迈克尔·马斯特，阿瑟·D·利特尔公司合伙人 – 采访系列

迈克尔·马斯特，阿瑟·D·利特尔公司合伙人，是一位经验丰富的战略和技术顾问，具有深厚的数字化转型、IT战略和创新驱动增长的专业知识。作为布鲁塞尔和贝尼卢克斯地区的专家，他拥有超过二十年的经验，曾为CIO和高级管理人员提供大规模变革和可衡量的业务成果的咨询服务。在加入阿瑟·D·利特尔公司之前，他曾在埃森哲公司工作了16年，担任过法国和贝尼卢克斯地区技术资源的管理总监，并在能源、公用事业、化学和自然资源等行业建立了强大的专业知识。

阿瑟·D·利特尔公司是世界上最古老的管理咨询公司之一，成立于135年前，以其对创新、战略和技术驱动转型的关注而闻名。该公司与全球组织合作解决复杂的商业挑战，将战略洞察力与深厚的行业专业知识相结合，以支持数字化转型、创新管理和运营改进等领域。凭借对战略、技术和执行的强调，阿瑟·D·利特尔公司已建立了帮助客户开发突破性创新和适应快速演变的市场动态的声誉。

您在埃森哲公司工作了16年，最后担任贝尼卢克斯和法国的技术和资源负责人，然后成为阿瑟·D·利特尔公司的合伙人。这种经历如何塑造了您对组织从AI实验到大规模运营转型的看法？

在埃森哲公司期间，我亲眼目睹了公司从3万名员工扩展到超过50万名员工的过程。我体验到了如何将IT交付工业化到极端程度，以支持CIO的大规模转型。

然而，多年来，IT已经成为业务的核心部分，推动组织远离将其视为商品的做法。

当我加入阿瑟·D·利特尔公司时，我希望探索如何从内部处理核心业务的战略转型，如何使用定制的解决方案而不是标准化的平台来实现差异化，以及如何使整个高管团队共同承担责任，以帮助组织实现价值创造的飞跃。

在您的最近观点中，它不是代理，而是系统，您认为多代理AI更关注运营模型的变化，而不是技术问题。为什么这么多组织仍然将AI视为工具问题？

组织将AI视为工具问题，因为它符合现有的结构、预算和所有权，避免了跨功能变化的复杂性。这使得快速的试验和可见的进展成为可能，但往往导致无法扩大规模或产生有意义的投资回报率的计划。许多领导者也依赖于传统软件的思维模式，假设AI可以像传统IT系统一样部署，而不是需要工作流程和决策重新设计。同时，对于运营模型变化的责任分散且难以管理，使得技术主导的计划更具吸引力。因此，公司更倾向于使用工具，因为它比面对解锁AI全部价值所需的更深层次的转型更容易、更安全。

许多企业目前正在尝试使用代理AI，但难以扩大规模。组织在扩大代理AI时面临的最常见的结构性障碍是什么？

组织难以扩大代理AI，因为它们专注于孤立的使用案例，而不是重新设计具有明确所有权的端到端流程。运营模型通常没有适应，角色、决策权和人机协作的整合不充分。许多计划也缺乏与可衡量的业务成果的强烈联系，导致它们停滞在试验阶段，没有展示投资回报率。此外，数据的碎片化和传统系统限制了代理在功能之间无缝运行的能力。最后，弱的变革管理和未解决的治理问题会进一步减缓采纳和扩大规模。

您强调，编排，而不是个别代理，是真正的价值所在。在真实的企业环境中，有效的编排是什么样的？

有效的编排意味着围绕端到端的业务流程设计AI，而不是个别工具，代理被分配了清晰的角色，整个工作流程都有代理协同工作，处理输入、决策、执行和监督，通过中央编排层协调。这些代理通过API和数据源紧密集成到企业系统中，实现真正的行动，而不仅仅是洞察。编排层还管理任务顺序、异常和升级到人类，确保流畅和受控的执行。最后，强大的治理、验证机制和反馈循环被嵌入，以确保可靠性和持续改进。

