导语：如今，生成式AI席卷全球，但在许多企业（尤其是日本企业）中，AI的普及却依然停留在“小打小闹”的测试阶段。公立函馆未来大学名誉教授美马由里指出，这根本不是技术能力的问题，而是组织设计思想与制度的脱节。在这个变革的十字路口，CIO（首席信息官）的角色正在发生颠覆性的演变。
为什么大家都在谈ChatGPT，却很难让它真正在业务中扎根？调查显示，美国有47%的劳动者每月在工作中使用AI，但同时也伴随着对失业的恐慌。而在日本，阻碍AI落地的根本原因在于“结构性问题”：
目标模糊与基层抗拒：组织内部没有共享数字化转型的真正目标，基层员工抗拒改变现有流程，供应商也只会“投其所好”。
评价机制的僵化：现有的考核制度变相鼓励了“维持现状”。
设计理念的根本冲突：传统的制造业思维追求“确定性、安全性和高完成度”，必须“完美了才发布”。但AI的本质是“不完美的迭代”，需要通过不断试错来提升精度。这种本质上的冲突，让习惯了“完美主义”的企业举步维艰。
(对比图，左侧展示传统瀑布流开发的“完美交付”模式，右侧展示AI技术“敏捷迭代、不断试错”的螺旋上升模式。)
面对AI，CIO不能再仅仅是一个懂技术的“修理工”。决定哪些流程要自动化、哪些技能最有价值，这不再是纯粹的技术判断，而是价值判断。亚马逊曾试图用AI进行招聘，但因为历史数据以男性为主，导致AI对女性求职者产生了偏见，最终项目流产。这说明了一个深刻的道理：技术上可行，不代表在组织伦理上合理。CIO必须成为“价值设计师”，在“追求效率优化”与“坚持组织理想”之间找到平衡，因为一旦所有事物都被量化，那些无法被数字衡量的人性光辉就会流失。
在引入AI时，员工不可避免地会感到焦虑。为了打破这种阻力，美马教授提出了CIO必须掌握的“技术者伦理3层模型”：
第一层：预见责任——提前描绘AI对岗位的影响，让过渡计划清晰可见。
第二层：解释责任——向全员坦诚引入AI的目的、边界和局限性。
第三层：组织性关怀责任——这不是情感上的安慰，而是保护“人力资本”的硬性管理责任。必须通过制度保障受影响员工的平稳转岗和技能提升。
(“技术者伦理三层模型”的金字塔，包括从底部的“预见责任”到中间的“解释责任”，再到顶部的“组织性关怀责任”及“生活者伦理”理论框架。)
此外，美马教授提倡用“技能附加（Upskilling）”代替简单的“重新学习（Reskilling）”，并强调人才培养的KPI应从单纯的“效率”转向“可持续性”（如心理安全感和转岗成功率）。
今天，我们太热衷于讨论“如何使用AI（How）”和“用AI做什么（What）”，却极少停下来问一句：“我们为什么要用AI（Why）？”以及“哪些领域绝对不能用AI，必须留给人类？”
具备这种思考能力，就是企业真正的“AI准备度（AI Readiness）”。当CIO能够带领组织直面这些关于价值和伦理的终极拷问时，AI才能真正成为赋能人类社会的力量，而不是冷冰冰的替代品。
CIO从“技术管理者”向“价值设计者”转变：AI应用进展缓慢的日本CIO需要何种视角？
虽然生成式AI的引入正在全球范围内加速，但在日本企业中的普及程度依然有限。
公立函馆未来大学名誉教授美马由里（YuriMima）指出，这背后的原因并非技术能力的不足，而是组织设计理念和制度存在问题。曾任职于加州大学伯克利分校AI研究机构的美马教授，针对日本企业的AI导入与人才培养敲响了警钟，这为CIO们提出了无法忽视的深刻问题。
一、日本AI导入进展缓慢的真正原因
随着生成式AI在全球范围内的广泛应用，大多数日本企业至今仍未实现真正意义上的全面导入。虽然许多企业有过在业务中试用ChatGPT的经验，但绝大多数未能将其扎根于整个组织。相比之下，美国的情况截然不同。根据美国心理学会2025年发布的“WorkinAmerica”调查，47%的劳动者每月至少在业务中使用一次AI。30%的人觉得“不用就会被时代抛弃”，38%的人担忧“自己的岗位可能会被淘汰”。这项调查结果表明，AI已经深度渗透进日常工作，在带来效率提升期望的同时，也引发了不安和组织内部分化等心理与组织层面的影响。报告得出的结论是：“AI的引入，与基于人类不安和期望所进行的制度设计是不可分割的。”
