当 AI 开始重塑产业，一所顶尖商学院正在重新思考：未来究竟需要怎样的商业领袖？

AI 能写代码、做分析、生成方案，甚至开始自主执行复杂任务。

但有一个问题，似乎始终没有被解决：

当 AI 给出了答案，谁来判断这个答案是否值得执行？

比如，一家企业需要优化采购。AI 可以同时计算供应商报价、交付周期、库存成本和预期收益，从数十种组合中找出数学意义上的最优方案。

但如果成本最低的方案意味着供应链风险增加，如果某个部门的效率提升反而损害了企业整体利益，最终又该如何选择？

今年 7 月，交大安泰 MBA 的一场 AI 战略实战坊，就把这样一道采购决策题搬进了课堂。

参与者被分配到不同角色，借助大模型和优化算法，在成本、效率、风险与收益之间展开三轮决策。

有意思的是，技术工具越强，管理问题反而越清晰。

算出最优解是一回事，把它变成企业真正可执行的决策，则完全是另一回事。

这或许正是 AI 进入产业深水区后，一场正在发生的人才变革。

AI 越来越强，企业却开始为另一种能力买单

先看一组数据。

麦肯锡 2025 年全球 AI 调查显示，88% 的受访者表示，其所在组织已经在至少一项业务职能中常态化使用 AI。

但真正实现企业整体全面规模化部署的比例，只有 7%。

从 " 用上 AI" 到 " 用好 AI"，中间似乎还隔着一道鸿沟。

过去，企业讨论 AI，更多关注模型参数、推理能力、算力成本。

现在，越来越多的问题指向业务本身：

一个 Agent 能不能真正融入现有工作流？一套智能系统能不能改善业务指标？一个看起来很先进的 AI 方案，究竟能不能带来可持续的商业回报？

这种变化，也正在重新定义技术人才的价值。

一个很有代表性的现象，就是 FDE 的走红。

FDE，即 Forward Deployed Engineer，前线部署工程师。和传统意义上埋头开发的工程师不同，这类人才往往需要深入客户现场，理解实际业务，打通技术部署与应用交付之间的环节。

他们不仅需要懂模型、懂工程，还要能听懂客户的问题，理解业务流程中的复杂约束。

换句话说，企业需要的已经不只是把技术做出来的人，还有把技术真正用起来的人。

但 FDE 只是变化的一部分。

再向前看，当 AI 从辅助工具走向业务系统，技术落地还会涉及组织架构调整、资源配置、战略选择，甚至商业模式重构。

一个 AI 方案是否值得投资？一套新系统上线之后，原有岗位如何调整？人和 Agent 应该怎样协同？效率与安全、短期利润与长期竞争力之间，又应该如何平衡？

这些问题，不可能只靠更强的模型来回答。它们指向另一种复合能力：既能理解技术逻辑，又能洞察产业规律，还能够进行商业判断、推动组织变革。

这也是为什么，AI 时代的人才竞争，正在超出传统技术岗位的边界。

当技术能力越来越容易获得，理解真实问题、组织复杂资源、创造商业价值的能力，反而变得更加重要。

问题来了：这样的人才，应该如何培养？

AI 时代，商学院也要重新定义自己了

一个有趣的变化，正在交大安泰 MBA 的培养体系中发生。

2026 年 7 月 29 日，上海交通大学安泰经济与管理学院发布《AI 时代商科人才培养的安泰宣言》，系统回应了人工智能给商科教育带来的挑战。

其中一个值得关注的判断是：人始终是决策与责任的主体。

这不是一句简单的人机关系宣言。

当 AI 能够快速处理海量信息、输出专业分析，传统商学院教育中一部分以知识获取、案例分析和标准化求解为主的教学方式，也不可避免地面临冲击。

过去，掌握更多管理知识，往往意味着拥有更强的专业优势。

但今天，AI 可以在很短时间内提供一套看似完整的战略分析、财务模型或市场研究报告。

如果知识本身不再构成足够高的门槛，商学院究竟应该教什么？

交大安泰 MBA 给出的方向，是从传授知识和解题方法，进一步转向培养定义问题、独立思考、跨界整合和价值判断的能力。

这也与上海交通大学安泰经济与管理学院院长陈方若所推动的商科教育改革思路一脉相承：不再把教师仅仅定位为知识和解法的传授者，而是更加注重引导学生直面真实问题，在复杂情境中形成判断。

