你好，歡迎您來到福建信息主管(CIO)網(wǎng)! 設(shè)為首頁(yè)|加入收藏|會(huì)員中心
導(dǎo)語(yǔ)：如今，生成式AI席卷全球，但在許多企業(yè)（尤其是日本企業(yè)）中，AI的普及卻依然停留在“小打小鬧”的測(cè)試階段。公立函館未來大學(xué)名譽(yù)教授美馬由里指出，這根本不是技術(shù)能力的問題，而是組織設(shè)計(jì)思想與制度的脫節(jié)。在這個(gè)變革的十字路口，CIO（首席信息官）的角色正在發(fā)生顛覆性的演變。
為什么大家都在談ChatGPT，卻很難讓它真正在業(yè)務(wù)中扎根？調(diào)查顯示，美國(guó)有47%的勞動(dòng)者每月在工作中使用AI，但同時(shí)也伴隨著對(duì)失業(yè)的恐慌。而在日本，阻礙AI落地的根本原因在于“結(jié)構(gòu)性問題”：
目標(biāo)模糊與基層抗拒：組織內(nèi)部沒有共享數(shù)字化轉(zhuǎn)型的真正目標(biāo)，基層員工抗拒改變現(xiàn)有流程，供應(yīng)商也只會(huì)“投其所好”。
評(píng)價(jià)機(jī)制的僵化：現(xiàn)有的考核制度變相鼓勵(lì)了“維持現(xiàn)狀”。
設(shè)計(jì)理念的根本沖突：傳統(tǒng)的制造業(yè)思維追求“確定性、安全性和高完成度”，必須“完美了才發(fā)布”。但AI的本質(zhì)是“不完美的迭代”，需要通過不斷試錯(cuò)來提升精度。這種本質(zhì)上的沖突，讓習(xí)慣了“完美主義”的企業(yè)舉步維艱。
(對(duì)比圖，左側(cè)展示傳統(tǒng)瀑布流開發(fā)的“完美交付”模式，右側(cè)展示AI技術(shù)“敏捷迭代、不斷試錯(cuò)”的螺旋上升模式。)
面對(duì)AI，CIO不能再僅僅是一個(gè)懂技術(shù)的“修理工”。決定哪些流程要自動(dòng)化、哪些技能最有價(jià)值，這不再是純粹的技術(shù)判斷，而是價(jià)值判斷。亞馬遜曾試圖用AI進(jìn)行招聘，但因?yàn)闅v史數(shù)據(jù)以男性為主，導(dǎo)致AI對(duì)女性求職者產(chǎn)生了偏見，最終項(xiàng)目流產(chǎn)。這說明了一個(gè)深刻的道理：技術(shù)上可行，不代表在組織倫理上合理。CIO必須成為“價(jià)值設(shè)計(jì)師”，在“追求效率優(yōu)化”與“堅(jiān)持組織理想”之間找到平衡，因?yàn)橐坏┧惺挛锒急涣炕切o法被數(shù)字衡量的人性光輝就會(huì)流失。
在引入AI時(shí)，員工不可避免地會(huì)感到焦慮。為了打破這種阻力，美馬教授提出了CIO必須掌握的“技術(shù)者倫理3層模型”：
第一層：預(yù)見責(zé)任——提前描繪AI對(duì)崗位的影響，讓過渡計(jì)劃清晰可見。
第二層：解釋責(zé)任——向全員坦誠(chéng)引入AI的目的、邊界和局限性。
第三層：組織性關(guān)懷責(zé)任——這不是情感上的安慰，而是保護(hù)“人力資本”的硬性管理責(zé)任。必須通過制度保障受影響員工的平穩(wěn)轉(zhuǎn)崗和技能提升。
(“技術(shù)者倫理三層模型”的金字塔，包括從底部的“預(yù)見責(zé)任”到中間的“解釋責(zé)任”，再到頂部的“組織性關(guān)懷責(zé)任”及“生活者倫理”理論框架。)
