我们构建了模型，但未塑造文化。是时候开始为人工智能摩擦【AI Frictions（AI 摩擦）指的是在 AI 应用于公共服务过程中所产生的各种矛盾、误解与冲突。】而设计，并以此为起点进行扩展了。
图源：Thinkstock
当我（指本文作者，下同）最初开始为企业提供人工智能实施和采用方面的建议时，我注意到了一个令人担忧的趋势：企业领导者关注的是炒作周期，却对企业所受影响或潜在影响缺乏清晰认知。董事会和领导团队向负责数据的高管提出了诸如“我们在人工智能方面做了什么”这类表面问题，与公司战略或目标毫无关联。
但更根本的脱节隐藏在高管层和董事会的提问背后。人工智能工作并未基于业务优先级，更糟糕的是，它们与预期将启用或采用这些技术的人员毫无关联。在一个大型企业中，我亲眼目睹了人工智能沟通不畅导致的员工幻灭感。领导层投入数百万用于自动化技术，却未将这些举措与岗位设计、技能再培训路径或激励机制对齐。同时，这种脱节的内部人工智能信息传递，让员工感到沮丧，缺乏支持数据和人工智能转型的动力。Gartner将员工体验中的“对未知的恐惧”列为人工智能采用的3大障碍之一。人、流程和系统之间的摩擦一直未得到有效解决，这才是真正的问题。
这种摩擦体现在：
尽管对目的存在模糊性，领导者仍愿意投入数百万进行技术升级。
缺乏提升员工技能或改变传统行为的意愿，甚至主动撤资。
当被问及是否可以参加提升技能的会议或付费课程时，突然就没有预算了。企业在技术和员工队伍上的投资选择性，向员工传递了一个明确而响亮的信息。然而，据Gartner指出，企业在尝试人工智能转型时将面临的第一个障碍是技能不足，无法成功推动人工智能转型。因此，人工智能“未能交付”并不令人意外。事实是，没有员工的支持，企业无法取得成功，而这需要建立T.R.U.S.T.：
Transparency（透明度）：数据是否公开可访问、定义清晰且易于质疑？
Relationships（关系）：跨职能团队是在合作还是在争夺控制权？
Understanding（理解）：员工是否具备使用数据所需的素养和支持，从而感到自信？
Safety（安全）：员工能否在没有恐惧的情况下提出问题、指出风险或表示“我不知道”？
Tone from the top（高层基调）：高层是否提供了透明度、培训、主动的变革管理和变革激励？
一、人工智能的抵制并非技术问题，而是群体问题
每次有关人工智能取代工作的头条新闻出现时，某处的首席数字与人工智能官或首席信息官就会对随之而来的对话感到担忧。我在各行业看到的情况是，对人工智能的抵制并非针对算法，而是关乎权力、保护和身份。例如，一位客户引入了语言模型来帮助合规团队减少手动审核工作。技术上是成功的，但员工强烈抵制。为什么？因为没人阐明他们的工作将如何演变，只知道工作会“改变”。McKinsey指出，高级领导者可以利用关于生成式人工智能的潜在“增强与改进”能力及其显著提升员工体验的信息，来抵消员工对“替代与损失”的普遍恐惧。
当员工认为自己的角色受到威胁时，他们会囤积知识、抵制并拒绝流程变更。此外，未能解决这些担忧，将错失让员工参与、协作并共同体验人工智能带来的积极价值的机会。没有明确的故事，摩擦就会占据上风，项目失败，企业浪费时间、金钱、士气和生产力。
我们必须建立激励结构，奖励无摩擦的行为：知识共享、数据共享、跨职能对齐、承认不确定性以及快速测试。这是一种文化改造，而非技术改造。
二、从结构而非软件开始设计人工智能
现实情况是，当你将人工智能引入组织时，许多传统架构，包括组织结构和流程，都会受到影响。与人工智能原生初创公司不同，大型组织不能采取精益优先的方法，因为投资所需的战略知识不仅存在于管理层，更深深嵌入员工队伍中。为人工智能设计意味着与大多数路线图建议相反：从组织架构图和业务目标开始，而非模型。
为什么这很重要？在“人工智能将演变为所有人的组织战略”一文中，Wired的Ethan Wollic（伊桑·沃利奇）提出了一个有力的观点：未来将出现大量“人工智能原生”初创公司，从一开始就围绕人类与人工智能协作构建其整个运营模式。这些公司将由小型、高技能的人类团队与复杂的人工智能系统协作，以实现与大型传统企业相媲美的产出。与此同时，大型企业将通过各部门的员工和管理者识别使用人工智能提升绩效的有意义方式，从而从人工智能转型中获益。这凸显了员工在发现机会、塑造实施并确保采用中的关键作用。与设计初衷为精简的初创公司不同，企业必须首先解锁并整合员工队伍中已有的运营智能，但大多数人工智能战略完全忽略了这一点。
三、诊断并拆除扩展的真正障碍
