AI與數(shù)據(jù)是數(shù)字化轉(zhuǎn)型議程的核心。但對許多企業(yè)而言，這些關(guān)鍵領(lǐng)域的進展卻舉步維艱。

盡管企業(yè)在GenAI試點項目、數(shù)據(jù)平臺和自動化方面投入了大量資金，但實現(xiàn)規(guī)?；瘍r值卻依然遙不可及。取而代之的是一種令人擔(dān)憂的模式：復(fù)雜性不斷增加、數(shù)據(jù)結(jié)構(gòu)不一致，以及AI應(yīng)用案例組合鮮少超越實驗階段。

結(jié)果如何?企業(yè)仍深陷AI炒作周期——對潛在可能興奮不已，卻無法將其變?yōu)楝F(xiàn)實。

在2025年剩余的時間內(nèi)，CIO的議程已十分明確：簡化數(shù)據(jù)治理以支持實時AI決策，協(xié)調(diào)碎片化的數(shù)據(jù)生態(tài)系統(tǒng)，并圍繞可衡量的業(yè)務(wù)投資回報率設(shè)計AI項目，領(lǐng)導(dǎo)者不應(yīng)一味追逐下一個突破，而應(yīng)挖掘已觸手可及的價值，并為自主式AI奠定基礎(chǔ)。

1. 擺脫炒作，注重執(zhí)行

ISG的研究顯示，AI規(guī)模化應(yīng)用的主要障礙并非工具匱乏，而是缺乏連貫的價值實現(xiàn)策略。企業(yè)在基礎(chǔ)能力建設(shè)上投資不足，尤其是在數(shù)據(jù)和編排方面，而過度依賴實驗。

過多的GenAI項目僅停留在孤立的試點階段，與核心工作流程、可衡量的成果或統(tǒng)一的數(shù)據(jù)層脫節(jié)，這種“實驗優(yōu)先”的思維模式必須讓位于“執(zhí)行優(yōu)先”的思維模式。

這意味著要根據(jù)投資回報率而非新穎性來優(yōu)先選擇應(yīng)用案例。CIO應(yīng)思考：哪些決策驅(qū)動著我們的業(yè)務(wù)關(guān)鍵績效指標(biāo)?如今，AI在哪些方面可以增強這些決策?我們?nèi)绾魏饬窟@些成果并對其進行迭代優(yōu)化?下半年，關(guān)鍵的心態(tài)轉(zhuǎn)變是以投資回報率為導(dǎo)向進行設(shè)計，而非以技術(shù)為導(dǎo)向。

2. 修復(fù)數(shù)據(jù)層以實現(xiàn)實時AI

大多數(shù)AI的失敗源于脆弱的數(shù)據(jù)基礎(chǔ)。隨著AI從確定性模型發(fā)展到生成式和智能體系統(tǒng)，數(shù)據(jù)挑戰(zhàn)也日益加劇。傳統(tǒng)的治理模型在實時、以決策為中心的需求重壓下不堪重負。

自主式AI將需要能夠在動態(tài)環(huán)境中自主感知、決策和行動的系統(tǒng)。這種程度的自主性需要持續(xù)獲取高質(zhì)量、語義一致且符合倫理規(guī)范治理的數(shù)據(jù)，但大多數(shù)企業(yè)在分類體系碎片化、數(shù)據(jù)湖陳舊以及為批處理設(shè)計的合規(guī)模型方面舉步維艱。

為支持實時決策，CIO必須轉(zhuǎn)向支持AI的數(shù)據(jù)治理，用符合AI需求的戰(zhàn)略架構(gòu)取代數(shù)據(jù)管理模式。

3. 設(shè)計可衡量的價值

為使AI從實驗階段轉(zhuǎn)化為企業(yè)價值，CIO必須設(shè)計好投資回報率的衡量方式。很多時候，價值是宣稱出來的，而非證明出來的。試點項目的發(fā)起者自己給自己的項目打分，并以采用率而非影響力來定義成功。

