企业AI落地的现实困境

我用一个小时与某企业高管交流了他们的AI项目情况。这场对话简直是AI实施过程中的典型反面教材，展示了诸多不应出现的做法。更为严峻的是，这是一家上市企业，本应承担得起AI项目可能引发的声誉损失、监管合规等风险。 自那次沟通后，我又与另一位管理者进行了交谈，他表达了与其所在机构AI推进过程中相似的忧虑。不过，这次交流更清晰地凸显出当前众多企业在AI落地时遭遇的"最后一步"难题。 最近我还出席了一家软件服务商的会议，会上一位高管对企业部署AI的正确与错误路径提出了诸多警告。他深入讲解了测试流程、合规要求、安全保障、数据治理及其他关联议题。 当下形势表明，对AI的狂热追捧必须转向更为审慎、精细和开放的AI运用模式。然而在此之前，我们或将目睹部分企业在AI推广中遭遇挫折，有的甚至面临近乎灾难性的后果。商业AI市场正酝酿着一轮调整。那么，这场调整将以何种形式展开呢？ 案例分析#1——如何规避AI开发陷阱 以下是某企业AI探索过程中的关键节点： 全体职员都被强制要求在日常工作中运用AI，开发提示词，构建AI助手，并向高级管理层提交潜在AI应用场景清单。违反规定绝不允许。 企业硬性要求全体员工创建AI应用，尽管他们均未接受过AI或应用开发相关培训。 管理层漠视员工关切：AI发展。部分员工居住地正在兴建大型AI数据中心。这些员工的用电费用开始攀升，进而推高生活开支，对其生活质量产生不利影响。同样，由于数据中心落户其所在城市，员工也可能担忧水源供给及品质问题。该雇主始终未明确其AI供应商应满足的可持续发展标准，以及企业自身将采取何种措施最大程度降低对环境的冲击。 企业未为可能因AI而面临失业风险的员工制定有效的技能转型方案。员工难以理解，在企业未为其规划新的职业路径时，为何要用AI替代他们现有工作。 员工似乎正在与消费级LLM（AI工具）分享公司敏感信息或个人身份数据（PII）。目前无人知晓哪些数据、多少数据已泄露给公共AI工具，也不清楚这将带来哪些长远影响。 现阶段缺乏审查机制来确保AI应用/助手/工具具备充分完整的管控措施、防护机制和人工监督。 AI驱动的交易处理功能缺失审计追踪记录。 不存在任何项目开发标准（例如，没有指导委员会，没有投资回报分析或商业论证文件，没有测试方案，没有大规模测试等）。 员工正在将未经验证的应用投入生产环境。 以上内容并非最佳实践指南。这只是一例，还是其他企业会效仿？ 案例分析#2——情况更加严峻 第二位管理者（来自不同企业）也表达了诸多与前述相同的担忧。他的观点更多聚焦于"最后一步"难题。具体而言，这位管理者指出： 他还必须开发AI工具来提升个人及部门工作效率。 他报名参加了Python编程课程来编写代码（对他而言是全新体验）。 他近期开发的AI工具将有助于更好地管理生产订单和进度规划。 遗憾的是，他无法从内部IT部门获得任何协助，将这个AI工具（通过Grok构建）连接到他们定制的ERP系统。 更糟糕的是，该企业其他非IT人员无法将他们的AI项目连接到生产系统。这家企业根本无法完成"最后一步"。 这或许反而是件好事，因为用户创建的AI工具未经测试（单元测试、字符串测试、大容量测试或其他测试周期），未集成到合适系统中，也缺乏必要的防护措施、控制机制等等。这可能是少数几个问题重重的企业反而因此避免了重大潜在风险的案例之一。 "最后一步"难题并非新现象。早期互联网应用举步维艰，因为用户在非工作时间往往无法连接网络。用户必须接入固定电话线，使用调制解调器拨号连接服务器，然后忍受极其缓慢的传输速度（例如，200 bps）。