核心摘要：当大多数企业还在纠结“买哪个大模型”或“如何用 AI 裁员”时，市值 500 亿美元的保险巨头 Liberty Mutual（利宝互助保险）却将 AI 战略的焦点锚定在了一个极其“柔软”的词上——人类潜能（Human Potential）。其全球 CIO Monica Caldas 在最近的访谈中揭示了：在没有标准剧本的 AI 时代，企业如何跳出“试点炼狱”，在保持严谨治理的同时，用 AI 重塑 4 万名员工的工作方式。
对于任何一家大型传统企业来说，全面引入生成式 AI（GenAI）都无异于在飞行中更换引擎。它不仅是技术层面的挑战，更是人性、文化与运营模式的全面震荡。
Liberty Mutual 全球 CIO Monica Caldas 深刻理解这一点。在她的领导下，Liberty Mutual 并没有在 AI 的狂热中迷失方向，而是采取了一种极其克制且以人为本的战略。
“你不可能通过看书来学会游泳。”Caldas 借用这句谚语，点出了企业 AI 培训的核心。
Liberty Mutual 没有简单粗暴地封锁 ChatGPT，也没有毫无节制地放任员工使用。他们首先推出了安全且受控的内部平台 LibertyGPT，以保护数据完整性。紧接着，他们推行了一套类似于“考驾照”的员工培训项目。只有通过培训、掌握了数字与数据素养的员工，才能获得在安全空间内进行 AI 测试、学习和培养直觉的权利。
如今，很多企业的 AI 战略陷入了“试点炼狱（Pilot Purgatory）”——搞了几十个花哨的 PoC（概念验证），最后能落地的寥寥无几。
Caldas 的破局之道非常坚决：坚持严格的“平台导向”，而不是“工具泛滥”。
Liberty Mutual 拒绝为了迎合潮流而去跟无数家 AI 初创公司搞联合试点。他们建立了一套严苛的纪律机制，涵盖用例选择、输入输出标准、预算赞助和安全治理。正是这种“克制”，让他们成功地将 50 个高价值的 AI 用例推向了生产和规模化阶段。
Caldas 强调，为 AI 转型绝不仅仅是“做个系统升级”，它要求企业在三个维度进行底层重构：
核心系统模块化：确保系统具备互操作性，能够持续演进。
数据管道重塑：确保高质量、治理良好的数据在企业内可靠流动（这是 AI 不产生幻觉的前提）。
强化身份与治理框架：在推广高级 AI 功能的同时，守住安全与合规的底线。
随着十年后代理型 AI（Agentic AI）的大规模普及，大量战术性和重复性的 IT 运营工作将被自动化。这会削弱 CIO 的地位吗？
Caldas 给出的答案是否定的。“这反而提升了 CIO 的角色。”当自动化消除了运营摩擦，CIO 将获得极其宝贵的“带宽”，去专注于更高阶的商业影响：深化行业专业知识、塑造业务战略，并与各业务领袖共同重新构想产品与客户体验。
结语：
在 AI 时代，技术可以被购买，算法可以被复制，但“将人类判断与机器智能完美融合的文化”却无法速成。Liberty Mutual 的经验告诉我们：AI 最伟大的价值，不是替代人类，而是赋予人们信心与能力，去专注于解决那些更宏大、更具挑战性的商业命题。
原文：利用 AI 释放 Liberty Mutual（利宝互助保险）的人类潜能
摘要：CIO Monica Caldas 与 Heller 公司 CEO Martha Heller 坐下来深入交谈，探讨在这家市值 500 亿美元的保险巨头中，如何平衡诚信与实验、避免“试点炼狱（pilot purgatory）”，以及推动变革管理。
Liberty Mutual（利宝互助保险）对生成式 AI（GenAI）的应用策略，折射出其对企业转型的深刻洞察：最艰巨的挑战绝非技术，而是人性。因此，全球首席信息官（CIO）Monica Caldas 将目光锁定在企业领导者的核心优先事项上：建立行之有效的 AI 治理机制，将有前景的试点项目转化为可扩展的解决方案，并赋能员工自信地拥抱全新的工作方式。
