📢 转载信息
原文作者：Bhargs Srivathsan, Joseph Badalamenti, and Sergio Klarreich
人工智能（AI）正在改变企业的运营方式。Gartner® 预测到 2028 年，至少有 15% 的日常工作决策将通过智能体 AI（agentic AI）自主做出。而且，据麦肯锡称，92% 的公司正在增加 AI 支出。
但问题在于：大多数公司尚未从 AI 中实现对损益表（P&L）的积极影响。根据标普全球市场情报（S&P Global Market Intelligence）的分析，
“在 2025 年上半年，放弃大多数 AI 计划的公司比例跃升至 42%，高于去年的 17% [2024 年]。”
“到 2027 年底，超过 40% 的智能体 AI 项目将被取消。”
支出与成果之间的差距是显而易见的。要使 AI 发挥作用，公司需要停止进行零散的实验，而是开始构建企业级的项目。正如麦肯锡所说：
“那些能够从 AI 工作中建立真正持久竞争优势的组织，是那些从整体变革的角度来思考，并致力于改变其商业模式、成本结构和收入来源的组织，而不是采取渐进式改进的组织。”
AWS 客户成功卓越中心（CS COE）帮助客户从其 AWS 投资中获得切实的价值。我们观察到一个模式：那些将 AI 战略与人员、流程和技术结合起来的客户，成功率更高。
在本文中，我们将分享一些实用的考量因素，以帮助您缩小 AI 价值鸿沟。
实施考量
接下来的部分包括了关于协调领导层、重新设计激励机制、构建治理框架以及衡量成果的实用实施考量——所有这些都基于那些成功缩小 AI 价值鸿沟的组织的真实世界案例。这些实用见解可以帮助您避免常见的陷阱，并加速从 AI 投资到可衡量业务影响的进程。
图 1：成功实现 AI 转型和持续价值实现所需的六项考量
推动 AI 议程的应该是企业领导者，而不仅仅是技术领导者
AI 转型需要将愿景转化为具有明确跟踪机制的具体业务成果——这要求从第一天起就需要跨职能的广泛领导力。
首席营收官（CRO）和业务线领导者等角色，需要从一开始就与技术领导者一起坐在决策桌旁。这些领导者通常在数字化或云转型过程中加入得较晚，但 AI 却有所不同。最具影响力的 AI 用例来自两个来源：深入了解客户痛点和行业机会的业务线领导者，以及愿意改变思维模式并从根本上改变运营模式的跨业务职能的员工。考虑一家启动了 AI 转型计划的全球大型机构投资组织。他们首先定义并创建了相关的数据和 AI 技术及业务专业人才。然后，该组织设计并实施了创建数据和 AI 产品所需的机制和运营模式。最终，他们成立了一个新的数据与 AI 组织，帮助他们通过应对新的业务机会来创建新产品、更好地服务客户和利用数据资产获利。尽管工程和产品管理仍然是其核心，但其整个领导团队将此视为一项业务发展举措并进行合作，以促成其实现。
重新设计激励措施，以奖励“AI 优先”的运营
重塑组织行为，以奖励实际的 AI 采用，而不仅仅是理论上的兴趣。重组职业发展路径，将晋升机会与有效的 AI 使用和可衡量的业务成果挂钩。成功的关键在于定义什么成果是重要的。AI 可以产生大量的输出，但业务影响甚微，因此成果衡量至关重要。
一家组织引入了业务流程和自动化水平的标准化定义。然后，他们重新设计了绩效管理框架，将自动化成就纳入产品经理的关键指标中。这种方法将重点从传统的投入指标转向可衡量的自动化成果。它鼓励领导者优先考虑 AI 增强结构和智能流程再造，而不是手动操作。
这种一致性表明，组织必须清晰地定义和衡量期望的成果——并将个人奖励直接与有形的 AI 驱动的业务结果挂钩。
以人为本，让人力资源部门作为战略合作伙伴领导变革