当组织围绕AI重新设计工作流程时，人类和自主系统之间的决策权如何演变，以避免过度自动化和瓶颈？

决策权应该演变成基于风险的模型，低风险、高容量的决策被自动化，而高影响或不确定的案例仍然在人类的控制之下。代理应该处理感知、分析和执行，而人类专注于判断、异常和定义正确的结果。清晰的升级路径是必要的，因此代理知道何时推迟决策，而不是超越其权限。为了避免瓶颈，人类的参与应该是有选择性的，专注于异常而不是每一步的完全监督。同时，强大的防护措施、验证机制和监控确保控制和防止过度自动化。

您的一个关键观点是，必须从端到端设计可靠性。您目前看到的多代理系统部署时最大的故障模式是什么？

一个关键的故障模式是错误的传播，即一个代理的小错误会在系统中传播并被放大。另一个问题是AI可能会产生看似合理但不正确的输出，而不表明不确定性。组织也会在高影响决策中给予代理过多的自主权，而没有适当的验证或批准门槛。弱的异常处理进一步加剧了这个问题，代理未能将模糊或边缘情况升级到人类。总的来说，故障发生是因为可靠性没有被设计到整个协调、验证和监督系统中。

治理通常被视为合规层，而不是设计原则。公司在构建AI原生运营模型时应该如何重新思考治理？

治理应该从事后合规层转变为核心设计原则，直接嵌入到AI工作流程中。这意味着在关键决策点集成防护措施、验证步骤和批准门槛，而不是在部署后添加控制。公司应该采用基于风险的方法，根据决策的影响和不确定性调整自主权和人类监督的水平。清晰的责任和决策权必须被定义，确保代理知道何时采取行动，何时升级。最后，持续的监控、反馈循环和设计的可靠性机制对于维持信任、性能和大规模的控制至关重要。

根据您为CIO和CDO提供的咨询经验，实现可衡量的AI投资回报率的组织与那些停滞在实验阶段的组织有什么区别？

实现投资回报率的组织专注于端到端的流程转型，而不是孤立的AI使用案例。他们将计划链接到清晰的财务KPI，并将AI嵌入到工作流程、角色和决策结构中。他们还投资于变革管理、采纳和治理，以确保解决方案能够扩大规模。相比之下，停滞在实验阶段的组织运行不连贯的试验，专注于工具而不是流程，并缺乏清晰的所有权和责任。因此，他们无法将AI转化为可衡量的业务价值，并且仍然陷在试验阶段。

随着多代理系统变得更加复杂，组织应该如何思考可观察性、监控和升级，以维持对AI驱动决策的信任？

组织应该将可观察性、监控和升级视为核心系统设计元素，而不是事后补充。这包括确保通过日志、审计跟踪和验证检查点来实现完全的可追溯性，以便决策可以被理解和验证。监控应该不仅关注性能，还要关注结果质量、错误和问题在代理之间的传播。清晰的升级规则是必要的，以便代理在高风险或模糊的情况下推迟决策，而不会创建瓶颈。最终，信任来自于系统的透明度、可衡量性和默认的人类监督。

展望未来，随着多代理AI系统更加深入地融入核心业务流程，您预计企业运营模型将如何演变？

企业运营模型将朝着混合的人类和AI工作力方向发展，代理作为数字员工嵌入核心流程。组织将从功能性孤岛转变为具有端到端所有权和跨工作流程编排的流程中心结构。决策将变得更加动态，常规任务被自动化，人类专注于异常和监督。治理和可靠性机制将被构建到日常运营中，而不是被视为单独的层。最终，竞争优势将取决于公司如何围绕AI重新设计其运营模型，而不仅仅是技术本身。

感谢这次精彩的采访，希望读者能够通过访问阿瑟·D·利特尔公司的网站来了解更多信息。