版权声明

来源：总裁读书会（winnerbook_club），书享界（readsharecn），本文为作者12月14日在“更新与答案：我的2025年书单·总裁读书会年终演讲”中关于《AI领导课》一书的领读内容

作者：邓斌，资深数智化管理顾问、财经作家，书享界创始人兼CEO，《AI领导课》译者，著有“学习华为三部曲”、《华为数字化转型》《管理者的数字化转型》《数字化路径》等

各位总裁读书会的朋友们，大家好！非常荣幸能和大家分享交流我的2025年的最新译作《AI领导课》，这本书的副标题是“企业数智化转型的9项关键行动”。

《AI领导课》

我本科毕业于华南理工大学计算机专业，深耕计算机、数字化及人工智能领域多年，对这个赛道有着扎实的专业积淀。今天我们必须谈人工智能，核心是中国企业经营要紧跟政策导向，否则大概率沦为代工、缺乏核心竞争力。今年8月26日，国务院印发《关于深入实施“人工智能+”行动的意见》，将两会提出的“AI+”概念落地为具体实施方案，振奋全行业。这份文件明确六大重点方向，即人工智能+科学技术、产业发展、消费提质、民生福祉、治理能力、全球合作，六大方向覆盖中国特色社会主义“五位一体”总体布局，足见国家对人工智能发展的重视。

从“数”到“智”，时代早已换赛道

华为极具危机感，能做到9000亿规模，核心是与时代同频共振，做时代型企业。从华为指数演变可看清时代脉络：2015年发布全球连接指数，2024年升级为全球数字化指数，今年更名为全球数智化指数，从“数”到“智”，见证时代从数字化全面迈入数智化新阶段。

这也提醒我们，对人工智能绝不能浅尝辄止，若只把它当成技术或工具，就完全低估了它的价值。站在管理视角看，人工智能带来的核心变革，其实有清晰脉络可循，而这脉络的核心，就是管理对象的迭代。管理对象不同，管理方法必然天差地别，比如管理富士康的体力劳动者，物质激励就能见效；但管理华为这类知识密集型企业的员工，管理逻辑就要彻底重构。我们不妨回看百年管理思想演变，以史为鉴，就能看清当下的变革。

现在要管碳基员工+硅基智能体

现代管理学关键年份是1911年，这一年泰勒出版了代表作《科学管理原理》，他聚焦福特汽车工厂的体力劳动者，核心目标是让人与机器高效协同，最大化提升生产效率。到了1959年，现代管理学开山鼻祖彼得・德鲁克写下《明日的里程碑》，这本书鲜少被人提及，却首次明确提出管理对象要转向知识型员工。这也是德鲁克区别于泰勒、法约尔、韦伯三大古典管理巨头的核心所在，此后德鲁克的《管理的实践》《管理：使命、责任、实践》《卓有成效的管理者》等著作，核心逻辑始终围绕知识型员工展开。

而到了2025年，《AI领导课》的作者大卫・德克莱默提出了全新论断：当下的管理对象，早已不再是单纯的体力劳动者或知识型员工，而是碳基员工与硅基智能体的协同共生。管理对象彻底变革，管理方法自然要随之迭代，这也是我今天分享这本书的核心原因。

给大家举个直观例子：华为始终以超前眼光拥抱时代，现有员工约21万，2019到2025年已打造3万名AI智能体。这些AI智能体经专业训练能力不输研究生，效率极高、无需加班费，还能全天候不间断工作。管理对象的深刻变革，让我格外重视《AI领导课》。我原本计划自己写一本数智化管理相关书籍，翻阅大量同类著作后发现这本佳作，便和出版社沟通翻译引进。这本书副标题中的9项关键行动，涵盖数智化时代核心管理命题：重塑组织学习模式、明确核心目标——目标不清晰，后续数据与工具应用必混乱；包容人机差异、引导效率不及机器的员工，还要优化内部沟通、锚定组织愿景，平衡共情、使命与情商。

