那些看到AI有望提高生產(chǎn)力的CIO們，常常發(fā)現(xiàn)他們的努力受到數(shù)據(jù)質(zhì)量、技能差距和內(nèi)部抵制等因素的阻礙。
圖源：Rob Schultz / Shutterstock
AI——尤其是生成式人工智能——已被證明是提高企業(yè)生產(chǎn)力的有用解決方案，但仍存在一些常見的成功障礙 。
IT領(lǐng)導(dǎo)者越早識別并克服這些問題，就能越快地使他們的組織從基于AI的系統(tǒng)中獲取更多價值。
以下是企業(yè)需要打破的一些更具挑戰(zhàn)性的障礙，以及IT領(lǐng)導(dǎo)者可以采取的應(yīng)對方法。
一、數(shù)據(jù)質(zhì)量差
由硬件供應(yīng)商聯(lián)想贊助、IDC對2920名全球IT和企業(yè)決策者進行的一項調(diào)查顯示，數(shù)據(jù)質(zhì)量問題是導(dǎo)致AI項目未達預(yù)期的首要阻礙因素。
為解決這一問題，三分之一的受訪對象表示，他們的組織計劃優(yōu)先提升數(shù)據(jù)管理能力。
例如，Ally Financial的Sathish Muthukrishnan（薩蒂什·穆圖克里什南）正在通過打破數(shù)據(jù)孤島、強化數(shù)據(jù)治理來解決這一問題。
這家數(shù)字銀行公司的首席信息、數(shù)據(jù)和數(shù)字官表示：“AI在很大程度上依賴于其處理的數(shù)據(jù)，因此我們謹(jǐn)慎地應(yīng)對與更廣泛數(shù)據(jù)使用相關(guān)的挑戰(zhàn)和風(fēng)險?！?/span>
Muthukrishnan（穆圖克里什南）稱：“我們將98%的數(shù)據(jù)整合到一個集中式的云原生數(shù)據(jù)庫中，這使我們能夠充分利用數(shù)據(jù)的力量。我們實施了一系列流程，旨在確保強大的數(shù)據(jù)安全性、嚴(yán)格的客戶隱私保護，并在部署前進行嚴(yán)格的模型風(fēng)險評估，以及對結(jié)果進行持續(xù)監(jiān)控。”
人工智能咨詢公司The Hackett Group的高級副總裁兼負(fù)責(zé)人John Thompson（約翰·湯普森）表示，數(shù)據(jù)質(zhì)量問題是一個切實的擔(dān)憂，也是采用人工智能的實際障礙，但這個問題比傳統(tǒng)的、在交易或分析環(huán)境中關(guān)于數(shù)據(jù)質(zhì)量的典型討論要嚴(yán)重得多。
Thompson（湯普森）說：“對于生成式AI而言，組織的100%數(shù)據(jù)、文件、視頻、政策、程序等都可以被積極使用?！彼€表示，這比ERP（企業(yè)資源規(guī)劃）或CRM（客戶關(guān)系管理）等系統(tǒng)中的數(shù)據(jù)質(zhì)量問題要嚴(yán)重得多。
Thompson（湯普森）認(rèn)為，為解決生成式AI的數(shù)據(jù)質(zhì)量問題，企業(yè)不應(yīng)在引入AI之前先解決數(shù)據(jù)質(zhì)量問題，而是需要將信息加載到生成式AI中，并積極地進行詢問、查詢和提示，以找出信息準(zhǔn)確、最新的地方，以及缺乏準(zhǔn)確性、相關(guān)性和清晰度的地方。
Thompson（湯普森）表示：“生成式AI是發(fā)現(xiàn)信息需要改進之處的工具。正確的執(zhí)行方式是引入生成式AI，然后找出如何解決數(shù)據(jù)質(zhì)量問題，而不是反過來?！?/span>
