與我交流過的許多企業領導者，都在努力推動AI突破試點階段，他們陷入了試點的困境。阻礙他們前進的并非缺乏雄心壯志，而是缺乏清晰的方向。在哪里構建、在哪里采購，以及如何構建可擴展的團隊結構，這些問題造成了企業層面的僵局。在我領導數字化轉型工作的親身經歷中，我也曾面臨同樣的挑戰。我發現，打破這一循環的并非炒作或愿景，而是一種務實、專注的方法。

AI要有效，不一定非得復雜，但它確實需要結構、優先級排序，以及重新思考工作方式的意愿。

以下是我的一些思考。

采購還是自建：從理念出發，而非依賴電子表格

早期，我聽到我所在圈子里的IT領導者試圖通過比較供應商平臺和內部模型的成本與性能，來證明AI投資的合理性，但我很快意識到，沒有任何一張電子表格能夠全面反映其中更廣泛的權衡。速度至關重要?？蓴U展性、可維護性以及持續改進你所構建內容的能力也同樣重要。

隨著時間的推移，我總結出了一條通用經驗法則：目標是采購約80%所需的能力，并自行構建剩余的20%。有些企業可能會將比例調整為更接近70/30，但核心思想不變：不要重復造輪子。

有證據支持這一觀點。在2025年7月的摩根士丹利AI應用者調查中，分析師報告稱，AI已經在金融服務、消費品和房地產等行業帶來了實實在在的回報——其中許多行業都受益于具備嵌入式智能的現成工具。這一市場現實也反映在供應商格局上：企業軟件平臺正在以驚人的速度發展。供應商正將大量AI能力直接嵌入到他們的產品中。Gartner咨詢公司預測，到2026年，超過80%的軟件供應商將在企業應用中嵌入GenAI，而2024年2月這一比例僅為1%。

這就是為什么我發現，將企業軟件平臺作為基礎，然后確定真正需要定制開發的部分，要有效得多。這使內部團隊能夠專注于高價值的應用場景，而不是重復開發已有的功能。

當然，現成的解決方案并不能覆蓋所有場景。在某些情況下，比如跨平臺整合數據和工作流程，自主式AI或內部開發對于填補集成缺口至關重要。這并非是要在兩種方法中做出選擇，而是要知道在何時采用何種方法更為合適。

聚焦問題，而非項目

AI不是戰略，業務才是戰略，這是我在目睹了太多概念驗證因未能直接關聯到重要成果而無法推廣后所吸取的教訓。

為了取得進展，最好將討論從AI作為一種技術，轉向AI作為解決實際業務問題的工具。這首先要傾聽——真正傾聽——客戶、一線員工和合作伙伴的體驗。

8月，我參加了CIO 100活動，艾利丹尼森公司因我們的AI項目“Program Loop”而獲獎。在那里，我有機會與其他IT領導者交流了他們在選擇AI機遇時的做法。一個共同的主題是通過與職能領導者舉辦研討會，從客戶的角度找出痛點。然后，幾位領導者描述了如何召集跨職能團隊來權衡潛在的解決方案。

最讓我印象深刻的是優先級排序方法的簡單性。一種方法是從三個維度對機遇進行評估：業務影響、工作量和緊迫性——每個維度都采用簡單的高、中、低等級劃分。當你將這些評級繪制成圖表時，那些影響大、緊迫性高但工作量小的機遇自然會脫穎而出。這些就成為了理所當然的首要關注領域，而這種清晰性有助于早期形成發展勢頭。

這種方法之所以有效，是因為它使團隊圍繞真正重要的事情達成一致。幾位領導者描述了將挑戰重構為“我們該如何……”的問題，這自然拓寬了討論范圍，并激發了更多創造性的解決方案。然后，AI并非作為起點被引入，而是作為眾多可能的推動因素之一。

在我看來，這種思維方式的轉變改變了整個對話的基調。這不再是一場關于是否采用AI的辯論——而是變成了關于如何推動業務價值的對話。這才是真正發展勢頭的起點。

從中央集權到共同擔責

在與其他IT領導者的交流中，我注意到AI項目發展的一個共同模式。大多數項目最初都由一個中央團隊負責——這是建立標準、保持一致性和為早期實驗提供安全空間的合理第一步，但隨著時間的推移，很明顯，沒有一個中央團隊能夠跟上所有業務需求，或深入了解每個領域以提供最佳解決方案。

許多企業隨后轉向了中心輻射型模式。中心——通常是AI卓越中心——負責治理、教育、最佳實踐以及技術復雜的應用場景。由產品或職能團隊領導的分支則嘗試使用他們日常工具中嵌入的AI功能。由于這些團隊更貼近業務，他們能夠快速測試、迭代和交付解決方案。