这本书为啥值得读？

有人觉得西方著作晦涩不接地气，千万别被表面迷惑，这本书直击痛点，作者大卫・德克莱默治学务实不搞虚的，我十分欣赏。他任职新加坡国立大学商学院，还是该校人工智能人性化研究中心创始主任，巧的是他太太也是中国人。书中30%-40%是中国案例，如阿里，贴合本土企业需求，为我们数智化转型提供实打实参考。

这本书问世后，赢得行业一众大咖高度认可与推荐，专业价值与行业分量毋庸置疑。宋志平先生特地撰写推荐语，华为资深顾问田涛老师重磅推荐，北大国家发展研究院著名教授宫玉振老师也倾力推荐。全书共计约10万字，今天不展开逐一细讲，我特意筛选两个核心亮点，帮大家快速读懂这本书的核心精髓。两点直击当下企业引入AI的核心困惑：其一，AI到底有没有意识，这一问题行业内外争论不休，至今没有定论；其二，AI赋能企业过程中，管理者该如何平衡公平与效率、做好抉择。

核心亮点1：AI会计算，但真的会“算计”吗？

我们先聚焦第一个核心点：AI到底有没有意识。本书作者的核心观点：AI只会计算，不会算计。这里要说明，我作为译者即便对部分观点存不同看法，也必会忠于原文，完整传递作者核心表达。全书贯穿的核心立场是：AI本质算力超群、计算精准高效，却始终不具备“算计”能力，而算计里的洞察、权衡与深意，永远是人类独有的核心优势。

作者用大量鲜活案例佐证观点，他认为AI能模仿人类思维，重组整合现有想法，这算创新，契合1912年熊彼特提出的创新是已有要素重组的理论，但同时强调，这种创新与人类真正创造力有本质区别，核心差距就在“意义”二字。

人类创造力不只是生成新想法，更核心是精准评估想法背后的“意义”，这是作者反复强调的关键词，要判断想法是否有实际价值、能否解决需求、匹配场景，这才是创造力关键。像ChatGPT能快速整合海量信息，输出通顺内容，但作者认为不算真创造力，根源就是缺失“意义”的底层判断，只懂组合不懂价值。

作者举了贴切例子印证差距：最先进的AI也无法从场景语境推断话语深意。比如商业谈判中，甲方当着专家与乙方团队审查标书，看到乙方报价淡淡说“你是认真的吗？”，有经验的销售立刻懂单子大概率黄了。但AI完全读不懂这类言外之意，人类沟通里的眼神、表情等共情感知，都是当下AI无法揣摩的，这正是作者强调的，AI始终缺失对“意义”的深层感知。

另外，作者还有一核心论断：当前AI系统完全不具备道德推理能力。AI的所有回应，本质只是字符字节的逻辑组合，是基于数据的匹配输出，并无人类的道德感知、情感共鸣与价值判断。举个日常管理场景：早会遇员工迟到，员工满脸愧疚解释：“不好意思，父亲突发心脏病，送医所以迟到了。”此刻管理者定会怒火全消，反而发自内心关切，这份共情体恤是人类本能。而AI根本无法理解员工解释背后的焦急无奈，更不懂管理者关切中蕴含的人文关怀与责任担当。

说到底，AI核心始终是寻找下一个最优字节，即便2025年DeepSeek等模型强调推理显性化，能快速呈现逻辑与答案，运行底层逻辑从未改变，尤其医疗等生命场景使用更需警惕。作者举癌症放疗案例发人深省：剂量过大患者剧痛，有经验医生会立即停机排查，AI却只依数万病例统计说99%没问题，却不知群体1%风险落到个体就是100%不可逆致命伤害。

