KPMG報告：85%企業(yè)接入AI后，35%效率提升藏著一個管理盲

85%的企業(yè)已經(jīng)把AI接進日常流程，平均產(chǎn)出漲了35%——這是KPMG最新調(diào)研的數(shù)字。但同一批報告里有個細節(jié)被多數(shù)人跳過：當AI從"實驗玩具"變成"基礎(chǔ)員工"，誰來管那些不打卡的勞動力？

這里的"員工"不是比喻。企業(yè)級AI系統(tǒng)里跑著成百上千個智能體（AI Agent），它們7×24小時處理審批、生成報告、對接客戶，卻不在任何組織架構(gòu)圖上，也沒有工號。

從工具到同事：AI的身份危機

過去兩年，AI的部署邏輯發(fā)生了質(zhì)變。早期是IT部門買幾個SaaS賬號給市場部玩，現(xiàn)在是財務(wù)、法務(wù)、供應(yīng)鏈各自嵌入了自動化模塊。KPMG的數(shù)據(jù)顯示，這些系統(tǒng)已經(jīng)滲透進"員工日常依賴的工具"和"后臺運行的基礎(chǔ)設(shè)施"兩個層面。

問題在于：當AI開始像人類員工一樣參與決策鏈條，它的訪問權(quán)限、數(shù)據(jù)邊界、操作日志該怎么管？

一個典型場景：某零售企業(yè)的庫存AI能自動向供應(yīng)商下單，觸發(fā)條件是算法預測的缺貨風險。這個"決策"沒有人類簽字，但如果算法誤判導致百萬級庫存積壓，責任算誰的？

更隱蔽的風險在身份層。傳統(tǒng)企業(yè)的權(quán)限管理基于"人"——張三能看財報，李四能批報銷，離職即銷號。但AI系統(tǒng)的身份是模糊的：一個客服機器人可能同時調(diào)用CRM、物流、支付三個系統(tǒng)的數(shù)據(jù)，它的"數(shù)字身份"比多數(shù)老員工還復雜。

身份安全正在成為AI規(guī)模化的天花板。

35%效率背后的管理債務(wù)

KPMG的35%效率提升不是白來的。調(diào)研對象里，高績效企業(yè)的共同點是：它們在AI上線的同時重建了治理框架，而不是先跑起來再說。

這個框架的核心是"人機權(quán)限同權(quán)化"——給AI分配身份時，遵循和人類員工一樣的最小權(quán)限原則、審批流和審計追蹤。聽起來像常識，但執(zhí)行層面到處是坑。

比如某金融公司的風控AI需要實時抓取市場數(shù)據(jù)，IT為了方便給了它數(shù)據(jù)庫管理員權(quán)限。三個月后安全審計發(fā)現(xiàn)，這個AI的賬號能直接修改交易記錄——而它的操作日志只保留了7天。

這種"管理債務(wù)"的積累速度遠超預期。AI的迭代周期以周計算，合規(guī)流程卻以季度為單位。當業(yè)務(wù)團隊急著上線新功能時，"先給權(quán)限再補流程"成了默認選項。

另一個被低估的點是AI之間的協(xié)作。單個智能體的權(quán)限或許可控，但當五個AI串聯(lián)完成一個流程，權(quán)限的疊加效應(yīng)會產(chǎn)生黑洞。A能讀數(shù)據(jù)，B能寫數(shù)據(jù)，C能觸發(fā)轉(zhuǎn)賬，三個無害的權(quán)限組合在一起，可能打開一個無人監(jiān)管的操作空間。

Agentic AI：下一個管理前沿

TechRadar Pro同期發(fā)布的另一篇分析把這種現(xiàn)象定義為"Agentic AI workforce"——具備自主決策能力的AI勞動力。這個概念的挑釁之處在于：它把AI從"被使用的工具"重新定義為"需要被管理的對象"。

管理人類員工的經(jīng)驗在這里大部分失效。你不能給AI開晨會，無法用KPI激勵它，更做不到"約談"一個算法。但企業(yè)正在摸索替代方案。

某制造業(yè)巨頭的做法是"數(shù)字孿生權(quán)限"——每個AI在測試環(huán)境有完整的沙箱副本，所有權(quán)限變更先在孿生體上跑72小時，觀察行為軌跡后再同步到生產(chǎn)環(huán)境。這相當于給AI設(shè)了一個"試用期"，代價是部署周期延長，但上線后的異常操作下降了60%。

更激進的嘗試來自一家跨國咨詢公司。它們給核心AI系統(tǒng)配備了"對立智能體"——專門負責挑刺的AI，實時監(jiān)控其他AI的決策是否符合預設(shè)的合規(guī)邊界。兩個AI互相制衡，人類管理者只看沖突報告。

這種設(shè)計的風險顯而易見：如果兩個AI達成"共謀"，或者對立智能體的規(guī)則庫本身有漏洞，整個系統(tǒng)會陷入更隱蔽的失控。但至少，它把"管理AI"的問題從人類肩上卸了一部分。

身份治理正在成為AI競賽的隱性戰(zhàn)場。

留給2025年的問題

KPMG的調(diào)研有一個未公開的細分數(shù)據(jù)：在35%效率提升的企業(yè)里，有23%同時報告了"與AI相關(guān)的安全事件增加"。這兩個數(shù)字的并列，暗示了當前AI管理的真實狀態(tài)——跑得快和管得住之間，多數(shù)企業(yè)選擇了前者。

這種選擇有其合理性。在競爭壓力下，"先用起來"往往比"先管起來"更符合生存邏輯。但身份安全的特殊性在于，它的漏洞不會立刻暴露，而是在某個邊界條件下突然觸發(fā)——比如一個被忽視的老AI賬號，在系統(tǒng)升級后獲得了意外的高權(quán)限。

一些早期信號已經(jīng)出現(xiàn)。2024年下半年，多家企業(yè)的AI系統(tǒng)因"權(quán)限漂移"導致數(shù)據(jù)泄露，根源是模型迭代時繼承了舊版本的過度授權(quán)。這些案例的共同點是：攻擊者沒有破解任何加密，只是找到了一個被遺忘的、權(quán)限過大的AI身份。

當AI勞動力的規(guī)模從"幾十個實驗項目"膨脹到"數(shù)千個生產(chǎn)系統(tǒng)"，身份治理的復雜度會指數(shù)級上升?，F(xiàn)在的35%效率提升，可能只是在透支未來的管理成本。

你的企業(yè)里，有多少個"不打卡的員工"正在運行？它們的權(quán)限清單，你最后一次審計是什么時候？