AI（人工智能）的兴起，大幅提升了CIO（首席信息官）战略与运营决策的压力、增加了决策复杂维度，CIO需要在主动落地业务价值的同时管控各类业务风险。

图源：PeopleImages / Shutterstock

与所有高管一样，CIO必须做出艰难的选择。CTI Meeting Technology的CIO Brian Fruh（布莱恩·弗鲁）在其职业生涯中遇到过许多此类抉择：

他应该全力投入创新，还是偏向稳定的环境？他的团队应该在工作中优先追求速度而非安全吗？在业务转型、系统现代化、成本优化三者之间，资金投入该如何取舍？

Fruh（弗鲁）必须在不同时期针对每种情况确定合适的权衡，根据公司目标、优先级和义务等因素做出决策。但他表示，如今做出这类决定变得更加棘手，涉及的风险也更高。

他解释道：“这些都是CIO长期面临的挑战，但AI和网络安全加剧了这些问题。如今企业期望技术以前所未有的速度发展。与此同时，监管要求、网络威胁和运营复杂性持续增长。AI的兴起增添了新的维度，一方面要求快速创新，另一方面又要确保治理、安全和负责任的部署，带来了更大压力。”

做出正确的选择并非易事。

Fruh（弗鲁）指出：“挑战在于，每个利益相关者通常都是在优化一个合理的业务目标。业务领导者往往会看到提升业务增长、改善客户体验或运营效率的机会，希望快速推进。而技术和安全团队清楚这些决定背后蕴含的复杂性、集成需求、支持影响以及相关风险。”

Fruh（弗鲁）强调的这些权衡是技术高管如今面临的众多问题中的一部分。下文当中，IT领导者将深入探讨当前行业中最紧迫的6项权衡。

一、IT基础投资vs增长投资

有钱能支撑所有想要推进的项目的CIO十分少见，这使得大多数（甚至可以说所有）CIO都必须在资金投向上做出权衡。

Principal Financial Group执行副总裁兼CIO Kathy Kay（凯西·凯）就是这样一位CIO，她表示自己一直在“持续需要平衡基础投资与推动增长的投资”。

Kay（凯）承认这对IT领导者来说并不是新挑战，但也指出“AI与持续演变的风险环境，大幅抬高了决策失误的代价”。

她表示：“我们认为的必要基础条件，尤其是在韧性、安全、数据和治理方面，一直在不断扩展。与此同时，我们看到AI在工程、运营和员工工作流程中带来了显著的生产力提升。目前的重点是就如何分配时间、人才和投资做出深思熟虑的决策，从而夯实IT底层基础，同时加速业务价值落地、打造企业独有差异化竞争力。”

同样，咨询公司West Monroe负责咨询与转型的管理合伙人Marc Tanowitz（马克·塔诺维茨）表示，CIO一直在努力维持稳态运维支出与转型项目支出之间的最佳平衡，当下绝大多数转型项目，都需要企业压缩其他板块预算，倾斜资金落地AI相关举措。

在任何一边投入过少都会让企业陷入风险：IT运营资金不足会损害IT能力，进而影响企业韧性，而转型资金不足则会损害企业竞争力和生存能力。

Tanowitz（塔诺维茨）表示：“这就是CIO如今面临的最大挑战。”

二、创新vs运营韧性

CIO们还表示，他们在创新和运营韧性之间也需要做出权衡。

资深技术高管Joshua Bellendir（约书亚·贝伦迪尔）最近担任WHSmith北美区CIO，他表示：“这可能是如今CIO面临的最明显的权衡。”

Bellendir（贝伦迪尔）说：“每个企业都想要创新。高管们想要新的数字能力、更好的客户体验、更多自动化和更快的数据访问。与此同时，客户和员工期望技术每天都能完美运行。”

但有时，一个领域的进展会影响另一个领域的速度、规模或质量。

Bellendir（贝伦迪尔）观察到：“挑战在于，创新本身就会带来变化，而变化会带来风险。如果你的系统不稳定，创新就会放缓，因为企业会失去信心。反过来，如果完全拒绝现代化，韧性最终会受损，因为老旧平台会变得更难维护、保障安全和扩展。”

为了应对这一矛盾，他将两端视为相互依存的关系，而非非此即彼的竞争优先级。

他解释道：“我的一贯做法是，在维持严格生产标准的同时为创新留出空间。快速试点、快速学习，但对于什么内容能够进入企业级运营要深思熟虑。在我担任WHSmith北美区CIO期间，我们对多个核心零售平台完成了现代化改造，包括将主要的商品销售和零售系统迁移到云平台，同时升级了门店技术环境。这些举措对为公司未来增长布局至关重要，但它们也需要在现代化改造与维持大面积零售网点（包括位于北美部分最繁忙交通枢纽的门店）日常可靠运营的需求之间做好平衡。”

三、创新vs风险管理

CIO们表示，他们往往必须平衡创新与风险管理，这项任务同样意味着需要在其中一方或双方做出取舍。

Kay（凯）指出，随着AI嵌入企业更多业务环节，“通过创新实现业务影响力与风险管理之间的平衡”是她和其他CIO当前面临的最紧迫问题之一。

她解释道：“企业希望快速行动抓住价值，同时也要维持客户、监管机构和利益相关方所期望的透明度、问责制与监督机制。”