二、內(nèi)部專業(yè)知識匱乏
專業(yè)發(fā)展組織American Management Association（美國管理協(xié)會）2025年3月的一份報告顯示，該協(xié)會最近對北美1100多名專業(yè)人士進行了調(diào)查，發(fā)現(xiàn)許多員工（57%的受訪者）覺得自己跟不上AI的發(fā)展。只有不到一半（49%）的人接受過AI方面的培訓(xùn)。
Ally的Muthukrishnan（穆圖克里什南）表示，企業(yè)需要建立相應(yīng)的基礎(chǔ)設(shè)施，對員工進行教育和培訓(xùn)，讓他們了解AI的能力和局限性。
他補充道：“如果沒有正確的培訓(xùn)，AI的采用和應(yīng)用將無法達到你所期望的效果。雖然我認(rèn)為AI是我們有生之年最大的技術(shù)轉(zhuǎn)型之一，但將其融入日常流程是一項巨大的轉(zhuǎn)型管理任務(wù)?！?/span>
Ally為員工提供了所有用戶都需要的培訓(xùn)、AI手冊、提高AI熟練度的短期課程以及對整個企業(yè)開放的教育“AI日”教育活動，讓員工做好負(fù)責(zé)任地使用AI的準(zhǔn)備。
Hackett Group的Thompson（湯普森）表示：“技能差距只會越來越大。現(xiàn)在是時候開始行動了。你可以從你的團隊入手。讓他們處理測試用例，參與個人項目或他們感興趣的項目。讓每個人都去上課只會延長縮小技能差距的進程。生成式AI人人都能使用。你可以利用這一點，為人們提供邊做邊學(xué)的機會?！?/span>
Thompson（湯普森）補充說，經(jīng)驗比傾聽是更好的老師。
他說：“搭建一個生成式AI環(huán)境，讓每個人使用六個月到一年時間。這樣員工學(xué)到的東西比他們在一堂課甚至多堂課上學(xué)到的還要多。我不是說不要培訓(xùn)員工，員工還是需要參加課程學(xué)習(xí)。但當(dāng)員工親身體驗生成式AI環(huán)境時，你會看到技能差距每天都在縮小?！?/span>
SAP Americas的企業(yè)軟件公司的首席AI官Jared Coyle（賈里德·科伊爾）表示，組織需要強調(diào)將能夠確定適當(dāng)AI用例的內(nèi)部專家與了解其他組織如何使用AI的外部人才相結(jié)合。
Coyle（、科伊爾）稱：“內(nèi)部知識對于確保與現(xiàn)有系統(tǒng)和流程集成至關(guān)重要，而外部人才則能更好地幫助企業(yè)充分利用更新的AI功能，使AI系統(tǒng)平穩(wěn)運行。”
三、尋找能競爭資源的用例
每個企業(yè)都有一個既定的優(yōu)先事項清單，其中許多并不涉及AI或生成式AI。為了爭取資金、人員和高級管理層的關(guān)注，IT領(lǐng)導(dǎo)者需要為他們的AI項目提供極具說服力的理由。
外包公司TaskUs的首席信息官Chandra Venkataramani（錢德拉·文卡塔拉馬尼亞）表示：“我們面臨的最大挑戰(zhàn)之一，就是確定合適的商業(yè)用例，也就是那些人工智能能夠在不增加不必要復(fù)雜性的情況下，帶來切實、可衡量價值的用例。”
Venkataramani（文卡塔拉馬尼亞）說：“人們很容易被生成式AI的熱潮所裹挾。要取得成功，就需要抵制這種沖動，專注于這項技術(shù)能夠增強我們內(nèi)部能力的領(lǐng)域，比如提高生產(chǎn)力、改進決策，或者減少關(guān)鍵工作流程中的阻礙。我們發(fā)現(xiàn)，在推進任何人工智能項目之前，明確目標(biāo)至關(guān)重要，無論是降低成本、提高速度還是改善用戶體驗?！?/span>