其实，交大安泰 MBA 并不是刚刚开始关注 AI。

早在 2020 年，学院就已开办人工智能 MBA 项目，探索 AI 与商业管理的交叉融合。

但到了 2026 年，改革显然不再局限于开设几门 AI 课程。

8 月 16 日，交大安泰 MBA 正式发布 " 智能时代五链人才 " 培养体系。

这套体系试图打通五种原本分散的资源和能力：

链接智能、链接科创、链接产业、链接世界、链接交大。

链接智能，让管理者理解人工智能的技术逻辑和应用边界；链接科创，推动前沿科技与创新创业结合；链接产业，让商业学习深入真实的企业场景；链接世界，拓展全球商业视野；链接交大，则是进一步发挥上海交通大学综合性研究型大学的跨学科优势。

背后有一个重要的培养逻辑变化：

未来的商业领袖，不能只在商学院里培养。

因为现实世界中的复杂问题，往往没有明确的学科边界。

智能制造的转型，需要同时理解工程技术、供应链和组织管理；AI 创业需要把产品开发、商业模式、资本资源与市场需求连接起来；企业出海则涉及全球市场、技术竞争、跨文化组织和经营决策。

如果培养人才的目标是解决这些问题，商学院就必须主动打破自己的边界。

而上海交大的工科、人工智能等学科积累，以及安泰长期形成的产业研究、科技金融和校友生态，恰恰为交大安泰 MBA 的这种跨界培养提供了基础。

十年共创 1000 个 AI 场景：不只是把 AI 带进课堂

理念之外，改革还需要找到具体的落点。

交大安泰 MBA 2026 年公布的一项计划，颇有 AI 产业界的味道：

百业千企 10 × 100 AI 场景共创计划。

按照规划，未来十年，交大安泰 MBA 将联合各行业企业，共同打造落地 1000 项专属 AI 实景课题。

这并不是 1000 道传统意义上的课堂练习题。

其核心设想，是让企业真实的业务难题成为人才培养的起点。

在传统商学院中，案例教学通常建立在已经发生的商业事件之上，学生需要分析企业当时为什么成功、为什么失败。

而在 AI 快速演进的环境里，许多问题还没有成熟答案。

一家制造企业如何重新设计 AI 驱动的生产流程？一个服务行业的 Agent 应该接管哪些环节？一家科技创业公司如何从技术原型走向商业化？

企业也许正在为这些问题寻找解决路径。

如果让这些尚未解决的真实问题进入课堂，学生就不再只是事后分析者，而有机会成为问题解决过程的参与者。

为支撑这一模式，上海交通大学还联合相关行业组织、研究机构及学院，发起成立 AI 时代商科人才培养联盟，推动课程、场景、产业资源与人才培养机制的协同。

而从规划走向实践，交大安泰 MBA 已经有了新的进展。

今年 9 月 6 日，交大安泰 MBA 公布百业千企首批 AI 场景清单及共建生态伙伴，并与 AI 开源学习社区 Datawhale 达成战略合作，同步启动 FDE 人才专精培育计划，发布 "AI+X" 实训课程及 FDE 精选课程。