许多无法接入有线电视的家庭不得不等待多年才能使用卫星电视，即便如此，卫星电视的价格仍然相当昂贵。科技领域充斥着这样的案例：一种新的解决方案类别未能完全普及，原因在于"完整产品"并不完善。如果解决方案缺少关键步骤、参与者或其他组件，那么市场接受度就会受到影响。 这些交流显示，企业尚未购置或组装完整的AI产品供员工使用。如果我要组装一辆汽车，我需要所有零件，否则我得到的就只是一个庞大、笨重、无法移动的工程项目遗留物。 到底是怎么回事？ 这些事件表明可能存在一个或多个问题。这些问题可能包括： 快速的代码生成并不意味着实施过程也会更快。AI技术可以帮助快速创建软件代码，但并非开发和应用部署的每个步骤都能带来同等的时间、人力和成本方面的改善。因此，企业必须确保AI项目与传统IT项目一样，受到同等的监管（例如，测试、管理评审、规划等）。 把强大的工具交给未经训练的人并不意味着就能取得卓越的成果。我不会把一级方程式赛车交给一个十岁的孩子，因为他们缺乏驾驶的训练、视角和其他知识。为什么任何企业会认为非程序员就能成为优秀的AI开发人员呢？这不合逻辑。 假设新技术会像旧技术一样运作并不一定正确。AI给代码世界带来了新的问题：幻觉、概率性结果等等，所有这些以及更多内容都需要以全面彻底的方式进行处理。 并非所有公民AI开发者都一样。有些人或许能做出卓越的成果，而有些人则不然。虽然我支持技术民主化，但并非所有公民开发的AI解决方案都优秀或值得信赖。例如，如果我需要一位心脏外科医生，我会选择经验最丰富、技术最精湛的医生。我不会选择那些仅仅在YouTube上看过一些AI课程的人。总而言之，最优秀的AI开发者应该是专家或专业人士，而不是那些兼职或业余时间从事AI编程的会计师。有趣的是，我的客户在IT项目人员的简历上也格外谨慎。如果客户希望他们的项目拥有最优秀、最聪明的人才，那么AI项目难道不应该也如此吗？ 忽视过去几十年成功推出IT项目的经验，可能无法带来理想的结果。变更管理、文档编写、培训、测试等所有工作的存在都有其原因，而AI并没有消除这些原因（或者说完全消除它们）。 精确性正逐渐被"差不多就行"的理念所取代。"差不多就行"适用于某些AI应用，例如会议安排、内部文档摘要以及一些建模/预测工作。但对于涉及监管、税务、合规、会计和其他问题的事务，这种理念就行不通了。忽视这一点的企业最终会登上新闻头条。一些律师事务所因为依赖AI提供相关案例引用而遭到公开羞辱和/或受到制裁。不幸的是，这些案例引用只是AI的臆想。在某些情况下，完全依赖AI而忽略人为干预可能是不恰当的。 两位受访者都没有深入探讨这些AI"解决方案"的长尾效应。长尾效应指的是，初始软件购置成本往往远低于后续的长期支持成本，例如补丁、升级、重新测试等。这是一个典型的长尾效应案例。 如果贵公司正在开发多款AI工具，请务必确保能够回答以下问题： 如果原开发人员离开公司、升职或调任到公司非常偏远或不同的部门，谁来支持AI解决方案？ 如果解决方案使用了第三方LLM或其他AI工具，那么谁负责升级受影响应用程序中的AI解决方案、进行必要的回归测试等？ 如果其他应用程序连接到用户开发的工具，那么维护、升级和重新测试任何集成的责任应该由谁承担？ 随着这些AI应用/助手等的老化，谁来负责替换、改造和/或升级它们？公司又该如何避免背负更多技术债务？ 用于集成、测试、保护和维护这些AI生成工具的IT预算和人员配备在哪里？ 变革管理对于IT项目来说至关重要，但一些企业在AI项目中却忽视甚至跳过变革管理，这令人担忧。最大的变革挑战甚至并非技术层面，而是与部分员工的个人生活息息相关。关键的变革挑战似乎在于未能妥善处理那些工作职责将发生重大改变或工作岗位将被彻底取消的员工的长期职业发展/就业影响。