By leading the charge on GenAI, CIOs can boost productivity within the tech function and also help spark a true AI transformation in the larger organization.
通过引领 GenAI 的发展，CIO 可以提高技术职能部门的生产力，并帮助在更大的组织中激发真正的 AI 转型。
GenAI can address up to 50% of tech function costs and deliver up to 30% gains in efficiency. Programming assistants, service desk tools, and knowledge management are particularly compelling use cases.
GenAI 可以解决高达 50% 的技术功能成本，并实现高达 30% 的效率提升。编程助手、服务台工具和知识管理是特别引人注目的用例。
Beyond adopting GenAI in their own domain, CIOs can help accelerate a broader AI transformation by taking point on three key challenges: complying with emerging regulations, fostering scaling, and avoiding shadow IT.
除了在自己的领域采用 GenAI 之外，CIO 还可以通过解决三个关键挑战来帮助加速更广泛的 AI 转型：遵守新法规、促进扩展和避免影子 IT。
To succeed in this effort, CIOs should lead on responsible AI, establish a modular and scalable architecture that supports reusability, and develop governance practices that help companies reap the benefits of experimentation without creating a zoo of tools.
为了在这项工作中取得成功，首席信息官应该带头开发负责任的 AI，建立支持可重用性的模块化和可扩展架构，并制定治理实践，帮助公司从实验中获益，而无需创建工具动物园。
作者：Thomas Marona, Anooj Sadasivan, Jeff Gell, Mohammad Khan, Sebastian Steinhauer, Adi Pradhan
我们全新的“CIO的AI剧本”可以帮助IT领导者驾驭生成式人工智能的复杂性，并更快地实现价值。
在各行各业中，生成式AI（GenAI）都引起了人们的极大兴奋——这不足为奇。通过按需、精准地创建内容，GenAI加速了许多推动企业前进的任务、功能和体验。但GenAI仍处于早期阶段，迄今为止，只有相对较少的组织成功释放了其潜力。为我们的报告《AI的价值何在？》所做的研究显示，仅有26%的公司正从AI中创造真实价值。更多的公司仍在努力超越概念验证（POC）阶段。超过50%的受访者表示，传统的IT架构因限制了扩展性、可重用性和数据可用性而成为阻碍。
关于全球研究
波士顿咨询公司（Boston Consulting Group，简称BCG）是一家全球领先的管理咨询公司，成立于1963年。BCG为客户提供战略、组织、运营、数字化转型等多方面的咨询服务，帮助企业在复杂多变的市场环境中实现增长和创新。BCG关于AI采纳的研究探讨了AI领导者们正在采取哪些措施来从预测式和生成式AI中驱动价值。我们邀请了1000名高级管理人员（包括CIO）根据30项基础能力来评估他们的AI成熟度。受访者来自亚洲、欧洲和北美的59个国家，涵盖消费品、能源、金融服务、医疗保健、工业品、保险、技术、媒体和电信等多个行业。