实施这一战略，需要在看似矛盾的目标之间寻找平衡：在鼓励创新实验的同时坚守严苛的数据诚信；在构建统一平台的同时避免工具的无序泛滥；在推动全员采用的同时不让组织不堪重负。最关键的是，在生成式 AI 迎来历史性拐点、且业界尚无成熟“操作手册”可循的当下，他们必须摸着石头过河。
迄今为止，这场转型带来的成果是：公司将 AI 视为一次重构 4 万名员工工作模式、并借此更好地服务客户的根本性机遇。
答：多年来，我们一直在使用传统 AI 来进行理解和预测。因此，当生成式 AI 在 2022 年底爆发时，我们自然而然地开始思考它将如何改变我们的工作方式。
我们早期的 AI 重点放在预测工具上，这些工具改善了核保和理赔预测，从而强化了我们的核心业务。正是这些前期的投资，为我们在生成式 AI 涌现时能够深思熟虑地采用它，奠定了必要的组织纪律和技术基础。
我们审视生成式 AI 的第一个视角是：如何保护数据和决策的完整性？以及在一项技术的前景如此广阔却又尚未经过全面验证的环境中，该如何进行有效治理？
随后，我们确立了一个理念：“你不可能靠看书来学会游泳。”我们为员工提供了专门的培训和安全的沙盒空间，让他们能够去测试、去学习，并逐步培养对 AI 的直觉。
我们的计划是首先吃透这种新能力。我们推出了 LibertyGPT——这是一个安全、供内部使用的生成式 AI 平台，旨在确保我们在恰当的管控下保护企业数据。与此同时，我们开发了一套员工培训项目，它的作用就像是考取“驾照”。一旦你拿到了它，你就可以去测试和学习了。
并行推进的还有我们建立的一套“数字演进框架（Digital Progression Framework）”。这个实验框架不仅让员工能够负责任地学习、实验和创新，还能帮助他们深刻理解 AI 是如何以实质性的方式辅助他们的日常工作和决策的。
我们也非常重视对领导层的培训。早在我刚加入 Liberty Mutual 时，我们就启动了 Executech，这是一个旨在提高高管数字和数据素养的培训项目。该项目涵盖了技术基础、新兴趋势，以及技术如何驱动商业价值。因此，现在将我们的培训焦点从“数字化”平滑过渡到“AI”，是一个顺理成章的演进。
这些努力得益于我们不断壮大的学习生态系统的支持，这包括：提供实践指导的生成式 AI 中心、促进同行协作的 AI@Liberty 社区、一个负责任的 AI（Responsible AI）指导委员会，以及一个致力于帮助各个团队采纳并整合新工具的变革倡导者网络（change champion network）。
最后，我们更宏大的愿景是将 AI 深度嵌入到我们每天的工作方式中。我们不仅仅是在提升速度和质量，我们更是在赋予人们信心和余力，让他们能够聚焦于最重要的事情上：去解决更大胆的挑战，并为客户交付极具意义的成果。归根结底，我们正在赋能员工，让他们将 AI 视为核心的驱动力，去尽情想象未来的可能性，并以深思熟虑且极具创新的方式去应用它。
答：我们首先明确了一个目的地，这个目标与我们“为 AI 重新布线企业（rewiring the enterprise for AI）”的业务愿景高度一致。从技术的角度来看，这意味着要确保数据能够在近乎实时的情况下，安全、无缝地在整个技术堆栈中流转；同时我们要构建一个平台，使我们的团队能够以极快的速度创新并部署新能力。
要实现这一目标，我们需要在三个相互关联的阵线上推进现代化：
核心系统改造：我们正在改造核心系统，使其具备模块化、互操作性，并专为持续演进而设计。
数据管道重塑：我们正在重新设计数据管道和数据摄取层，以确保高质量、治理良好的数据能够在整个企业内可靠地流动。
身份与治理框架强化：我们正在加强身份认证、访问控制和治理框架。这使得我们能够在保持严格管控、安全性和满足监管合规的前提下，更广泛地应用高级 AI 功能。
“为 AI 重新布线”绝不仅仅是一次简单的技术升级。它是一场多维度的深层转型，需要将架构、数据、安全和治理对齐，从而在全组织内负责任地释放 AI 的全部潜能。最终，这不仅仅是一次技术转移，而是让技术真正成为业务的“力量倍增器（force multiplier）”。因此，这是一场技术转型，但它同时也是一场运营转型和文化转型——它们是一个不可分割的整体。
