风险从未如此之高。未能适应的企业将成为AI时代的宝丽来和百视达，然而，仓促实施也会带来自身的危险。2021年2月，Zillow宣布将开始购买由机器学习算法估值的房产，这一举动被广泛赞誉为迈入AI新世界的勇敢一步，然而八个月后，这个新业务部门以约3亿美元的亏损告终。
AI带来的机遇和风险需要深思熟虑和审慎的战略应对。零散的解决方案是不够的。AI发展的速度，加上其在改变人际关系和企业文化方面的独特能力，要求框架既能平衡前所未有的不确定性，又能满足立即行动的需求。企业需要全面的思维系统，能够在保持核心目标和人类利益相关者关注的同时，引导他们进行持续转型。
我花了三十年时间指导从财富2000强公司到最大政府机构的数字化转型。在这些经历中，我反复遇到两种常见但对立的态度，阻碍了企业成功实施新技术：对变革的制度性抗拒和没有战略目的的技术冲动采用。我现在看到许多企业在应对AI时重复同样的错误。
解决这一双重问题的关键在于采用互补的框架，结合创造一种平衡的AI采用方法。OPEN框架(概述、合作、实验、导航)提供了一个系统的四步流程，用于利用AI的潜力，指导企业从初步评估到持续实施。CARE框架(灾难化、评估、调节、退出)提供了一个平行结构，用于识别和管理创新项目内以及更广泛企业环境中与AI相关的风险。虽然目的不同，但这两个框架都设计得足够灵活，能够随着AI的发展而演变。
这些框架嵌入并支持两种互补的心态：对AI潜力的激进乐观与对其风险的深刻谨慎。通过将创新管理流程与投资组合和财务管理(PfM)方法相结合，企业可以在保持强大保障的同时推动变革性变化。
OPEN框架
OPEN框架以企业目标和人机体验为基础，强调成功采用不仅取决于技术，还取决于能够支持持续转型的领导和企业文化。流程中的每一步都有助于创新组合的发展，使企业能够从构思到部署、维护，最终到退役管理AI项目。
1. 概述
太多企业在开始AI之旅时问的是“这项技术能做什么?”而不是“这项技术如何帮助我们实现使命?”这种方法导致技术驱动的解决方案在寻找问题，而不是提供真正价值的新方式。通过在流程开始时重申其目标，并将所有决策与该目标对齐作为成功的最基本标准，企业可以避免被AI几乎无限的能力所分散注意力。
可口可乐提供了一个引人注目的案例研究，展示了公司如何容易因尝试最新技术趋势而失去对核心目标的关注。2023年，可口可乐推出了一款与AI共同创造的新饮料Y3000，不出所料，该公司因饮料味道不佳而广受批评。2024年，可口可乐再次将AI作为一种噱头，用一个几乎没有人感兴趣的AI驱动的广告活动破坏了他们长期以来成功的圣诞广告系列。虽然在规模上测试生成性AI的能力或许有一定价值，但将一个受人喜爱的品牌与令人不安的“诡异谷”图像联系起来显然是一个失误。
耐克提供了一个反例，展示了AI计划如何与企业目标深度对齐。耐克的使命是“为每一位运动员带来灵感和创新”(强调“如果你有身体，你就是运动员”)。耐克没有将AI作为一种营销噱头，而是实施了直接服务于这一使命的AI解决方案。他们的Nike Fit技术使用AI驱动的计算机视觉，通过简单的手机扫描帮助顾客找到完美的鞋码。他们的消费者直达加速战略利用AI进行需求感知和库存优化，确保正确的产品在正确的时间到达正确的消费者手中。通过从服务运动员的核心目标出发，耐克避免了为技术而技术的陷阱，而是开发了为客户创造真正价值并加强品牌的AI用例。
概述阶段的实用指南：
• 重申企业目标：在采用AI之前，重新审视并确认企业的使命，以确保清晰度和支持。
• 评估当前知识：评估企业的AI素养和准备情况。举办研讨会以识别知识差距。制定计划填补差距。