如果AI项目负责人没有积极主动地与受AI新功能影响的员工沟通这些就业和职业发展方面的担忧，那么他们就是失职。如果AI夺走了某些人的生计，他们当然会感到不满。因此，几乎所有AI项目都应该包含全面的变革计划。 董事会将如何看待这些企业 如果我是这些企业的董事会成员，我会有很多疑问和担忧： 如果这些AI实施方案的规划和结构都如此糟糕，那么整个管理团队难道不应该全部更换吗？你还能指望这些"领导者"真正把任何大型变革项目做好吗？反正我是不信。各位，现在都2026年了，哪个经理人不知道变革项目工作的基本知识（比如指导委员会、商业案例、项目管理办公室、变革管理等等）？这种专业失职有什么借口可言吗？ 是否存在一些正在进行的AI开发项目应该暂停，直到所有已提出和已启动的项目都根据其预期经济效益、风险状况以及这些风险的缓解措施进行排名和优先排序？这些项目需要哪些长期支持、集成、人员配备等方面的成本？ 当然，董事会成员都希望看到企业提高生产力、效率和竞争力。但没有哪个董事会成员会容忍企业出现以下情况： 承担不必要的/无保护的风险。 挥霍资金，缺乏财务纪律。 损害其声誉。 我的观点 这些企业在规划、预算、变革管理等方面的缺失，堪比管理层/高管的渎职。我听到的所有做法都达不到最佳实践的标准。如果说有什么例子的话，那就是这些企业恰恰体现了以AI变革项目之名所不应做的事情。最根本的问题是企业高管严重缺乏领导力。没有人对结果、价值实现、变革、员工职业发展、项目管理等负责。 重大变革很少会凭空发生。高管们或许希望AI能够彻底取代他们的工作，但他们必须付出努力才能实现这一目标。正如我们在德克萨斯州常说的："想要和得到是两回事"。要求员工自愿帮助培训外包人员或AI来取代他们的工作，从来都不利于士气、企业文化、员工留任等等。我实在不明白为什么高管们现在会认为这是一个好主意。任何稍有同理心的人都能看出这有多么具有分裂性和问题重重。 在收购和外包交易中，提供留任津贴一直是留住人才的关键手段——为什么现在企业要求员工通过AI帮助他们裁员时，却不采用这种手段了呢？ 缺乏商业案例、投资回报率计算等令人担忧。近期研究发现，大量AI项目几乎没有或根本没有可衡量的投资回报。这表明，其中许多项目要么是实验/试点项目；要么设计粗糙；要么根本就不应该启动。从IT项目中汲取的经验教训，以及过去几十年行之有效的方法、实践等，对AI项目仍然适用。使用AI并不意味着其输出结果100%正确、没有偏见、没有虚假信息、内置安全保障等等。并非如此。即使项目使用了生成式/算法式/智能体AI工具，人为监督也不会消失。欺诈、渎职和不准确是无法避免的。企业需要为其AI项目制定总体规划和商业案例。即使在AI时代，时间、人员、预算等限制依然存在，每个项目都必须满足特定的财务、时间安排和人员配备要求。案例分析中的一家企业对AI开发项目缺乏重视。公民AI工具制造欺诈交易、生成虚假求职者以及其他不良威胁，已经给他们带来了显而易见的财务和声誉风险。为什么阻止这些威胁没有成为优先事项？ 最后我想说的是，市场回调早就该发生了。过去几年，市场对算法、智能体和生成式AI工具的热情高涨，各地的企业高管都希望推动企业开展AI项目。这种愿望可以理解，但这并不意味着企业应该抛弃常识。 AI这朵玫瑰的芬芳很快就会褪去。调整势在必行。新技术出现后，调整总是会发生的。随着调整的到来，企业将会停止那些风险较高、考虑不周的AI项目。随着现实世界资源限制问题日益受到关注，优先级排序将变得至关重要。IT部门希望在AI领域拥有更大的话语权，因为这很可能成为他们的痛点和工作