在与一家跨国客户的最近合作中，我进行了所谓的“人工智能摩擦审计”。我们绘制了人工智能项目未能扩展的领域，发现的障碍并不令人惊讶，但却发人深省。最大的障碍并非技术问题，而是结构和文化问题：部门间的政治竞争、决策权限不明确、对价值缺乏共识以及零协作激励。这些并非孤立的痛点，而是系统性的设计缺陷。
由此产生的对话帮助领导团队理解其路线图遗漏了什么：人工智能改变权力动态、工作流程以及组织的DNA。当架构和激励机制未能与技术同步发展时，实施会在未解决的紧张局势下崩溃。那些忽略这些固有问题，例如冲突的决策、错位的优先级和功能孤岛的策略，缺乏成功所需的基础条件。
然而，许多人工智能路线图仍保持组织架构固定不变，决策视为孤立进行，价值冲突视为他人的问题。为人工智能重新设计意味着从人员开始，拆除使协作成为可选项而非必需品的传统架构。
我所见的最大错误之一是围绕技术设计人工智能路线图，然后试图将其改造成业务。这是本末倒置。Mayur P. Joshi（玛尤尔·普·乔希）、Ning Su（苏宁）、Robert D. Austin（罗伯特·D·奥斯丁）和Anand K. Sundaram（阿南德·K·苏丹拉姆）在“为什么这么多数据科学项目未能交付”一文中描述了这种动态，称之为经典的“寻找钉子的锤子”。仅靠能力无法推动AI应用，推动应用的是行为。跨职能对齐、主动的数据共享、及早发现不确定性以及快速测试，不仅是策略，更是健康文化的行为信号，表明该文化已准备好吸收变革。
四、如果你的人工智能路线图不以人员为起点，就已经偏离轨道
一个令人不安的事实是，许多企业文化是人工智能采用的障碍。对人员投资不足、缺乏认可和对齐，将继续成为那些不愿直面转型人性层面的企业难以逾越的摩擦点。数据领导者必须停止将人工智能视为技术挑战，而应开始像文化架构师一样领导团队，因为那些将在人工智能领域取得成功的组织，将是那些投资于行为改变和技能提升的组织。
这意味着通过以下S.M.I.L.E.框架分享愿景：早期让人员参与共同创造，为未来工作提升技能，并奖励使采用成为可能的行为：
S：以文化审计启动人工智能路线图。
M：将行为指标纳入人工智能KPI。
I：激励跨孤岛的知识共享、数据共享、跨职能对齐、承认不确定性和快速测试。
L：以变革管理领导，推动对齐，加速采用并确保持久影响，而非将其视为事后考虑。
E：强调人工智能是团队增强的促进者，而非破坏源。
当其他方法都失败时，只需S.M.I.L.E.即可。
企业在推进人工智能过程中，不能盲目追逐技术，而应从构建适应AI的文化和结构入手，解决人、流程和系统之间的摩擦，从而实现AI的成功采用和规模化应用。
（一）问题描述
企业对AI的盲目追求：许多组织领导者沉迷于AI的炒作周期，但缺乏对其业务相关性及影响的清晰认识，只提出一些与公司战略目标脱节的表面问题。
AI努力与业务脱节：AI项目未基于业务优先级，也未与推动或采用AI的人员相连接，导致员工对AI产生幻灭感，缺乏支持或推动数据和AI转型的动力。
（二）原因分析
文化与结构层面的阻碍
透明度不足：数据是否公开可访问、定义清晰且易于质疑，关系着员工对AI的接受度。
跨部门竞争而非协作：部门间的政治竞争、决策权限不明、对价值缺乏共识以及缺乏合作的共同激励，构成系统性设计缺陷，阻碍AI实施。
员工缺乏数据素养与支持：员工需具备使用数据的技能和信心，但企业在员工技能提升方面的投入不足，未建立相应的激励机制。
缺乏心理安全感：员工担心AI会威胁自身角色，害怕因提问、指出风险或承认不确定而受到指责，导致知识囤积、抵制变革。
技术与人员的脱节：企业常先设计AI路线图再强行嵌入业务，未从组织架构和业务目标出发，忽视员工在发现机会、塑造实施和确保采用方面的作用。
（三）解决方案
1.建立正确的文化与激励机制
遵循T.R.U.T.S原则：确保透明度、促进跨部门协作、提升员工数据素养、营造安全环境并由高层引领。
构建激励结构：奖励知识共享、数据共享、跨部门协作、承认不确定性和快速测试等无摩擦行为，进行文化改造。
2.以组织架构和人员为中心设计AI
从组织架构和业务目标出发：与AI原生初创公司不同，大型企业要利用员工已有的操作智能，先进行文化审计，让员工参与共同创造。
3.重视变革管理
将变革管理纳入AI路线图：发挥领导力推动变革，通过跨职能对齐、数据共享、早期暴露不确定性和快速测试等行为，为AI采用创造条件。
采用S.M.I.L.E框架：以文化审计开启AI路线图，将行为指标纳入AIKPI，激励员工，领导变革管理，并强调AI增强而非扰乱团队。
作者：Christina Sandema-Sombe（克里斯蒂娜·桑德玛-松贝）
译者：穿山甲