此外，美馬教授提倡用“技能附加（Upskilling）”代替簡(jiǎn)單的“重新學(xué)習(xí)（Reskilling）”，并強(qiáng)調(diào)人才培養(yǎng)的KPI應(yīng)從單純的“效率”轉(zhuǎn)向“可持續(xù)性”（如心理安全感和轉(zhuǎn)崗成功率）。
今天，我們太熱衷于討論“如何使用AI（How）”和“用AI做什么（What）”，卻極少停下來問一句：“我們?yōu)槭裁匆肁I（Why）？”以及“哪些領(lǐng)域絕對(duì)不能用AI，必須留給人類？”
具備這種思考能力，就是企業(yè)真正的“AI準(zhǔn)備度（AI Readiness）”。當(dāng)CIO能夠帶領(lǐng)組織直面這些關(guān)于價(jià)值和倫理的終極拷問時(shí)，AI才能真正成為賦能人類社會(huì)的力量，而不是冷冰冰的替代品。
CIO從“技術(shù)管理者”向“價(jià)值設(shè)計(jì)者”轉(zhuǎn)變：AI應(yīng)用進(jìn)展緩慢的日本CIO需要何種視角？
雖然生成式AI的引入正在全球范圍內(nèi)加速，但在日本企業(yè)中的普及程度依然有限。
公立函館未來大學(xué)名譽(yù)教授美馬由里（YuriMima）指出，這背后的原因并非技術(shù)能力的不足，而是組織設(shè)計(jì)理念和制度存在問題。曾任職于加州大學(xué)伯克利分校AI研究機(jī)構(gòu)的美馬教授，針對(duì)日本企業(yè)的AI導(dǎo)入與人才培養(yǎng)敲響了警鐘，這為CIO們提出了無法忽視的深刻問題。
一、日本AI導(dǎo)入進(jìn)展緩慢的真正原因
隨著生成式AI在全球范圍內(nèi)的廣泛應(yīng)用，大多數(shù)日本企業(yè)至今仍未實(shí)現(xiàn)真正意義上的全面導(dǎo)入。雖然許多企業(yè)有過在業(yè)務(wù)中試用ChatGPT的經(jīng)驗(yàn)，但絕大多數(shù)未能將其扎根于整個(gè)組織。相比之下，美國(guó)的情況截然不同。根據(jù)美國(guó)心理學(xué)會(huì)2025年發(fā)布的“WorkinAmerica”調(diào)查，47%的勞動(dòng)者每月至少在業(yè)務(wù)中使用一次AI。30%的人覺得“不用就會(huì)被時(shí)代拋棄”，38%的人擔(dān)憂“自己的崗位可能會(huì)被淘汰”。這項(xiàng)調(diào)查結(jié)果表明，AI已經(jīng)深度滲透進(jìn)日常工作，在帶來效率提升期望的同時(shí)，也引發(fā)了不安和組織內(nèi)部分化等心理與組織層面的影響。報(bào)告得出的結(jié)論是：“AI的引入，與基于人類不安和期望所進(jìn)行的制度設(shè)計(jì)是不可分割的。”
那么，日本AI導(dǎo)入緩慢的背景到底是什么？美馬教授通過演講和與企業(yè)的對(duì)話發(fā)現(xiàn)，這不是能力或技術(shù)問題，而是結(jié)構(gòu)性問題。第一，（在導(dǎo)入AI前）DX（數(shù)字化轉(zhuǎn)型）的目的未能在組織內(nèi)充分共享。第二，一線員工不希望改變既定的工作流程，而受此牽制，供應(yīng)商也形成了“客戶不想要的我們就不提案”的行為準(zhǔn)則。此外，將“維持現(xiàn)狀”視為合理選擇的績(jī)效評(píng)價(jià)制度更是推波助瀾。
