[E-DailyShin Yeong-bin 记者] 随着工业界的人工智能转型（AX）加速推进，将其与业绩挂钩的情况日益增多。在此背景下，越来越多的声音呼吁应重新设计工作流程，并系统地衡量引入AI前后所取得的业绩。
韩国科学技术院（KAIST）计算机科学系金周浩教授近日在接受《eDaily》采访时表示：“已进入AI导入第2至3年的企业，现在到了必须证明投资回报率的阶段”，并指出“这标志着AI导入已从工具普及阶段迈向了绩效管理阶段”。
金教授是联合国独立国际人工智能科学小组成员，同时担任Multicampus Corporation(067280) 的外部董事。此次采访中，MultiCampus首席技术官（CTO）兼AX学习创新中心主任高敏贞也一同出席。高CTO曾任三星SDS信息战略集团长和MultiCampus平台团队长。
MultiCampus首席技术官高敏贞（左）与KAIST计算机科学系金周浩教授在首尔江南区MultiCampus宣陵教室接受《每日经济》采访。（照片来源：MultiCampus）
AI虽然能快速处理工作，但这并不意味着组织的生产力会立即提高。金教授参与的一家全球性金融公司开发团队分析中，这一问题就表现得尤为明显。
金教授解释道：“AI编写的代码中仅有19%被保留下来，而人工编写的代码保留率则高达42%”，并指出：“即使代码编写速度加快，但如果在验证阶段出现瓶颈，最终整个工作所需的时间也不会改变。”
即使在同一个组织内部，根据AI的使用方式不同，业绩差异也很大。在该分析中，排名前25%的人才与后25%的人才之间的生产力差距高达3.5倍。金教授分析认为，这并非源于AI的使用量，而是源于“如何使用”所产生的差异。
韩国科学技术院（KAIST）计算机科学系金周浩教授（照片来源：Multi Campus）
金教授表示：“麦肯锡2025年的调查显示，在约25项组织属性中，与AI对收益的贡献度相关性最强的因素，正是是否从根本上重新设计了工作流程。”他补充道：“但实际表示已做到这一点的组织仅占21%。”
他指出，业务重构的第一步是“诊断”。即首先需掌握员工实际将时间花在哪些工作上，重复性工作及瓶颈出现在何处。同时还需考察将工作委托给AI并验证结果的能力、各业务与AI的适配度、数据可访问性以及安全规范等。
高CTO解释称，企业一线对AX能力诊断的需求也在不断增长。MultiCampus正以AI应用所需的8大核心能力为标准，对个人和组织的AX水平进行诊断。特别是以大型企业及国有企业为中心，许多组织希望确认各部门、各岗位在AI应用方面的差距。
近期，除了培训前评估水平的事前诊断外，对培训后实际能力变化进行验证的事后诊断也日益受到关注。
MultiCampus首席技术官高敏贞（照片来源：MultiCampus）
高CTO表示：“即使学会了AI的应用方法，如果没有机会将其应用到自己的工作中，培训也就仅止于个人技能的提升。”他强调：“必须将发现实际业务问题、应用AI、实验与验证、业务流程重构、智能代理构建以及在组织内推广等环节有机结合起来。”
在实际培训现场，已出现大幅缩短工作时间的案例。据Multi Campus介绍，某制造现场通过整合内部数据，构建了从零部件库存核查到采购·下单建议全流程自动化的系统。相关工作时间已缩短至原来的五分之一。
在分析客户评价和客户之声（VOC）的工作中，原本需要约22小时的任务，在引入AI仪表盘后缩短至1小时以内。培训过程中还开发了用于新业务评估的“团队智能代理”，由多个AI智能代理分工分析市场机会、盈利能力和风险等。
MultiCampus计划今后推出企业级“AI代理中心”服务，使员工创建的AI代理能在组织内部共享和复用。
首席技术官高某表示：“要转型为AI原生企业，除了培训外，还需要在组织、流程、系统和数据等方面进行全面变革”，并强调：“还必须建立起员工能够亲自创建代理，并进行共享和重复利用的机制。”
MultiCampus首席技术官高敏正（左）与韩国科学技术院（KAIST）计算机科学系金周浩教授在首尔江南区MultiCampus宣陵教室接受《每日经济》采访。（照片来源：MultiCampus）
他介绍了一项对2025年波兰4家内窥镜中心1443例检查进行分析的研究，并解释道：“当曾使用AI的资深专家停止使用AI后，腺瘤检出率从28.4%降至22.4%。”
他还补充道，在开发者学习新库的另一项实验中，使用AI组的理解度得分比未使用AI组低17%。
金教授表示：“关键在于如何使用AI”，并指出：“需要开展这样的教育：不要直接采纳AI给出的答案，而是要自行验证并进行认知参与。”
金教授解释说，绩效指标可以分为时间、产出和质量三个阶段。他认为最后一个阶段尤为重要。
金教授表示：“比起‘节省了多少时间’或‘AI代劳了多少人的工作’，更关键的问题是‘得益于AI，新增了哪些工作’”，并指出：“培训的衡量单位也应从‘人’转变为‘工作’。”
他接着强调：“如果过去我们关注的是有多少人结业以及满意度如何，那么今后就应关注具体哪些工作发生了怎样的变化”，并指出：“那些以人员减少来衡量AI成效的组织，与那些以能力提升来衡量AI成效的组织，几年后将处于截然不同的位置。”
韩国科学技术院（KAIST）计算机科学系金周浩教授近日在接受《eDaily》采访时表示：“已进入AI导入第2至3年的企业，现在到了必须证明投资回报率的阶段”，并指出“这标志着AI导入已从工具普及阶段迈向了绩效管理阶段”。