真正的商業(yè)價值必須是可量化、可重復(fù)且可獨立驗證的，這首先要在一開始就定義成功指標(biāo)。與網(wǎng)絡(luò)安全或合規(guī)性一樣，CIO必須將衡量視為首要設(shè)計原則，并將其融入架構(gòu)之中。

這項工作需要基準(zhǔn)指標(biāo)來量化“之前”的狀態(tài)并分離出AI帶來的提升;需要與業(yè)務(wù)目標(biāo)掛鉤的客觀、跨職能的關(guān)鍵績效指標(biāo);還需要透明的價值報告，以便向領(lǐng)導(dǎo)層展示結(jié)果。

當(dāng)AI的價值得到嚴(yán)格衡量并透明共享時，它就能贏得公信力，并建立起擴大規(guī)模所需的信心和預(yù)算。衡量是一種問責(zé)機制，它使創(chuàng)新立足于現(xiàn)實并與戰(zhàn)略重點保持一致。

4. 將試點項目推進至企業(yè)級規(guī)模

從實驗到執(zhí)行的轉(zhuǎn)變需要自律。

CIO必須構(gòu)建從試點到生產(chǎn)的可擴展路徑，包括明確的試點項目結(jié)項標(biāo)準(zhǔn)、用于將最佳實踐制度化的AI卓越中心、與企業(yè)系統(tǒng)集成的橋梁以及用于維護和監(jiān)控已部署模型的嵌入式機器學(xué)習(xí)運維(MLOps)能力。

至關(guān)重要的是，這種轉(zhuǎn)變需要重新構(gòu)想人才結(jié)構(gòu)。融合團隊——融合領(lǐng)域?qū)＜?、?shù)據(jù)科學(xué)家和運營領(lǐng)導(dǎo)者——必須成為常態(tài)，因為它們是將AI潛力轉(zhuǎn)化為業(yè)務(wù)成果的引擎。

5. 建立信任、治理和速度

CIO常常擔(dān)心加速AI應(yīng)用可能會削弱控制力。事實上，情況恰恰相反。

如果沒有主動治理，AI將變得不可擴展且充滿風(fēng)險。治理應(yīng)嵌入到每一層，包括設(shè)計階段用于減輕偏差和確?？山忉屝缘脑瓌t、運行階段用于人機協(xié)作和升級路徑的控制措施，以及審計階段用于決策可追溯性和影響分析的監(jiān)督機制。

信任和敏捷性是擴大AI應(yīng)用規(guī)模的共同要求。

6. 為自主式AI奠定基礎(chǔ)

自主式AI代表了企業(yè)智能的下一個飛躍——這些系統(tǒng)不僅能分析或推薦，還能代表組織進行規(guī)劃、決策和行動，但能否釋放這一潛力，完全取決于CIO如今的架構(gòu)設(shè)計。

自主式AI的基礎(chǔ)始于干凈、互聯(lián)的實時數(shù)據(jù)。但同樣關(guān)鍵的是它所依賴的架構(gòu)。智能體系統(tǒng)需要事件驅(qū)動、目標(biāo)導(dǎo)向的工作流，以支持跨企業(yè)職能的自主決策。

自主式AI對治理提出了更高的要求，這些系統(tǒng)將大規(guī)模驅(qū)動決策——而且往往無需人工啟動，這種程度的自主性需要嵌入保障措施：可解釋性、可審計性、倫理一致性和持續(xù)的人工監(jiān)督。

本質(zhì)上，CIO現(xiàn)在就必須為一個AI未來進行設(shè)計，這個未來從一開始就具備互操作性、可問責(zé)性和投資回報率導(dǎo)向，這并非一次大膽的嘗試，而是一場結(jié)構(gòu)化的進化。通過立即采取行動統(tǒng)一數(shù)據(jù)、實現(xiàn)架構(gòu)現(xiàn)代化并制定衡量和治理標(biāo)準(zhǔn)，CIO將使自己的企業(yè)能夠自信地邁向智能體時代。