我们应用了稳健的统计方法，根据每位受访者报告的各项能力对AI价值生成的总体贡献，计算了其单独的权重。这使我们能够生成加权的总体分数，然后将其分为四类：
AI停滞阶段 (AI stagnating):分数 0–25
AI新兴阶段 (AI emerging):分数 >25–50
AI规模化应用阶段 (AI scaling):分数 >50–75
具备未来能力的AI阶段 (AI future-built):分数 >75–100
对于首席信息官（CIO）或其他负责技术的C级别领导者而言，GenAI正在施加压力，要求从技术中交付具体的好处。但它也创造了两个机会。
首先，GenAI对技术职能具有重大影响，可帮助CIO优化公司的IT生产力。BCG研究的一个关键发现是，规模化应用AI的价值潜力中约有三分之一在于赋能客户服务、采购和IT等职能。那些已经实施了高价值GenAI用例的公司——其中不乏引人注目的技术用例——已经在IT方面实现了高达10%的成本节省。但到目前为止，很少有CIO正在挖掘这一潜力。
其次，GenAI为CIO提供了扩大其在组织内部影响力圈的机会。为了成功利用GenAI乃至更广泛的AI，公司需要应对和沟通风险，为规模化应用奠定基础，并制定明确的政策来管理AI工具、使用和法规遵从性。这一切都不容易，但CIO在领导这些关键议题上具有得天独厚的优势。通过这样做，他们不仅能恰当地采纳GenAI，还能帮助将IT部门树立为业务的创新合作伙伴，而不仅仅是服务提供商。这至关重要，因为这是世界级技术职能和领先公司的决定性特征。
一、优化IT生产力
许多公司在使用GenAI时遇到的一个困难是确定该技术的价值所在：即那些能提供基本能力并推动关键效率的用例。在技术职能部门内部，这个问题正变得越来越容易回答。（参见“GenAI在技术领域的应用”。）
GenAI在技术领域的应用
随着现在所有工具的普及和所有实验的进行，GenAI的早期阶段可能看起来像是IT版的“狂野西部”。但与那些旧时代一样，一些探矿者正在淘金。我们已经在“富矿带”中看到了一些值得注意的模式——那些能可靠创造价值的用例。
编程助手能自动化常规编码任务，使开发人员能够更快地完成项目，并将更多时间投入到更高价值的工作中。这些工具通常提供代码建议并遵循最佳实践，从而增强代码库的一致性和可靠性。通过提供实时指导和上下文示例，它们帮助各级开发人员获取新技能和知识。
在知识管理方面，GenAI利用其在自然语言处理方面的优势，提供对组织信息的对话式访问。通过使员工能够从庞大的知识库中快速访问和利用精确内容，GenAI提高了效率和决策能力。
遗留系统现代化结合了基于GenAI的编程助手和知识管理工具，帮助公司更高效、更经济地更新传统IT系统。传统上，遗留系统现代化是一项复杂而乏味的任务。GenAI工具通过处理代码理解和业务逻辑提取，以及生成文档来增强对遗留系统的理解，从而改变了这一局面。这些工具还通过现代代码生成提供支持，并自动化现代化系统的测试和验证。基于AI代理的方法所带来的生产力提升，加速了关键的现代化工作并改善了其商业案例。
GenAI增强的IT服务台通过自动化任务、扩展自助服务和减少服务台员工的工作量来降低响应时间和运营成本，以便他们能够专注于关键的干预措施。一个训练有素的GenAI助手可以直接向最终用户提供准确的实时解决方案，从而提高满意度和用户生产力。
在网络安全领域，GenAI通过拼凑非结构化数据中的线索来识别细微的威胁。由于IT人员可以微调GenAI模型，公司可以训练这些模型，以在其特定的安全环境中实现最佳的检测和响应。
对于项目管理，GenAI可以使用历史数据和项目要求来创建项目计划和时间表。在其众多才能中，它还可以通过分析开发日志、团队绩效指标和正在进行的任务来生成进度报告。
