人工智能实施策略：从技术优先的试点到战略优先的执行

大多数人工智能行动方案之所以失败，并非因为技术不起作用，而是因为组织并不清楚自己真正试图解决的是什么问题。

根据麻省理工学院研究《2025年商业中的人工智能现状》¹，大多数组织至少已实施了一些人工智能试点，但许多组织仍提到人工智能行动方案的影响较低以及没有可衡量的回报。

尽管人工智能革命带来了诸多承诺，我们仍需要一种传统且可靠的、以价值为基础的方法，以确保我们所做的一切能够为利益相关者带来成果。

战略制定者对人工智能行动方案的看法

正如通常在一项崭新耀眼的技术出现时所发生的那样，只需在 LinkedIn 个人资料上更改一句标语，“专家”就诞生了。人工智能也不例外。在如此多的专家以及如此多泛泛而谈的人工智能生成内容之下，为什么你应该考虑我的视角？

我在 2000 年就开始尝试人工智能，那时我还在上大学预科，尝试用神经网络解决手写识别问题。赢得一些青少年竞赛固然令人欣喜，但当时神经网络的发展受限于算力。后来，我的兴趣领域转向 IT 科学、应用数学、物理学，继而转向更偏商业的学科，例如绩效衡量与战略规划。人工智能从来不是我的核心专长（不过，我仍然喜欢在链式函数、梯度、人工智能反向传播与组织的学习能力之间做一些类比）。

今天，我从战略制定者的视角来审视人工智能，并具备一定的应用数学背景。LLM 作为一项技术令人惊叹，但从战略规划的视角来看，我更把它们视为一个复杂的数字化转型项目，而不是一个能创造奇迹的行动方案。

我确实会帮助组织推进他们的人工智能行动方案，但我采用的是战略优先的方法，而非技术优先。我们通常会大量讨论利益相关者、他们的需求、他们的战略意图、组织愿景如何被转化为长期目标、这些目标如何被分解为具体目标，以及我们如何用 KPI指标 使其更加具体且无歧义。

人工智能只是拼图的一部分，可能适配，也可能不适配这项战略将如何被执行。

不知为何，我所做的事情与将清晰度引入人工智能领域的整体需求相契合，因此我也会通过会议演讲分享我的观点。2026 年，我将在慕尼黑分享“人工智能实施战略”，随后在 5 月于维也纳分享“衡量对人工智能的信任”。

在实施人工智能之前——先做好战略功课

上述 MIT 报告证实了一个简单的事实：

实施人工智能容易——用人工智能创造价值很难。

战略制定者对此的观点很明确：在考虑任何变革行动方案之前，请确保你的战略已经正确级联并监控。没有这些基础，我认为推进任何转型行动方案都不可行。

实施人工智能是一个很好的理由，让我们回归基础（利益相关者的需求），并反思人工智能可能带来的各种可能性。

从边界条件的角度思考：如果与人工智能实施相关的一切可能障碍（技术、架构、合规、法律、人员等）都被解决了，你的组织会是什么样子？！

战略执行的一种定义是在实践中验证假设。作为人工智能功课的一部分，提出这些假设是一个好主意。稍微试用一下技术，做一些原型，以便了解在实施、能力差距以及用户期望方面可能存在的陷阱。

让我们讨论一些原则，以便在为利益相关者创造可衡量的价值方面，使人工智能的实施更为成功。

原则1：直面真实挑战——了解利益相关者的需求

以技术为先与以战略为先的实施有何区别？在以战略为先的实施中，你始终从业务情境出发。你了解你的利益相关者及其需求、你的高层目标与具体目标，并尝试理解新技术将如何帮助你更有效地执行这些目标——尤其是，它将如何影响你正在跟踪的指标。

