為什麼有56%的高管認為AI沒有好處：企業AI採用中的基本原則差距

人工智慧革命正經歷著一個矛盾現象。儘管企業在投資和採用方面前所未有，但超過一半的組織報告未見到任何實質性收益。根據普華永道第29次全球CEO調查，該調查收集了來自95個國家4,454位商業領袖的見解，只有10-12%的組織在營收或成本節省方面取得了可衡量的成果，而令人震驚的是有56%的組織完全沒有任何收益。這種雄心與現實之間的差距揭示了一個關鍵真相：許多高層管理者忽略了使AI實施成功的基本原則。

高層責任的演變：三模挑戰

現代CEO的角色在近年來經歷了比過去二十年任何時候都更為劇烈的轉變。普華永道全球董事長Mohamed Kande表示，當今的商業領袖面臨前所未有的三模責任：同時運營現有業務、實時轉型，以及為未來開發全新的商業模式。這代表著一個根本性的轉變，與過去25年相對穩定的期望不同——當時的高層成功主要以業務擴展、資源管理和技術驅動的效率提升來衡量。

這一變革的規模可從CEO信心指標中看出。2022年，56%的CEO對公司營收增長前景表示有信心；到2025年，這一數字已降至38%。如今，只有30%的CEO對推動公司成長的能力感到有信心，儘管許多公司已大幅增加在創新、AI和新市場擴展上的投資。這一信心的下降是五年來的最低點，顯示出對當前環境如何應對的真正不確定性。

為何基本原則比技術更重要

AI支出與實質成果之間的脫節，並非源於技術限制，而是領導層在基本原則上的缺失。MIT的研究也支持這一點——95%的企業生成式AI試點項目未能達到預期結果。這些失敗的共同原因是忽視了促成AI成功的基本基礎設施：乾淨且結構化的數據、健全的業務流程，以及強有力的治理框架。

那些在AI實施中取得可衡量回報的公司，具有一個共同特徵——他們在追求高級AI解決方案之前，先投資建立堅實的基礎設施。這包括制定數據質量標準、記錄並優化業務流程，以及建立明確的治理架構。這些基本原則構成了AI系統有效運作的基石。沒有它們，即使是最先進的算法也會因為處理不完整、不一致或治理不善的數據而產生糟糕的結果。

在AI採用中，真正的挑戰在於組織層面而非技術層面。成功的實施更依賴於培養有效的管理實踐、明確的決策流程，以及領導層對數據治理的共識。當高層將AI視為主要的技術挑戰而非組織轉型時，他們往往忽略了這些基本原則，最終也難以實現預期的收益。

職業路徑的顛覆：系統思維取代任務專長

除了當前AI部署的挑戰外，高層責任的轉變也在重塑組織的人才發展方式。傳統的學徒制——即年輕員工通過逐步完成任務來掌握技能——正逐漸過時，因為AI已經能處理例行工作。這一演變要求對職業發展策略進行根本性重新思考。

未來的商業領袖將不再僅僅通過重複任務來建立專業能力，而是需要發展“系統思維”——理解不同組織部門如何相互作用、數據如何在企業內流動，以及技術變革如何在業務運營中產生連鎖反應。這一轉變反映出在AI增強的環境中，競爭優勢不再來自個人任務的精通，而是來自對整體組織的全面理解。

前行之路：以現實評估為基礎的樂觀

儘管面臨挑戰，商業領袖仍有理由保持謹慎樂觀。歷史經驗表明，從鐵路繁榮到網路革命的重大變革，最終都催生了新的價值創造時代。從新業務領域產生實質收入的公司，通常擁有較高的利潤率和對未來增長的更大信心。

解決當前困境的關鍵不在於技術的加速，而在於對基本原則的嚴格專注。投資於數據質量、優化核心業務流程、建立治理框架的組織，將能更好地從AI中獲取真正的價值。那些跳過這些基礎步驟、試圖在沒有充分基礎設施的情況下部署高級解決方案的企業，將會持續遇到困難。

Kande的觀點反映出一種基於經驗的樂觀。他在職業生涯中見證了多次技術浪潮的來襲，強調對AI的恐懼多源於缺乏理解。解藥不是抗拒，而是積極參與——學習、探索，並有意識地考慮新方法。對於當今的高層管理者來說，這意味著要提出尖銳的問題：我們是否已經建立了基本原則？我們是否已投資於數據質量、流程優化和治理？只有誠實面對這些問題，AI的投資才能實現預期的利益。

未來的商業進化將屬於那些既掌握三模挑戰所需戰略願景，又具備執行AI成功所需運營紀律的領導者。這意味著在追求技術新奇之前，先尊重基本原則。