作者： 李开复

很多企业的AI 评估体系， 本身就在鼓励「表面成功」。如果资讯长的KPI 还停留在AI 代理部署数量和使用率上，这种评估标准上的错误会系统性地产出看起来成功、实际上没有价值的结果。专案做完了，也许报告写得漂亮， 可在下一次财报电话会议上，不会有业绩的真实成长。

这一切的背后有三个错误，且它们总是同时出现，认清它们才是找到出路的前提。

错误一：把AI 转型全权交给资讯长

第一个错误，是主导AI转型的人，从一开始就选错了。

最近几年我和很多传统企业的执行长聊AI 转型，其中八成的对话几乎像套用了同一个剧本。

我问：「AI 这件事这么重要，你们是在认真推进AI 转型吗？」

对方答：「当然，我已经把这件事交给我们的资讯长，让他全权负责。」

我说：「这件事，恐怕得由您亲自负责。AI 转型不是让资讯长采购一套软体回来就行，也不是让各个部门各自提报需求，再由资讯长居中协调外包，最后部署一堆AI 代理就算数。」

对方通常会愣一下。

我接著问：「您给资讯长订的KPI，是什么？」

对方想了想：「嗯⋯⋯做出几个能用的AI 代理，先提升使用率。」

我再追问一句：「那ROI（Return on Investment，投资报酬率）呢？」

这时候，对话往往就卡住了。

然后我会讲一句很直接的话：「AI 转型，是用AI 去优化企业的流程、提升营运效率、促进营收和利润的成长，是去改善财报表现，您给资讯长定的那个KPI，能达到这个目标吗？」

这样说不是在贬低资讯长，而是现行模式本身就存在问题，可以分几层拆解。

第一层是职能错配。一个称职的资讯长，他关注的是系统稳定、资料安全、不出错。然而，AI 转型是一项要冒风险、改变企业命运的工作。让一个以求稳为天职的人，去主导重大变革，是职能上的错配。

第二层是权力越界。真正能改善财报表现的AI 场景都需要跨越职能边界——重构采购流程要动供应链，重构客服体系要动产品，重构定价要动财务。然而，资讯长的权限止于IT 系统，他难以推动核心业务流程的重构。这些跨职能的场景才是AI 转型的核心战场。

第三层是技术能力不足。即便资讯长全力以赴，也很难从头建立新一代的技术架构（我们后面会深入探讨），这超出了内部IT 团队的能力范围。但也不是资讯长失职，而是因为这件事本身就是高难度、创新且跨领域的。

我想强调一下，虽然本书对「把AI 转型全权交给资讯长」这件事批评得很重，但请别误会，我批评的不是资讯长的职能和能力，而是一种错误的责任分配。

让资讯长主导AI 转型，是把一件需要跨越所有部门边界、执行长才推得动的事，压在了一个权限止于IT 系统的人肩上。

在这场转型里，一个懂业务、懂资料，又冷静可靠的资讯长，是执行长最不可或缺的盟友之一。他的定位应该是和AI 长（Chief Artifical Intelligence Officer, CAIO）、业务负责人并肩，为执行长和企业提供技术判断和系统架构。我主张的是把资讯长从他被推到的错误火线上，放回他原本的位置。

错误二：采用由下而上的转型方式

第二个错误，采用由下而上的转型方式。

我遇到的剧本总是一模一样的：资讯长先把模型架构铺好，选模型、接API、搭平台，然后向一个个部门询问需求。市场部要一个写文案的工具，财务部要一个做报表的助手，客服部要一个自动回复的机器人，人资部要一个过滤履历的系统。IT 部门像一个内部供应商，开始有针对性地自行研发或者对外采购。计划书写得很详细，「转型」路线图也画得很漂亮，看起来一切都在有条不紊地推进。

这对企业而言是一件有意义的事，它能让员工「学会用AI」，把整体效率的下限抬高一点点。不过，从各部门的「愿望清单」里拼出来的路线图最后只会催生一堆零散的工具——有用，但不会带来根本性的改变。

原因很清楚，真正能改善财报表现的场景不在某一个部门的内部，而在那些跨部门、贯穿核心价值链的决策里， 不属于任何一个部门。市场部不会提出一个需要财务部和供应链深度配合的AI 专案，因为那不是他们的地盘；风控部不会主动发起一个涉及产品设计的AI 优化专案，因为那超出了他们的职权范围。由下而上的机制，先天就无法触及最有价值的场景。

这种跨部门的特点也带来了中阶主管的隐性抵抗。中阶主管不会公开拒绝一个执行长支持的专案，但他们可能暗中抗拒，如不肯交出真实的流程、不提供干净的资料，或在各种业务层面应付了事。

这种现象背后的动机很多，如怕做错了要承担责任， 索性能拖就拖。有的人心里很清楚，这套AI 系统一旦落地，自己的团队可能被缩编，对于中阶主管来说，团队规模是自己权力范围和等级的象征。部分中阶主管也会担心自己不懂AI，害怕被淘汰或者边缘化，认为自己的话语权会跟著缩水。在这种氛围下，哪怕专案已经启动，也很难做出真正的成果来，因为组织没有真正形成共识。

