许多企业高管向我抱怨，AI试点（Pilots）做了无数，声浪震天，但真正能转化为生产力、带来业务价值的寥寥无几。这正是报告中提到的“随机的人工智能行为”（random acts of AI）。
本文的核心价值在于，它指出了AI从“热情”走向“成熟”的关键转变，即转向“意向性”（Intentionality）——一种刻意的、有结构的、与使命高度一致的企业级AI应用模式。这不再是技术部门的自娱自乐，而是CEO和主管层（C-Suite）必须主导的战略议程。
——沃尔格林、Steelcase等CTO亲述：从“热情”转向“结构”的AI成熟之路
在过去的几年里，几乎所有企业都在“玩”AI。我们看到了无数的试点项目（Pilots）和概念验证（POC），但正如文章所指出的，这些往往是“随机的人工智能行为”，缺乏后续跟进，无法形成规模化的业务影响力。
然而，一种新的模式正在浮现。
真正成熟的组织，已经开始将这些零散的AI火花，转变为可重复、可衡量、并与企业使命高度一致的商业实践。这种从“热情”到“结构”的转变，其核心就是“意向性”（Intentionality）。
通过采访沃尔格林（Walgreens）、FMOL Health、Steelcase等行业巨头的IT领袖，他们分享了从“随机”转向“刻意”的实战经验。
💡 作为睿信咨询的战略顾问，我将为您提炼出4大核心教训和3条关键战略启示。
第一个教训来自零售和医疗巨头沃尔格林（Walgreens）。
其CTO Dan Jennings在2023年上任时，发现公司“到处都有AI活动”，但“没有统一的战略”。
他的第一步，就是为这种“实验热情”带来秩序：
建立AI赋能中心 (COE)：这是一个虚拟结构，在统一框架下连接技术、数据、信息安全和业务部门。
扮演双重角色：COE既是“创新引擎”，又是“控制塔”。它负责过滤、优先排序和扩展那些真正符合公司战略的AI项目。
统一流程：所有AI提案都必须经过“POC -> MVP测试 -> 可衡量的部署”这一致流程。
睿信咨询AI与数据转型顾问解读：
这正是我在咨询中看到的典型“试点困境”。Jennings的COE模式，本质上是为创新安装了“纪律”。
尤其值得注意的是，沃尔格林兼具“零售”和“医疗”双重身份。COE帮助他们实现了完美的平衡：在零售端，AI可以快速迭代（敏捷性）；在医疗端，AI必须严格遵循治理（纪律性）。
你的公司需要的不是阻止AI实验，而是需要一个“控制塔”来引导这些实验飞向正确的战略目标。
当被问及AI的ROI时，成熟的领导者给出了令人惊讶的答案：“不要只看资产负债表。”
案例一：FMOL Health（非营利医疗系统）
其CIO Will Landry指出：“我们的ROI是关于医生和患者的参与度与满意度——而不仅仅是金钱。”
痛点：临床医生疲劳度高，需要花费大量“睡衣时间”（Pajama Time，指下班后在家中完成病历记录的时间）。
AI方案：部署“环境聆听系统”，自动生成病历草稿。
核心收益：医生花在文书上的时间少了，与患者有意义的对话更多了。这极大地提升了医生的满意度和士气，也让患者更快获得更准确的笔记。
案例二：Steelcase（办公家具制造商）
其CTO Steve Miller同样持广泛的ROI视角：“在某些情况下，我们要影响的是可持续性指标；在另一些情况下，是使用我们产品的人的经验和情绪水平。”
睿信咨询AI与数据转型顾问解读：
这一点对中国企业尤为重要。我们常常陷入对“降本增效”的单一追求。但报告揭示了AI的更高价值：提升人类体验 (Human Experience)。
FMOL的“睡衣时间”案例完美证明了，最好的AI投资是让人类员工更幸福、更有价值感。当你的AI在为员工“减负”时，真正的“增效”才刚刚开始。
如果说“价值”是目标，那么“信任”就是一切的基石。尤其是在医疗和B2B领域。