上述所有领域都为代理型AI（agentic AI）提供了机会，代理型AI使用复杂的推理和迭代规划来自主解决复杂的多步骤问题。到2025年，我们预计领先的公司将部署编码代理、高级客户支持聊天机器人、企业工作流助理代理、商业智能代理以及代理型AI的许多其他变体，作为其GenAI之旅的下一步。凭借其广泛的自主能力，这些先进的AI工具可以支持人类或独立工作。无论哪种方式，它们都能创造并铺平通往价值的道路。
二、价值之路
三种类型的GenAI用例尤其引人注目。首先，如果部署得当，像GitHub Copilot这样的编程助手可以将软件开发效率提升30%以上。其次，IT服务台工具能为常见问题提供自助服务，并自动化诸如工单解决和事件管理等任务；例如，我们合作的一家全球保险提供商估计，GenAI通过管理重复性、低复杂性的问题，可以处理其75%的服务台工单。第三，GenAI在知识管理方面表现出色。自然语言界面——实际上是让用户与数据对话——提供了对IT系统文档、开发状态报告以及产品数据和描述等内容的直观访问，特别是与检索增强生成（RAG）系统结合使用时。RAG通过引用训练数据之外的特定内容（如更新的信息或文档）来补充GenAI的训练。
GenAI可以提供有价值增强的另一个领域是网络安全。当它筛选安全日志、电子邮件和其他非结构化数据时，该技术可以发现更多传统系统可能会错过的威胁。不幸的是，GenAI也为不法分子带来了效率，在网络预算方面，这两种趋势可能会相互抵消。GenAI的另一个好处在于通过协助冲刺计划、待办事项管理和状态报告等任务来加速敏捷开发。
然而，目前相对较少的组织正在享受这些好处。BCG的研究发现，跨行业的采用率很少突破个位数。（见图表1。）
这使得大量价值未能被发掘。根据我们的分析，GenAI用例可以解决高达50%的技术职能成本，并带来高达30%的效率提升。当然，GenAI本身也有成本，主要集中在模型训练和推理的计算需求，以及模型维护和许可上。总而言之，组织应预计费用会增加5%。但这是一项合理的投资，因为——考虑到可解决的成本、效率提升和额外费用——它可以在技术职能部门产生高达10%的净成本节省。（见图表2。）
尽管听起来不错，但降低成本只是GenAI价值主张的一部分。效率提升使CIO能够将更多的人才和资源投入到创新、客户体验和数字化转型等关键举措中。通过加速甚至自动化重复、耗时的任务，GenAI让团队能够更专注于战略性工作，以增加收入、增强竞争力，并提升技术职能的整体影响力。
三、CIO应该做什么
通过在技术职能部门内部激活GenAI，CIO可以激发显著且可见的价值创造。这不仅能在IT内部产生影响，还有助于确保整个组织对GenAI的认同和采纳。
成功需要一种超越技术的整体方法。事实上，成功大规模部署AI的组织将大部分精力投入到流程和人员上。我们称之为10/20/70法则：将10%的精力分配给用于开发和实施算法的数据科学能力，20%分配给现代化和可扩展的技术栈，70%分配给由人才和强大的变革管理支持的有效流程。这关键的70%常常被忽视或准备不足。
我们在技术职能中实现GenAI全部优势的剧本包括五个关键行动项。
1、专注于价值。CIO应根据价值来确定用例的优先级。这意味着不仅要考虑可解决的成本，还要考虑预期的效率提升。一个解决大成本但效率提升有限的GenAI用例，其排名可能低于一个解决小成本但有望大幅提高生产力的用例。但CIO不应回避采取大胆的方法，既要解决“大石块”，也要处理更小、更容易的领域。CIO应考虑特定用例如何与公司的业务战略保持一致。一个能促进关键业务目标的应用程序可以提供最重要的价值。
建立评估、确定优先级和监控用例的程序至关重要，因为它能确保公司的人力和资源得到最有效率的部署。一家财富50强的美国公司创建了一个中心团队，专注于从GenAI项目中获取价值。它识别了超过200个想法，并根据业务影响将其分为三组。中心团队优先考虑并执行了影响最大的想法，但将中等影响的想法通过现有的交付流程进行引导，并将影响最小的想法指定在定义的护栏内进行实验。该公司根据每个项目产生的价值对其进行跟踪，并放弃了那些未能达到预期的项目。
