是混合智能是否会出现，而是如何设计、管理和评估它。.
劳动分工的悄然革命：新的角色，新的逻辑
混合智能的兴起正在动摇现代组织最基本的假设之一：劳动分工基于清晰可分离、稳定的能力。随着机器越来越多地承担分析、研究、总结乃至创造性任务，哪些能力应该保留给人类，哪些能力应该转移给人工智能系统，这个问题变得尤为紧迫。这不仅仅是一个技术问题，更是一个具有深刻战略和组织意义的问题。.
这种转变的关键特征在于任务类型从执行性任务向判断性任务的转变。虽然人工智能能够可靠且可扩展地接管分析性和重复性任务，但评估、情境化和道德判断仍然是人类独有的领域。因此，混合智能并非简单的替代，而是重新调整机器和人类各自擅长的领域之间的关系。传统的领域专家概念——即那些价值来源于积累的事实知识的专家——正面临着巨大的压力，因为人工智能系统在这一领域恰恰优于人类，而且未来优势将更加明显。.
这种重组的生产力潜力已得到实证验证，令人瞩目。普华永道基于十亿份招聘信息的分析显示，在软件开发和金融服务等受人工智能影响较大的行业，生产力增长率从2018-2022年的7%提升至2018-2024年的27%，几乎翻了四倍。与此同时，这些行业的工资也显著上涨，因为人工智能的增强提升了剩余人力的价值。这些数据表明，混合智能并非零和博弈：当人工智能提升人类效率时，其工作的整体价值会增加，而非导致其冗余。.
机器思维时代的领导力：对决策者的新要求
在所有组织问题中，没有哪个问题比领导力问题更能直接触及混合智能的概念。如果人工智能系统承担越来越多的认知工作，如果决策建议来自算法，报告由语言模型撰写——那么领导者的角色又是什么？直觉上的答案是：领导者保留最终决策权。但这个答案并不全面。.
洛克纳和凯泽的研究表明，混合型领导模式能够在人工智能带来的效率提升和人类领导者提供的情感支持之间找到一个平衡点。一项针对153名员工的研究数据揭示了一个重要的发现：人工智能而非人类做出或传达的决策越多，员工体验到的积极情绪就越低——即使是内容积极的决策也是如此。另一方面，对于消极的决策，所有领导风格下员工的感受都相似。这种不对称的结果模式具有明确的组织意义：人工智能可以被委派决策，但它无法取代领导力所占据的社会和情感空间。.
因此，在混合智能环境中发挥领导作用需要一种新型能力：并非传统的专业知识，也非运营层面的微观管理，而是协调由人类和人工智能系统组成的混合团队、批判性地评估人工智能成果，以及在瞬息万变的环境中指导员工的能力。在此背景下，高盛预测，人力资源部门将演变为人力和机器资源部门——其领导者将接受专门培训，以管理混合型员工队伍。这一发展并非遥远的未来，而是已经开始。.
人工智能技能差距：德国悄然存在的竞争弱点
鉴于混合智能正在给企业带来变革性影响，一个紧迫的经济政策问题随之而来：德国准备好了吗？数据令人警醒。在美国，76%的员工表示经常使用人工智能，而德国的这一比例仅为28%。欧洲只有36%的员工经常使用人工智能——巨大的增长和创新潜力尚未得到充分挖掘。这种差距主要并非技术问题，而是文化和结构性问题。.
麦肯锡和德国基金会协会（Stifterverband）联合开展的一项研究发现，86%的德国受访高管认为其公司可以更有效地利用人工智能的潜力；与此同时，79%的公司认为自身缺乏必要的技能。尤其值得注意的是，82%的受访者认为德国大学未能让学生为迎接新的工作环境做好充分准备，尤其是在人工智能的实际应用方面存在明显不足。由此导致的结果是技能差距日益扩大，如果不加以控制，可能会造成严重的竞争劣势。.