• 头脑风暴用例：指派跨职能团队进行关于AI应用的自由思考。
• 过滤：根据企业目标和AI准备情况的标准筛选可能的用例。
2. 合作
开发和实施AI创新战略是一个典型的跨学科问题。这项任务不能仅仅交给IT部门、研发团队或首席创新官。如果要使AI解决方案有机会创造真正价值，这些职能以及其他更多职能需要参与其中。因此，企业内部的合作伙伴关系对于AI计划的成功至关重要。但仅靠内部合作往往是不够的。
即使内部能力强大的企业通常也需要建立外部合作伙伴关系来实现其AI目标。虽然大型科技公司可能能够从头开始构建定制的AI解决方案，但大多数企业需要与能够帮助它们开发和实施实现目标所需特定技术的专业合作伙伴合作。这些通常是第三方服务提供商，但也可能是学者、独立伦理顾问或行业监管机构。
但也许最关键的合作伙伴关系是人与AI系统本身之间的合作。这种合作关系将从根本上重塑每个部署AI解决方案的企业文化，改变工作关系、汇报结构和个体角色。企业需要仔细思考其AI实施将如何不仅改变流程，还改变企业内部的整体人类体验。AI系统是增强人类能力还是取而代之?它将如何影响团队动态和企业层级?它将在幕后运作还是直接与用户互动?这些关于人机合作的问题需要从任何AI计划的最初阶段就加以考虑，而不是在技术解决方案已经构建完成后再作为事后补救。
合作阶段的实用指南：
• 绘制内部专长与合作机会：首先识别可以用于AI计划的现有内部能力。绘制跨部门专长图，确保正确的团队(如数据科学、IT、运营和营销)能够无缝协作。
• 评估和审查外部合作伙伴：选择外部合作者(如技术供应商、学术机构或小众AI初创公司)对于填补能力缺口至关重要。领导者必须确保潜在合作伙伴与企业目标、价值观和运营需求一致。
• 建立合作伙伴关系的治理结构：AI合作伙伴关系通常涉及数据共享、知识产权(IP)考量和协作创新。清晰的治理结构有助于管理这些复杂性并确保问责制。
• 在AI项目中优先考虑以人为本的设计：确保无论是内部还是面向客户的AI实施，都将人类体验置于设计和部署的核心位置。这对于采用率和积极成果至关重要。
3. 实验
从对AI可能性的天马行空思考转向实际实施需要一个精心设计的实验方法。许多企业犯了一个错误，即直接从构思阶段跳到全面部署，导致代价高昂的失败和错失的机会。另一些企业则陷入了一个永无止境的概念验证循环，这些验证从未转化为实际价值。这两种方法都浪费了资源，更重要的是，浪费了学习关于AI如何在特定企业环境中创造价值的宝贵机会。
成功的AI实验的关键是将实验结构化为一个学习之旅，而不是验证练习。每个实验不仅应设计为测试特定AI解决方案是否有效，还应生成关于其如何创造价值、如何扩展以及人类将如何与之互动的见解。这意味着要超越测试技术可行性，探索企业级的可行性和人类的需求性。这意味着不仅要测试AI系统本身，还要测试支持它的企业能力。这意味着愿意快速失败并快速学习。
实验阶段的实用指南：
• 开发概念原型：使用概念建模来可视化AI如何融入您当前的企业架构。绘制客户旅程的故事板以预测接触点和挑战。
• 从小处着手：部署有限用途的试点项目以收集有关可行性和性能的数据。例如，银行可以在扩展之前在单个分行测试由AI驱动的欺诈检测。
• 纳入现实世界场景：设计实验以反映现实世界的条件和例外情况，而不是理想化的设置。这确保了结果的实际性和可扩展性，同时揭示了在更广泛部署中可能出现的潜在问题。
• 定义成功指标：为每个实验确定关键绩效指标(KPI)，如运营效率的提高或客户满意度的提升。
4. 导航
