企业 AI 项目面临的8个主要问题

尽管今年我们在使用大语言模型方面取得了飞速进步，并引发了极大的热情，但一些尚存的障碍和瓶颈却容易在热潮中被忽略不计。

正如以往所有技术一样，公司在推进 AI 项目的过程中必须采用正确的方法。我常听人说，新工作流程和工具应当成为公司的助力，而不是负担。

我们常把这一点看作是生产力的问题——如果项目实施得当，新系统能帮助员工提高生产效率、增强信心，并更好地掌控工作；反之，若实施不当，反而会使他们陷入低效率之中，妨碍必须完成的工作。

下面我们来谈谈我在关于 AI 行业的讨论小组和访谈中听到的一些具体问题，正值2025年开启之际。

缺乏支持和热情

这也是 AI 遵循所有以往技术发展规律的另一体现。没错，AI 是一项功能更加强大、应用更为广泛的技术——但你仍然需要利益相关者的支持。否则，你就处于劣势局面，前路坎坷。

一篇讨论常见挑战的 Substack 文章中使用了“用户采纳率低”这个说法，意思基本上是人们并不选择使用新的 AI 工具或系统。

仅这一点就构成了企业级 AI 推广的核心问题。

指令过于宽泛

假设某公司有人下令让所有人立即“将一切迁移至 AI”。

这样做会带来几个潜在问题。首先，这些指令本身缺乏明确性；其次，各部门之间可能会出现大量重叠和重复的努力，甚至造成部门内部的混乱。

因此，制定详细的战略规划再逐步推进要更为稳妥。

缺乏支持与维护

在某种程度上，创建一项计划比管理它要容易得多。

这就引出了下一个问题——假设某个内部团队或供应商构思并构建了某种 AI 程序，但在投入生产后却遇到了采纳和使用方面的问题。用户有疑问——而这些往往是那些使用这些工具处理关键业务流程的一线员工。

当出现问题时，他们该找谁来解决？

如果各个部门都表示“这不是我们的事”，那情况就会变得非常棘手。

因此，需要关注的不仅仅是初期的支持，还包括在 AI 系统成为工作流程和业务流程一部分之后持续提供的维护支持。

AI 代理与人力替代

这一问题首先引发了一个重大疑问——AI 代理是否会取代人类？

你可以参考比尔·盖茨的观点，他曾表示随着 AI 的崛起，我们在大多数领域将“不再需要人类”。

“有些事情我们会留给自己处理，”盖茨曾著名地谈到人类的作用，“但在制造、运输和种植粮食方面，随着时间推移，这些问题基本上就会迎刃而解。”

欲了解更多，你可以收听我最喜欢的播客之一《 AI Daily Brief with Nathaniel Whittemore 》的最新一期节目。

在节目中，Nathaniel Whittemore 与 Nufar Gaspar 讨论时指出，AI 代理本质上具有替代人类的特性。换句话说，因为它们天生具备卓越的能力，公司很容易直接将其接入系统，从而取代之前负责该项工作的人工。

“我认为，至少在大众的认知中，代理更多的是替代而非辅助，”他辩称，“目前，企业对代理的投资回报率关注的主要是‘它们能否比我们的人更便宜、更高效、更迅速地完成工作’。”

他也提到，公司可能会选择再投资于人力潜力，也可能不会。

“这并不意味着公司会如何利用这些效率提升，”他补充说道，“他们是会大幅削减人力，还是将释放出的人力资源重新投入到进一步的发展中？每个公司都必须自己做出这些决策。”

在把 AI 理论上视为辅助工具与实际上成为取代人力的中介之间，存在不小的落差，这对任何公司来说都是一个潜在的大问题。

AI 洗牌

这一问题与公司内部整合的关系较小，而更多地涉及品牌和公司声誉。

基本思路是，企业在采用 AI 时必须真诚，不能只是挂羊头卖狗肉。以下是我们之前在 Forbes 上关于此话题的报道（由 Sujai Hajela 提供），很多内容至今仍然适用。（ 这里还有 CNN 的更多报道 ）

“AI 洗牌”与绿色洗牌（greenwashing）类似，后者是指企业宣称自己比实际情况更具环保性。这是一种最佳实践，旨在避免这种差距以及企业未能做到“言行一致”的情况。

忽视 AI 伦理

多次我们看到，企业在推进 AI 项目时，往往没有充分考虑项目的伦理问题——如偏见、隐私问题等。

科技界的顶尖人物一再警告，不应将伦理问题排除在外。从AI革命初期的比尔·盖茨和埃隆·马斯克，到最近关于 AI 与隐私及个人数据所有权交集的诸多警示，声音不断。

缺乏网络安全

AI 系统同样需要在安全的环境中运行。

回到播客内容，Whittemore 提到了遵守 HIPAA 和欧洲 GDPR 等标准的重要性。在 AI 的实现和设计中，这些合规问题也同样关键。

缺乏良好政策

简单来说，企业要想成功，就必须有一份好的路线图。

同样，AI 在其广泛性上具有独特性，但在很多可供企业参考的最佳实践上并无二致。没有明确的规划，一切都会大打折扣，因此企业务必确保将 AI 融入业务规划，并以具体明确的方式加以实施。

暂时先说到这里：在企业推进 AI 应用时，请务必考虑以上这些常见建议。