AI战略成功的四个关键要素

分析师们一直敦促技术领导者管理预期，特别是对于生成式AI，它往往承诺多于短期内的实际交付。Gartner建议CIO必须帮助CFO将AI视为长期战略投资，而Forrester警告说，对AI投资即时回报的未满足预期将导致许多企业过早缩减投入。

但并非每家企业都在苦苦挣扎。与四位资深IT领导者的对话描绘了一个更加平衡的画面。从大型跨国公司到中小企业创新者，许多组织已经从AI中产生了可衡量的价值，并为CIO分享了一个务实的框架：专注于正确的用例、倾向于文化准备、创造性地衡量影响，以及为演进而设计。

优先考虑实用、高影响力的用例

在全球半导体公司AMD，AI被视为与任何其他战略IT投资一样——只有在合理时间框架内交付商业价值时才有用。业务应用副总裁Chris Wire解释说，AI的成功往往反映了传统技术的努力。"我们评估成本、收益和适用性，"他说。"当它与我们的业务目标一致时，我们就推进项目。"

这种理念转化为快速回报的项目。AMD使用生成式AI来简化复杂任务，比如准备研发税务文档，以前需要几周完成的工作现在可以在几小时内完成，这要归功于能够总结和结构化密集材料的AI工具。这种类型的效率在高风险、合规性较重的职能（如财务）中特别有价值。

同样，联想全球CIO Arthur Hu提到了Studio AI，这是一个内部生成工具，将营销内容制作时间缩短了80%，并将代理支出减少了多达70%。好处不仅仅是财务上的：销售和营销团队获得了新的敏捷性，能够近乎实时地创建个性化材料。除了Studio AI，联想还在客户支持系统中使用嵌入式智能体来早期检测问题并提高呼叫中心效率。这些数字助手通过提供实时建议和自动化常见解决方案来增强坐席性能并提高客户满意度。

还有Upwave，一家数据驱动的广告分析公司，从使用生成式AI创建活动绩效报告的面向客户的工具中找到了投资回报率。该工具筛选多渠道广告数据并将其提炼为清晰的、高管级别的洞察。CTO George London说这些报告更容易理解且被更广泛地分享，提高了客户满意度和内部效率。该平台还开始集成对话界面来简化活动规划，将复杂的仪表板解释转化为自然语言解释。

在这些公司中，共同点是实际实施。大多数AI收益来自将Microsoft Copilot、GitHub Copilot和OpenAI API等工具嵌入现有工作流程。技术公司Trimble的技术创新副总裁Aviad Almagor还指出，超过90%的Trimble工程师使用Github Copilot。他说，投资回报率在更短的开发周期以及减少HR和客户服务摩擦中是显而易见的。此外，Trimble已将AI引入其运输管理系统，其中AI智能体通过动态匹配托运人和承运人来优化货运采购。

这些例子表明，从AI创造价值并不需要在定制平台上进行大量投资。通常，最好的结果来自基于经过验证的、可扩展的技术构建，并将它们深思熟虑地集成到现有系统中。

建立鼓励AI流畅性的文化

技术可能是基本要素，但文化是催化剂。成功的AI项目得到促进实验、内部可见性和跨职能协作的组织习惯的支持。好奇心和迭代的文化与强大的技术堆栈同样重要。

在AMD，这包括举办内部黑客马拉松和提示马拉松，业务和IT团队在实际用例上协作。结果是戏剧性的：一次黑客马拉松在一天内产生了100个新的AI想法，其中几个进入了生产阶段。这种开放式创造力鼓励业务领导者超越自动化思考，设想新的工作方式。

联想采用分层准备方法。"一些团队需要基础教育，"Hu说。"其他团队已准备好进行敏捷冲刺。我们为每个成熟度级别提供入门途径。"公司在各部门之间培养了友好竞争，以展示他们的AI创新，这在整个业务中产生了归属感和动力。

Trimble强调领导支持和结构化入职。Almagor认为文化投资与技术启用同样重要。"这不仅仅是关于工具，"他说。"这是关于帮助人们想象什么是可能的。"他们的框架包括专门的培训项目、内部冠军和对迭代实验的支持。