Venkataramani（文卡塔拉馬尼亞）還表示，同樣具有挑戰(zhàn)性的是優(yōu)先事項相互競爭的問題。他說：“作為一家高速增長、以客戶為中心的公司，IT資源一直面臨著持續(xù)的壓力。AI計劃必須在預(yù)算、人才以及管理層關(guān)注等方面展開競爭，在這種情況下，保持目標(biāo)一致就顯得尤為重要?！?/span>
該公司強調(diào)，要讓各個業(yè)務(wù)部門共同主導(dǎo)AI項目，確保投資在技術(shù)上可行，并得到理解投資回報率的業(yè)務(wù)領(lǐng)導(dǎo)的支持。
Venkataramani（文卡塔拉馬尼亞）稱：“我們秉持一種強調(diào)在可控范圍內(nèi)進行試驗的理念：精心開展試點項目，明確KPI（關(guān)鍵績效指標(biāo)），并建立反饋機制。這種方法幫助我們保持靈活性，避免在未經(jīng)證實的解決方案上過度投資，而是專注于長期價值，而非短期炒作?！?/span>
Hackett Group的Thompson（湯普森）說：“商業(yè)用例、實際應(yīng)用案例以及優(yōu)先事項的競爭，‘從我們職業(yè)生涯一開始就一直存在’。生成式AI的優(yōu)勢在于它適用于大多數(shù)問題。我建議從最緊迫的問題、CEO們最頭疼的戰(zhàn)略問題入手。我不會在商業(yè)用例或應(yīng)用案例上花費太多時間。直接投入實踐。現(xiàn)在就是做出改變的時候?！?/span>
四、過時的遺留系統(tǒng)
許多企業(yè)已經(jīng)啟動了數(shù)字化轉(zhuǎn)型計劃，以提高效率并改善對客戶和員工的服務(wù)。那些尚未啟動或在轉(zhuǎn)型過程中落后的公司需要將此作為優(yōu)先事項，因為過時的遺留系統(tǒng)和應(yīng)用程序可能會成為AI廈門成功應(yīng)用的障礙。
由于當(dāng)時的存儲成本限制，那些設(shè)計用于存儲有限數(shù)據(jù)量的數(shù)十年前的應(yīng)用程序，不太可能輕松與AI工具集成。在很多情況下，過時的應(yīng)用程序會完全阻礙企業(yè)采用AI。
SAP Americas的Coyle（科伊爾）表示：“僅僅把當(dāng)下流行的LLM（大語言模型）和你選擇的湖倉技術(shù)拼湊在一起，指望一切都能順利運行，這是無法取得成功的。許多領(lǐng)導(dǎo)者對AI的潛力充滿熱情，這固然很好，但專注才是關(guān)鍵。重要的是，要避免在沒有足夠資源支持的情況下啟動過多項目?！?/span>
航運和物流服務(wù)提供商Veho的聯(lián)合創(chuàng)始人兼首席技術(shù)官Fred Cook（弗雷德·庫克）表示，該公司在規(guī)劃配送路線、確定價格以及提高配送質(zhì)量等方面大量使用了AI和機器學(xué)習(xí)技術(shù)。但為了充分發(fā)揮AI工具的作用，公司不得不對系統(tǒng)進行升級。
Cook（庫克）說：“Veho最初的核心平臺是2017年開發(fā)的，總體來說相當(dāng)脆弱。在2023年末和整個2024年，我們重建了所有核心系統(tǒng)。隨著新系統(tǒng)上線，我們發(fā)現(xiàn)將AI應(yīng)用集成到我們的技術(shù)中變得容易多了。在完成全面重構(gòu)后，如今我們在AI試驗方面的進展要快得多?！?/span>
