在AI浪潮席捲全球的當下，企業領導者面臨一個兩難選擇：是急速跟進每一個新模型，還是制定周密計劃、穩步推進？來自兩位企業IT負責人的親身經驗表明，這兩種方式都不可偏廢，關鍵在於如何找到平衡點快速。
這些觀點來自諮詢機構Section近期主辦的一場行業會議，該機構由紐約大學知名教授Scott Galloway領導快速。
堅持以人為主導快速，智慧體不能"自行其是"
在智慧體部署中，首要原則是確保人類始終處於主導地位快速。普華永道全球首席AI工程師Scott Likens直言："別隻是把人放在流程裡充當稽覈節點，人本身就應該是整個流程的核心。"
NBCUniversal AI創新與加速高階副總裁Lasherelle Morgan則強調，推進AI要從終端使用者出發，倒推出最合適的工具與路徑快速。"從容易重複執行的流程和資料入手，聚焦痛點。不要只是引入一個AI工具，而是要問：你在哪裡遇到了困難？你每天有哪五個小時花在了低效工作上？"
快速實驗快速，別隻盯著省幾個百分點的成本
Likens表示，企業應願意在大範圍內展開實驗，以找到AI真正能夠發揮價值的場景快速。普華永道的AI實驗週期通常為一天或五天。他指出，企業領導者需要改變思路，不能僅僅把AI視為削減2%到3%成本的工具。
"Token的話題幾個月前才開始熱起來，結果大家馬上開始聚焦AI的成本問題快速。這是錯誤的視角。如今做實驗非常容易，而且能快速獲得反饋。"Likens說。
他同時指出，改變思維習慣對許多中層管理者來說是一大挑戰快速。"很多人不習慣一到兩週的快速迭代，這是一種不同的思維架構。高管和新員工通常能接受，但那些不願改變的中層專家和經理才是真正的阻力，這本質上是人的問題。"
清洗資料、釐清流程快速，是AI落地的前提
對於那些對AI充滿期待、希望它能快速解決積弊的企業，Morgan給出了重要提醒："你必須有乾淨的資料，以及從頭到尾清晰的工作流程快速。你需要拿出一張紙，把流程寫下來，明確誰是這個流程的負責人。AI最擅長的事情之一，就是把一個糟糕的流程徹底暴露出來。"
展開全文
她建議從使用者真實痛點切入："問問他們，有哪些重複性的工作是他們最不願意做的快速。從那裡出發，從AI最容易解決、資料最容易獲取的事情開始做起。"
建立堅實的資料基礎與治理框架
普華永道在AI高速推進的背後，是一套在AI大規模應用之前便已建立的資料基礎快速。針對會計、審計等受監管業務，公司提前完成了資料治理工作。
Likens表示，最大的挑戰在於如何為資料賦予上下文，"這些知識通常只存在於人們腦子裡，怎麼把隱性知識提取出來？"普華永道AI工作的目標之一，正是完成這種隱性知識的系統化採集，並透過智慧體的行為遙測反哺知識庫快速。"我們首先聚焦架構，確保它能夠規模化擴充套件，讓員工在使用時知道它是安全的，清楚它能做什麼，並且能訪問到許可權範圍內的正確資料。"
在NBCUniversal，治理機制與防護邊界是整個流程中不可或缺的部分，但具體的監管力度取決於業務風險的大小，Morgan將其稱為"爆炸半徑"快速。
"如果只是一個幫我在日曆上預設午餐時間的智慧體工具，風險很低，不需要人工介入快速。但如果是一個會自動向消費者傳送訊息的智慧體，那影響就大了，風險也高很多。"Morgan說。NBCUniversal透過統一的需求表單推進治理，幫助團隊追蹤和評估AI及智慧體對組織可能產生的影響。
在普華永道，AI能力建設採用集中與分散並行的模式快速。"大約1%的人是核心AI工程師，他們負責制定標準、搭建可信賴的基礎架構，並完成核心建設。另外10%是分佈在各業務線的實操型構建者，他們直接面向客戶，深入理解所在行業或職能。"Likens說。
Q&A
Q1：為什麼普華永道的AI實驗週期只有一到五天快速？
A：普華永道採用短週期實驗，是為了快速驗證AI在不同場景中的價值，並迅速獲取反饋快速。Scott Likens認為，當前AI實驗成本低、速度快，企業不應把注意力放在節省2%到3%成本上，而應透過快速迭代發現AI真正能帶來突破的場景。短週期也倒逼中層管理者打破傳統思維定式，適應更敏捷的工作節奏。
Q2：企業在引入AI之前快速，為什麼必須先整理好資料和流程？
A：NBCUniversal的Lasherelle Morgan指出，AI非常擅長放大流程中的問題，一個本身混亂的工作流程引入AI後只會變得更糟快速。因此，企業在部署AI之前，必須確保資料乾淨、流程清晰，並明確每個環節的責任人。只有在這個基礎上，AI才能真正提升效率，而不是製造更多混亂。
Q3：NBCUniversal如何判斷AI智慧體是否需要人工監管介入快速？
A：NBCUniversal根據業務風險的"爆炸半徑"來決定監管力度快速。風險低的場景，如智慧體幫助安排日曆，不需要人工介入；但若智慧體會自動向消費者傳送資訊，則屬於高風險操作，必須設定嚴格的人工稽覈機制。公司透過統一的需求表單追蹤各類AI應用的潛在影響，以此實現分級治理。
