AI正在悄悄制造“孤岛”，很多公司还浑然不觉

在全球各地的董事会会议室和团队会议上，人工智能的前景被广泛看好。领导者们听闻，人工智能将精简运营流程、提升决策质量并大幅提高生产效率。然而，尽管许多组织确实从人工智能中获益，但另一个不太明显的趋势正在悄然浮现——人工智能正在加剧职能部门的孤岛现象，而这一问题已困扰企业数十年。这可能导致业绩下滑，因为各部门退缩到各自基于人工智能的独立世界中。虽然每个职能部门都在改善自身运营，但整个组织却越来越难以实现其企业战略目标。

在本文中，我们将借鉴所研究或提供咨询的公司的经验，探讨以部门为中心采用人工智能时，组织业绩会受到何种影响，并提出应对措施（出于保密原因，以下提及的所有公司名称均为化名）。

影响一：“技术优先” 的陷阱

部门负责人常常先决定实施人工智能，之后才去寻找能用其解决的问题。现成的人工智能工具通常无法相互兼容，而且很少有团队有动力去关注自身领域之外的情况。此外，供应商将这些工具作为独立解决方案推销给各个部门，进一步强化了部门间的隔离。

局限于部门范围内的人工智能工具，使得解决当今许多紧迫的业务挑战变得更加困难，例如客户体验、可持续发展和创新等问题。这些挑战需要跨越多个部门的洞察和行动。

以我们合作过的澳大利亚制造公司Emacom（化名）为例。Emacom的信息技术部门实施了人工智能驱动的预测性维护，供应链团队使用单独的人工智能工具进行需求预测。与此同时，销售部门将人工智能应用于客户服务，人力资源部门采用人工智能驱动的简历筛选。每个部门都独立运行其人工智能解决方案。

这些孤立的人工智能系统虽然各自提高了效率，但却未能解决维护、供应链、销售和劳动力规划之间需要协调才能解决的核心问题——减少延误。

解决办法：构建 “中心辐射” 模式

建立一个人工智能卓越中心（CoE），在集中管理与分散执行之间取得平衡。卓越中心作为核心枢纽，汇聚了组织内顶尖的人工智能专家、战略领导者以及共享资源。其职责是通过提供管理、最佳实践以及共享的基础设施，将所有人工智能项目与公司目标相结合，以扩展人工智能能力。而 “辐射点” 则是各业务职能部门内部嵌入的人工智能团队。他们利用卓越中心的资源和标准，运用自身深厚的领域知识，迅速解决特定的业务问题。

以我们合作过的澳大利亚公司Bathurst Insurance（化名）为例。其人工智能卓越中心作为核心枢纽，发现了整合公司销售与承保流程的机会。嵌入销售和承保部门的 “辐射点” 团队，借助卓越中心的共享平台、管理框架和资源，构建了一个人工智能模型，该模型能够实时预批保单，并立即将其传递给销售团队。

影响二：重复与矛盾

当不同部门使用不同的数据集和模型来解决相似问题时，往往会得出相互矛盾的结论。这不仅效率低下，还直接威胁到统一的商业战略。

以我们合作过的澳大利亚跨国银行Western Pacific（化名）为例。财务部门基于传统信用评分和历史贷款表现构建的风险管理人工智能，将某一特定客户群体标记为高风险。与此同时，营销部门通过分析数字行为和社交媒体数据构建的客户获取人工智能，却将同一客户群体确定为新产品的主要目标。这在内部引发了严重的紧张局面。银行究竟应该像营销团队所倡导的那样，积极向这些客户推销产品，还是听从财务团队的建议，避开他们呢？

解决办法：从目标出发，而非流程

解决之道并非为每个团队创建通用数据集。相反，需要将整个思维模式从 “流程优先” 转变为 “目标优先”。明确界定你希望在全公司范围内实现的成果，然后逆向推导，确定人工智能如何在多个职能部门中支持这些成果。这种方法确保人工智能成为战略推动者，而不仅仅是战术工具。

我们合作过的一家澳大利亚大型在线零售商Nexora Market（化名）就是一个有力的例子。该公司没有让各部门优化自身业绩，而是从一个首要目标出发：提高客户终身价值。这促使他们创建了一个单一、统一的推荐引擎。这些推荐成为营销的重点；库存管理部门利用它们来优化库存水平，物流部门借助它们预测运输需求，客户服务部门则依据它们提供主动支持。

通过聚焦共同目标，Nexora Market确保所有人工智能项目都朝着共同目标努力，创造出超越部门界限的连贯一致的客户体验。

影响三：未达公司目标

当人工智能工具无法相互连接并产生协同效应时，组织就无法获得使人工智能真正具有变革性的复合效应。本文作者之一金（Kim）的研究表明，70% 的人工智能项目在首次部署后便难以进一步拓展。究其原因，正是这些项目的应用与评估都基于 “孤立的人工智能实施” 模式。

参与金研究的一家澳大利亚大型零售连锁店Vera & Wilde（化名），在整个组织内取得了多个与人工智能相关的成功案例。其库存管理团队通过人工智能驱动的需求预测，将缺货情况减少了15%。客户服务部门借助人工智能聊天机器人，将响应时间缩短了40%。营销部门通过人工智能驱动的个性化服务，将电子邮件打开率提高了25%。

每个部门都自豪地向领导层汇报这些指标，人工智能的应用被视为巨大成功。然而，尽管各部门都有斩获，但公司的整体客户满意度得分却停滞不前，竞争对手正在抢占市场份额。人工智能被用于优化部门指标，而非创造诸如净推荐值等跨职能成果，而后者本可以在问题演变成代价高昂的失败之前揭示潜在隐患。

解决办法：激励协作

大多数绩效指标都是针对特定职能的。销售部门追求营收，人力资源部门关注员工敬业度，运营部门追求效率。如果你希望实现跨职能的人工智能协作，就要对其进行衡量并给予奖励。设计反映集体成果的共享关键绩效指标（KPI），比如端到端的客户满意度、产品发布周期，或者跨职能流程改进。

以我们研究的澳大利亚农业田间试验公司CropEdge Research（化名）为例。其各部门传统上使用孤立的KPI——研究团队依据试验准确性进行评估，销售部门看客户获取情况，运营部门则关注成本效率。这导致了部门间的摩擦：销售部门承诺快速启动试验，运营部门难以兑现，研究团队则感到压力巨大。这损害了客户满意度。为鼓励跨职能的人工智能协作，公司的领导层引入了共享指标，如从试验设置到最终报告的客户满意度得分；从签订合同到交付的试验周转时间；研究、运营和报告过程中的数据质量一致性。

人工智能有潜力整合并提升你的组织，但如果不刻意为之，它也很容易造成组织分裂。你可能看到的碎片化并非技术不可避免的副作用，而是工具采用、管理和文化等方面选择的结果。因此，要抵制简单地将现有孤岛数字化的诱惑。相反，将人工智能作为推动真正组织变革的催化剂。以你希望组织体现的系统思维方式来实施人工智能。最终目标不仅仅是采用人工智能，而是利用它打造一个更具凝聚力、智能化且目标明确的企业。