Veho從一些用例入手，比如客戶支持智能體、司機合作伙伴支持智能體以及客戶支持智能體。Cook（庫克）說：“我們還開發(fā)了一些簡單的智能體，用于諸如警報、解析數(shù)據(jù)，以及對包裹遞送過程中各個步驟進行質(zhì)量保證等工作，不然這些工作既繁瑣又得人工完成。”
與基礎(chǔ)設(shè)施相關(guān)的另一個潛在障礙是涉及的成本高昂。集成AI可能是一項非常昂貴的工作。根據(jù)企業(yè)IT現(xiàn)代化的進展情況，它們可能會面臨系統(tǒng)集成、定制軟件開發(fā)、創(chuàng)建應(yīng)用程序編程接口以及遺留系統(tǒng)升級等方面的費用。
五、員工蓄意破壞
生成式AI服務(wù)提供商Writer 2025和獨立研究機構(gòu)Workplace Intelligence最近對1600名知識工作者（800名企業(yè)高管和800名員工）進行的一項調(diào)查發(fā)現(xiàn)，31%的員工承認(rèn)曾積極抵制所在組織的AI項目推進工作 。
教育服務(wù)和技術(shù)提供商Skillsoft的首席信息官Orla Daly（奧拉·戴利）表示，員工對AI項目的抵制是“一個嚴(yán)重的問題，可能會破壞AI計劃，導(dǎo)致資源浪費和機會錯失”。
Daly（戴利）說：“這種抵制行為往往源于對失業(yè)的恐懼、對AI好處缺乏了解，或者對轉(zhuǎn)型的抵觸。為了解決這個問題，企業(yè)應(yīng)該花時間了解組織內(nèi)部的擔(dān)憂，培養(yǎng)持續(xù)學(xué)習(xí)的文化，并通過讓員工參與AI項目，激發(fā)他們對轉(zhuǎn)型的熱情。”
Daly（戴利）表示，企業(yè)需要在組織內(nèi)確定AI倡導(dǎo)者，并分享AI可以創(chuàng)造更積極的員工體驗的示例，比如減少行政工作時間，增加與客戶相處的時間。
Daly（戴利）說：“在這個過程中，有效的領(lǐng)導(dǎo)力至關(guān)重要。領(lǐng)導(dǎo)者必須了解AI，并清晰闡述其對人才及其工作角色的積極影響。”她說，這需要在技術(shù)、溝通和領(lǐng)導(dǎo)能力之間取得平衡。“當(dāng)員工看到他們的領(lǐng)導(dǎo)者利用AI來輔助工作，并展現(xiàn)出明確的用例和成果時，他們自己更有可能接受AI，將恐懼轉(zhuǎn)化為興趣。”
別錯過任何內(nèi)容。
作者：Bob Violino（鮑勃·維奧里諾）
Bob Violino（鮑勃·維奧里諾）是一名自由撰稿人，涉獵范圍涵蓋了各種技術(shù)和商業(yè)話題。
譯者：寶藍
睿觀：企業(yè)在利用AI提升生產(chǎn)力時，普遍面臨五大障礙：數(shù)據(jù)質(zhì)量差、內(nèi)部專業(yè)知識匱乏、商業(yè)用例難以競爭資源、過時的遺留系統(tǒng)以及員工因恐懼而產(chǎn)生的抵制（核心挑戰(zhàn)）。成功的IT領(lǐng)導(dǎo)者需采取針對性策略，包括：利用AI發(fā)現(xiàn)并改善數(shù)據(jù)問題、通過實踐而非僅培訓(xùn)來提升技能、讓業(yè)務(wù)部門共同主導(dǎo)以確保用例價值、現(xiàn)代化核心系統(tǒng)為AI奠基，以及通過有效溝通與賦能化解員工抵觸（關(guān)鍵對策）。系統(tǒng)性地解決這些橫跨數(shù)據(jù)、技能、資源、系統(tǒng)和文化層面的挑戰(zhàn)，是實現(xiàn)AI價值落地的關(guān)鍵（結(jié)論）。
金句：通往AI價值的道路上，最大的障礙往往不在技術(shù)本身，而在于數(shù)據(jù)的泥沼、技能的斷層、系統(tǒng)的枷鎖與人心的壁壘。
