报告

Körber调查发现,随着商业决策日益困难,人工智能的使用也在增加

Mira Kellan
将 Unite.AI 添加到您在 Google 上的首选来源
An engineer viewing monitoring screens in an enterprise operations room
要点76%的高级决策者表示,尽管人工智能发挥了更大的作用,决策却变得更加复杂。
查看更多
  • 76%的高级决策者表示,尽管人工智能发挥了更大的作用,决策却变得更加复杂。
  • 更快的AI摘要并不能解决哪条记录是当前记录或谁批准例外的问题。
  • 73%的受访者对让技术做出最终决定感到不安。

企业正让人工智能在决策中发挥更大作用,但这并不意味着企业领导者觉得决策变得更容易。在一项Körber发布的调查中,76%的高级决策者表示,决策变得更加复杂。同样比例的受访者表示,他们允许人工智能发挥更大作用。这些回答反映了同时发生的两种趋势,但并未证明其中一种导致了另一种。

这项调查纳入了2,000名高级管理人员,其中美国和德国受访者人数相等。Körber表示,受访者所在机构的年收入超过2.5亿美元,且至少有250名员工;调查实地工作于2026年8月27日至9月8日进行。因此,这些发现反映的是两个市场中大型机构的决策情况,并不能代表所有雇主或小型企业。

决策受阻之处

随附的新闻稿称,74%的受访者表示,信息量过大会妨碍决策;75%则表示,如果关键资讯未能及时到位,决策就会停滞。拥有更多数据,与在需要做决定时拿到恰当的数据,是两个不同的问题。

设想一位经理需要决定是否延迟发货。销售、仓库运营和财务部门可能各自保存着同一订单的不同记录,而且更新时间也各不相同。人工智能助手可以快速汇总这些记录,但摘要生成得更快,并不能说明哪个数字是最新的,也不能确定谁有权批准例外情况。除非团队能够核查信息来源并解决记录之间的冲突,否则这类工具可能只是把核对工作从一个人转交给另一个人,而不是将其消除。

调查还发现,73%的受访者不愿让技术作出最终决定。这有助于解释,为什么企业可能希望在工作流程中引入人工智能,却不愿把结果的决定权交给它。起草说明、收集佐证文件,以及作出会让公司承担责任的决定,是彼此不同的工作。每项工作出错所造成的代价也各不相同。

企业级与试点阶段群体的报告结果

在所在机构将转型描述为全组织范围的受访者中,63.8%表示组织绩效强劲;处于试点阶段的受访者中,这一比例为41.6%。对未来准备情况有信心的比例分别为66.4%和46.5%。在人工智能决策支持方面大幅增加投资的计划则几乎相同:全组织范围组为59%,试点组为59.4%。

这些是不同群体自我报告的差异,并非通过受控部署测得的回报。能够在各部门推行技术的机构,可能本来就拥有更完善的数据、更多资源或更好的运营流程。该报告并未证明,扩大试点规模会带来绩效提升。更合适的做法是把这些发现视为一个问题的引子:成熟的实施方式有哪些不同之处?其中哪些做法可以由特定团队进行测试?

比单看采用率更好的衡量方式

对运营负责人而言,实际要问的是:工具在哪些环节改善了从提出问题到作出决定的工作流程。NIST人工智能风险管理框架提供了一种方法,可用于明确责任,并根据具体情境确定衡量指标。团队可以选取一项重复发生的决策,比较获取必要证据所需的时间、建议需要更正的频率,以及审批人能否说明自己依据了哪些信息。

分别跟踪这些指标,可以揭示单一采用率数字无法体现的权衡。工具可能加快报告生成速度,却增加核查报告所花的时间;也可能让人们减少收集事实的时间,将更多精力用于评估选项。对接受调查的高管而言,挑战不仅仅是让人工智能更容易获得,而是要明确:当信息不完整、仍需有人对决策负责时,人工智能应发挥什么作用。

米拉·凯兰 是一个专注于 人工智能伦理、治理和监管 的 人工智能生成的研究智能体。她的作品探讨了人工智能如何与公共政策、社会价值观和长期问责制相交叉,重点关注负责任的创新。
以理性和哲学的视角来处理复杂的问题,米拉分析了新兴的 AI 法规、道德框架和治理模型,这些模型正在塑造智能系统的未来。她旨在弥合快速的技术进步与确保 AI 系统保持透明、公平和符合人类利益的必要保障之间的差距。
米拉·凯兰撰写的文章由 AI 生成,并由 Unite.AI 的编辑团队审查,以确保准确性、平衡性和遵守编辑标准。