报告中的领导者一致认为：治理不是创新的障碍，而是可持续创新的前提。
FMOL Health的CIO Landry强调：“我们是患者数据的保管人。”
他们的做法是“保守设计”。即使是AI起草的病历，医生也必须在信息进入记录前进行审查和签字。
Steelcase的CTO Miller则更进一步：
他们成立了由数据治理、信息安全、法务和HR组成的“数据治理委员会”。
更关键的是，他们将一名“数据治理专家嵌入到了AI开发团队中”。
这位专家的工作是实时监督模型行为、标记潜在风险，确保在新工具测试时就进行负责任的迭代。
睿信咨询AI与数据转型顾问解读：
报告的观点一针见血：治理不是创新的刹车，而是让你可以安全踩下油门的前提。
Steelcase“嵌入式治理”的做法，远胜于传统的“事后审计”。它在开发源头就解决了风险问题。对于那些希望规模化应用AI的企业，必须建立这样的“护栏”，否则AI走得越快，风险敞口就越大。
最后一个教训，也许是最具颠覆性的。AI的真正力量，不是“自动化”并取代人，而是“增强”人的能力。
数据服务商ZoomInfo的首席战略官Russell Levy分享了一个惊人洞察：
“我们一些最好的AI智能体（AI agents）不是数据科学家开发的，而是由销售代表建立的。他们确切地知道什么对他们有效，并希望与其他人分享。”
ZoomInfo的策略是：AI民主化。
他们为员工提供了构建自己AI代理（智能体）的工具，但前提是必须遵守“人在环路中”（Human-in-the-loop）的治理模型。
AI可以起草邮件、记录会议、总结通话，但最终由人类决定何时以及如何使用这些输出。
这实现了一个重大转变：将高绩效员工的“部落知识”（Tribal Knowledge，指组织内部的隐性经验）编入可复用的AI智能体中，从而使“专业经验”在整个组织内规模化。
睿信咨询AI与数据转型顾问解读：
这是AI落地的终极形态。我们谈论的不再是AI 替代人，而是AI 增强人。
ZoomInfo的模式，是真正将AI交给了最懂业务的一线员工。当你的王牌销售，可以把他的销售直觉“复制”给100个新员工时，这家企业的战斗力将是惊人的。
从“随机”走向“刻意”，是AI从昂贵的玩具变为企业核心竞争力的分水岭。基于报告的四大教训，我为中国企业家提供三条行动建议：
1、停止“放养式”创新，建立你的“AI控制塔”（COE）。
立即评估你公司内部的AI项目。成立一个跨部门的COE，砍掉那些与战略无关的“随机”试点，将资源（人才和预算）集中到能产生最大业务价值的2-3个核心场景上。
2、重新定义AI的ROI：将“员工体验”纳入核心考核。
在你的下一个AI项目立项时，除了财务指标，请增加一个“人类体验”指标。问问自己：这个AI工具能为我的员工节省多少“睡衣时间”？能让他们更专注于创造性工作，还是增加了他们的数据标注负担？
3、赋能一线：让“听得见炮火”的人去创造AI。
与其自上而下地推广一个“完美”的AI平台，不如自下而上地赋能员工。效仿ZoomInfo，在严格的“护栏”内，为你的销售、客服、运营团队提供低代码或无代码的AI工具，让他们自己构建最懂业务的AI助手。
这份报告清晰地勾勒出了AI成熟的路径。
“意向性”AI的核心，是平衡创新与诚信、自动化与人类判断。
您的企业，是仍在“玩”AI，还是已经开始“刻意地”用AI创造真正的、可持续的商业价值了？
睿观：什么是AI赋能中心？
AI赋能中心（Center of Excellence，简称COE）是指在组织内部成立的专门机构，旨在推动人工智能（AI）技术的应用和发展，提升组织在AI领域的能力和效率。AI COE通常具有以下特点和作用：
1. 技术研究与创新：AI COE负责跟踪最新的AI技术和发展趋势，开展前沿技术研究和创新项目，为组织提供技术支持和解决方案。