把統(tǒng)計(jì)數(shù)據(jù)公開為PDF格式、把病歷單純電子化——這種停留在“非本質(zhì)工作”上的例子不勝枚舉。美馬教授指出，導(dǎo)致這種狀況的根本原因在于“設(shè)計(jì)理念”。例如，純電動(dòng)汽車制造商特斯拉（Tesla），其軟件會(huì)頻繁更新，一夜之間屏幕顯示界面徹底刷新也是常有的事?；谠赨C伯克利AI研究機(jī)構(gòu)工作時(shí)駕駛特斯拉的經(jīng)驗(yàn)，美馬教授表示：“這是在日本很難被輕易接受的規(guī)格。”如果日本汽車產(chǎn)業(yè)的設(shè)計(jì)理念是確定性、安全性和高完成度，那么擁有進(jìn)化速度、持續(xù)改善、部署后不斷修正等設(shè)計(jì)理念的特斯拉，可以說是走向了完全相反的方向?！斑@并非孰優(yōu)孰劣的問題，單純是設(shè)計(jì)理念的差異?！被诖藖砜?，AI的技術(shù)特性與日本的土壤并不契合?！癆I本質(zhì)上是不完美的。它是一種不斷更新、越試越準(zhǔn)的技術(shù)。這與日本‘做完美了再導(dǎo)入’的思維方式格格不入，”美馬教授說道，并進(jìn)一步指出日本存在著難以推進(jìn)AI導(dǎo)入的結(jié)構(gòu)。
二、AI時(shí)代的技術(shù)判斷即價(jià)值判斷——CIO應(yīng)成為“價(jià)值設(shè)計(jì)者”
在這種狀況下，CIO依然必須推進(jìn)AI的導(dǎo)入。美馬教授認(rèn)為，在AI的導(dǎo)入過程中，CIO被賦予了新的角色。一直以來，CIO的重要職責(zé)之一是進(jìn)行技術(shù)判斷。但是，圍繞AI的導(dǎo)入，諸如“哪些環(huán)節(jié)要自動(dòng)化”、“哪些角色要重新定義”、“哪些技能應(yīng)被視為有價(jià)值”等判斷也隨之而來。而這些，不再是純粹的技術(shù)判斷，而是價(jià)值判斷。
亞馬遜（Amazon）就是一個(gè)凸顯價(jià)值判斷重要性的標(biāo)志性案例。在嘗試將AI引入招聘篩選時(shí)，由于使用了過往的招聘記錄（男性居多）作為訓(xùn)練數(shù)據(jù)，導(dǎo)致AI對(duì)女性給出了不公正的低分評(píng)價(jià)（該項(xiàng)目最終被叫停）?！斑x擇什么樣的訓(xùn)練數(shù)據(jù)本身，就直接取決于AI導(dǎo)入時(shí)的判斷?！奔夹g(shù)上可行，與作為組織是否妥當(dāng)，兩者并不等同——?dú)w根結(jié)底，決定這些判斷前提的，正是IT技術(shù)人員以及下達(dá)經(jīng)營(yíng)判斷的CIO。
美馬教授斷言：“CIO在作為技術(shù)管理者的同時(shí)，也是組織的價(jià)值設(shè)計(jì)者。”在思考價(jià)值時(shí)，美馬教授首先聚焦的觀點(diǎn)是“最優(yōu)化與理想狀態(tài)并不一致”。當(dāng)效率或削減成本等可量化的指標(biāo)被優(yōu)先考慮時(shí)，“一旦把能被數(shù)值化的東西作為唯一指標(biāo)，那些無法被數(shù)值化的‘優(yōu)秀特質(zhì)’就會(huì)流失掉。”這就要求我們?nèi)徱暋熬烤拱咽裁匆暈閮r(jià)值”本身。正因如此，美馬教授極力主張將倫理置于核心位置。倫理不是必須死守的規(guī)則，而是在價(jià)值觀發(fā)生沖突、沒有標(biāo)準(zhǔn)答案的境況下作為判斷依據(jù)的框架。美馬教授認(rèn)為，將“什么是好的（何為善）”這一追問作為組織的基石——這正是對(duì)當(dāng)前CIO的要求。