答：我和我的同行们围绕一个简单的基本原则达成了共识：我们必须以结果为导向，并始终将业务愿景作为第一指导原则。
我们也一致认为，更大的价值来源于严谨的“平台导向”，而不是“工具泛滥”。因此，我们绝不会为了博取新闻眼球或完成 KPI 任务，就去跟各种不同的 AI 公司搞一堆杂乱的试点项目。相反，我们采取的是一种深思熟虑、价值驱动的方法，这套方法目前已经孕育出了 50 个投入生产并正在规模化扩展的 AI 用例。
正是我们在用例选择、输入输出标准界定、项目赞助和合规治理上保持的极高纪律性，帮助我们有效避免了陷入盲目试点的泥潭。
在应对“工具泛滥”方面，我们列出了 30 多项我们决定自主构建或对外采购的 AI 能力。如果我们决定购买，我们会非常慎重地评估该工具是否能解决真实的痛点。由于目前业界还没有成型的“AI 操作手册”，我们会积极与来自不同行业的 CIO 及其技术团队网络交流心得。我们还会与顶级咨询公司进行对标，以确保我们没有遗漏任何盲点。随着新工具和新能力不断涌现市场，我们清楚地知道该如何响应并捕获其中的价值。
答：我通常会谈论 “AI 是如何释放人类潜能的”，这本身就是一个非常个人化的转变过程。
当我们最初学习如何做一份工作时，我们培养了一套技能，在实践中应用它们，并逐渐形成了固定的行为模式和预期。而现在，生成式 AI 引入了一种截然不同的动态机制。
对我们所有人来说，这都是一个充满脆弱感的时刻，我们需要在这里反思、学习并实现进化。因此，我不会仅仅从单一的技术维度去谈论这个拐点，相反，我们的对话会涵盖这场巨变的所有维度。
例如在运营层面，我们需要改变今天的工作方式，并重新思考：当前有哪些任务是可以被卸载（offloaded）到一个架构优良、治理完善的生成式 AI 解决方案中的？
举个例子，我们过去有一个全人工的 IT 帮助台（Help desk）流程，在响应内部员工提问时不仅耗时，而且速度缓慢。因此，我们的帮助台团队重新构想了工作流，利用生成式 AI 承担了其中 80% 的处理流程。这不仅消除了大量繁琐的手动步骤，还极大地提升了我们以更快速度和更高准确率回复员工问题的能力。随后，我们得以将那些原本被困在手动工作中的技术人员解放出来，重新部署他们去解决积压的、复杂度更高的难题。
作为一名谈论 AI 的 CIO，你需要向不同的听众展示与他们切身相关的可能性。对我来说，最好的策略就是用真实的案例来讲述如何实现人类潜能。这消除了“可能性”的抽象感，并提供了脚踏实地的例子。我们也可以坦诚地讨论哪些方法已经见效，哪些领域仍在探索中。尽管我们取得了巨大进展，但仍有许多未知需要我们去彻底弄明白。
答：未来的技术领导者必须具备其所在行业的深厚领域专业知识（Domain expertise），并且必须始终保持对“可能性的艺术（the art of the possible）”的想象力。
十年后，CIO 们将在一个由规模化自主智能（Agentic intelligence）和协作智能定义的环境中运作。企业的执行速度将达到惊人的水平，作为运营骨干的技术底层将被深度监测、高度可观测，并日益具备自主性。今天许多战术性和重复性的工作将被智能代理（Intelligent agents）所接管编排，从而实现整个企业更快速、更精准的决策。
但这并不会削弱 CIO 的角色，反而会大幅提升其地位。当自动化吸收了日常的运营摩擦后，CIO 将获得宝贵的带宽（Capacity），去专注于更高阶的影响力：深化行业专业知识、塑造业务战略，并与业务线领导者紧密合作，共同重新构想产品、服务和客户体验。技术高管将不再仅仅是系统的“管理员”，而将成为企业竞争优势的“联合架构师”。
在实现平台现代化、支持可信数据流以及大规模保障安全与治理方面，技术使命依然至关重要。然而，未来真正的差异化优势将越来越多地体现在领导力上。未来的 CIO 必须致力于最大化人类潜能，引导组织平稳度过变革，并悉心培养一种将人类判断力与机器智能完美融合的企业文化。
在一个由 AI 驱动的企业中，CIO 的影响力将从“维持技术运转”，彻底跨越到“塑造企业自身的未来”。