Kay（凯）认为，这种博弈并非新生事物，但由于AI的发展变得更加严峻。

她表示：“技术领导者一直在平衡速度与控制，但AI放大了这一挑战的节奏和规模。在Principal，我们整个企业已经部署或正在开发超过100个AI应用场景，这带来了巨大机遇，同时也让外界对隐私、安全、可解释性和问责制提出了越来越高的要求。随着企业走出实验阶段、聚焦价值落地，AI落地效率与合规管控转型之间的取舍矛盾也愈发凸显。”

与Bellendir（贝伦迪尔）的做法类似，Kay（凯）的解决方案并非完全偏向某一端，而是“同时兼顾多个优先级”。

她解释道：“改善客户体验和提升效率的工作，从一开始就需要依托透明度、问责制和规范来构建。这不是某一个团队走得更快、另一个团队拖慢节奏的问题，而是要整合这些视角，让我们既能快速推进，又能保持规范。”

Amalgamated Bank执行副总裁兼首席信息与运营官Sean Searby（肖恩·瑟比）也持类似观点。

他表示：“构建创新能力和保障机构安全之间需要微妙的平衡。CIO们一方面要跟进行业发展方向，另一方面又要谨慎行事。”

Searby（瑟比）认为，每位CIO都必须根据自身组织的实际情况平衡这两端。

他解释道：“大家的立场和观点各不相同，因为这很大程度上取决于你的业务类型、掌握的信息、监管要求、价值主张和企业使命。我认为任何人都不应该将此视为非黑即白的二元取舍问题，这需要逐场景分析，所有人都应该按照对自身业务最有利的方式决策。”

四、速度vs组织准备度

对速度的追求会受到组织快速推进准备度的制约。

Kyndryl的CIO Kim Basile（金·巴西勒）表示，在技术快速迭代的当下，这是一个非常普遍的考量。她说道：“我们每天醒来都会发现发生了新变化。因此我们需要能够跟上技术发展的步伐，及时调整方向。”

但这对员工和整个组织来说可能颇具挑战——这往往会让CIO不得不调整推进节奏，让团队能够跟上。

Basile（巴西勒）表示，她清楚了解员工的技能水平，也清楚需要在哪些领域开展教育培训，尽可能缩小技术迭代速度与团队承接能力之间的差距。她有时还会选择灰度分阶段上线创新能力，先将新技术提供给已经准备好立即使用的团队，再对其他员工进行技能升级，为后续部署做好准备。她还会在公司新的“创新车库实验室”中试用AI工具，在那里可以快速开展实验，同时预留充足时间完善安全管控规则，保障工具可全企业规模化落地。

Basile（金·巴西勒）认为这些措施帮助IT部门“确保不会拖慢整体进度”。

五、数据可及性vs数据保护

这是CIO必须精准拿捏的另一重平衡难题，在渴望数据的AI时代，这种矛盾比以往任何时候都更加突出。

Southern Connecticut State University（南康涅狄格州立大学）的CIO Tom Armstrong（汤姆·阿姆斯特朗）对此深有体会。

和许多机构的情况一样，Southern存储了海量数据——其中大部分是敏感的受监管数据。该公司希望将这些数据用于各类业务场景，包括AI项目。因此，Armstrong（阿姆斯特朗）必须在开放敏感受监管数据访问的同时，做好数据的保护与安全工作。和其他权衡取舍一样，这里几乎没有回旋余地：为了保障可用性而部署不合规的安全与隐私防护框架会引发问题，但限制数据访问同样会带来问题。

Armstrong（阿姆斯特朗）表示，这并非非此即彼的单选题，而是可以通过双向微调方案，同时兼顾数据开放与安全管控两大目标。为了在保障数据可用性的同时最大限度降低风险，他着手打造可复用数据产品，也就是独立完整、受管控且易于检索的数据资产。

他表示：“有一种过时的观点认为，当有人提出数据访问申请时，答案只能是同意或拒绝，但实际情况通常并非如此。我们可以在满足需求的同时仍维护安全。因此，问题不在于回答同意或拒绝，而在于找到实现的方法。”

六、AI使用成本vs成本

高管们正对AI的成本感到“sticker shock（价格冲击，指看到高额账单后产生的成本惊吓）”。例如，研究机构IDC在2025年12月的一项调查发现，在部署生成式AI的机构中，96%的机构、在部署agentic AI（AI自主智能体）中92%的机构反馈AI成本高于或远高于预期。调查还发现，71%的机构几乎无法掌控这些成本的构成，这使得IDC预测，CIO对AI成本的预估会偏低30%。

West Monroe的Tanowitz（塔诺维茨）表示：“我们目前看到的情况是，词元消耗量超出了预算配额。”这导致一些高管要求团队“降低所使用部分模型的规模，改用词元消耗量更低的版本”。

Tanowitz（塔诺维茨）表示，随着AI相关账单陆续到来，CIO们仍在摸索最佳解决方案。

部分机构正在完善AI领域的 FinOps（云财务运营）实践，以便更好地预测和优化成本。另一些机构则在制定模型规模适配策略，在保障模型输出预期业务效果的前提下，控制投入成本不高于其创造的业务价值。还有一些机构目前专注于扩大AI在组织内的应用，已经接受了超出预期的高额账单。

他表示：“现阶段企业普遍将资源倾斜AI创新，但2027年行业重心或将转向成本管控。”他预测2027年将是“AI成本优化年”。