CAIO差距
在过去三年中，数千家公司争相任命首席AI官，遵循了2010年代首席数字官浪潮所建立的剧本。结果充其量是好坏参半。AI预算已增加，概念验证项目已激增，但对于大多数在生成式AI上进行了大量投资的企业，组织级别的可衡量生产力收益仍然难以捉摸。
根据经历过失败的AI转型努力的越来越多的企业技术分析师和高管的说法，问题不在于技术。问题在于围绕它的组织结构。CAIO角色通常的构成方式缺乏推动生产性AI采用所需的行为改变的运营权力。
传统CAIO的问题所在
首席AI官通常被定位为技术倡导者和战略顾问。他们建立AI卓越中心，评估供应商平台，建立治理框架，并制定路线图。他们很少拥有的是对个别业务单位如何分配时间、重新培训员工或围绕AI工具重组工作流的直接权力。
这造成了根本的不匹配。在营销团队中部署生成式AI写作助手在技术上是直接的。让该团队实际改变他们制作内容的方式——停止将AI输出视为需要从头改写的初稿，开发prompt工程技能，围绕AI加速生产重新设计他们的编辑日历——需要没有运营权力的CAIO无法施加的持续组织压力。
新兴替代方案
新兴的替代方案是将高级AI生产力领导者定位更接近COO而不是CTO的人——具有跨职能权限来真正改变工作完成方式的人。该模式的从业者描述了与传统CAIO角色的三个核心差异。
首先，该角色是根据生产力成果而不是AI采用指标来衡量的。部署工具不是成功。具体工作流中每位员工产出的可衡量改进、周期时间减少或单位成本改进才是重要的指标。
其次，该角色需要嵌入式团队权力——强制进行工作流实验、将团队带宽重定向到AI培训以及否决在没有生产力优势的情况下增加AI复杂性的项目的能力。
第三，最有效的从业者首先是数据领导者，其次是AI爱好者。他们了解AI生产力收益从根本上是关于数据质量、工作流设计和变革管理——而不是部署最复杂的模型。
为什么是现在
超越CAIO模式的压力正在加强，因为容易获得的收益已经实现。第一波企业生成式AI部署针对的是低价值任务——起草协助、总结、代码完成、客户服务分流。这些用例提供了有意义但有限的价值，可以在没有深入组织变革的情况下实现。
下一波生产力收益需要AI嵌入到核心业务流程中——在财务建模、R&D工作流、供应链决策和客户成功运营中。这个级别的整合从根本上是一个变革管理挑战，它需要一个与CAIO角色旨在产生的技术倡导者不同的领导者。
建立该角色
转向该模式的组织一致地做出了几个结构性决定。他们将AI生产力职能放在运营或财务部门内部，而不是CTO组织内部，这表明生产力成果——而不是技术部署——是主要任务。他们给该角色一个执行委员会桌子上的位置，而不仅仅是虚线关系。他们明确分离了AI基础设施和平台职能与AI生产力和工作流转型职能。
看到最强结果的公司是那些在12到18个月前做了这种结构性转变的公司。他们现在正在实现复合生产力收益，因为AI转换的工作流成为标准操作程序而不是试点项目。
本文基于ZDNET的报道。阅读原文。
Originally published on zdnet.com