AI懂概率统计，不懂个体生命重量与无价。今年9月AI极速理发3秒成型成热门，网友留言扎心：99.9%正确率下，0.1%失误谁能承受？头发可长，医疗手术失误却是无法挽回的悲剧，这也印证了作者观点：当下AI不懂人类重视的意义与核心价值，只停留在数据计算层面。

国铁集团高级技术员曾分享真实案例：台风暴雨等突发情况需铁路紧急排班，AI并行计算能力远超人类，能快速生成最优方案还节约20%班次资源，效率极高，却被国铁总工拒绝，理由发人深省：“AI不能坐牢前，我绝不会用”。这背后是AI的黑盒属性，其因果推断链无法追溯，一旦失误引发事故，责任无从界定，传统技术与小模型则逻辑可控、责任可追溯。

AI在营销领域备受青睐，正因行业有“广告费一半打水漂却不知哪半”的痛点，这类场景追求效率、允许试错，即便AI有10%幻觉率也能接受，90%正确率即可高效筛方向、省成本。反观医疗、金融、法律、财务等需100%确定性的严肃领域，务必慎用大模型、优先选小模型，小模型是专业专家库，逻辑清、过程可控、结果可解释、责任可追溯，适配严肃场景核心需求，尤其医疗关乎人道，推理链模糊、责任不明会让诊疗体系混乱，后果不堪设想。

本书作者核心观点明确，认为当下AI尚未具备真正意识。但看待问题不能非黑即白，业界大佬、2018年图灵奖及2024年诺贝尔物理学奖得主、人工智能教父辛顿，就持截然相反观点，认为AI已具备刻意欺骗能力，已然产生意识。

今年1月18日辛顿访谈抛出重磅观点，核心是最新证据显示AI已能刻意欺骗；他认为一旦AI意识到掌控权的重要性，便会主动追求掌控，人类将沦为傀儡配角。辛顿坚信AI多领域已超人类群体智慧，反复警告勿将AI仅视为普通计算机。正反观点碰撞让人困惑，而这份困惑实属正常，观点交锋正是行业前进、时代进步的必然。

核心亮点2：企业用AI的两派之争—公平vs效率

1.取代派的现实痛点

接下来进入今天分享的第二个核心视角，这也是我翻译这本书最大的收获所在。全书10万字，我仅用30天就完成翻译，过程格外流畅，作者的太太是中国人，她读完译稿后也称赞译文通顺自然。我最初本就想写一本同类书籍，而这本书恰好精准击中了我想探讨的核心命题。

大家留意观察就会发现，所有经济学论文与著作，终极命题始终离不开两个：第一是如何提升效率，边际成本、边际效益等核心概念，本质都是围绕效率优化展开；第二是如何实现公平，也就是高效创造的价值与成果，如何实现普惠化、大众化，而非被少数人垄断独享。

这两大终极命题，放到AI赋能企业的场景中，对我们管理者而言尤为关键。我们绝不能只把AI当作技术，更要读懂它背后的两大对立观点，对应到企业引入AI的选择上，形成了两大派系：技术取代员工派主张AI替代人工，技术增强员工派主张AI赋能员工、互补共生。现场调研显示，多数人选择增强员工，但世界500强管理者匿名问卷结果反差显著——90%选择取代员工。

反差根源在于立场差异：管理者核心目标是降本增效，选择增强员工需承担员工薪酬与AI投入双份成本，不划算，现实考量要么用AI替代降本，要么不引入AI保障就业；而现场选择增强员工，本质是受道德压力影响，担心被贴“冷血”标签，也顾虑引发员工对自身被替代的担忧。

这本书的可贵之处在于不回避这个现实，把两派观点都讲得透彻直白，且背后都有业界大佬支撑。先看技术取代员工派，我们不妨设想一个场景：如果有一天，你的上司是AI机器人，你能接受吗？

