AI的最大回报在于“协同”，而非“自动化”

AI对经济最深远的影响，并不在于自动化任务，而在于大幅降低那些阻碍团队、工具与数据协同运作的“翻译成本”。通过从碎片化、非结构化的信息中提取结构，并持续进行对齐与校准，AI使复杂项目的协同成为可能，而无需强迫所有参与方采用统一的标准或平台。这一转变将催生新的战略选择与竞争形态，并重塑生态系统中价值创造与价值获取的方式。

人们通常用“预测成本下降”或“内容生成成本下降”来解释AI的经济影响。但还有一个更关键、却理解不足的因素：翻译成本的下降。

“翻译”听上去微不足道，但在现代组织运作中，它无处不在——本质上是将一个团队的输出转化为另一个团队输入所需付出的持续努力。翻译成本体现在成果格式转换、数据对齐、反复沟通、会议协调以及返工时间等方面。当翻译顺畅时，它能够让原本分散的参与者、工具与数据围绕共同目标协同推进，使项目稳定前行，而不是陷入不断的对齐与修正。

AI让翻译变得低成本且通用化，主要通过两种方式实现：

1. 从非结构化信息中提取结构化语义，使其可计算、可调用；

2. 基于这些结构化信息执行任务与决策支持。

过去难以整合的互补资源——由于数据格式、专业术语或流程差异而无法匹配——如今可以在不强制统一工具或流程的前提下被组合使用。历史上首次，协同可以在缺乏共识的情况下实现。这意味着协同能力可以扩展至过去因成本过高而难以整合的专业领域。

在过去十年里，我们的研究重点是设计平台以组织和协调碎片化系统。然而，这类协调长期受到结构化数据与标准接口的限制，而这又依赖于参与者在标准与流程上的共识。现实中，大多数系统差异过大，难以统一，因此协调始终高度依赖人工且成本高昂。AI的翻译能力打破了这一限制。它所带来的新型协同方式，不仅改变了工作流程，也正在改变价值创造与竞争的本质。

无需共识的协同

以建筑与工程行业为例。

大多数建筑项目需要建筑师、结构工程师、承包商等多类专业人员协同工作。每个群体都有各自的专业工具与关注重点：

• 建筑师关注空间关系与美学；

• 结构工程师关注荷载路径与安全系数；

• 承包商关注施工顺序与项目管理。

在这一背景下，协同至关重要。建筑项目经常偏离原始设计，如果团队之间不能有效调整与配合，结果往往是返工、延期以及竣工后的性能问题。

过去尝试通过自上而下的标准化来解决这一问题——例如强制所有参与方使用统一平台或数据模型——往往效果有限。某一环节的协调改善，可能导致另一环节失衡。此外，专业团队通常不愿放弃定义其专业能力的工具。建筑设计软件与施工管理系统之间缺乏互操作性，导致翻译成本居高不下。

AI提供了一种新的解决路径。

它不再要求所有团队采用相同工具或标准，而是默认碎片化的存在，从BIM专业软件、电子表格、照片、邮件、批注PDF等多种来源提取信息——每种来源都只呈现项目的部分视角。通过整合这些数据，AI构建出统一的项目视图，使所有参与者能够实时了解设计、工程、排期与合规的进展。

在这种统一视图下，项目经理可以在保持各团队工作方式不变的前提下进行跨专业决策。例如，当建筑师调整楼梯位置时，AI可以自动识别对结构梁的影响并通知结构工程师。AI成为一个“隐形协调层”，持续对齐跨团队变更，实现动态同步。

行业内的创新者已开始布局。例如，Trunk Tools整合来自Autodesk（设计工具）与Procore（施工管理平台）的数据，通过解析规范、图纸与进度安排，构建结构化、可搜索的项目档案，使各方无需反复核对文件。与此同时，既有企业也在行动，例如Procore 收购Datagrid，以强化其从非结构化数据中提取结构的能力。

新一轮竞争格局

当协同不再依赖共识时，那些依靠标准化接口与统一工作流建立优势的企业，其竞争壁垒将被削弱。

以美国汽车保险市场为例。创业公司Tractable正在挑战长期占据主导地位的CCC Intelligent Solutions。

在理赔流程中，保险公司、维修厂、零部件供应商与定损员使用不同系统、遵循不同激励机制。CCC通过建立标准化损伤编码与数字化流程语言，占据市场主导地位。替代CCC意味着更换标准、重新培训与重构审批流程，转换成本极高。

Tractable则绕开了标准之争。它利用 AI 模型解析智能手机拍摄的车辆损伤照片，生成可直接接入现有理赔流程的维修估算结果，实现“无需共识的协同”。到 2023 年，其已为大型保险公司处理近70亿美元理赔金额。

战略选择：三种路径

AI翻译能力的机会不限于上述行业。在医疗、物流等高度碎片化行业，AI重构跨系统共享状态的能力既是机遇也是威胁。既有企业可选择三种战略路径：

1. 成为“翻译层”

企业不再依赖专有标准，而是成为生态系统中最有效的共享视图构建者。例如 project44 在物流行业构建统一货运视图，而无需强制承运方采用新标准。此类企业通过跨工具开放性，使自身成为不可替代的解释层。

2. 强化“责任与可担保能力”

企业不争夺中立翻译平台地位，而是强调对结果负责的能力。马士基（Maersk）通过整合端到端物流、报关、仓储与风险管理，在复杂供应链环境中提供可担保执行能力，并以此构建竞争优势。

3. “碎片化并收费”

企业利用AI在内部构建统一视图，但对外部生态系统只开放有限接口，并通过可见性收费。FedEx投资于基于实时网络数据的AI路由系统，但仅对客户开放部分数据视图，从而维持生态系统对其基础设施的依赖。

这一策略在网络密度与服务覆盖优势仍具壁垒时具有可行性。

未来路径

AI驱动的翻译能力使不同人员、工具与系统在缺乏共识的情况下实现协同，将显著提升效率、降低成本并加速创新。但它也会改变权力结构。

短期内，赢家将是那些利用AI消除摩擦、推动项目落地的企业。长期来看，当项目规模扩大、失败代价上升，责任、信任与法律责任问题将促使行业重新建立共享规则与治理机制。

因此，务实路径应是：利用AI降低协同成本，启动合作；同时构建治理、契约与规范，将快速协同转化为可持续、可信赖的生态系统。

本文作者：Sangeet Paul Choudary 来源： 哈佛商业评论