三、技術(shù)者倫理三層模型
基于上述原因，作為價(jià)值設(shè)計(jì)者的CIO在導(dǎo)入AI時(shí)應(yīng)當(dāng)思考何種框架？美馬教授提出了“技術(shù)者倫理3層模型”：第一層是“預(yù)見責(zé)任”——導(dǎo)入前梳理對(duì)現(xiàn)有職務(wù)的影響，并使過渡計(jì)劃可視化。第二層是“解釋責(zé)任”——在組織內(nèi)部共享導(dǎo)入目的、影響范圍及技術(shù)局限性。第三層則是“組織性關(guān)懷責(zé)任”。
特別是關(guān)于第三層，美馬教授強(qiáng)調(diào)：“關(guān)懷責(zé)任不是情緒上的撫慰，而是防止人力資本受損的經(jīng)營(yíng)責(zé)任。”通過制度來保障那些受AI導(dǎo)入影響的人才進(jìn)行能力轉(zhuǎn)移——這不是“心慈手軟”，而是為了保護(hù)人才這一經(jīng)營(yíng)資源的硬性責(zé)任?！?/span>在少子老齡化加劇、人才短缺日益嚴(yán)重的當(dāng)下，將受AI影響的人才轉(zhuǎn)移到其他業(yè)務(wù)崗位，是組織必須履行的經(jīng)營(yíng)責(zé)任。”面對(duì)擔(dān)憂自己可能會(huì)失去工作的員工，如果只是自上而下地強(qiáng)行命令導(dǎo)入，必定會(huì)招致反感。直面受影響人才的不安，由組織明確給出過渡的路徑——這才是作為制度設(shè)計(jì)的關(guān)懷責(zé)任的本質(zhì)。這一視角的落地，離不開與人力資源部門的緊密合作。
此外，美馬教授指出，技術(shù)者應(yīng)當(dāng)承擔(dān)的倫理還需要加入另一個(gè)視角。傳統(tǒng)上，技術(shù)者的倫理主要從“技術(shù)對(duì)社會(huì)的影響”、“作為組織成員的責(zé)任”和“作為專業(yè)人士的解釋責(zé)任”三個(gè)維度來討論。但在AI時(shí)代，還需要“生活者倫理”的視角?，F(xiàn)在，世界各地出現(xiàn)了與AI伴侶結(jié)婚的人，甚至出現(xiàn)了通過訂閱服務(wù)與已故家屬“重逢”的服務(wù)。開發(fā)和導(dǎo)入技術(shù)的一方，本身也是受其影響的生活者之一?！白鳛槭褂谜摺⒆鳛槭苡绊懻叩呐袛?，如今已成為不可或缺的第四種倫理?！?/span>
四、設(shè)計(jì)AI時(shí)代的人才培養(yǎng)
AI時(shí)代在人才層面也必須進(jìn)行根本性反思。正如前文提及的美國(guó)調(diào)查所揭示的，員工對(duì)導(dǎo)入AI感到不安。除了對(duì)就業(yè)本身的擔(dān)憂外，業(yè)務(wù)方式和內(nèi)容的改變也伴隨著職業(yè)生涯斷層的風(fēng)險(xiǎn)。因此，人才培養(yǎng)也必須建立在倫理的基礎(chǔ)之上?！皟H僅依靠傳統(tǒng)的‘作業(yè)效率’或‘削減成本’等指標(biāo)，是無法把握其對(duì)人才產(chǎn)生的影響的。”美馬教授列舉了AI時(shí)代所必需的新指標(biāo)：技能轉(zhuǎn)換完成率、重新配置成功率、組織內(nèi)AI成熟度，以及心理安全感（即員工是否能感受到“即使導(dǎo)入了AI也沒關(guān)系”）。從效率走向可持續(xù)性——這種轉(zhuǎn)變正是重新設(shè)計(jì)人才培養(yǎng)KPI的核心。“AI時(shí)代的人才培養(yǎng)，絕不是教人怎么操作工具，而是設(shè)計(jì)一種以變化為前提、持續(xù)學(xué)習(xí)的結(jié)構(gòu)體系?！贝送猓囵B(yǎng)勇于承擔(dān)變化的倫理觀同樣重要。基于這些考量，美馬教授表示，相較于“重新學(xué)習(xí)（Reskilling）”，不斷增加新技能的“技能附加（Upskilling）”視角顯得更為重要。