2、重新思考流程。GenAI提供了一个重新构想流程的机会——即所谓的零基方法。如果将GenAI自动化嵌入到一个保留了其传统低效、重复和非增值步骤的旧有流程中，那么它所能提供的价值将非常有限。更好的方法是：从头开始重新思考流程。CIO应致力于最小化复杂性，只构建必要的步骤和能力，然后在可能的情况下使用GenAI技术实现自动化。最终，价值来自于消除你不需要的东西并自动化你所做的事情。
3、采用新策略来谈判复杂的供应商合同。GenAI用例可以解决许多内部IT成本。但该技术也使供应商能够自动化流程并更有效地分配资源——为提供商和客户双方都打开了受益之门。尽管合同结构通常在分享收益方面提供的灵活性有限，但CIO可以采用新的谈判策略来创造“双赢”。对于固定价格合同，将支付与绩效或成果挂钩可能是一个有效的解决方案。对于托管服务协议，一种选择是考虑基于使用量的模型或可扩展性选项，这些选项在AI驱动的环境中引入了更大的灵活性。通过采用这些方法，CIO可以间接解决那些不可直接处理的成本。
3、投资于变革管理。GenAI的成败取决于采纳率。仅仅提供新工具，无论它们多么前沿，都是不够的。具备未来能力的AI公司——即那些已经通过AI创造了巨大价值的4%的研究参与者——认识到所需的变革管理量。这些组织中有三分之二在技能提升方面投入了大量资金。另一个最佳实践是：优先考虑那些能解决员工实际问题并减少辛劳的工具。这类工具在提高效率的同时，也能提升士气和满意度，从而进一步提高生产力。并且要广而告之。宣传GenAI的好处——或者更好的是，通过研讨会、辅导和卓越中心来展示其好处——有助于激发采纳。
4、拥有合适的人才。通过将关键的战略能力保留在内部，组织可以在GenAI创新中保持控制和敏捷性。为此，CIO应该培养内部人才，组建具备推动日益先进的GenAI项目所需技能和知识的团队。但平衡至关重要。我们发现，一种混合方法——强大的内部团队与选定的供应商合作——比选择完全内部或完全外包的团队效果更好。话虽如此，核心团队应保留那些对任务至关重要或能驱动竞争优势的能力。
GenAI为CIO带来了引入新角色和重新构想现有角色的机会和需求。其中最关键的新兴职位包括负责监督项目的首席AI官、负责设计和实施政策的道德与合规官，以及负责完善和分析用于评估模型性能的提示词工程师。应该演变的现有角色包括软件开发人员和架构师，他们需要将解决方案与AI框架集成；网络安全专家，他们必须应对新的安全和数据隐私风险；以及产品经理，他们需要熟练掌握GenAI的能力，以便利用它们解决业务问题。
创造新角色并展示（而不仅仅是讲述）公司在创新、负责任地使用GenAI方面处于领先地位，这对于招聘和培养核心人才至关重要。考虑一个财富100强公司构建专有GenAI工具的案例。与其他在GenAI领域布局的公司一样，它在GenAI人才市场上没有固有的“获胜权”。因此，它采取了一种新的、差异化的方法。该公司建立了一个拥有30多名新的全职专业员工的AI卓越中心，设立了AI工程师和负责任的AI负责人等职位，起草了新的面试协议，并且——为了向候选人保证它不仅仅是在GenAI上“夸夸其谈”——制定了员工价值主张和招聘信息，强调其对负责任的AI（RAI）和真正的GenAI实施（而不仅仅是战略）的承诺。这些步骤共同帮助该公司吸引了一流的人才。
四、将IT定位为业务的创新合作伙伴
预计未来三年，GenAI投资将增长约60%，到2027年平均占IT预算的7.6%。然而，到目前为止，由于只有四分之一的公司已经超越了POC阶段并正在实现实际价值，回报仍然有限。通过从GenAI中快速、显著地获益，技术职能部门可以成为该技术的展示窗口，帮助在整个组织中为其建立势头。但光有势头是不够的。CIO必须发挥领导作用。
BCG对AI采纳的研究揭示了AI领导者和落后者之间的一个关键区别：担任领导角色的CIO。在86%的具备未来能力的AI公司中，IT部门在GenAI方面领导或与业务部门共同领导。对于AI停滞阶段的公司（那些在AI成熟度中排名最低的公司），相应的数字是54%。（见图表3。）
