這篇文章我讀了三遍，推薦給所有在搞AI的CEO和CIO。?？剖缹W，埃森哲日本數(shù)據(jù)與AI業(yè)務負責人，把一個不到百人的AI團隊做到千人規(guī)模，撐起埃森哲日本四成營收。他說的每一句話，都踩中了中國企業(yè)現(xiàn)在搞AI的痛點。
上個月跟一個制造業(yè)老板喝茶，他拍著桌子跟我說：
"去年花了500萬上了最先進的大模型，找了最牛的團隊做了2個PoC，結果呢？除了行政部偶爾用來寫個會議紀要，銷售部用來改個PPT，業(yè)務上根本沒看到任何變化。"
"500萬啊，就買了個高級玩具。"
相信很多CIO朋友都有同感。技術越來越先進，PoC做得越來越漂亮，但一到規(guī)模化落地就卡殼。問題到底出在哪？
看完埃森哲?？剖缹W的這篇訪談，我突然就通了——
我們的瓶頸，從來都不是技術，而是組織。
現(xiàn)在到處都在說"AI替代多少白領工作"，這個說法本身就是錯的。
?？普f了一個特別好的例子：
要給員工負面反饋？讓AI去說，客觀理性，不會情緒化，避免人際沖突
要表揚員工？必須領導親自說，"這次干得漂亮"這句話的溫度，AI永遠給不了
再比如：
AI可以做99%的風險分析，把數(shù)據(jù)擺得清清楚楚
但最后拍板、承擔責任的，永遠是人
搞AI的第一步，不是想著讓AI取代誰，而是把人和AI的邊界畫清楚。
哪些事必須人來做？決策、共情、承擔責任。哪些事必須AI來做？重復計算、海量數(shù)據(jù)處理、得罪人的事。
把這個邊界想清楚了，你的組織架構和AI系統(tǒng)才會真正清晰。不然就是為了技術而技術，為了AI而AI。
這一點我深有體會。
傳統(tǒng)企業(yè)的IT部門，核心KPI是什么？系統(tǒng)穩(wěn)定運行，不出事。所以形成了"絕不允許失敗"的文化，多一事不如少一事。
但搞AI呢？AI模型的迭代本身就需要失敗的數(shù)據(jù)，人的成長也需要試錯的經(jīng)驗。
用?？频脑捳f：
最高級的管理，不是要求員工絕對完美，而是為他們設計一個"在可控范圍內，允許安全試錯的沙盒環(huán)境"。
給他們布置"稍微踮起腳尖就能觸碰到"的挑戰(zhàn)性任務，在他們跌倒時說一句"沒關系，復盤后再來"。
這種心理安全感，才是驅動組織創(chuàng)新的最強勁燃料。
如果你的IT部門還在追求"零故障"，那你的AI永遠做不起來。
很多老板的邏輯是：AI是技術，那就是技術部的事。大錯特錯。
埃森哲為什么要在京都設高級AI中心？核心邏輯就是：把客戶企業(yè)的CEO/CxO和最前沿的AI開發(fā)者拉到同一張桌子上。
技術人員懂算法的邊界，但經(jīng)營層才懂業(yè)務的生死。只有讓"自上而下的商業(yè)意志"和"自下而上的技術現(xiàn)實"在同頻對話中碰撞，甚至現(xiàn)場收反饋、現(xiàn)場改模型，才能搞出真正能解決問題的AI。
我見過太多企業(yè)，老板提了個需求，技術部悶頭搞了三個月，最后拿出來的東西業(yè)務部門根本不用。為什么？中間沒有對話，沒有碰撞，沒有同頻。
AI不是技術部門的AI，是整個公司的AI。
這兩年看著很多企業(yè)搞AI，我最大的感受是：大家都太焦慮了，焦慮到忘記了最基本的東西。
技術在變，算法在變，模型在變。但組織的邏輯沒變，人的邏輯沒變。
與其追著最新的技術跑，不如停下來想想：
我們公司人和AI的邊界在哪？
我們給年輕人試錯的空間了嗎？
業(yè)務和技術真的在一張桌子上說話嗎？
在這個AI浪潮席卷而來的時代，對于CIO和企業(yè)領袖而言，與其被動地維持系統(tǒng)的穩(wěn)定，不如主動出擊，將全球最前沿的技術吸納進自身的業(yè)務語境中。