縱觀各行業，大多數AI創新現在發生在邊緣，而非中心。這在很大程度上是因為大量智能已經嵌入到了企業軟件中。例如，客戶關系管理平臺現在可能提供基于AI的潛在客戶評分或預測性客戶流失模型——團隊幾乎無需卓越中心的參與就能啟用和部署這些功能。

根據麥肯錫公司的報告，“未來三年，92%的公司計劃增加AI投資。然而，盡管幾乎所有公司都在投資AI，但只有1%的領導者認為他們的公司在部署方面已經‘成熟’，即AI已完全融入工作流程并推動顯著的業務成果。最大的問題是，企業領導者如何分配資金并引導企業向AI成熟度邁進?！钡嬲亩床觳⒎茿I本身的使用——而是其實現方式的去中心化。

這并不意味著中心變得無關緊要，而是意味著中心成為了推動者，它的職責是為負責任的規?；瘎撛鞐l件，而非擁有每一個項目，這是領導層在思考結構時需要做出的微妙但重要的轉變。

當智能變得無形

一些最強大的AI功能往往也是最不引人注目的。隨著AI應用的成熟，我逐漸認識到了這一點。早期，AI被視為一項獨特的努力——一項重大而特殊的任務。如今，最有價值的功能往往是那些讓人感覺不到存在的功能。它們只是默默地發揮作用。

以應付賬款這樣的財務流程為例。過去，自動化意味著嚴格按照發票到期日安排付款。現在，嵌入式智能可以根據供應商行為、營運資金目標和歷史現金流模式推薦最佳付款時間。這并沒有一個與之相關的項目名稱——只是實現了業務價值。

這種轉變——從將AI視為一項舉措到將其視為基礎的一部分——是我所見過的最令人興奮的發展之一，它并不總是需要數據科學家或專業團隊，它需要的是了解流程以及想要改進的成果的產品經理和業務負責人。

隨著越來越多的企業工具嵌入智能功能，IT領導者的角色越來越側重于幫助團隊發現已經可用的功能，安全地進行測試，并推廣有效的功能。

衡量AI的價值

我從領導者那里聽到的最大障礙之一是如何衡量AI的價值。事實上，你并不需要一個全新的框架。大多數企業已經在跟蹤其IT團隊交付的項目的投資回報率、息稅前利潤或生產力提升。關鍵在于將這些結果與許多項目現在由AI驅動這一事實聯系起來。

以企業軟件為例?，F代的軟件即服務平臺——無論是客戶關系管理、企業資源規劃、人力資源還是供應鏈——都越來越多地嵌入了AI功能。事實上，大多數新系統已經將智能功能作為其核心功能的一部分。這意味著，當IT交付一個基于軟件即服務的新定價系統，預計投資回報率為25%，息稅前利潤為600萬美元時，領導者無需創造一個單獨的“AI指標”。他們只需要認識到，這600萬美元的息稅前利潤中有一部分是由AI驅動的。無需過度思考，因為在幾年內，我們將無法區分AI與現代軟件。

這還有另一個好處：講述AI的故事變得更加容易。你不再需要依賴一些遙遠地點進行的實驗性試點的軼事。AI已經存在于你正在部署的許多企業解決方案中，這意味著，你除了可以講述新客戶關系管理系統帶來的純粹經濟價值外，還可以分享它如何幫助商業團隊更高效地工作——甚至提高客戶凈推薦值的故事。

當然，并非所有價值都將來自企業軟件。也有機會通過AI優先的解決方案——如數字虛擬形象、智能助手和行業特定應用——以及解決獨特挑戰的定制模型來實現貨幣化，這些也應該作為整體AI價值故事的一部分進行捕捉和報告。

主要觀點是：你不必過度設計衡量過程。只需借助已經以某種方式利用AI的現有項目即可。通過這樣做，你為利益相關者提供了他們需要看到的數字和故事，以將AI視為推動進步的力量，而不僅僅是一項實驗。

結語

AI不是可有可無的，但它也不是魔法。要將AI轉化為優勢，需要明確的目標感、放棄中央控制的意愿，以及專注于真正重要的事情的決心。

我認識到，成功與技術有多先進關系不大，而更多地取決于它與業務需求的契合度，這意味著要從問題出發，選擇正確的方法，并構建一個允許團隊在學習中不斷適應的結構。

這關乎的不是試點，而是進步，這始于誠實地評估你的現狀，并有足夠大膽和負責的態度前進。