导航阶段涉及在确保与更广泛的战略目标和文化价值观一致的同时，引导企业通过AI的采用。它强调在一个技术和人类因素深度交织的快速演变环境中持续学习和适应。
成功的AI创新关键在于通过精心设计的创新管道保持源源不断的高潜力项目流动，从而将创意转化为运营系统。项目根据综合排名分数在这个管道中推进，这些分数反映了战略优先级、风险水平、潜在价值、成本和实施难度。这些排名提供了一个客观的基础，用于确定在任何特定时间应推进哪些项目。
管道流速——项目通过系统的速度——需要谨慎管理。推进过快可能在项目尚未准备好的情况下冒进，而推进过慢可能导致错失机会或竞争劣势。关键在于保持稳定的前进动力，同时确保质量关卡得到适当执行。这通常意味着在不同阶段并行运行多个项目，创造一个持续流动的过程，而不是断断续续的。
实施导航阶段的实用指南：
• 应用客观指标：开发一个创新组合，根据风险、回报、资源需求、实施难度和战略一致性对AI项目进行分类。定期审查和更新组合，以确保其反映不断变化的优先事项和市场条件。
• 优先分配资源：根据AI项目的潜在影响和可行性战略性地分配资源。为避免资源过于分散，专注于与核心使命和长期目标紧密一致的项目。
• 采用学习型文化：通过整合反馈循环鼓励迭代学习。例如，一家使用AI进行路线优化的物流公司可能会根据司机的反馈调整模型。
• 关注地平线：保持对AI趋势的了解，以预测变化。分配研发资源以确保为下一波创新做好准备。
CARE框架
虽然AI承诺在每个企业职能中进行变革，但它也引入了可能破坏甚至摧毁未准备好的企业的脆弱性。例如，虽然AI驱动的诊断工具正在革新医疗服务的提供，但由于训练数据的偏差，AI系统也可能在医疗诊断中犯下潜在灾难性的错误。同样，随着企业部署AI进行关键基础设施管理，他们面临的网络安全威胁增加，这些威胁可能通过互联系统级联。这些技术挑战因AI所需企业和文化的转变而被放大，团队必须适应新的工作和思维方式。企业还必须应对其他一系列风险，包括：
• 可能由AI驱动的公关灾难引发的声誉风险
• 因AI偏见、版权模糊和客户隐私问题导致的法律风险
• 随着AI迅速重塑整个行业而出现的战略风险
这些风险的复杂性和相互关联性要求采用结构化的方法进行识别、评估和缓解。
CARE框架(灾难化、评估、调节、退出)采取主动而非被动的方法来管理AI风险。与传统风险管理方法不同，CARE专门设计用于应对AI风险的技术和人类维度。它考虑了AI能力的快速演变、意外行为的潜在可能性、企业文化的转变以及技术、运营和人类因素之间的复杂相互联系。随着AI系统的演变和新风险的出现，该框架可以迭代应用。
CARE为企业提供了一种识别和管理AI相关风险的结构化方法：
• 系统地识别技术、运营和战略维度中的潜在风险。这创建了一个全面的风险清单，作为所有后续规划的基础。
• 评估风险可能性、潜在影响和企业应对能力。这使得能够优先处理风险并高效分配资源。
• 实施控制措施、监控系统和治理结构以管理已识别的风险。这一步将分析转化为可操作的保障措施和程序。
• 制定明确的风险响应协议，包括系统关闭程序和企业连续性计划。这在预防措施失败时提供了一个重要的安全网。
AI代表了企业运作和创造价值的根本性转变。为了成功，公司必须采用一种平衡的方法，既要拥抱AI的潜力，又要意识到其风险。通过整合像OPEN和CARE这样的结构化框架，企业可以应对AI采用的复杂性，确保创新和韧性。这种双重方法使企业能够利用AI的变革力量，同时防范潜在的陷阱。最终，在AI时代蓬勃发展的关键在于战略性地、深思熟虑地和平衡地应对。