停止純粹的技術焦慮吧，回歸到"人與組織"的重塑上來。想清楚這一點，你的企業(yè)在下一個十年依然會是行業(yè)的執(zhí)牛耳者。
——埃森哲AI中心負責人?？茖W世的挑戰(zhàn)（完整訪談）
受訪者：?？茖W世
埃森哲公司數(shù)據(jù)與AI業(yè)務日本區(qū)負責人、AI中心負責人將不足百人的AI團隊拓展至千人規(guī)模，撐起埃森哲日本約40%的營收
問：請您介紹一下迄今為止的職業(yè)生涯。
從小學到高中，我對編程的癡迷與日俱增，同時也對量子力學產生了濃厚興趣。順著這份熱愛，我在大學主修了高度依賴計算機計算的物理化學專業(yè)，并一路讀到了博士。
用計算機研究原子和分子極其有趣，讓我十分沉迷。但隨著研究的深入，我內心開始產生一個疑問：
"我的研究真的能為這個世界做出貢獻嗎？"
懷揣著"先去了解一下社會與商業(yè)運作機制"的想法，我加入了安永咨詢（現(xiàn)埃森哲），因為在這里，編程這項特長能立刻轉化為即戰(zhàn)力。
最初，作為"懂編程的人才"，我直接從連新人都很少涉足的高難度項目起步：
從構建客戶數(shù)據(jù)庫開始
逐步擴展到銷售機制的搭建
呼叫中心建設
乃至于供應鏈領域
當開發(fā)團隊逐漸壯大為百人規(guī)模的全球化協(xié)作體系時，我開始大力推動自動化測試工具的開發(fā)，致力于構建"排除人為依賴（去屬人化）"的機制。從很早開始，我就將打造保障重現(xiàn)性與質量的底座作為核心課題。
職業(yè)生涯的轉折點，出現(xiàn)在我們探索訂單系統(tǒng)高端化的過程中。
我將博士階段積累的機器學習知識與埃森哲的咨詢訣竅相結合，著手開發(fā)需求預測、庫存最優(yōu)配置等智能機制，并成功將其作為云服務推向市場，實現(xiàn)了商業(yè)變現(xiàn)。
此后，順應大數(shù)據(jù)與機器學習的浪潮，我們進一步推進了數(shù)字基地建設與人才培養(yǎng)：
在東京麻布成立了"埃森哲創(chuàng)新中心"，與客戶共同將創(chuàng)新點子轉化為現(xiàn)實
在京都設立了"高級AI中心"，打造了一個讓企業(yè)高管與精通前沿AI的開發(fā)者直接對話、共構全企業(yè)變革藍圖的場域
問：在您的職業(yè)生涯中，最引以為傲的成就是什么？
回首過去，無論是建立創(chuàng)新中心，還是開發(fā)各類AI服務，我都參與了諸多重要項目。但如果要說對公司最大的貢獻，或許是"成功擴大了AI組織的規(guī)模"。
雖然如今AI因達到了應用級別而備受矚目，但這不過是近期的潮流?；叵胧昵埃瑤缀蹩床坏酱笃髽I(yè)以AI為核心推進實質性轉型的案例。
我剛接手AI團隊負責人時，團隊還不到100人。隨后，我將精力傾注于打造讓成員充分發(fā)揮實力的環(huán)境，并推動組織擴張。這條路并不平坦，但在各方力量的協(xié)助下，如今團隊已成長為千人規(guī)模。
目前，埃森哲日本區(qū)約40%的營收都由數(shù)據(jù)與AI相關業(yè)務貢獻。曾經(jīng)在公司內并不算主流的領域，如今已成為核心業(yè)務。
毫無疑問，我們將這股社會浪潮轉化為實際商業(yè)成果的底氣，正是源于"人的力量"。
問：您收到過印象最深的管理建議是什么？
我屬于一邊獨立思考一邊推進的類型，不太常找人商量。因此，并沒有哪句具體的話成為我的轉折點。
但回過頭看，公司里的歷任上司總是交給我一些"目前對我來說有些困難，但只要努力一下也許夠得著的工作"。
不發(fā)一言，卻直接給予機會，這恐怕是我獲得最大成長的契機。
正因有了這種不斷挑戰(zhàn)"略超自身能力邊界"的積累，如今我在管理下屬時，也會刻意委派那些"稍微踮踮腳就能完成"的任務。
不施加毀滅性的重壓，也不允許其龜縮在舒適區(qū)，而是精準地找到"挑戰(zhàn)與成就感并存"的平衡點。