那么，日本AI导入缓慢的背景到底是什么？美马教授通过演讲和与企业的对话发现，这不是能力或技术问题，而是结构性问题。第一，（在导入AI前）DX（数字化转型）的目的未能在组织内充分共享。第二，一线员工不希望改变既定的工作流程，而受此牵制，供应商也形成了“客户不想要的我们就不提案”的行为准则。此外，将“维持现状”视为合理选择的绩效评价制度更是推波助澜。
把统计数据公开为PDF格式、把病历单纯电子化——这种停留在“非本质工作”上的例子不胜枚举。美马教授指出，导致这种状况的根本原因在于“设计理念”。例如，纯电动汽车制造商特斯拉（Tesla），其软件会频繁更新，一夜之间屏幕显示界面彻底刷新也是常有的事。基于在UC伯克利AI研究机构工作时驾驶特斯拉的经验，美马教授表示：“这是在日本很难被轻易接受的规格。”如果日本汽车产业的设计理念是确定性、安全性和高完成度，那么拥有进化速度、持续改善、部署后不断修正等设计理念的特斯拉，可以说是走向了完全相反的方向。“这并非孰优孰劣的问题，单纯是设计理念的差异。”基于此来看，AI的技术特性与日本的土壤并不契合。“AI本质上是不完美的。它是一种不断更新、越试越准的技术。这与日本‘做完美了再导入’的思维方式格格不入，”美马教授说道，并进一步指出日本存在着难以推进AI导入的结构。
二、AI时代的技术判断即价值判断——CIO应成为“价值设计者”
在这种状况下，CIO依然必须推进AI的导入。美马教授认为，在AI的导入过程中，CIO被赋予了新的角色。一直以来，CIO的重要职责之一是进行技术判断。但是，围绕AI的导入，诸如“哪些环节要自动化”、“哪些角色要重新定义”、“哪些技能应被视为有价值”等判断也随之而来。而这些，不再是纯粹的技术判断，而是价值判断。
亚马逊（Amazon）就是一个凸显价值判断重要性的标志性案例。在尝试将AI引入招聘筛选时，由于使用了过往的招聘记录（男性居多）作为训练数据，导致AI对女性给出了不公正的低分评价（该项目最终被叫停）。“选择什么样的训练数据本身，就直接取决于AI导入时的判断。”技术上可行，与作为组织是否妥当，两者并不等同——归根结底，决定这些判断前提的，正是IT技术人员以及下达经营判断的CIO。
美马教授断言：“CIO在作为技术管理者的同时，也是组织的价值设计者。”在思考价值时，美马教授首先聚焦的观点是“最优化与理想状态并不一致”。当效率或削减成本等可量化的指标被优先考虑时，“一旦把能被数值化的东西作为唯一指标，那些无法被数值化的‘优秀特质’就会流失掉。”这就要求我们去审视“究竟把什么视为价值”本身。正因如此，美马教授极力主张将伦理置于核心位置。伦理不是必须死守的规则，而是在价值观发生冲突、没有标准答案的境况下作为判断依据的框架。美马教授认为，将“什么是好的（何为善）”这一追问作为组织的基石——这正是对当前CIO的要求。
三、技术者伦理三层模型
基于上述原因，作为价值设计者的CIO在导入AI时应当思考何种框架？美马教授提出了“技术者伦理3层模型”：第一层是“预见责任”——导入前梳理对现有职务的影响，并使过渡计划可视化。第二层是“解释责任”——在组织内部共享导入目的、影响范围及技术局限性。第三层则是“组织性关怀责任”。
特别是关于第三层，美马教授强调：“关怀责任不是情绪上的抚慰，而是防止人力资本受损的经营责任。”通过制度来保障那些受AI导入影响的人才进行能力转移——这不是“心慈手软”，而是为了保护人才这一经营资源的硬性责任。“在少子老龄化加剧、人才短缺日益严重的当下，将受AI影响的人才转移到其他业务岗位，是组织必须履行的经营责任。”面对担忧自己可能会失去工作的员工，如果只是自上而下地强行命令导入，必定会招致反感。直面受影响人才的不安，由组织明确给出过渡的路径——这才是作为制度设计的关怀责任的本质。这一视角的落地，离不开与人力资源部门的紧密合作。