人力资源是协调文化、人才和激励措施以实现 AI 转型目标的基石。成功要求人力资源与高管合作，沟通 AI 计划的基本原理，解决员工的担忧，并通过辅导和思想领导力培养组织认同感。
通过量身定制的学习路径建立 AI 知识素养。提供有针对性的培训，包括预填充的提示词目录和快速启动演示等实用工具。通过持续的反馈循环加强员工参与度，表彰跨团队的 AI 学习参与情况，并投资于重视 AI 技能人才的保留策略。人力资源部门通过与业务和运营团队合作，为不同角色开发“对我有什么好处”的内容以及当前与未来流程的比较，来推动采用。例如，一家全球金融机构的人力资源部门在采用重新设计的“产品运营模式”方面发挥了领导作用。在机构对自下而上的转型进行了大量投资后，人力资源部门设计并领导了——与 AWS 合作——自上而下的方法。他们为来自业务线、运营和技术的业务领导者提供了广泛的高管级培训，以帮助他们领导产品团队，而不仅仅是运营他们。这些领导者与技术团队合作，建立了有助于加速其产品运营模式采用的机制。由此产生的机制使他们能够构建专注于行业机会和客户需求的 AI 解决方案。
人力资源的支持是关键，它通过将“AI 优先”的行为嵌入到文化 DNA 中，将抵触情绪转变为热情。
设立保护性“护栏”，同时又不减缓速度
从第一天起就建立 AI 治理框架，平衡集中化与联邦制。这有助于合规性一致性和集成，同时可以在边缘实现快速创新。纯粹的集中化提供了更简单的治理，但会减慢创新速度。完全的联邦制会带来集成挑战和合规性差距。
对于集中式和联邦式模型，都应建立跨职能的 AI 治理委员会，其中应包括法律、风险、IT 和业务部门的代表。定义清晰的护栏、审批阈值和升级路径。这种方法通过创建清晰的生产路径并减少官僚摩擦，加速了 AI 的交付，同时保持了企业范围内的连贯性和风险管理。
一家金融服务客户实施了三层 AI 治理方法。在企业层面，他们通过策略即代码（policy as code）自动执行安全和合规策略。在业务线层面，他们创建了支持价值流中 AI 解决方案的数据策略。在解决方案层面，他们解决了单个 AI 模型风险和性能阈值问题。这种方法在确保必要护栏和策略遵守的同时，允许构建者专注于增值的 AI 解决方案功能。它在保持与关键策略的合规性一致性的同时，释放了边缘的真正创新。
与合适的合作伙伴合作，加快 AI 进程
“在整个企业范围内扩展 AI 解决方案具有挑战性，需要有计划地解决 AI 技能、基础设施、治理策略以及促进协作、集成和共享最佳实践的论坛。”
当与那些能在恰当的时机提供 AI 创新、云专业知识和行业特定知识的合作伙伴合作时，组织的成功率会更高。有效的 AI 转型合作伙伴承担三个角色：行业顾问，他们重新构想现有价值流和工作流程以发掘高价值用例；技术专家，他们带来构建可扩展 AI 解决方案的领先经验；以及变革推动者，他们通过培训和治理框架来管理文化转变。
一家全球保险公司与 AI 转型合作伙伴进行了长期合作，重点是建立持久的能力。合作伙伴建立了业务案例框架和资产，以确定用例和基线 KPI 的优先级。他们使用“培训师培训”方法制定了详细的采用策略。他们实施了测量系统，以持续跟踪生产力影响。他们共同建立了关于持续AI 智能体创建和企业范围内部署的治理模型。这种“授人以渔”的模式意味着保险公司可以在合作关系之外独立维持和扩展其 AI 转型。
跟踪重要的结果——而不仅仅是 AI 的成本
传统的成本预测模型难以应对 AI 不断变化的定价和能力。成功需要以一两个可基线和跟踪的可衡量业务成果为基础——例如完全由 AI 智能体处理的客户对话或每项被接受建议带来的收入提升。