麦肯锡发布的《2025年人力资源监测报告》描绘了一幅更为严峻的景象：德国有33%的员工缺乏胜任当前岗位所需的技能，44%的员工在过去一年中没有投入一天时间进行培训或职业发展。一年前，这一比例为23%——这意味着差距扩大的速度远超缩小的速度。从经济政策的角度来看，这一发现令人担忧，因为混合智能并非一种可以自行发展的技术：它只有在积极投资于技能发展的企业中才能蓬勃发展，而在那些不重视技能发展的企业中，它则可能沦为一种徒有其表的工具。.
至少40%的公司已经意识到其组织内部对人工智能相关技能的需求日益增长，约半数公司认为人工智能领域的进阶培训需求很高。然而，这种认知与战略实施之间存在显著差距：仅有29%的公司制定了书面培训战略。这反映出一种倾向，即把人工智能工具化地引入，而不是从概念上理解它是一种根本性的工作变革。.
信任、透明度和授权的局限性：究竟由谁来决定？
围绕混合智能的任何讨论的核心都在于：人工智能系统应在何种程度上合理地承担部分责任？这个问题不仅关乎哲学，更涉及直接的法律、经济和伦理层面。在金融领域，从监管角度来看，人工智能自主行动并不可行，因此增强智能方法在此尤为重要：人工智能基于历史数据分析信用风险并提供精准评估，而最终决策仍由人做出。这种安排不仅符合监管要求，也有助于维护客户信任。.
欧洲通用数据保护条例（GDPR）在此划定了一条明确的法律界限：个人享有不受纯粹自动化决策约束的基本权利，尤其当该决策对其产生法律或其他严重后果时。欧洲法院在2023年关于舒法评分的裁决中明确指出，决策必须有真正的人为参与——仅仅确认机器生成的建议而不进行批判性审查是不够的。因此，法律界定了技术长期以来所能达到的程度：增强与自动化之间的界限。.
对企业而言，其影响是根本性的。从辅助型人工智能向智能体人工智能的转变——即从提供支持的人工智能向在既定框架内独立行动并做出决策的人工智能的转变——需要更加清晰的控制机制。人工智能的自主性越高，治理、透明度和人为干预就越发重要。这并非与现代人工智能系统的能力相矛盾，而是一种必要的补充：权力和控制必须保持平衡。.
🤖🚀 托管式 AI 平台：借助 UNFRAME，实现更快、更安全、更智能的 AI 解决方案
托管式人工智能平台 - 图片来源：Xpert.Digital
在这里，您将了解到您的公司如何快速、安全地实施定制化的人工智能解决方案，且无需承担过高的准入门槛。.
托管式人工智能平台是您实现人工智能的全方位、无忧解决方案。您无需处理复杂的技术、昂贵的基础设施和漫长的开发流程，即可从专业合作伙伴处获得根据您的需求量身定制的现成解决方案——通常只需几天时间。.
主要优势一览：
⚡ 快速实施：从构思到可立即使用的应用，只需几天而非几个月。我们提供切实可行的解决方案，创造即时附加值。.
🔒 最高数据安全保障：您的敏感数据始终由您掌控。我们保证安全合规地处理您的数据，绝不与任何第三方共享。.
💸 无财务风险：您只需为结果付费。完全无需前期投入大量资金用于硬件、软件或人员。.
🎯 专注于您的核心业务：集中精力做好您最擅长的事情。我们将负责您人工智能解决方案的全部技术实施、运营和维护。.
📈面向未来且可扩展：您的AI将与您一同成长。我们确保持续优化和可扩展性，并灵活调整模型以适应新的需求。.
更多信息请点击这里：
责任、文化、竞争：欧盟人工智能法案如何改变公司治理
责任问题：超越哲学博弈的法律现实
责任归属问题并非哲学探讨，而是一个切实存在的法律挑战，未来几年，企业、法院和监管机构都将对此高度关注。一个引人注目的例子便能说明这一挑战的严峻性：如果人工智能给出了错误的医疗诊断，而医生采纳了该诊断，那么责任该由谁承担？增强智能的概念对此给出了明确的答案——由人做出决定，人承担责任。.