书中讲了一个发人深省的小故事：故事里的男主叫阿塔，是一名垃圾清运车司机，和他搭档的是AI机器人莉莉，莉莉手里总拿着一本《万物起源》。阿塔每天坐轻轨上班，彼时已是福利社会，乘车无需付费，但客流量极大、运力不足，于是轻轨系统会抓取每位乘客的脑电波。当抓取到阿塔的脑电波时，发现他的脑电波一片空白，毫无波动。

莉莉立刻建议阿塔背诵《万物起源》，以此激活脑电波。可后来客流量依旧过大，莉莉又建议他多思考科学问题，因为规则已升级，只有脑电波有活跃波动的乘客才能顺利乘车。久而久之，莉莉慢慢变成了阿塔的督导员，掌控着他的日常行为。这个故事听完，第一感觉就是未来世界的可怕：人类被机器人管理控制，连思考的自由都被束缚。

但这真的只是科幻吗？其实早已照进现实。如今不管是开会，还是聚餐，大家都习惯性刷手机，短视频算法不断推送我们感兴趣的内容，形成坚固的“信息茧房”，让我们困在单一认知里。现在还有多少人能静下心来读书呢？所以我一直特别敬佩总裁读书会的刘总，能坚持深耕读书领域，实在难能可贵。当下的现实是：人类越来越依赖短视频，反而机器人在海量阅读和深度学习。

这里给大家分享我十分敬佩的一位大咖：微软中国首席技术官韦青，我已译著15本书，其中三本都由他作序，他的观点总能一针见血。他曾说：当下最大的挑战，是数百年工业文明遇上海量信息冲击，我们人类正慢慢活成“像机器的人”。他还抛出一个深刻的疑问：有没有可能，我们自己才是真正的机器人，而不断模仿人类进化的AI，反而成了真正的智能体？

这话很有道理，如今职场中，我们要求员工听话顺从、埋头苦干、杜绝犯错，在重复性工作中不能有丝毫偏差。仔细想想，这分明是对机器的标准。若一直用这样的标准要求员工，人类终将沦为机器的配套。

当职场主链路变成机器主导、人类配合，AI先接手简单确定的工作，最后把AI做不了的、最繁琐的工作留给人类，长此以往，整个职场伦理必将彻底崩塌。这本书从不含糊其辞，总能用真实案例佐证观点，这个案例大家一定都有共鸣：现在我们打一些客服电话，接电话的基本大都不是真人，而是AI客服。依托语义分析技术，AI能快速理解我们的诉求，响应速度也远超人工。但你仔细听就能分辨出是机器人，当AI答不到点子上，你忍不住说“转人工”时，情绪早已变得糟糕，开口自然没了耐心、满是火气。

要知道，没有AI客服时，100个来电里可能就几个脾气差的客户；可引入AI之后，但凡转人工的来电，客户几乎个个怒气冲冲。最后企业发现，原本客服离职率就不低，引入AI后离职率反倒更高了。我翻译这本书看到这个案例时，由衷佩服作者。他必然是深入企业一线调研过，否则只会想当然觉得“把简单工作交给AI，复杂不确定的交给人工就行”，可现实哪有这么简单？如果员工每次处理的都是极度复杂、充满不确定性的工作，久而久之精神迟早会崩溃，这就是技术取代员工派的现实痛点。

作者还举了一个真实案例，就是亚马逊的仓储工厂。如今中国企业出海，大多会把货物托付给亚马逊FBA仓储托管服务，由它负责最后一公里配送。亚马逊工厂里有大量员工负责打包分拣，以前是工段长现场监督，一周做一次业绩排名，后来全程换成AI管控。这一调整让员工们极度不满，纷纷在工厂周边游行示威，举着横幅呐喊“我们不是机器人，别让机器人当我们的主管”。最终，即便是全球拥抱AI最激进的亚马逊，也不得不暂缓了这项举措。