五、三大挑战
但这种领导究竟应该采取什么形式呢？在我们看来，CIO是应对阻碍AI和GenAI采纳和规模化的三大挑战的理想人选：
1、遵守新兴法规。GenAI从内容中学习、使用和生成内容的能力会产生风险：幻觉（错误或误导性回答）、偏见和数据滥用（例如，泄露敏感信息）。法规正在迅速出现，使合规变得更加复杂，特别是对于国际运营的公司。在欧盟，《AI法案》要求公司按风险级别对AI应用进行分类，在公共数据库中注册每个高风险AI系统，为此类系统实施风险管理程序，确保透明度并维护数据治理。在亚太地区，新兴法规要求AI系统具有透明度、问责制和道德使用。根据卡托研究所的数据，截至2024年8月，美国已有31个州通过了某种形式的立法，条款差异很大。而且还会有更多。公司需要确定哪些法规适用于它们，确保遵守这些规则，并确认它们正在恰当地服务于其客户、股东和价值观。
2、确保可扩展性、可重用性和数据可用性。许多组织没有从AI和GenAI中获得他们期望的价值，或者他们难以从POC阶段转向大规模实施。最常见的罪魁祸首是技术债务、难以访问数据、与AI技术不兼容的平台，以及单个用例的缓慢且昂贵的孤立开发。孤立、难以访问的数据是一个主要问题：AI和GenAI模型的好坏取决于它们训练或作用的数据。组织通常在不同的技术栈上构建用例，这会降低整体实施效率。如果没有一个支持扩展的应用和数据架构，组织可能会发现，无论AI的价值在哪里，它都遥不可及。
3、避免与GenAI相关的新影子IT。尽管许多公司都在努力超越POC和最小可行产品，但他们的员工可能会通过ChatGPT等工具主动尝试新功能。这是一把双刃剑。一方面，这些先行者可以作为识别推动效率和创新用例的绝佳来源。但另一方面，在IT部门不知情和控制之外的采纳，不可避免地会产生影子IT。未经批准使用GenAI工具可能会使组织面临与数据隐私、安全性和合规性相关的风险。它还会导致不协调的技术投资。由于公司无法知道什么实际上是有效的——因此他们应该推广哪些工具和用途——成功案例的影响有限。在一家软件公司，员工广泛采用GitHub Copilot以抓住GenAI驱动的编程助手的好处。但他们是通过私人账户这样做的，这阻碍了公司确保负责任和安全使用的能力，并且由于没有建立基线，领导层难以衡量效率的提升。
所有这三个挑战都在CIO的职权范围内。AI，特别是GenAI，在一个快速变化的技术环境中运作。该技术与不断演变的监管环境紧密相连，正如CIO领导的另一个领域：网络安全。通过掌控这些挑战及其解决方案，CIO可以增强组织规模化应用GenAI用例的能力，更广泛地说，是激发AI转型。在此过程中，CIO也加强了自己的角色。
六、CIO应该做什么
CIO可以抓住机会，通过实施三项关键举措，在帮助加速AI转型方面发挥积极作用。
1、在负责任的AI（RAI）上发挥领导作用。RAI是一项战略要务，可帮助公司最小化AI的风险，并促进该技术的透明度、问责制和道德使用。这是GenAI领导者的重点领域：74%的具备未来能力的AI公司持续监控其RAI框架的合规性。通过在组织中领导RAI，CIO可以确保合规性不会被“踢皮球”。他们可以减少那些常常阻碍GenAI项目获得认同的担忧。
然而，领导并不意味着孤立行动。在设计和实施RAI项目时，CIO应与一个跨职能团队合作，该团队包括来自业务部门以及法律、人力资源和其他职能部门的代表。这将确保RAI实践满足法律要求并促进企业目标和价值观——同样重要的是，它将有助于建立支持并在整个组织中推动RAI的授权。
CIO应该通过建立和阐明补充现有控制的规则来强调清晰度。他们还应该帮助在整个组织中创建AI的标准定义。通过使组织对AI的含义达成一致，CIO可以确保每个人都以相同的方式理解它。
更广泛地说，CIO需要从管理软件开发和运营，过渡到领导AI驱动的创新，其中合规性与敏捷性和定制化一样成为焦点。这意味着建立的团队不仅精通AI和技术，而且能够驾驭监管格局并在强大的风险管理框架内工作。
