思想领袖

企业AI已经遇到瓶颈,规划是突破口

David Marmer
将 Unite.AI 添加到您在 Google 上的首选来源
要点企业级人工智能遭遇协调瓶颈,因为各职能部门的智能体缺乏共享的操作上下文。
查看更多
  • 企业级人工智能遭遇协调瓶颈,因为各职能部门的智能体缺乏共享的操作上下文。
  • 持续规划将人工智能转变为实时协调层,能够在条件变化时对场景进行压力测试。
  • 治理必须从一开始就进行架构设计,以确保自主决策的可追溯性和人类监督。

企业AI的第一波浪潮为团队带来了AI助手,提高了各职能内部的生产力。下一波浪潮如今遇到了协调难题:最重要的业务决策涉及财务、运营、供应链和战略,而大多数AI系统仍然只在单一职能内运作。

根据麦肯锡关于AI成熟度的研究,只有1%的领导者认为自己的公司在部署成熟度上已达到“成熟”阶段,即AI已全面融入工作流程,并带来显著的业务成果。其余99%的公司已经部署AI,但在企业整体层面尚未取得多少成果。

原因在于结构。这些AI系统需要一个开展协调的地方,而规划正是自然的选择。财务假设、需求信号、运营约束和战略目标原本就在这里汇合。将AI嵌入这一层,会让规划从周期性工作转变为贯穿企业的连接纽带。

这正是许多企业如今在第一代AI部署中发现的瓶颈。AI助手虽然提高了各团队的任务效率,但大多数组织始终没有解决背后更棘手的问题:如何实时协调整个企业的决策。即使预测流程加快,只要供应链假设、运营约束和财务优先事项彼此脱节,流程仍会失灵。

企业AI协调缺口背后的架构问题

要实现这一点,必须发生三项结构性转变。

1. 企业AI必须走出职能孤岛

嵌入财务部门的AI助手可以汇总预测偏差,并解释损益表发生了哪些变化。但它无法从运营部门获取实时需求信号,纳入更新后的供应商风险评估,再将这些信息反馈到首席财务官和首席运营官同时查看的修订预测中。这就是企业AI当前遇到的结构性瓶颈,也是逐个职能部署AI能够带来亮眼的个人生产力指标、却难以取得企业整体成果的原因。

这种失灵背后是上下文问题。各职能的AI使用该职能拥有的数据、所用的系统及其假设,却没有一个共享层,将这些视角汇成企业对现实认知的统一图景。

这就形成了许多企业如今面临的“AI协调缺口”:系统能够独立生成有用的洞察,却无法以足够快的速度协调整个企业的决策,适应实时变化的条件。

突破瓶颈,意味着通过共享的运营上下文连接智能体。这个上下文建立在共同的数据模型、共享的业务逻辑和本体之上,让各智能体能够跨职能一致地理解决策。

有了这一基础,需求智能体可以观察到一个信号,供应链智能体据此运行采购模拟,财务智能体再结合两者更新预测。首席财务官看到的是一项统一的建议,它与企业其他部门采用的是同一幅现实图景。

2. 持续规划正在成为企业AI的协调层

在这一运营上下文之上,持续规划将智能体之间的协作转化为实际业务成果。规划不再是一项季度性工作,而是成为持续运转的系统:随着条件变化,对照公司目标评估各种情景,而不是等待下一个周期再追赶变化。当某项假设改变时,替代方案已经完成建模和压力测试。因此,领导层面对决策时已有可行的行动路径,而不是只有一份必须在截止期限压力下重新编制的预测。

美伊冲突正在实时检验这一点。受到冲突影响的跨国公司同时处理着多个信号:石油和能源价格波动、霍尔木兹海峡航运路线风险重新定价,以及供应商交付周期延长。领导层必须在几天内决定如何应对。能源价格对冲、调整运输路线和重新谈判合同,都需要在这一时间窗口内相互比较。只有持续运转、并随着局势变化对情景进行压力测试的规划系统,才能及时给出可靠答案,让企业来得及采取行动。

这就是目标导向的AI在实践中的运作方式。智能体围绕领导层设定的目标工作,并在实现一个目标意味着放弃另一个目标时提示其中的取舍。系统可以实时模拟一百种替代方案,领导层却仍可能无法决定选择哪一种。规划层本来就承载着目标和取舍。这正是多智能体系统能够在实际部署中运行,与只能在演示中运行的区别。

这种转变愈发迫切。Gartner预测,到2027年底,超过40%的智能体AI项目将因成本上升、业务价值不足或风险控制不充分而被取消。其中许多失败将源于协调与治理问题,而不只是模型能力。

3. 企业治理不能事后追加

持续规划层将真正的决策权集中到协调运作的AI系统中,因此治理必须从一开始就成为架构的一部分。这是许多首席财务官和首席信息官在讨论实施AI时首先提出的担忧,也是有充分理由的立场。没有可审计性、可解释性和清晰的政策边界,自主系统就不应进入决策流程。

在真正有效的部署中,智能体的每一项行动都能追溯到背后的输入、逻辑和政策。每项建议都附带其依据的假设,以便财务负责人、审计师或董事会成员就建议本身进行实质性质询。

可追溯性使人工监督切实可行。首席财务官、财务控制负责人及对结果负责的领导者,只有看清系统如何得出结论,才能审查建议、质疑假设并授权行动。智能体负责速度与覆盖广度,人类保留判断权。领导者若能看到系统发现偏差、了解其中的假设,并在执行前质疑建议,就会逐步赋予系统更多权限。如果得到的只是没有可追溯逻辑的黑箱答案,领导者就会拒绝依赖系统,智能体的权限也会收缩。将治理嵌入架构的公司会得到第一种部署结果;事后追加治理的公司则会得到第二种。

下一个十年属于基础设施建设者

十年后,将规划用作AI连接层的公司与没有这样做的公司之间,差别将一目了然。

那些不显眼的工作——连接数据、整合工作流程、从一开始就嵌入治理——决定了公司最终会站在哪一边。

企业AI的赢家不会是拥有最多智能体的公司,而是建成了能够协调这些智能体的基础设施的公司。

David Marmer 是 Board 的首席产品官,在那里他领导产品策略、管理和设计。作为一位经验丰富的产品管理高管,David 拥有数十年的经验,管理的产品组合从 5000 万美元到 10 亿美元,跨越初创公司和全球企业。他的背景涵盖分析、FP&A/EPM、IoT、客户洞察、金融犯罪和 GRC 解决方案。以推动协调一致的企业战略而闻名,David 曾在 IBM 和 Cognos 担任高管职位,帮助组织将产品愿景转化为可衡量的业务成果。