2. 知识共享与传播：AI COE作为组织内部的AI知识库和专家资源池，负责收集和整理AI相关的知识、经验和最佳实践，并在组织内部进行分享和传播。
3. 人才培养与能力建设：AI COE通过培训、工作坊、研讨会等形式，帮助组织员工提升AI相关的技能和知识，构建组织在AI领域的人才梯队。
4. 项目孵化与支持：AI COE为组织内部的AI项目提供咨询、指导和资源支持，帮助项目团队克服技术难题，推动项目顺利实施。
5. 跨部门协作与整合：AI COE作为组织内部的AI协调中心，负责协调不同部门和业务单元在AI领域的合作，整合资源，避免重复投资。
6. 风险管理与合规：AI COE负责评估AI项目的风险和合规性，确保AI技术的应用符合法律法规和伦理标准。
7. 战略规划与决策支持：AI COE参与组织的战略规划，为高层管理者提供AI相关的决策支持，帮助组织制定长远的AI战略。
8. 合作伙伴关系管理：AI COE负责与外部的AI技术供应商、科研机构、行业组织等建立合作关系，为组织引入外部资源和能力。
9. 成果展示与推广：AI COE负责总结和展示组织在AI领域的成果和经验，提升组织在业界的知名度和影响力。
10. 持续改进与优化：AI COE持续跟踪AI项目的效果和反馈，不断优化AI解决方案，推动组织在AI领域的持续改进和创新。
通过建立AI COE，组织可以更有效地利用AI技术，提升业务效率和竞争力。同时，AI COE也有助于组织在AI领域建立领导地位，吸引和培养AI人才，为组织的长远发展奠定基础。
原文：关于更刻意地使用人工智能的 4 课
随着各行各业的 CIO 学会将热情转化为结构，将试点转化为平台，意向性已成为 AI 成熟度的决定性特征。
图片来源：Rob Schultz / Shutterstock
大多数企业已经涉足人工智能几年了，运行着孤立的试点和概念验证（POC），但后续行动有限。然而，一种不同的模式已经开始出现。一些组织现在正在将所谓的人工智能随机行为转变为可重复、可衡量和与使命一致的业务实践。
在这里，来自不同行业的、已经历了这一旅程的IT领导者们，分享了他们在此过程中学到的四个关键经验教训。
为意向性而组织
当丹·詹宁斯（Dan Jennings）于2023年成为沃尔格林（Walgreens）的首席技术官时，该公司围绕人工智能充满了活力，但缺乏协调。“我们到处都有人工智能活动，”他说。“不同的团队正在试验模型、试点和供应商工具，但没有统一的策略。”
他的第一步是通过创建人工智能支持中心（COE）来为该实验带来秩序，这是一个在通用框架下连接技术、数据、信息安全和业务部门的虚拟结构。COE 既是创新引擎又是控制塔，旨在过滤、优先排序和扩展符合 Walgreens 业务战略的人工智能计划。“这是关于快速失败、快速学习，但要遵守创新纪律，”他补充道。
Dan Jennings，Walgreens 首席技术官
COE 评估每个提案，然后指导团队完成一致的流程：POC、MVP 测试和可衡量的部署。“我们将人工智能视为任何其他产品投资，”詹宁斯说。“我们可以跟踪一个路线图、一个商业案例和一组结果。”
这种结构使沃尔格林能够平衡其作为零售商和医疗保健提供商的双重身份——这两个行业的风险承受能力水平截然不同。在零售方面，人工智能可以快速发展，推动库存优化、个性化和数字参与。在医疗保健方面，每项计划在推出之前都需要治理、透明度和验证。“我们正在将两个世界结合在一起，”詹宁斯说。“零售业的敏捷性和医疗保健的纪律。”
他将公司的发展描述为从热情到意向性的转变。早期，员工渴望自己尝试生成工具，创造了詹宁斯所说的“随机人工智能行为”。如今，这些努力正在通过 COE 导入到受治理的用例中，以支持核心优先事项（如药房预测和员工调度）。“这不再是摆弄模型，”他说。“这是关于使用人工智能来安全、大规模地推动可衡量的业务成果。”
