随着生成式AI、智能代理及新型数据工具在企业端的普及，领导者的核心挑战已从“是否采用技术”转向更棘手的命题：如何在规避新增成本、风险和组织混乱的前提下，将技术转化为可衡量的商业价值。
在《财富》杂志于纽约证券交易所举办的AIQ峰会上，来自科技、金融、工业运营、旅游及人力资源等领域的高管深入探讨了如何区分有意义的AI转型与零散的试点项目。共识指出，最具竞争力的公司并非单纯分发AI工具，而是通过重新设计工作流程、培养人才、加强治理，并构建负责任规模化所需的数据基础与运营纪律，来实现真正的转型。
从AI采纳迈向企业级转型
核心问题不在于公司是否部署了工具，而在于其是否改变了工作方式。
与会者警告，广泛普及AI访问权限并不必然带来生产力提升或组织成熟度。ServiceNow未来总监Diana David指出，领先企业的优势源于对人员投入和运营纪律的承诺。ServiceNow的企业AI成熟度指数显示，57%的“领跑者”致力于持续的AI技能培训，而其他组织这一比例仅为4%；在吸引和留住AI人才方面，领跑者比例为68%，其他公司仅为10%。“人才投资是最大的差距所在。”David表示。
David强调，95%的员工使用通用AI工具并不代表成功，若缺乏相应培训，这无法转化为生产力。她认为，转型应始于领导力、清晰愿景、透明系统、坚实数据基础以及对特定工作流的迭代重构。ServiceNow全球客户运营总裁Paul Fipps补充道，最大收益来自基于新能力重建流程，而非加速旧流程的自动化。他以渣打银行为例，AI帮助拦截了77%的员工请求，这种程度的拦截率具有颠覆性意义。
Future Today Strategy Group创始人兼CEO Amy Webb直言，许多财富500强公司在缺乏战略和规划的情况下盲目投入试点，导致项目孤立且无法产生持久价值。
打造AI就绪型劳动力
AI转型本质上是劳动力转型。
峰会强调，组织需要愿意重新思考既定流程、学习新技能的员工和领导者。HPE执行副总裁兼首席人力官Stacy Dillow表示，若不改变工作方式，仅将AI插入现有系统无法带来不同结果，AI采纳已成为高管的核心管理职责。
Palo Alto Networks首席人力官Danielle Gonzalez分享了实践案例：定制AI代理使该公司IT工单减少83%，并支持HR、财务和法律等工作流。她指出，公司应雇佣具备好奇心和能动性的人才，他们不仅能快速学习，还能“遗忘”过时假设。Lennar首席人力官Drew Holler则强调责任共担，员工需利用公司提供的工具主动提升技能。
然而，Peloton首席技术官Francis Shanahan警告，AI赋能的创作能力可能导致员工“被淹没”并引发倦怠。Runway首席运营官Michelle Kwon敦促领导者不要将数量误认为生产力，AI应改善工作方式，而非增加未经评估的输出负担。
治理、信任与控制
AI的价值主张必须与监督需求相匹配。
在高风险应用中，成功部署取决于选择合适的技术并在关键节点保留人类判断。美国银行首席技术与信息官Hari Gopalkrishnan警告，不应在确定性模型已足够时盲目追求AI。该行通过16个风险支柱评估项目，并对自主系统保持谨慎，目前更侧重挖掘辅助代理的潜力。
S&P Global Kensho数据与平台部门首席客户官Sally Moore强调，“数据是AI中的货币”，受监管工作流需要准确性、可审计性及源头追溯能力。她主张从待解决的问题出发，而非从技术出发。Fipps则认为，治理不应被视为创新的障碍，缺乏信心的控制措施反而会导致高昂的监管成本。Webb也呼吁停止“拟人化”AI，失败往往源于在缺乏保障措施下部署设计不良的系统。
物理与受监管场景的现实标准
物理环境和受监管环境对AI部署有着截然不同的标准。
在建筑、工厂及金融服务等领域，可靠性、安全性和成本决定了AI能否投入生产。Honeywell Technologies首席技术官Suresh Venkatarayalu指出，工业客户要求99.9999%的可靠性，而前沿模型仅约85%，这使得关键环境下的部署与桌面工作流根本不同。他描述当前为“半自主世界”，操作员必须保持参与以应对即时运营后果。
Ecolab首席AI官AJ Wijesinghe从经济角度论证了选择性方法的必要性。在使用顶级模型处理高容量任务时，Token成本可能失控甚至高于人工。通过优化模型使用，Ecolab将Token成本降低了70%至80%。Wijesinghe倡导在智能代理中采用“人类主导”方法，平衡数据基础、流程准备度和成本纪律。
衡量回报与控制成本
AI的下一个考验在于能否提供可衡量的回报。
Booking Holdings执行副总裁兼CFO Ewout Steenbergen表示，即便大型云厂商对AI ROI也存在不确定性。对Booking而言，价值路径在于“从零开始”重构流程。随着预订量高个位数增长，其客户服务成本略有下降，客户满意度上升，约9,000名工程师的生产代码产出量增加约30%。
Steenbergen指出，回报出现在彻底重新设计的流程中，同时需通过“有效的模型成本路由”控制支出，即简单任务使用低成本模型，复杂推理使用高性能模型。他认为，AI在连接行程、预测需求方面有助于创造更多忠诚度和品牌价值。
AIQ峰会表明，AI领导力不由工具数量或试点规模定义。领先组织将技术雄心与人员发展、流程重构、财务纪律及问责治理相结合。成功的领导者正利用AI构建更具韧性、高效和敏捷的业务，而非仅仅自动化现有工作。