CEO的人工智能悖论：为何放慢脚步，或许才是最快的制胜之道

Meta最新发布的财报再次表明，投入人工智能的资金规模极其庞大。10月，该公司将2026年的资本支出预测收窄至1,350亿美元至1,450亿美元，并将预测区间下限上调50亿美元，人工智能基础设施是推动这一支出的主要因素。

然而，就在几天前，Meta和Apple展示了强大的人工智能模型如何在Apple硬件上本地运行，从而有望让企业拥有更大的掌控权，并减少对昂贵云服务的依赖。这种反差十分鲜明。尽管投资仍在加速，人工智能技术及其经济效益却在不断演变。对大多数企业领导者而言，核心问题并不陌生：当明天的技术、成本和竞争格局仍充满不确定性时，我们今天应该投入多少？

人工智能讨论的核心存在着一种矛盾。人们不断告诉我们，最大的风险就是行动太慢。然而，CEO可能犯下的一些影响最深远的错误，或许恰恰源于行动过快，仓促作出难以挽回且代价高昂的决策。

这并不是主张袖手旁观，而是要区分两种快速行动：一种是为了尽快学习，另一种是为了尽快作出承诺。两者并不是一回事。

应对压力确实存在。

人工智能预计将改变大多数行业。仍不明确的是，价值会首先出现在哪里、获取这些价值需要付出多少成本，以及哪些商业模式会受到冲击。

斯坦福大学的《2026年人工智能指数》报告指出，2025年，受访组织中有88%已在至少一项业务职能中使用人工智能。但采用并不等于转型。咨询行业的研究表明，人工智能试验与企业整体层面的影响之间，仍存在持续的落差。许多组织在提升生产力、改进个别职能或流程方面取得了成效，但真正将这些成果转化为显著且可衡量的整体业务绩效提升的组织寥寥无几。

CEO身边或许有成功的演示、热情的员工和令人印象深刻的供应商介绍，却仍可能难以回答董事会提出的一个简单问题：我们的业务经济效益究竟发生了什么变化？

人人都有看法，但并非人人的利益诉求都相同。

设想一位CEO正准备批准一项重大的人工智能投资。技术供应商确信，其平台能够带来未来。技术团队希望获得资源来开展建设。业务负责人希望取得竞争优势。财务部门希望看到可信的回报。董事会则希望确信，管理层既没有落后于人，也没有拿公司的未来冒险。

大多数人都是出于善意行事。但他们看待这一决策的角度各不相同，彼此的利益诉求也并不一致。

销售技术与提供技术应用咨询之间的界限正变得日益模糊。5月，OpenAI宣布成立一家部署服务公司，帮助企业在内部运营中整合人工智能；与此同时，该公司还达成协议，将收购应用人工智能公司Tomoro。这一举措表明，要让人工智能从演示走向日常应用有多么困难。它也说明了为什么买方应当弄清楚：谁在为自己提供建议，谁负责实施，以及谁会从所选技术中获益。

优秀的供应商价值巨大。但即使是最好的供应商，也不可能对客户选择哪个平台、花费多少，或对该平台产生多大依赖无动于衷。

CEO的责任不是怀疑所有人，而是在不同观点汇聚成单一且看似势在必行的建议之前，确保这些观点都经过检验。

押注不断变化的目标所面临的问题

传统投资决策通常假定，人们对所购买之物有着相对稳定的认知。人工智能正在挑战这一假设。能力不断提升，价格持续变化，而过去需要专业软件才能完成的任务，如今可能可以通过其他方式实现。

这种转变已初现端倪：许多组织表示，由于人工智能驱动的编程工具让它们能够在内部开发相关能力，因此决定不购买某些软件产品或新功能。

这并不意味着自建总比采购好，而是说，在采购流程仍在进行时，可选方案就可能发生变化。

CEO需要思考：如果六个月后出现更好的选择，会发生什么？企业能否更换模型或供应商？数据能否迁移？企业能否继续掌控关键流程？商业承诺是否以证据为依据，而非出于乐观？