这会让关注点聚焦于真正重要的事项，而不是仅仅把玩技术。

适合采用人工智能实施的良好目标候选项包括：

• 成本指标
• 时间指标
• 复杂度指标（作为成本、时间与圈复杂度的派生指标）
• 质量指标（错误率、问题复发比例）
• 人才指标（流失率高的领域）

再次强调初始战略分解的重要性：不应是“我们将转型为以人工智能为先的组织”。你应当有希望解决的具体挑战，并有相应的利益相关者作为支撑，同时在执行层面具备明确的责任归属。这种方法与我们在软件开发中采用的敏捷原则高度契合。

如果你坚持要重塑组织并以人工智能为先，请务必从战略、利益相关者及其需求入手！

原则 2. 为长期做好准备——尽早思考架构

我提到过，我将人工智能视为另一场数字化转型，一项变革行动方案。但这项变革行动方案显然比例如实施 CRM 更为复杂。

在这个意义上，规划人工智能架构至关重要。请考虑：

• 如何维护上下文与提示词；
• 如何将人工智能连接到现有的业务环境；
• 准备好编排多个人工智能工具；
• 准备从零开始重新设计某些工作流程。

例如，设想你使用人工智能通过聊天机器人来回应用户的问题。你所选择的架构将由如下问题来界定：

• 学习闭环将如何运作？
• 是否会有人类监督？将如何实施？
• 将如何引入纠正措施？
• 人工智能是否能访问与同一用户此前的对话？
• 人工智能是否能够直接从 CRM 获取数据？
• 将实施哪些安全机制？

人工智能学习、记住上下文并持续改进的能力，将成为其随时间推移的采用率的关键驱动因素。请确保你为人工智能实施所选择的架构能够支持这些学习需求。

原则 3：让质量与合规对利益相关者更具意义

人工智能触及组织中过多的敏感点——访问客户数据、使用第三方工具、支持决策制定、与用户沟通，以及为可能的审计保留数据。

当人工智能实施达到一定规模时，质量与合规控制必不可少。

我们正在进入 GRC 领域，但再次强调，这并不是关于人工智能本身。而是关于你的战略、人工智能给战略带来的风险，以及我们如何预防并缓解这些风险。

我们经常听到，人工智能实施应当具备：

• 人类在环，
• 审计跟踪，
• 可解释性，
• …

实践中缺失的是这些理念与利益相关者真正关心之事之间的连接。

我认为 领结风险分析 方法非常适合承担这一角色。围绕一个核心风险事件开展分析，界定威胁及其相应的预防控制，同时界定该风险事件的后果及其相应的缓解控制。

我们在 OOP 上展示的“医疗质量控制中的人工智能实施”案例中讨论了此类分析的一个示例²。在该案例中，核心风险事件表述为：“未经适当的人类复核即批准经人工智能验证的结果。”

通过风险预防与风险缓解控制，我们将人工智能实施与利益相关者对质量与合规的关切进行了战略对齐。若将这一理念扩展，同样的控制将有助于构建全面的人工智能治理框架。当在整个组织范围内扩展这一方法时，同样的控制可用于建立全面的 人工智能治理框架。

执行摘要：将人工智能从技术转向战略

遵循以下原则，以战略优先的方式实施人工智能：

• 将实施聚焦于特定利益相关者需求；理想情况下，应明确界定实际结果与预期结果的量化方式。
• 人工智能实施是一个复杂的学习系统，而非一次性连接到某个大语言模型的 API——应据此规划相应的架构。
• 建立质量与合规控制，并将其传达给利益相关者；这将决定未来对人工智能实施的接受度。蝴蝶结方法已被证明是实现该目的的有效工具。

战略优先的方法还要求在上线后持续监督。了解人工智能实施监督原则，以将战略意图与治理、质量控制以及可衡量的成果相连接。

Alexis Savkín

Alexis Savkin 是一位战略架构师，也是 BSC Designer 的创始人；BSC Designer 是一个以平衡记分卡为核心的战略执行软件平台。他帮助组织将战略转化为可衡量的目标、关键绩效指标以及举措。Alexis 是 战略执行画布 的创建者，撰写了 100+ 篇关于战略与绩效衡量的文章，并且是 常驻演讲者。