培養(yǎng)人才，正是這種不斷把握平衡的藝術。
問：作為現(xiàn)任負責人，您覺得這份工作最大的魅力是什么？
絕不僅僅是能接觸到以AI為首的前沿技術，更在于能將其實實在在地植入企業(yè)，并轉化為造福社會的實質成果。
你不能僅僅了解技術，而是必須徹底想透"如何應用它、如何用它來引發(fā)變革"。
了解全球正在發(fā)生什么，親自參與推動，將其橫向擴展至各行各業(yè)甚至全社會，并在全球范圍內進行規(guī)?；瘡椭?。
能夠參與到這一進程中，是我目前感受到的最大樂趣。
問：成功的組織管理，最需要什么？
這是一個極難的課題。我們在京都AI中心與京都大學聯(lián)合開展了關于"領導力"的研究。分析的核心是：
如何同時實現(xiàn)"企業(yè)的高績效"與"員工的幸福感（Well-being）"？
研究表明，關鍵在于管理者能多大程度上貼近并培育年輕一代。
年輕人生來具備數(shù)字原住民的直覺，我們必須積極利用這股力量。然而，IT領域往往有著"絕不容許失敗"的嚴苛屬性。
但我堅信，無論是訓練AI還是人類成長，適當?shù)氖〗?jīng)驗都不可或缺。
日本的IT現(xiàn)場往往彌漫著"不能犯錯"的沉重空氣。因此，領導者的核心職責，絕不是要求完美，而是設計出"在可容忍范圍內的試錯空間"，為年輕人打造一片"能安心跌倒的場地"。
在他們失敗時，能對他們說一句：
"沒關系，下次繼續(xù)努力。"
問：您對年輕的IT領導者有什么建議？
過去，日本IT領導者的首要任務是如何維持核心基干系統(tǒng)的穩(wěn)定運行，這是企業(yè)存續(xù)的命脈。但如今，生成式AI等技術革新的浪潮不請自來。
如果僅僅滿足于系統(tǒng)的穩(wěn)定運轉，企業(yè)將無法維持未來的競爭力。
這就要求IT領導者不能把擁抱新技術的任務"外包"或甩鍋給別人，而是必須親自去理解，去思考外部世界的新鮮事物對自身企業(yè)意味著什么。
在維持穩(wěn)定與推動變革、短期視野與長遠社會視野之間取得平衡，并清晰地打出自己的戰(zhàn)略牌。
問：您認為AI將如何重塑日本的產業(yè)格局？
大語言模型（LLM）正猛烈沖擊著白領階層，尤其是文檔處理占比較高的金融及軟件開發(fā)領域。隨著生成成本的暴跌，語言類任務被AI廣泛接管是大勢所趨。
而未來，一旦"物理AI"全面鋪開，現(xiàn)實世界中的繁重作業(yè)也將由AI和機器人分擔。
屆時的核心命題，將不再*"AI能不能做"，而是"這事該不該讓人類來做"。
負面反饋交給AI，贊賞鼓勵必須人來做。給出負面反饋，讓AI去傳達往往更客觀理性；但如果是贊賞與鼓勵，人類上司的一句"干得好"所帶來的情感共鳴，是機器人永遠無法替代的
風險分析交給AI，拍板決策必須人來做。即使AI能完成極度復雜的風險評估，最終敢于承擔風險、為結果負責的，永遠是人類高管
標準化作業(yè)交給AI，創(chuàng)造性工作必須人來做。規(guī)則清晰、流程明確的工作，AI做得又快又好；但打破規(guī)則、創(chuàng)造新價值的工作，只能靠人
面對老齡化、勞動力短缺等社會頑疾，"物理AI × 生成式AI × 負責任的AI"將成為日本破局的關鍵。
對于決策者而言，這不是一場盲目追逐時髦的競賽，而是要不斷深思：
如何組合這些技術，才能達成整個社會的利益最大化？
我期待所有的IT領袖們，都能保持這種思考，迎接下一個時代的挑戰(zhàn)。
編者后記
整理這篇訪談時，我最大的感受是：?？葡壬劻撕芏郃I，但從頭到尾，核心關鍵詞始終是"人"和"組織"。
技術是工具，模型是手段，最終決定AI能不能做成的，還是人。這大概也是他能把百人團隊做到千人、撐起四成營收的真正原因吧。