在法律上，基于人工智能的医疗软件目前被归类为医疗器械，适用标准的医疗责任规则。医生负有首要的注意义务；如果他们使用基于人工智能的医疗器械进行诊断或治疗，而患者因此受到伤害，则可能根据治疗合同或侵权法提出损害赔偿诉讼。当人工智能系统完全自主地做出决策，而医生无法控制或察觉时，情况就变得尤为复杂——在这种情况下，虽然不存在个人过失，但正如法律实践所冷静指出的那样，界限模糊不清。.
欧盟最初试图通过一项专门的人工智能责任指令来填补这一灰色地带，但于2025年2月撤回了该指令——显然是迫于经济利益集团的压力，这些集团不希望过于严格的责任规则削弱欧洲企业的实力。这在人工智能应用最敏感的领域之一留下了监管空白。目前仅存的欧盟《人工智能法》在其第25条中规定了人工智能价值链上的责任，并引入了一种责任接力原则：任何自行承担责任使用人工智能系统、对其进行重大修改或将其转移到新的风险类别的人，都将承担原提供商的责任。.
自2026年8月2日起，情况将显著恶化：欧盟人工智能法案中的高风险义务将全面生效，管理层对未记录或未分类的人工智能使用承担个人责任将成为现实。违规者可能面临最高3500万欧元或全球年营业额7%的罚款。这些义务的组织责任在于公司管理层，而非抽象的IT部门。这体现了混合智能的核心原则：人工智能参与做出的决策仍然属于人类的责任范畴。.
这款产品与以下产品搭配效果很好：
治理作为竞争因素：新的战略要务
当前商业现实中最令人惊讶的发现之一是，人工智能实施的组织层面远未跟上技术层面的步伐。一项2026年的调查显示，尽管87%的公司正在增加人工智能预算，但只有14%的公司明确了内部人工智能决策的责任人。这种治理缺口并非小问题，而是一个结构性风险：缺乏明确的责任划分，就无法为可扩展、合规且值得信赖的混合智能应用奠定基础。.
如今，人工智能治理涵盖了人工智能系统整个生命周期的监控——从初始设计和数据选择，到训练和部署，再到生产环境中的持续监控。如果企业以缺乏协调的方式应用人工智能，既无法扩大规模，也无法应对监管挑战。因此，构建治理结构并非官僚主义的障碍，而是混合智能真正兑现其生产力承诺的先决条件。毕马威精辟地指出：如果没有健全的治理框架和全面的风险管理，人工智能的潜力就无法充分发挥。.
在技术与治理的交汇点，新的职位类型正在涌现。诸如快速运营经理、人工智能治理官和数据产品经理等角色，正成为中型企业战略发展的必需品。这些职能是混合智能理念在企业架构中的制度化体现：它们确保人类控制与人工智能潜力保持高效结合。技能正成为现代人才发展的关键——专业知识、未来技能和人工智能能力正日益融合。.
组织深度维度：文化、信任和变革架构
除了法律和技术问题之外，混合智能还具有深刻的组织层面意义，而这一点在实践中往往被低估。人工智能实施的成功与否，关键取决于组织内部对这项技术的接受度和适应性——而这种接受度并非理所当然。新技术一旦被视为威胁，就会遭遇阻力，而这种威胁论调却以惊人的持久性伴随着人工智能。.
增强智能和混合智能的概念提供了一种强有力的替代方案。它将人工智能明确定位为人类的延伸而非替代，从而转变了人们的认知框架。人类受益于人工智能能够快速准确地执行分析性强、重复性高的任务，而人工智能反过来也能通过人类的反馈不断改进。这种互惠互利的核心信息是：人工智能不会使员工变得多余，反而会提升他们的价值——前提是他们的技能能够得到相应的提升。普华永道的数据有力地支持了这一论点：在受人工智能影响显著的行业中，不仅生产率提高了，工资也上涨了高达56%。.
2025 年权衡峰会汇聚了来自商业实践、技术和组织发展领域的专家，共同探讨这一问题：混合智能真正发挥作用需要具备哪些条件？专家组的核心观点清晰明确：人工智能的实施并非单纯的技术项目，而是一项意义深远的变革工程——只有将人类的直觉与机器的精准性巧妙结合，并建立在信任、透明和伦理原则之上，才能产生真正的影响。.