金教授是联合国独立国际人工智能科学小组成员，同时担任Multicampus Corporation(067280) 的外部董事。此次采访中，MultiCampus首席技术官（CTO）兼AX学习创新中心主任高敏贞也一同出席。高CTO曾任三星SDS信息战略集团长和MultiCampus平台团队长。
AI代码存活率仅19%……验证瓶颈决定成效金教授认为，仅凭代币使用量、AI许可证数量或提示词数量等易于统计的指标，很难判断AX的成效。他解释说，必须考察利用AI是否消除了实际工作的
瓶颈，以及处理量和成果质量是否得到了提升。
AI虽然能快速处理工作，但这并不意味着组织的生产力会立即提高。金教授参与的一家全球性金融公司开发团队分析中，这一问题就表现得尤为明显。
金教授解释道：“AI编写的代码中仅有19%被保留下来，而人工编写的代码保留率则高达42%”，并指出：“即使代码编写速度加快，但如果在验证阶段出现瓶颈，最终整个工作所需的时间也不会改变。”
即使在同一个组织内部，根据AI的使用方式不同，业绩差异也很大。在该分析中，排名前25%的人才与后25%的人才之间的生产力差距高达3.5倍。金教授分析认为，这并非源于AI的使用量，而是源于“如何使用”所产生的差异。
“需拆解工作，重新规划人与AI的角色”作为解决方案，他提出了“
工作流程再设计
”。即把个人和团队的工作拆解为具体任务单元，随后重新分配需要人类判断
的工作与可交由AI处理的工作。此后，还应进一步推进流程创新，改变部门间的工作流、审批及决策结构。
金教授表示：“麦肯锡2025年的调查显示，在约25项组织属性中，与AI对收益的贡献度相关性最强的因素，正是是否从根本上重新设计了工作流程。”他补充道：“但实际表示已做到这一点的组织仅占21%。”
他指出，业务重构的第一步是“诊断”。即首先需掌握员工实际将时间花在哪些工作上，重复性工作及瓶颈出现在何处。同时还需考察将工作委托给AI并验证结果的能力、各业务与AI的适配度、数据可访问性以及安全规范等。
高CTO解释称，企业一线对AX能力诊断的需求也在不断增长。MultiCampus正以AI应用所需的8大核心能力为标准，对个人和组织的AX水平进行诊断。特别是以大型企业及国有企业为中心，许多组织希望确认各部门、各岗位在AI应用方面的差距。
近期，除了培训前评估水平的事前诊断外，对培训后实际能力变化进行验证的事后诊断也日益受到关注。
不局限于课堂，与实际工作任务相结合培训方式也在发生变化。MultiCampus正在扩大一种培训模式：企业员工先亲手创建AI代理并进行“代理编排”实操，随后在黑客马拉松中将其应用于自身
实际工作任务。
高CTO表示：“即使学会了AI的应用方法，如果没有机会将其应用到自己的工作中，培训也就仅止于个人技能的提升。”他强调：“必须将发现实际业务问题、应用AI、实验与验证、业务流程重构、智能代理构建以及在组织内推广等环节有机结合起来。”
在实际培训现场，已出现大幅缩短工作时间的案例。据Multi Campus介绍，某制造现场通过整合内部数据，构建了从零部件库存核查到采购·下单建议全流程自动化的系统。相关工作时间已缩短至原来的五分之一。
在分析客户评价和客户之声（VOC）的工作中，原本需要约22小时的任务，在引入AI仪表盘后缩短至1小时以内。培训过程中还开发了用于新业务评估的“团队智能代理”，由多个AI智能代理分工分析市场机会、盈利能力和风险等。
MultiCampus计划今后推出企业级“AI代理中心”服务，使员工创建的AI代理能在组织内部共享和复用。
首席技术官高某表示：“要转型为AI原生企业，除了培训外，还需要在组织、流程、系统和数据等方面进行全面变革”，并强调：“还必须建立起员工能够亲自创建代理，并进行共享和重复利用的机制。”
也要警惕AI依赖带来的“技能债务”不过，随着AI应用的增加，也必须考虑人类能力减弱这一副作用。金教授将此称为“技能债务”。
他介绍了一项对2025年波兰4家内窥镜中心1443例检查进行分析的研究，并解释道：“当曾使用AI的资深专家停止使用AI后，腺瘤检出率从28.4%降至22.4%。”
他还补充道，在开发者学习新库的另一项实验中，使用AI组的理解度得分比未使用AI组低17%。
金教授表示：“关键在于如何使用AI”，并指出：“需要开展这样的教育：不要直接采纳AI给出的答案，而是要自行验证并进行认知参与。”
AX教育也进入绩效管理时代……工作变革是关键两人一致认为，今后衡量AX教育成效的标准也必须改变。高CTO强调，与结业率或满意度相比，更应关注工作时间、生产力以及成果的质量和准确性等培训后出现的实际变化。
金教授解释说，绩效指标可以分为时间、产出和质量三个阶段。他认为最后一个阶段尤为重要。
金教授表示：“比起‘节省了多少时间’或‘AI代劳了多少人的工作’，更关键的问题是‘得益于AI，新增了哪些工作’”，并指出：“培训的衡量单位也应从‘人’转变为‘工作’。”
他接着强调：“如果过去我们关注的是有多少人结业以及满意度如何，那么今后就应关注具体哪些工作发生了怎样的变化”，并指出：“那些以人员减少来衡量AI成效的组织，与那些以能力提升来衡量AI成效的组织，几年后将处于截然不同的位置。”
