“AGI（通用人工智能）三年内必然到来，可多数企业领导者还在用‘自动化现有手动流程’这种陈旧思维应对，错失最后机遇。”屏幕那端，Danilo McGarry语气平静，却如重锤敲击着当下商业世界的神经。
Danilo McGarry履历非凡，管理过3500名“数字员工”，为花旗和联合健康创造了20亿美元可衡量的价值。作为实战派专家，他厌恶不切实际的幻想，对未来有着近乎严苛的坦诚。在他看来，当下商业世界正陷入一种怪诞的失重状态。
人类历史上首次出现技术远超人类想象力的局面。当OpenAI的团队探讨改变物种命运时，全球500强企业的CEO们却在“AI炼狱”中徘徊。一方面，他们在高管会议上夸大AI成就，试图安抚股东的焦虑；另一方面，却用先进引擎驱动破旧马车，重复着五年前的乏味工作。
“距离AGI实现不到1000天，这是确定的。若企业现在还未开始重新配置，就已不在幸存名单之列。”Danilo的急迫感穿透屏幕。尽管受保密限制，他无法详细拆解客户案例，但给出了一套帮助企业穿透幻想、在超级智能来临前夺回“主动权”的底层逻辑。
Danilo指出，当下的人工智能泡沫由三个维度的“夸大”共同支撑。股东向高管施压要求使用AI并看到成果，企业便纷纷夸大自身AI成就；AI公司为获取关注和资金，不断拔高产品预期；而全球500强企业领导者缺乏想象力，技术领先却未用于伟大事业，只是重复无趣任务，集体“装睡”。
对于中国在这场“竞赛”中的位置，Danilo认为有明显错位。美国拥有更强的底层模型，如同“大脑”；中国在AI创新应用层展现出惊人力量，能极速部署。“大脑”与“执行力”的较量，决定谁能先走出实验室。但无论何处，大多数公司只是让AI零散发挥作用，即便是一些顶尖公司也是如此。
许多企业认为买个工具、招几个博士就是AI转型，这是毫无策略的表现。真正的AI策略需要建立严密治理结构。比如员工申请一千万美元做AI项目，不能一次性给予，而应像风险投资人一样分阶段投资。先给50万验证逻辑，可行再给200万，最后给全款。每个季度复核成果，适应AI快速发展的节奏。
大公司试点项目难以规模化，这与人类心理学有关。“创新者”或“发起者”通常对0到1的冲刺感兴趣，但缺乏将方案部署给大量人员的精细化技能。规模化需要“卓越中心”，由20到50人的专业团队负责。而现实中，大家都在尝试，却鲜有真正实施，因为没有委员会批准大规模预算，也没有团队能承接规模。
Danilo预测AGI三年后到来有其依据。人工智能已有70年历史，目前约有120个“超窄域人工智能”，他参与过其中12个，这些细分能力正在整合。明年可能出现AGI初步形态，像过目不忘的教科书，整合人类已有知识和概念，虽不能创造新概念，但广度超越人类个体。15年后可能出现ASI（超级智能），提出人类未见的新方法和途径。中大型企业转型需2到4年，若AGI三年后降临，现在进度为零的企业将无法赶上。
然而，这种紧迫感并未传递给多数CEO。很多CEO只让团队自动化“今天正在发生的手动任务”，这只是在让旧错误更快发生。领导力意味着重新配置团队和运营逻辑，重新定义工作流程，否则只是在用AI修饰平庸。
Danilo对AGI的到来持谨慎乐观态度。过去一百年，人类像机器人一样工作，这是文明的浪费。若AGI能接手无趣劳动，让人类找回创造力和真实情感连接，这1000天的阵痛便是值得的。
Danilo管理过3500个数字员工，AI代理擅长执行大量重复、手动、需无限记忆力的任务，这是人类弱点所在。数字员工不会累，但出错时连锁反应可能是毁灭性的。管理它们依靠“协调层”，若没有协调层，大量AI代理和机器人与人类协作就会断裂。协调层像指挥塔，锁定人类和数字工作者的新工作方式，了解人们日常工作，重新想象并转化为新蓝图，锁定在流程引擎里。
数据清洗常被视为企业推进AI的第一大障碍，但Danilo认为这是最大陷阱。许多公司因“想先修复数据”陷入无尽项目。数据是旧流程的副产品，应先建立新流程架构，让数据流向新架构，旧数据会通过逻辑和AI工具自然清洗。不要因过去脏数据耽误未来新架构。
Danilo的研究发现，未来五到七年，人类从事的职业种类会从800种浓缩到100种。这并非80%的工作消失，而是“浓缩”。完全重复的工作会彻底消失，因为机器人成本降低到临界点以下，规模经济会淘汰这些岗位；与人、创意、战略有关的工作不会消失，但会被AI增强50%以上；法律保护的工作，如法官、消防员、CEO等，涉及复杂日常互动和法律责任，难以被完全复制。
在这个过渡期，好奇心是最重要的能力。山姆·奥特曼也提到过，好奇心位于人类心理中间，极度乐观危险，极度悲观无能，好奇心是“乐观且谨慎”“小心且开放”。它会驱动人产生“重新想象”的能力，这是个人成长和公司发展的最大武器。
Danilo从不关注竞争对手分析，即便经营三家公司也是如此。这不是傲慢，而是他清楚自己的终点和成功变量。只要关键变量在自己手中，对手动作就失去参考价值。帮助国际银行改革时发现，从外部看竞争对手做着相似事，但内部流程架构、决策机制、人才密度等大不相同。很多CEO看到竞争对手签AI合作协议就急于跟进，却未意识到运作方式差异可能导致合作不适用。
目前，80%的董事会成员和C-level并不真正理解AI，这也是他们无法制定策略的原因。建议每家公司在董事会安排真正懂转型、AI和变革心理学的人。Danilo的项目成功率是82%，剩下的18%错在“期望值”。技术能胜任工作，但若一开始设定错误预期或没有数据支持的逻辑，即便项目完成一半且效果极好，也会被视为失败。例如，基于数据预测400%提升，但董事会或股东要求2000%，脱离现实的目标会导致失败，即使最终交付300%增长。
设定“足够好”的激进目标，Danilo与埃隆·马斯克讨论过，认为目标应有50%的正确概率和50%的失败概率。成功率80%太保守，不足以改变公司运作方式；成功率太低会危及计划。50%是微妙转折点，足够“可怕”能逼团队拼尽全力。就像发射火箭目标火星，中途出问题降落月球也是伟大结果，要追求那种即使未达满分仍产生巨大影响的激进目标，且要用数据和逻辑支撑平衡点。
当AI项目未达预期信号时，企业判断是否止损或继续投资有方法。即使项目失败，留下的“知识复合利息”也极其宝贵，能避免下次犯错。为不让教训过于昂贵，需建立机制：分阶段交付，避免一次性投入过多；高频监控，不能等一年后再判定；动态纠偏，及时调整问题。
对于想部署“数字员工”但资源有限的CEO，Danilo给出场景建议。若营销成本高，可部署AI生成资产；若财务结账慢，可做自动化财务预测；若运营行政负担重，可解放人力。不要追求“神奇工具”，没有捷径。AI价值在于深挖核心业务场景，尤其是弱点并转化为优势。最后要接受，现有业务模式三年后大概率会过时。
