AI治理滞后成瓶颈：八成企业采用速度快于制度建设

据媒体报道，组织正以前所未有的速度推进AI项目，其对社会及工作方式的影响远超以往任何革命性技术。然而，尽管概念验证、原型设计及大型项目稳步推进，作为项目管理关键领域的“治理”环节却进展缓慢。

Thoughtworks首席信息官Jessie Xia指出，AI的本质使其发展速度快于既往技术。“许多AI工具灵活可用，但组织建立治理结构的速度往往落后于业务需求。研究显示，约88%的AI采用速度快于治理结构的适应速度。”

Xia分析称，造成这一局面的原因之一是AI的高度分散性。由于AI广泛可用，安全、数据、法律及风险合规等多个职能部门均参与决策，但许多组织未建立清晰的决策机制。“治理应是AI设计和部署的一部分。许多组织的政策仅停留在纸面，需将其融入架构和流程控制，建立可追溯性并明确责任归属。”

即使具备治理基础，从试验阶段过渡到生产环境仍面临严峻挑战。典型障碍包括安全性、数据质量以及与现有系统的集成问题。Thoughtworks调查显示，约三分之一受访者受困于数据质量和集成难题。

“试点项目在受控环境中可能有效，但这并不意味着解决方案已准备好在企业中使用。特别是对于大型组织，必须考察新应用如何与当前基础设施及其他系统集成。”Xia补充道。此外，投资回报率（ROI）及合规性考量也增加了将试点转化为实际价值的难度。

AI及其治理的分散性质要求组织完善企业结构。以Thoughtworks为例，公司设立首席AI官作为领导团队成员，协调软件开发、治理、基础设施和安全等环节。Xia强调，虽难以将所有职能集中于单一角色，但确保跨部门协调至关重要。

面向未来，AI素养将成为基础能力，但批判性思维和判断力更具价值。“AI正承担编码和流程自动化等执行工作。人们需运用批判性思维质疑AI做法，评估其是否存在偏见，并认识AI局限性。定义人机互动方式、不断提升判断力，是保持竞争力的关键。”

正如20世纪90年代计算机素养的普及，新一代职场人虽具备AI素养，但仍需发展协作等高阶人类技能。在澳大利亚，尽管多数组织在AI治理上仅达“合格”水平，但已有55%的组织在业务部门嵌入专门技术负责人，48%建立了正式AI治理和运营模式，38%实现了软件和数字化转型的标准化。

针对企业AI议程，Xia提出三项建议：在扩展规模前确立明确责任制，明确业务成果负责人；将身份认证、数据访问、监控和可追溯性纳入系统并实现自动化；衡量价值，重新设计劳动力和工作流程，投资于员工能力建设，明确AI增值环节与人类判断的必要场景。

组织若要从实验走向生产，必须夯实基础。明确的责任制、内置的系统化治理以及对可衡量业务价值的关注，需与对人的投资及新工作方式的探索并行。将AI承诺转化为可持续价值，既依赖技术，也同等依赖于人类的判断力。