构建自适应的投资回报率（ROI）框架，可以根据代币定价、推理效率和模型能力的变化无缝调整，而不是固定的成本预测。关注那些在用例扩展时能证明清晰业务价值的基于成果的指标。有了这些指标，高管就可以在技术不确定性的情况下做出明智的投资决策。这种方法将 AI 经济从不可预测的成本中心转变为可衡量的价值驱动因素，为自信的扩展决策提供了所需的财务清晰度。一个营销团队将生成式 AI 应用于长篇内容创建和质量保证。他们分析了端到端的流程，以确定其生产能力的分布，并找出成本最高的故障点：本地化错误。他们以每年 150 多个本地化错误和 150 份资产每月 300 小时的 QA 时间为基准。该解决方案通过更早地发现错误，最大限度地减少了昂贵的本地化返工，同时加快了生产速度，带来了立竿见影的影响。解决方案的投资回报率是通过本地化成本节约和通过内容产出增加带来的收入提升来衡量的，这为评估扩展解决方案的影响提供了清晰的路径。
结论
要成为一家“AI 优先”的企业，需要在七个关键维度上实现同步转型：数据与 AI 愿景和战略，确立数据驱动的基础并将 AI 嵌入核心业务目标；业务流程再造，优化人机协作；文化与变革管理，自上而下和自下而上地推动采用；基础设施与运营，实现可扩展、自修复的系统；AI 技能与人才培养，通过持续学习建立超越基本认知的核心 AI 能力；安全、治理与道德规范，促进负责任的 AI 部署；以及 AI 工业化，实现无缝集成和自动化。
图 2：AI 优先组织转型的七个维度
这些维度提供了一个系统评估和实施 AI 转型的框架。但最重要的是：仅靠技术只能带来边际收益。当与组织变革和流程再造协同编排时，它才能创造出可衡量的业务价值。据波士顿咨询集团（BCG）称，成功的组织与不成功的组织相比，在成本节约方面高出 45%，在收入增长方面高出 60%。
AWS 客户成功卓越中心与 AWS 合作伙伴协作，定义了有助于客户将 AI 嵌入其运营、产品开发、业务流程和市场进入战略的程序化实施计划。因为成为“AI 优先”不仅仅是孤立的技术举措——它需要人员、流程和技术的同步演进，而全面的变革管理是实现这一目标的推动力。
有关成为“AI 优先”公司的更多信息，请联系您的 AWS 客户经理。有关启用智能体的更多信息，请参阅AWS 人工智能博客。
关于作者
Bhargs Srivathsan 领导亚马逊云计算（AWS）的客户成功卓越中心，负责定义和执行跨 AWS 服务的客户成功战略愿景。在此职位上，她致力于确保 AWS 客户和合作伙伴从其技术投资中获得最大价值，特别是在 AI 和其他新兴技术加速创新的步伐下。她与现场团队、专业 GTM 领导者以及 AWS 内部合作伙伴紧密合作，以构建和扩展客户成功能力，从而推动客户的采用和业务成果。
Sergio Klarreich 是 AWS 客户成功卓越中心的高级客户成功经理。Sergio 领导一个团队，专注于帮助企业从 AI 投资中实现切实的业务成果。他拥有领导财富 500 强公司成功进行“AI 优先”转型之旅的实战经验，并在全球市场推动技术创新方面拥有 20 多年的经验。他擅长弥合 AI 战略与可衡量业务成果之间的差距。
Joseph Badalamenti 是 AWS 客户成功卓越中心的高级客户成功 AI 专家。作为一名客户成功专家，他与企业客户合作，加速他们的 AI 转型之旅。Joseph 专长于生成式 AI 和智能体 AI 的实施，通过战略性地采用 AI 帮助组织实现可衡量的业务价值。Joseph 拥有 20 多年的经验，支持客户进行数字化、云和 AI 转型之旅。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区