2、建立支持可重用性的模块化、可扩展架构。CIO可以帮助组织从零散的孤岛转向企业AI基础——一个能让公司快速有效地规模化应用AI和GenAI用例，并支持整个组织——而不仅仅是单个单元或采纳者的基础。这个基础有四个关键组成部分：驱动GenAI并可作为更定制化大型语言模型（LLM）基础的基础模型；编排、管理并提供对LLM访问的GenAI平台；一个汇集整个组织信息的数据层；以及一个促进持续改进的自我监控能力。
但CIO还可以引入另一个推动因素：范式（archetypes）。我们发现，无论行业如何，用例都倾向于与八个典型AI应用范式之一对齐——例如，一个带有检索增强生成的知识助手，它使用公司特定的数据来响应基于提示的查询。关键是首先为每个范式构建基础。由于映射到该范式的用例将共享相似的结构和要求，组织可以轻松地为每个用例调整和重用它。实际上，这个范式就成了高效部署的蓝图。
使用这种方法，一家大型欧洲公司将300多个用例映射到了范式。它不是逐个构建大量用例，而是构建了范式，然后轻松地重用它们。由于该公司不必单独开发每个用-例，实施速度更快、成本更低。而且业务职能部门通常直接执行实施。该蓝图有助于确保模型使用、成本管理和运营效率的一致性——同时加快了通往可扩展AI解决方案的路径。
3、制定能遏制影子IT的治理。CIO可以帮助公司在不造成工具泛滥的情况下，享受实验的好处。通过建立一个清晰的治理框架并整合工具，CIO可以高效、安全地引导创新努力。这种安排鼓励早期采用者尝试经批准的技术并识别创造价值的用例。但所有这些努力都在一个安全、受控的环境中进行，确保了监督和问责。CIO还应捕获并分享成功的实施案例，使组织能够从这些实验中学习，并有效、负责任地扩展解决方案。
GenAI在媒体、董事会和市场上受到了广泛关注——但它需要CIO更多的关注。除了在整个组织中引发转型性变革外，该技术还可以改变CIO的角色、影响力和影响力。领导GenAI冲锋的CIO将在技术职能部门内捕获价值，使组织能够做同样的事情，并帮助引导和塑造其未来。
作者感谢Sabine Doeschl, Marc Roman Franke, Alisa Ilina, Iivari Karrila, Kim Kirchbach, and Mariana Zehender对本文的宝贵贡献。
睿观：
1、核心挑战与CIO的新机遇。尽管生成式AI（GenAI）被高达90%的企业高管视为首要技术重点，但仅有少数（26%）公司能从中创造真实价值，多数企业仍在概念验证阶段挣扎，并受困于传统IT架构。这一困境为CIO（首席信息官）带来了压力，也创造了双重机遇：一是在IT职能内部利用GenAI优化生产力，实现高达10%的净成本节省；二是借此领导企业应对AI带来的风险、合规与规模化挑战，将IT部门从服务提供者提升为业务的创新合作伙伴。
2、CIO的AI剧本：五大行动与“10/20/70法则”。成功的AI转型需要一套整体“剧本”。BCG提出的“AI生产力价值飞轮”包含五大行动：专注价值（识别高影响力用例）、重新思考流程（采用零基方法）、创新供应商合作模式、投资变革管理以及拥有合适的人才。更重要的是遵循“10/20/70法则”，即转型成功仅有10%的努力在于算法，20%在于技术栈，而高达70%的精力必须投入到由人才和强大变革管理支持的人员与流程上，这关键的70%却常被忽视。
3、转型之路：成为“仿生CIO”，领导未来。CIO的最终角色是成为兼具技术专长与商业头脑的“仿生CIO”，领导企业应对三大核心挑战：遵守新兴法规（如欧盟AI法案）、确保技术的可扩展性与可重用性（通过构建企业AI基础和“架构范式”）、以及有效治理影子IT。通过掌控这些战略要务，CIO不仅能加速AI转型，更能巩固自身在C级别高管中的领导地位，引导并塑造企业的未来。
AI时代的CIO：不再是技术的守护者，而是价值的编舞者，其使命是引领企业在数据与算法的舞台上，跳出持续增长的华尔兹。