对于像Upwave这样的小公司，文化清晰度转化为设计纪律。London警告不要进行表面部署，说撒AI仙女粉很少交付价值。相反，他倡导从用户需求开始并向后工作的有意设计。Upwave发现产品和数据团队之间的密切协作导致更有用的应用程序，例如与客户内部报告格式对齐的AI生成摘要。

创造性和情境性地衡量投资回报率

虽然分析师经常感叹显示AI项目短期投资回报率的困难，但这四个组织不同意——至少部分不同意。他们的秘密：灵活思维和多样化指标。他们不仅将投资回报率视为节省或赚取的美元，还视为节省的时间、增加的满意度和获得的战略灵活性。

London说Upwave倾听客户信号，如积极反馈、合同续约和对AI生成内容的增加参与。鉴于实施预构建AI模型的低成本，即使是适度的胜利也能产生高回报。例如，如果客户将AI生成的功能作为续约或扩大合同的原因，这被视为强有力的投资回报率指标。

Trimble在工程和运营中使用生命周期指标。例如，一个客户使用Trimble AI工具将执行隧道安全分析的时间从30分钟减少到仅3分钟。对Almagor来说，这种改进说明了很多问题。他们还在软件开发中基准性能提升，AI工具显示出15%到20%的改进。

AMD跟踪各种流程的时间节省，包括会议摘要和基于聊天机器人的HR工作流程。在财务方面，AI驱动的自动化正在交付15%的生产力提升。最令人印象深刻的是，通过机器学习实现的半导体制造小幅收益改进转化为数百万美元。AMD还维护着一个包含100多个记录AI用例的内部资源目录，这有助于标准化成功测量和传播采用。

联想混合软硬指标。Hu说他们战略的很大一部分是减少摩擦：通过标准化工具、合规框架和入职流程，他们降低了AI实验的障碍，并在不产生失控成本的情况下扩大采用。团队可以更自信地启动项目，开销更低，为价值获取创造了可重复的模型。

长远思考，但从今天有效的开始

这些组织都不对AI的局限性天真。但他们将当前的采用浪潮视为更大转型的必要基础。短期胜利不仅仅是为了证明价值——它们是为了准备企业以不同的方式思考和行动。

Trimble正在投资智能智能体和多智能体生态系统，设想一个代表不同业务领域的软件智能体协作优化结果的未来。Almagor想象采购、建模、物流和合规智能体无缝交互。他预见从以应用程序为中心的IT转向基于智能体的交互。

联想正在观察类似趋势。各部门已经在请求决策副驾驶，Hu看到一个未来，增强而不仅仅是自动化成为常态。长期目标是在业务职能中嵌入智能，以便决策得到数据驱动洞察的实时支持。

在Upwave，对话式AI和视觉洞察解释的实验指向数据和行动之间更直观的界面。London相信下一个飞跃将来自将洞察转化为推荐下一步的副驾驶。他们的目标是通过将数据转化为直接与活动目标相关的建议来消除用户的认知过载。

AMD还在投资扩大内部AI社区，提供确保AI能力在团队中一致采用的手册和培训资源。此外，他们专注于治理，确保数据隐私、伦理考虑和运营韧性嵌入到每个AI部署中。

在所有四家公司中，对CIO的建议是一致的：

"满怀信心地开始，"Almagor说。"追求有保证胜利的用例。"

"与业务共同创造解决方案，"Wire建议。"这就是你如何推动采用。"

"了解你的成本结构，"London警告。"使用现有平台让你在不超支的情况下扩展。"

"降低准入门槛，"Hu说。"尝试AI越容易，你的组织学习得越快。"

AI不需要是一个登月计划。做得好，它可以现在交付价值并随时间复合该价值。正如这些领导者所展示的，最好的AI战略将纪律与想象力结合起来，交付近期胜利，同时为长期重塑奠定基础。随着组织的成熟，AI的战略作用可能会从增强转向重塑——不仅是为了把事情做得更好，而是完全做新的事情。