衡量资产负债表之外的投资回报率
对于方济各会圣母传教士卫生系统（FMOL Health）的高级副总裁兼首席信息官威尔·兰德里（Will Landry）来说，传统的财务指标只能说明部分情况。“我们是一个非营利性卫生系统，”他说，“所以我们的投资回报率是关于医生的参与度和满意度，以及患者的参与度和满意度——而不仅仅是金钱。”换句话说，成功的衡量标准既在于人类体验，也在于经济效率。
兰德里说，该组织评估人工智能工具如何减轻临床医生的疲劳、缩短记录时间并提高患者互动的质量。例如，随着环境聆听系统现在部署在数百家诊所中，医生花在下班后完成笔记的“睡衣时间”减少了，而更多地花在有意义的患者对话上，这一转变提高了满意度和士气。此外，患者收到笔记的速度更快，而且更准确。
（图片说明：Will Landry，FMOL Health 高级副总裁兼首席信息官，FMOL Health）
即便如此，FMOL Health 对人工智能的投资仍在带来可衡量的运营回报。兰德里指出，随着卫生系统稳步扩大人工智能的采用，从临床文档工具到后台自动化，总技术支出的增长速度慢于收入和服务量的增长速度。“这告诉我效率是真实的，”他说。“我们正在用相同的团队和相同的员工人数进行更多的自动化。”对于兰德里来说，这种平衡——更高的参与度和持平的技术支出——是衡量人工智能回报的最真实标准：一个建立在财政审慎和人类福祉基础上的更健康的组织。
在办公家具制造商 Steelcase，首席技术官史蒂夫·米勒（Steve Miller）也对投资回报率有着广泛的看法，这种视角远远超出了利润率和成本降低。“这取决于我们试图解决的业务领域，”他说。“在某些情况下，这是我们试图影响的可持续性指标。在其他情况下，这是使用我们产品的人们的经验和情绪水平。”
Miller 和他的 AI 业务团队没有将 AI 视为纯粹的效率引擎，而是将每项计划与对公司该部门最重要的结果联系起来，无论是降低能源使用、减少材料浪费，还是改善客户和员工体验。例如，人工智能驱动的分析和模拟工具有助于优化制造流程，最大限度地降低能源消耗和废品率，而以设计为中心的系统则通过用户与 Steelcase 产品的无缝交互程度来衡量成功。“我们的一些结果不是纯粹的财务指标，”米勒说。“例如，有些是可持续性指标和情绪。”
通过将人工智能投资与可持续性和人类体验联系起来，Steelcase 创造了随着时间的推移而复合的价值。例如，该公司的预测分析可以预测组织何时可能翻新办公室——这些见解可以帮助客户负责任地规划，同时减少生产过剩和浪费。对于米勒来说，这就是“刻意”使用AI的本质。“这是关于使用数据和智能来改善人们的工作方式和我们制造东西的方式，而不仅仅是让它们更便宜。”
通过防护机制和治理建立信任
对于兰德里来说，信任是医疗保健领域任何人工智能计划的基础。“我们是患者数据的保管人，”他说。“我们的患者相信我们会保护他们的信息。”这一责任意味着 FMOL Health 的人工智能创新必须始终在实验与安全和道德监督之间取得平衡。
为了实现这种平衡，兰德里（Landry）的团队将治理嵌入到技术设计和部署的每一层中。即使是实验性系统，例如起草就诊笔记的环境临床聆听工具，也是在严格监督下推出的，并征得患者的明确同意和临床医生的会后审查。“我们在设计上是保守的，”他说。“如果人工智能起草了某些内容，医生总是会在它接近记录之前进行审查并签字。”
FMOL Health 的治理结构也超出了临床应用。该组织的数据管理和安全团队通过其 Community Connect 计划共同监控医院、诊所和其他合作伙伴之间如何共享数据，该计划允许独立诊所安全地使用 FMOL Health 的 Epic 系统。兰德里说，目标不仅仅是合规性，而是信心：临床医生和患者需要知道人工智能正在被负责任地使用。