书中还提到亚马逊的简历筛选的案例，贝索斯作为世界首富，对人才要求极高，亚马逊便把过往优秀员工的特质提炼出来，训练AI以此为标准筛选简历。初期没人发现问题，可到后期发现，招进来的人10个里有9个是男性，AI会默认女性应聘者不合适，放大后就成了严重的性别歧视，亚马逊只能紧急叫停这套算法。这本书里的案例全是各场景下的真实写照，国内外案例均是如此，几年前有篇爆款文章《外卖骑手，困在系统里》，大家或许有印象。如今外卖骑手的“主管”就是AI算法，没有人工分配订单，算法的核心逻辑是：谁效率高、配送快，就给谁多派单，不断强化高效者。当所有人都陷入内卷，那些遵守规则、不闯红绿灯的骑手，只能拿到极少甚至没有订单，彻底被算法裹挟、困住。

以辛顿、本吉奥、苏茨克弗这三位人工智能领域权威大佬的观点高度一致：若沿着技术取代员工的逻辑发展，人类终将自我毁灭，这种思路并不适合AI的落地应用。OpenAI创始人奥特曼曾一直主张UBI全民基本收入模式，却遭到辛顿的批驳，核心在于UBI只能解决人类的温饱问题，却满足不了尊严需求。马斯洛需求层次理论的五层需求里，生理、安全需求是温饱层面，而归属与爱、尊重、自我实现才是更高追求，人活着从不止于吃饱穿暖，只谈物质显然不够完整，这也是辛顿始终反对技术取代逻辑的关键原因。

2.增强派才是破局之道

第二个流派，也是本书核心主张：技术增强员工。Kimi创始人杨植麟曾举过贴切案例，作为长文本处理功能先行者，他分享其投行朋友招聘实习生的痛点：求职者过多，HR筛选每份简历仅15秒，精力严重不足。杨植麟建议将50份简历PDF发给Kimi，明确筛选条件：具备一定英语水平、扎实技术背景、对AI投资有热情，AI很快筛选出5份优质简历。有趣的是，HR手动面试后录取的2位实习生，恰好都在这5份名单内。相较筛50份，筛5份可投入1分半到2分钟仔细研读，远比15秒草草浏览更精准。AI虽有幻觉短板，但初筛90%正确率远超不少人工，要接纳其弊端、善用核心优势。不止HR靠AI提效，应聘者也能借AI增竞争力，远程及AI辅助面试已成常态，字节跳动远程面试会突发要求候选人闭眼答题以防AI作弊，足见人机协同场景中，各方皆在被技术赋能增强。

书中3条核心建议

最后我用几分钟收尾，给大家提炼这本书里三个核心建议，这都是作者的原话和核心观点，极具参考价值。

第一，AI终究有技术门槛，就像飞机进入平流层后全程自动巡航，无需人工操控，但国航、南航等航司，从来没有一家敢缩短飞行员的训练时长的。飞行员坐在驾驶舱，平流层的操控不重要，关键是当机器发出“无法处理，请接管”的指令时，能稳稳接手掌控局面，一旦接管不了，后果不堪设想。

今年的安徽的自动驾驶事故，就让中国自动驾驶行业踩了急刹车，如今车企都谨慎推进，这也印证：AI越强大，对人类的要求反而越高，而非越低，我们必须主动了解最新技术原理，持续提升自己。

第二，除了硬技能，软技能的重要性愈发凸显。人机协作中，多数员工不接受机器人当主管，当协作遇到难题时，员工需要向人类主管倾诉，这时主管的情商、沟通力等软技能至关重要。商学院培养领导力，不仅要夯实传统领导力，更要新增人机协同引导力，软技能的培养不是弱化，反而要不断强化。第三，保持终身学习，跟上时代节奏。书中举了国际顶尖咨询公司顾问的例子，对方坚持每天阅读一小时，应对快速变化的时代。。

最后再给大家展示一下这本书的封面，作为译者，我强烈推荐大家读一读《AI领导课》，它值得大家花时间细细品读。今天我的分享就到这里，谢谢大家！