大额投资仍可能是明智之举。但它应当是基于明确假设作出的审慎押注，而不是对竞争对手新闻稿的仓促反应。

放慢决策脚步，不要放慢学习速度。

领导团队最应厘清的区别之一，是可逆决策与不可逆决策之间的区别。

小规模实验、针对性的工作流程再设计和受控试验都可以迅速推进。它们能揭示员工在哪些方面节省了时间、客户从中获得了哪些好处，以及技术在哪些地方会失灵。它们也会暴露一些不那么光鲜的问题：数据质量差、责任归属不清、安全隐患，以及多年无人质疑的流程。

对大型平台的投入承诺、外包安排、组织重组以及取消关键的人为控制，都值得更严格的审视。它们造成的影响可能会持续得比支撑这些决策的技术假设更久。

这正是放慢脚步反而能让组织加快前进的地方。花几周时间揭示薄弱假设，或许能避免花几年时间实施错误的方案。同样，与其等待一套完美的企业战略，不如让团队在合理的界限内进行实验，这或许能让首席执行官学到更多。

麦肯锡的研究表明，表现出色的组织更有可能重新设计工作流程，并在追求效率的同时推动增长与创新。这既是管理方面的挑战，也是技术方面的挑战。

董事会需要听到什么

董事会被要求支持影响重大的决策，而即使是经验丰富的高管，也无法声称自己知道事态将如何发展。要求一切都有确定答案并不现实；以热情取代证据同样无济于事。

更好的董事会讨论应从实际问题入手。我们要解决什么问题？哪些证据支持预期回报？哪些假设可能被证明是错误的？在投入更多资金之前，我们能先了解些什么？什么情况会促使我们停止行动或改变方向？

讨论还必须涉及员工。哪些工作会发生变化？哪些员工需要掌握新技能？当人工智能提出建议或采取行动时，谁仍要承担责任？客户实际会有什么体验？

董事会不必变成满屋子都是人工智能工程师的地方。董事会需要具备足够的理解力和独立性，以建设性的方式质疑管理层。反过来，首席执行官也需要这样的董事会：能够区分管理得当却以失败告终的实验，与审视不充分却侥幸成功的投资。

首席执行官最应重视的建议

高管们并不缺少接触人工智能专业知识的机会。技术专家不可或缺，但精通技术并不等于能够对公司的战略选择作出明智判断。

最有价值的顾问，或许是在所有人都想继续推进时，仍愿意提出令人不安问题的人。我们为什么要解决这个问题？我们对客户有哪些假设？我们是在重新设计工作，还是在把糟糕的流程自动化？如果用的是我们自己的钱，我们会怎么做？

好的建议还需要有信心说出：“我们目前还不知道。”承认这一点后，应当以有条理的方式查明情况，而不是陷入停滞。

能够汇集不同意见、揭示其中的取舍，并帮助领导者在不确定的情况下作出决策的顾问，所提供的价值不同于又一次对下个模型版本的预测。

这里存在一种讽刺。随着人工智能让分析、演示文稿和技术信息更容易生成，人类决策能力的价值或许会进一步提升。在意见分歧的高管团队中，倾听、提问、理解组织内的政治关系并建立信任，都会变得更加重要，而非不那么重要。

真正的竞赛

每位首席执行官都知道，原地不动会带来风险。竞争对手正在学习，员工正在尝试，客户的期望也在变化。解决办法并不是把所有事情都放慢。

而是在能够通过速度促进学习的领域迅速行动，在决策会带来长期义务的领域保持审慎，并认识到两者之间的区别。

下次人工智能方案提交执行委员会时，或许最有用的问题不是“我们能多快批准这项方案？”，而是“作出承诺之前，我们必须弄清楚什么？我们又能多快查明答案？”

在一个看重紧迫表象的市场中，愿意为真正的讨论留出空间的首席执行官，最终或许会比从不驻足审视方向的人走得更远，也走得更快。