对于兰德里来说，那些“护栏”不会减缓创新，反而使其可持续发展。“医疗保健必须快速发展，但它不能破坏现状，”他说。“我们的治理框架让我们有信心安全地向前迈进。”
根据米勒（Miller）的说法，对人工智能的信任始于结构。“我们有一个数据治理委员会，它不仅帮助提供你可以用人工智能做什么的‘护栏’，而且帮助提供你应该做什么的‘护栏’，”他说。该委员会由来自数据治理、信息安全、法律和人力资源的领导者组成，负责审查每一项人工智能计划，以确保数据质量、隐私和道德使用。他们的工作包括定义允许哪些数据集用于哪些目的、监控偏见以及执行有关如何处理敏感信息的明确规则。
（图片说明：Steve Miller，Steelcase 首席技术官，Steelcase）
米勒坚称，这个框架不是一个官僚层，而是一个直接内置于人工智能开发中的“活”治理系统。“我们的人工智能开发团队中实际上嵌入了一位数据治理专家，”他说。该人的工作是监督模型行为，标记潜在风险，并确保在测试新工具时进行负责任的迭代。“你必须做很多事情来确保数据得到正确使用，”米勒说。“如果它没有产生好的结果，你就会迅速控制它。”
他强调，这些实践能够促进创新。通过尽早澄清道德界限，团队可以在安全参数范围内自由试验。“当你进入AI自主智能体（agentic AI）时，你真的必须定义和执行界限，”米勒说。
在 Steelcase，治理不仅仅是合规性，更是信任的基础。该公司的设计师和工程师每天都依靠人工智能系统来创建产品配置、模拟工厂布局和分析空间利用率数据。“这是为了让我们的团队相信人工智能的行为将符合可预测和合乎道德，”米LER说。“这才使得人们能够真正使用它。”
通过人工智能赋能人们
对于数据经纪人 ZoomInfo 的首席战略官 Russell Levy 来说，人工智能的真正力量在于增强人类的能力，而不是将人们自动化地排除出流程。“我们一些最好的AI智能体不是由数据科学家构建的，”他说。“它们是由销售代表构建的，他们确切地知道什么对他们有用，他们想与其他人分享。”
这一原则塑造了 ZoomInfo 的整个人工智能战略。该公司为员工提供了设计和部署自己的AI自主型智能体（agentic AI）的工具，但在一个让人类牢牢掌控的治理模式下。“我们部署的每个代理都有一个人在环路中（human in the loop），”Levy 解释道。“代理可以起草电子邮件、记录会议或总结通话，但由一个人决定何时以及如何使用该输出。”
（图片说明：Russell Levy, ZoomInfo 首席战略官, ZoomInfo）
Levy 认为这是从自动化到“增强”（augmentation）的转变。通过将高绩效员工的直觉编入可重复使用的 AI 代理，ZoomInfo 使专业知识在整个组织内可扩展。销售人员的最佳后续策略或支持代表在艰难对话中的措辞，现在都可以被自动捕获和共享。“这是关于获取‘部落知识’（tribal knowledge）并使其可重复使用，”Levy 说。
人工智能的这种民主化，即非技术员工创建体现他们自己工作流程智能的代理，已成为一个文化转折点。“一旦人们意识到他们可以构建一些可以帮助他们和整个团队的东西，采用就水到渠成了，”Levy 解释道。结果是一个人类和代理不断协作、相互学习的工作场所。“人工智能不会取代我们的员工，”他说。“它会扩大他们的影响力。”
纵观这些行业，差异是明显的，但共同点也很清晰：“刻意”的人工智能并不是一个单一的剧本。这是一种平衡创新与诚信、自动化与人类判断的思维模式。
企业级AI与可持续出海实践，我们在泉州11.14日有一场重点的线下会议，请提前安排好您的行程，我们不见不散。
报名联系方式：180 5079 1125（小林）