人口压力与知识悖论：人工智能作为组织记忆库
在经济政策辩论中，混合智能的一个方面——其作为机构记忆的潜在功能——却鲜少受到关注。银行、储蓄银行和保险公司正面临着人口结构变化导致的知识流失：德国金融业员工的平均年龄目前为47岁，到2030年，超过30%的员工将退休。随着他们的退休，数十年来积累的、难以记录和传承的经验知识也将随之消失。.
增强智能方法中固有的反馈和学习循环提供了一种结构性解决方案：当专家评估人工智能系统的建议并贡献其详尽的专业知识作为反馈时，人工智能不仅能够自我学习，还能为后代积累人类的专业知识。因此，混合智能成为组织的记忆库——并非抽象意义上的数据库，而是动态迭代的知识组织。这一特性赋予了该概念一个超越通常效率考量的战略维度。.
与此同时，科隆经济研究所（iw Köln）一项关于人工智能对德国生产力影响的研究表明，生产力的提升很大程度上取决于人工智能融入工作流程的深度，以及人们与人工智能系统交互的技能发展水平。仅仅引入工具而缺乏技能培养和治理，只能带来微乎其微的收益——只有将混合智能系统地发展成为一种组织能力，才能充分释放其经济潜力。.
不可简化的人类责任原则：社会基础
最终，所有技术、经济和监管方面的考量都指向一个核心洞见，而这正是整个概念的基石：技术无法取代人类的责任。这并非是对人类优越性的感性辩护，而是系统运行的必然要求。人工智能软件在医疗领域只是一种工具——诊断和治疗的责任仍然在于医生，因为该工具不具备亲和力，没有道德直觉，也无法理解具体的患者情况。.
拉斐尔·纳格尔博士（法学硕士）针对执行董事会的处境阐述了以下观点：欧盟人工智能法案和公司法相关规定，特别是德国股份公司法（AktG）第93条，都明确规定了不可推卸的人为责任，无论人工智能在决策过程中融入的程度如何，执行董事会都必须承担个人责任。高管可以将决策任务委托给人工智能系统，但不能委托他人承担责任。这一区别是增强智能概念的法律和伦理核心。.
在社会层面，德国伦理委员会将人工智能带来的挑战定义为对机构自我认知和实践的深刻要求：透明度、问责制和维护人类尊严是任何人工智能都无法完全保证的标准——它们必须由人类在制度层面加以保障。因此，混合智能并非一个具有额外组织效益的技术概念，而是自主系统时代一项基本的社会原则：机器与系统协同思考，但决策和后果由人类承担。这并非对人工智能潜力的限制，而是其伦理前提。.
在炒作与成熟之间：混合智能对企业的真正要求
2026年标志着人工智能领域诸多方面的转折点。经过多年的密集实验、试点项目以及有时略显不切实际的期望，如今关注点正在转移：技术可行性不再是首要问题，而是如何构建、控制人工智能并将其可持续地融入企业运营才是关键。因此，人工智能正从一项创新举措转变为一项持续的管理和领导任务——而这正是混合智能概念的真正核心所在。.
混合智能对企业的真正要求可以概括为三个维度。首先是技术维度：稳健的系统、透明的算法和可控的决策流程。其次是能力维度：需要能够批判性地审视、整合并对人工智能结果负责的员工——并非狭义上的技术人员，而是具备机器所缺乏的判断力的人。第三是文化维度：需要营造一种将人工智能视为合作伙伴而非威胁的组织氛围，通过透明度建立信任，并明确界定授权与责任之间的界限。.
混合智能并非最终能够实现的最终状态，而是一个人类判断与机器能力之间持续重新协商的过程。这一过程并非需要防范的威胁，而是21世纪初最具价值的经济和组织发展机遇之一。实现这一机遇的条件显而易见，却难以落实：人类必须始终处于中心地位——这并非一种怀旧的模式，而是一项战略原则。.