这些举措将进一步把企业需求、技术能力、实践案例与交大安泰 MBA 课程连接起来。

尤其值得注意的是，交大安泰 MBA 这套培养体系重点提出了三种实战能力：

AI4O、FDE 和 OPC。

AI4O，即 AI for Operations，强调利用 AI 理解和优化企业运营，让技术真正转化为运营效率与业务价值。

FDE 关注工程落地，需要能够深入产业现场，把业务问题转化为可交付、可验证的 AI 解决方案。

OPC，即 One Person Company，则指向 AI 赋能下的新型创业与经营方式，强调从产品、市场到运营的全栈经营能力。

三者关注的场景不同，却指向一个共同的问题：

AI 技术如何真正创造价值？

从企业运营，到工程部署，再到创业经营，新的商业人才需要面对的，已经不再只是传统职能分工中的单一任务。

这也解释了为什么交大安泰 MBA 的改革，要把课堂延伸至产业一线、科创园区、研发基地和实验室。

毕竟，理解一个模型的运行机制，与推动一个 AI 项目在真实企业中落地，是两种不同的挑战。

真正的能力形成，需要在产业现场接受检验。

一场从培养目标到课程机制的系统升级

当然，商学院要真正适应 AI 时代，仅靠几个新概念或新增几门课程远远不够。

培养方式本身也需要改变。

在这轮改革中，交大安泰 MBA 同步推出了一系列面向 2027 级的培养调整。

其中包括：学制统一调整为 2 年，实施 40 — 50 学分弹性学分制，实践课程占比不低于总课时的四分之一。

在教学安排上，交大安泰 MBA 非全日制项目采用周末课堂模式；全日制 CLGO 项目则采用中文授课、每月集中 4 — 5 天的方式。

这些变化背后，是对职业发展节奏、学习需求与产业实践之间关系的重新思考。

对于已经身处产业一线的管理者来说，最迫切的需求，未必是暂时离开商业现场，集中接受一套相对固定的知识训练。

他们更需要把正在经历的产业问题带入课堂，再将课堂中的新方法带回工作和实践中。

与此同时，交大安泰 MBA 继续围绕不同职业发展需求设置培养方向。

人工智能 MBA 更关注 AI 与商业管理融合，科技金融 MBA 连接科技创新与金融资源，CLGO 强调工程与运营管理的跨学科培养，IMBA 则聚焦全球商业视野和国际化管理能力。

不同方向之上，共享的则是交大安泰 MBA 不断拓展的智能、科创、产业和全球资源生态。

从这个角度看，学制、学分和课程改革，并不只是教学制度的变化。

更深层次的变化在于：MBA 教育正在尝试从相对固定的知识传授，转向面向真实产业需求的持续能力建设。

而判断这种改革是否成功，最终仍然要回到产业现场。

学员是否能够识别值得解决的业务问题？能否让跨专业团队形成有效协作？能否把技术方案转化成真实商业成果？

这些能力，不会因为听过一门课就自动形成。

它们必须在一次次实践、判断和复盘中被锤炼。

这也意味着，商学院既需要理解最新的技术变化，更需要持续获得产业的反馈。

AI 时代，真正稀缺的可能是 " 定义问题的人 "

回到最初的问题。

AI 越来越强，未来的商业领袖还需要做什么？

或许，可以从交大安泰 MBA 那场 AI 战略实战坊中找到一部分答案。

当模型已经能够分析复杂数据、比较大量方案时，人真正需要做的，是识别业务目标，理解不同决策的代价，并在不确定性中作出选择。

更关键的是，让这些选择被组织接受、执行，并最终产生结果。

技术能力决定企业可以做什么，而商业判断决定企业应该做什么。

今天，我们看到 AI 正在降低代码开发、内容生产、产品设计乃至创业的门槛。

但低门槛不等于低复杂度。

当越来越多的人能够借助 AI 拥有过去需要一个团队才能完成的生产能力，理解需求、组织协作、建立信任、承担责任的价值，反而会变得更加突出。

对技术人才而言，未来的职业进阶，也许不只是从工程师走向更资深的工程师，还包括从解决技术问题走向定义业务问题，从管理一个项目走向统筹一个产业场景。

对商业管理者而言，AI 也不再是一门可以交给技术部门负责的选修课，而正在成为理解未来企业运作方式的基本能力。

这正是交大安泰 MBA 这轮培养改革所回应的时代命题。

从 AI 宣言到五链人才培养体系，从百业千企场景共创到 AI+X 实践课程，再到学制、学分和培养机制的系统调整，交大安泰 MBA 正在尝试回答一个更长远的问题：

当技术不断进化，商学院应该为未来培养什么样的人？

答案并不是让所有管理者都成为算法专家，也不是让每个人都追逐最新的 AI 工具。

而是培养一批既理解科技创新、又扎根真实产业，既拥有全球视野、又能够作出独立判断的复合型商业领袖。

AI 可以提供越来越多的答案。

但决定应该提出什么问题、选择什么方向，以及为最终结果负责的，依然是人。

或许，这才是 AI 时代商业教育真正需要守住、也最值得重新定义的核心价值。

* 本文系量子位获授权刊载，观点仅为原作者所有。

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见