五、持續(xù)追問“WHY（為什么）”
如開篇所述，日本AI導(dǎo)入進(jìn)展緩慢的背后，存在著文化、制度與設(shè)計(jì)思想等結(jié)構(gòu)性問題。但是，“不導(dǎo)入AI”這個(gè)選項(xiàng)是不存在的。該如何找到落腳點(diǎn)？“這是最核心的關(guān)鍵，”美馬教授說。她并不悲觀，而是認(rèn)為“希望就存在于這一線之間”。“讀懂空氣（察言觀色）”、“營(yíng)造氛圍”、“體察人心”——深深扎根于日本社會(huì)的、重視人際關(guān)系的感性，與美馬教授提倡的“人性化學(xué)習(xí)設(shè)計(jì)（HumaneLearningDesign,HLD）”理念產(chǎn)生了深度共鳴。HLD是一種通過提出問題、開展對(duì)話，并根據(jù)語(yǔ)境和關(guān)系性做出負(fù)責(zé)任判斷的學(xué)習(xí)思想?！癏umane”一詞，比“human（人類）”更多了一層人道與體恤的意味。追求的不是個(gè)體的最優(yōu)化，而是調(diào)和“人與人之間距離”的倫理感性——這也與關(guān)懷倫理的核心不謀而合。
然而，美馬教授提醒，這種重視關(guān)系的感性與“過度揣度（阿諛）”往往只有一線之隔?！叭绻^度察言觀色，演變成一種不允許失敗的文化，那最終就會(huì)導(dǎo)致什么都改變不了?！币痪€人員最清楚問題所在，但聲音卻傳達(dá)不上去——這種結(jié)構(gòu)是所有組織共有的病理。要在發(fā)揮重視關(guān)系優(yōu)勢(shì)的同時(shí)，對(duì)變化保持包容和開放?！霸试S事物的變化，接受關(guān)系的改變，我們需要這種意義上的開放文化?！比绻軐?shí)現(xiàn)這兩者的平衡，美馬教授認(rèn)為日本就能在AI時(shí)代發(fā)揮出獨(dú)特的優(yōu)勢(shì)。“也許我們可以將日本這種‘關(guān)系性的智慧’，作為日本原創(chuàng)的理念向世界輸出?！?/span>
最后，美馬教授向CIO們特別強(qiáng)調(diào)的是——“為什么要使用（Why）”這個(gè)終極追問?！?/span>現(xiàn)在大家都在熱烈討論‘如何使用AI（How）’以及‘用AI做什么（What）’。但是，關(guān)于‘為什么要用’、‘什么事情最好不用’、‘什么東西必須保留在人類自己手里’的WHY的討論，卻處于缺失狀態(tài)。”美馬教授將直面這一追問的能力稱為“AI Readiness（AI準(zhǔn)備度）”?！斑@不是指熟練使用工具的能力，而是直面各項(xiàng)價(jià)值判斷的準(zhǔn)備狀態(tài)。”將這種狀態(tài)植根于組織之中，正是作為價(jià)值設(shè)計(jì)者的CIO所被賦予的最重要職責(zé)?！八伎际褂玫囊饬x與影響，以及做出‘不使用’的判斷。正是這些判斷，將指引我們創(chuàng)造出一個(gè)能夠讓人類綻放光彩的社會(huì)?！?/span>
