为什么“AI-Ready”已经成为云计算中最被滥用的短语

“AI-Ready”这个短语已经出现在每个供应商的演示文稿和每个董事会的议程中，我在过去的一年里都有所关注。这个短语无处不在。但是，它的含义已经不再明确。

当一位首席财务官说”AI-Ready”，她指的是预算已经批准。当一位首席信息官说它时，他指的是平台已经就位。当一位顾问说它时，他们指的是工作范围。当一位董事说它时，他们指的是可以辩护的姿态。同样的两个词，四种不同的对话。

结果是可以预见的：公司根据最能让他们感到满意的定义宣布他们已经”AI-Ready”，然后看着他们的试点项目在生产中失败，原因是没有人预料到——因为没有人实际上解决同样的问题。

平台层正在成熟，但这不是缺口

当被要求定义”AI-Ready”时，大多数人都会得出大致相同的结论。”AI-Ready”意味着技术态势：平台就位，身份架构定义，治理文档，观察性部署，FinOps控制启动，可能还有一位首席AI官被聘用。

这并不错误。这些事情很重要，技术层已经取得了巨大的进步。在上周的Google Cloud Next会议上，信息是明确的——”试点时代已经结束，代理时代已经到来。”身份、治理和观察性正在被直接构建到平台本身中。主要的超大规模云计算提供商正在以相似的速度收敛于类似的能力。

这是一个真正的转变，值得认真对待。但是，当平台层成熟时，客户的剩余工作并没有消失——它变得更加可见。有一个层次在平台和您的员工之间，没人会为您构建它。大多数公司还没有开始做这件事。

缺失的层次：马具

我们称之为马具。确定性中间件在您的员工和AI之间——工具链，使得自主系统不可能偏离您的规范、您的护栏或您的目标。

在软件开发中，马具不是模型。它是规格系统、测试基础设施、审查门、部署策略——支撑AI输出与业务实际需求保持一致的脚手架，而不是一般的”好代码”外观。

平台是为通用性而设计的。与业务的对齐是一个构建问题，只有您才能解决它。大多数公司还没有开始。他们正在在成熟的平台上部署AI，并相信默认值会强制执行对齐。默认值永远不会做到这一点。

但是，即使有一个工作马具，技术层也不是缺口。人为因素才是真正的瓶颈。

真正的瓶颈：人类行为

上周，我花了45分钟手动撰写一封电子邮件，直到我意识到自己在做什么。

我每天都在这个领域工作。我可以使用最好的工具，深入了解何时以及如何使用它们，并且有强烈的个人动力来最大限度地提高我自己的工作效率。然而，我仍然默认使用旧方法——逐行撰写，使用我二十年来形成的相同肌肉记忆——在我注意到自己在做什么之前。

如果准备度存在于平台层面，我已经准备好了。如果它存在于马具层面，我也已经准备好了。但是，准备度实际上存在的地方是——在可能和实际达到的之间的差距中——在每个个体中，每个任务中，成千上万次，每周。

这是没有人解决的缺口。不是说技术不能提供帮助。只是因为二十到六十五年的肌肉记忆不能在项目计划中重写。

“AI-Ready”不是终点线

“准备”意味着终点线，但实际上并没有终点线。看起来”AI-Ready”的公司站在下一个坡底，而那些看起来不”AI-Ready”的公司站在更早的坡底。两者都在仰望他们尚未完成的工作。

这就是为什么”我们是否AI-Ready”是错误的问题。它把准备度当作一个可以达到的状态，而实际上它是一个需要一步一步攀登的阶梯——每一步都有明确的定义。更好的问题是实用的：我们的员工下一步需要什么准备度，谁来负责让他们达到那里？您不应该为AI-Ready作为目的地进行预算，因为没有这样的目的地。您应该为下一个需要完成的任务进行预算，然后是下一个。

对于几乎每家公司来说，下一个任务就在个人层面——而真正需要做的工作就在那里，没有人准备好了。

每位员工现在都在管理一个AI团队

您业务中的每一位个人贡献者现在都被期望管理一个由二十名专家组成的异构团队，他们没有雇用这些专家，也不完全理解他们。

您的抄写员有一位研究员、一位编辑和一位翻译。您的开发人员有一位初级工程师和一位代码审查员。您的产品经理有一位分析师、一位设计师和一位客户访谈综合师。无论角色或级别如何，每个人在您的公司中都有一个团队。他们没有要求它。他们没有接受过培训。他们的输出质量现在取决于他们如何管理它。

这就是真正的准备度所需要的——而这不是变革管理。变革管理是程序化的：新的工作流程、新培训、新工具从上到下推出。然而，这里发生的事情是另外一回事。每个人都必须学会委派、评估和质疑输出，跨越他们从未接受过培训的学科。这不是一个程序。这是一个工作重新定义，发生在每个层次，没有任何剧本。

您可以称之为流畅度、练习或指挥。标签不重要，重要的是认识到这是工作。大多数公司仍然没有为此命名，也没有计划。

重新思考准备度的衡量方式

停止将准备度视为一个清单。开始在它真正存在的地方衡量它——在个人层面——并围绕肌肉而不是平台设计组织。

有三件事需要遵循。停止问”我们是否AI-Ready”，开始问”我们的员工下一步需要什么准备度，谁来负责让他们达到那里？”以同样的紧迫性投资于人力能力，就像投资于平台能力一样——大多数董事会的这一比例已经被颠倒过来。并且雇用和奖励那些能够管理AI专家异构团队的人，因为这是新的底线，而不是一个拉伸目标。

“AI-Ready”不是一个错误的短语。它是云计算中最被误解的短语——而这种误解的成本比公司意识到的要高。做对这件事的公司不会是拥有最多平台的公司。他们将是那些真正改变了他们所达到的东西的公司的人。