麻省理工学院NANDA 计划发表的《生成式AI 鸿沟： 2025 年商业人工智慧现状报告》（The GenAI Divide: STATE OF AI IN BUSINESS 2025）对这个现象提供了一个量化的注脚：对于AI 转型而言，内部自建的成功部署率约为33%， 大约是外部战略合作路线的一半。这意味著在企业内部推动转型的困难很大。

这里有一个很贴切的词， 叫作口袋否决（Pocket Veto）。它描述的是一种隐蔽的否定方式：负责人表面点头，在会议上同意，散会之后把任务塞进口袋，让它在日常事务的洪流里消失。这种否定方式不会留下可以究责的痕迹，因为没有人明确说过「不」。

由下而上的推进机制是口袋否决的最佳土壤：每一个中阶主管都有能力让一件对自己不利的事情慢慢熄火。

口袋否决之所以难以被辨识，是因为它很容易被伪装成执行难度高所导致的结果。专案卡住了，上报的理由往往是「资料不够干净」、「流程比想像中复杂」、「试点期间资源调度有困难」。虽然这些均是真实存在的挑战，但其背后更多的是由激励机制缺失催生的组织惰性。

由下而上的另一个问题是制造一种虚假的推进感。规划在推进、试点在进行、报告在产出、会议在开，虽然无法改善财报表现，但这种虚假的推进感会消耗大量的时间、资源和管理注意力，而等管理者意识到方向不对时，可能已经错过了宝贵的时机。

错误三：被一大堆SaaS AI 代理晃花了眼

几乎每一家传统企业都被一大堆SaaS AI 代理晃花了眼。

这两年，市面上几乎每一家软体供应商都在向企业推介各种AI 代理——无论是专注于客服、人资、CRM 还是财务方面的，都有很多花俏的功能。资讯长带著团队认真地看他们演示，花时间评估选型，结果是一年下来累积了十几个互不相通的垂直领域AI 代理：会议纪录自动整理、合约初稿生成、报表自动汇总等工具一应俱全。它们每一个单独拿出来都还不错，但没有任何一个能同时整合财务、供应链、销售和客服资料，且在它们之间穿针引线、为全体判断提供参考。

忙了整整一年，看上去到处都在用AI，企业层面却没什么改变，因为这些软体供应商只能递来一堆智慧碎片。软体供应商急著向企业推销AI 代理，主要原因是他们自己也面临著一次商业模式的大洗牌，「卖席位」（Seat-based Pricing）的旧逻辑正让位给「按成果付费」的新逻辑，每一家软体供应商都得重新定义自己。

过去几十年，软体业靠的是「卖席位」——按人头、按帐号每月或每年收取订阅费。然而，AI 正在颠覆这套逻辑，推动整个产业转向「按成果付费」的商业模式。客户要买的是直接交付的成果。布雷特．泰勒（Bret Taylor）创立的AI 新创公司Sierra 是在这一转变中最早的成功案例之一： 它的客服AI 代理直接按「成功解决一次问题」来收费，靠这套方法，Sierra 大约两年就实现了1 亿美元的年化营收。

微软执行长萨帝亚．纳德拉（Satya Nadella）对SaaS 的判断是：未来的业务逻辑，会从应用层面上移到AI 层面，而底层那些SaaS 会逐渐平价化。

面对这样的冲击，传统SaaS 软体供应商的应对策略表面上是创新，本质上是防守：给每一款产品都加一个AI 代理功能，从而保住订阅费这一收入来源。

不过，这条路走不远，因为每一个这样的AI 代理都只能看见自身系统的数据，无法跨越边界完成跨部门任务。一个只看得见CRM 资料的销售AI 代理，无法判断一张订单对供应链的影响；人资AI 代理看不见财务预算情况；客服AI 代理看不见产品未来的路线图。十个碎片叠加在一起， 依然是十个碎片。

管理者应该认真审视自己的企业并思考一个问题：在我的业务里，哪一部分其实只是在「搬运资讯」？真正的预算，要用在能贯通全局的AI 系统上。否则，企业的AI 投入只是在帮SaaS 软体供应商续命，而不是在帮自己转型。

摘自天下文化《AI未来已来：变革巨浪中的CEO、企业、个人转型战略》

作者：李开复

生于台湾，长于美国，以最高荣誉毕业于哥伦比亚大学，并于1988年获卡内基美隆大学电脑科学博士学位。曾任Google全球副总裁兼大中华区总裁，并在微软及苹果担任要职。现任零一万物创办人兼执行长、创新工场董事长。

曾担任美国百人会副会长、世界经济论坛第四次工业革命中心人工智慧委员会联席主席，同时也是香港城市大学荣誉博士、卡内基美隆大学荣誉商业管理博士，以及美国电气电子工程协会院士。于2013年获选为《时代》杂志全球百大影响力人物，2018年获《连线》杂志选为本世纪推动科技的全球25位标竿人物，2023年荣登《时代》杂志全球百大AI影响力人物。

是最受年轻人欢迎的创业家、青年导师与畅销书作家。著有《AI 2041》、《AI新世界》、《人工智慧来了》、《李开复给青年的12封信》、《我修的死亡学分》等书。