下一阶段的人工智能是关于执行，而不是答案

从其诞生开始，人工智能主要被视为生成洞察力的工具。聊天机器人回答问题。仪表盘显示趋势。副驾驶人员比任何人类都能更快地总结内容。这些工具提供了真正的价值，但对于许多组织来说，它们并没有从根本上改变结果。经过多年的试验和概念验证，一个明显的模式已经出现：仅仅专注于回答问题的人工智能很少解决团队每天面临的运营瓶颈。

这不是传闻。根据最近的麦肯锡关于人工智能状态的调查，几乎九成组织现在报告在至少一个业务功能中使用人工智能，但很少有组织表示这些努力已经转化为有意义的、全企业范围的影响。同样，2025年对GenAI部署的分析发现，95%的企业实施没有产生可衡量的财务影响，主要是因为人工智能输出从未嵌入到真正的工作流中。差距不在于获取智能，而在于在规模上运用智能。

在实践中，大多数人工智能系统在执行之前就停止了。它们识别出机会，但让人类决定如何以及何时采取行动，通常是在分散的系统和紧张的团队和时间表中。在许多情况下，人工智能增加了意识，但没有增加处理速度。因此，人工智能采用的下一个阶段正在转向能够采取行动的人工智能。

从回答问题的人工智能到采取行动的人工智能

采取行动的人工智能代表着从被动智能向设计用于推进工作的系统的转变。

与其在推荐中止，代理人工智能将批准的操作移动到工作流中：分流请求，路由任务，草拟后续跟进，提醒利益相关者，更新系统，并在需要人类判断时升级异常。重要的是，注重执行的人工智能并不取代人类的判断。它减少了洞察力和后续行动之间的摩擦：人类定义结果，批准和升级路径；人工智能处理减慢团队的繁琐工作；并通过审查，审计跟踪和治理建立监督。

这种以人为本的方法对于信任至关重要。皮尤研究中心关于人工智能信任的研究一致显示，透明度、问责制和滥用方面的担忧仍然是采用人工智能的主要障碍。负责地采取行动的人工智能通过使行动可见、可解释和可控来解决这些担忧。

达到转折点

几个因素正在促使组织超越仅仅回答问题的人工智能。

• 首先，团队被要求用更少的资源做更多的事情。劳动力约束不再是临时的；它们是结构性的。同时，速度和一致性的期望在每个行业中不断上升。
• 其次，基础人工智能模型变得越来越容易获取。因此，区别正在从模型选择转向编排——人工智能如何集成到日常工作中。正如哈佛商业评论在其报道中所指出的，真正的价值出现在人工智能嵌入到流程中，而不是层叠在它们之上。
• 最后，采取行动的成本正在增加。当洞察力处于闲置状态或后续跟进通过裂缝时，下游影响会增加。在许多环境中，延迟执行的影响与错误执行的影响一样大。

在这种情况下，仅仅提供信息的人工智能已经不够了。组织需要能够安全、可靠地执行常规工作的系统，减少摩擦而不是增加摩擦。

高等教育作为现实世界的测试案例

高等教育提供了为什么需要这种转变的最明显的例子之一。整个高等教育生命周期的参与已经发生了根本性的变化。学生希望从第一次询问到毕业时都能获得即时、持续的支持。校友希望获得持续的价值，而不是零星的联系。发展团队需要在人员和预算持续紧张的情况下，提供更大的影响力并建立长期关系。

与此同时，参与信号不断到来：申请提交，里程碑达到，活动参加，礼物捐赠。将这些信号转化为及时、协调的行动仍然严重依赖于分散系统中的手动工作。

高等教育领导者越来越将人工智能视为扩大参与和学生支持的必要条件，同时仍然对治理和数据准备保持警惕。同样，其他分析也强调了对人工智能驱动的生命周期参与的日益增长的兴趣，以及对分散系统的沮丧，这些系统减慢了执行速度。在这种环境中，仅仅提供推荐的人工智能很快就会达到其极限。知道谁需要联系很有用，但知道何时提供联系以产生最大影响要困难得多。

采取行动的人工智能通过将信号转化为下一步行动并自动化整个生命周期的常规后续跟进来弥合这一脱节。员工保持专注于同理心、判断力和复杂对话，而人工智能确保参与始终如一且及时发生。

高等教育尤其具有启发性，因为结果取决于信任和人际联系。如果人工智能可以在高等教育环境中负责地采取行动，跨复杂的生命周期，并处理个人学生数据和信息，同时保持治理完整，那么它为其他面临类似压力的高风险行业提供了一个蓝图。

犹豫是理性的——在行动之前设计治理

对采取行动的人工智能的犹豫是可以理解的。领导者担心数据质量、过度自动化和失去控制，特别是在受监管或基于信任的环境中。这些担忧并不是暂停的理由。通常缺乏的是治理作为启用器，而不是约束器的作用。

近半数组织报告，治理和信任框架的不足限制了他们从人工智能中获得价值的能力。同样的研究表明，投资于负责任的人工智能实践的公司更好地摆脱了影响。

采取行动的人工智能不能在没有明确的护栏的情况下成功。从推荐转向执行需要对人工智能可以独立采取行动、需要人类审查以及如何升级例外的明确决定。

成功推进的人工智能的组织将治理视为产品和流程设计的一部分，而不是事后补充。实际上，这意味着建立：

• 明确的人工智能可以独立采取行动和需要人类签署的审批路径。
• 可审计性和可追溯性，以便可以审查、解释和逆转操作。
• 明确的升级规则，将不确定性路由到人类所有者。
• 与监管期望一致的隐私和数据控制。

这种治理并不会减慢人工智能的速度，而是使行动充满信心。领导者不应该问他们是否能承担治理的成本，而是问他们是否能承担没有治理的人工智能的成本，因为治理从一开始就被设计到系统中。

2026年的人工智能准备就绪

2026年，人工智能的成熟度将不再由组织是否使用人工智能来定义，而是由他们让人工智能采取行动的有效性来定义。

准备好的人工智能机构共享以下几个特征：

• 与招生、留存、参与或筹款提升相关的明确结果目标。
• 包括隐私控制、审批、审计跟踪和升级的治理框架。
• 允许人工智能执行而不仅仅是推荐的统一数据和集成。

人工智能采用的下一个阶段将由设计负责行动的组织领导，使人工智能能够增加容量、支持更好的结果并帮助团队用更少的资源做更多事情——而不会失去最重要的人类触感。