此外，美马教授指出，技术者应当承担的伦理还需要加入另一个视角。传统上，技术者的伦理主要从“技术对社会的影响”、“作为组织成员的责任”和“作为专业人士的解释责任”三个维度来讨论。但在AI时代，还需要“生活者伦理”的视角。现在，世界各地出现了与AI伴侣结婚的人，甚至出现了通过订阅服务与已故家属“重逢”的服务。开发和导入技术的一方，本身也是受其影响的生活者之一。“作为使用者、作为受影响者的判断，如今已成为不可或缺的第四种伦理。”
四、设计AI时代的人才培养
AI时代在人才层面也必须进行根本性反思。正如前文提及的美国调查所揭示的，员工对导入AI感到不安。除了对就业本身的担忧外，业务方式和内容的改变也伴随着职业生涯断层的风险。因此，人才培养也必须建立在伦理的基础之上。“仅仅依靠传统的‘作业效率’或‘削减成本’等指标，是无法把握其对人才产生的影响的。”美马教授列举了AI时代所必需的新指标：技能转换完成率、重新配置成功率、组织内AI成熟度，以及心理安全感（即员工是否能感受到“即使导入了AI也没关系”）。从效率走向可持续性——这种转变正是重新设计人才培养KPI的核心。“AI时代的人才培养，绝不是教人怎么操作工具，而是设计一种以变化为前提、持续学习的结构体系。”此外，培养勇于承担变化的伦理观同样重要。基于这些考量，美马教授表示，相较于“重新学习（Reskilling）”，不断增加新技能的“技能附加（Upskilling）”视角显得更为重要。
五、持续追问“WHY（为什么）”
如开篇所述，日本AI导入进展缓慢的背后，存在着文化、制度与设计思想等结构性问题。但是，“不导入AI”这个选项是不存在的。该如何找到落脚点？“这是最核心的关键，”美马教授说。她并不悲观，而是认为“希望就存在于这一线之间”。“读懂空气（察言观色）”、“营造氛围”、“体察人心”——深深扎根于日本社会的、重视人际关系的感性，与美马教授提倡的“人性化学习设计（HumaneLearningDesign,HLD）”理念产生了深度共鸣。HLD是一种通过提出问题、开展对话，并根据语境和关系性做出负责任判断的学习思想。“Humane”一词，比“human（人类）”更多了一层人道与体恤的意味。追求的不是个体的最优化，而是调和“人与人之间距离”的伦理感性——这也与关怀伦理的核心不谋而合。
然而，美马教授提醒，这种重视关系的感性与“过度揣度（阿谀）”往往只有一线之隔。“如果过度察言观色，演变成一种不允许失败的文化，那最终就会导致什么都改变不了。”一线人员最清楚问题所在，但声音却传达不上去——这种结构是所有组织共有的病理。要在发挥重视关系优势的同时，对变化保持包容和开放。“允许事物的变化，接受关系的改变，我们需要这种意义上的开放文化。”如果能实现这两者的平衡，美马教授认为日本就能在AI时代发挥出独特的优势。“也许我们可以将日本这种‘关系性的智慧’，作为日本原创的理念向世界输出。”
最后，美马教授向CIO们特别强调的是——“为什么要使用（Why）”这个终极追问。“现在大家都在热烈讨论‘如何使用AI（How）’以及‘用AI做什么（What）’。但是，关于‘为什么要用’、‘什么事情最好不用’、‘什么东西必须保留在人类自己手里’的WHY的讨论，却处于缺失状态。”美马教授将直面这一追问的能力称为“AI Readiness（AI准备度）”。“这不是指熟练使用工具的能力，而是直面各项价值判断的准备状态。”将这种状态植根于组织之中，正是作为价值设计者的CIO所被赋予的最重要职责。“思考使用的意义与影响，以及做出‘不使用’的判断。正是这些判断，将指引我们创造出一个能够让人类绽放光彩的社会。”
