在 "必须在 AI 方面有所作为" 的压力下，董事会要求自动化，投资者期望提升效率，竞争对手也在快速行动。但是，当 CEO 们在未能首先协调好人员、文化和战略目标的情况下就急于部署 AI 和创新时，往往会导致混乱加剧。
遗憾的是，这正是当今许多商业领导者面临的现状。在争相采用大语言模型、预测系统和智能工具的过程中，大多数高管都跳过了真正需要做的工作：理解组织要解决什么问题，系统服务于谁，以及公司在文化上是否已经为 AI 做好准备。这不是技术问题，而是领导力问题。
Journey 的联合创始人兼 CEO Sagi Shahar 在接受采访时表示："我看到的最大错误是公司期望 AI 能够即插即用，立即见效。他们在理解需要解决什么问题以及为什么之前就开始自动化。当你跳过更深层次的人文工作——理解你的团队、文化、盲点时，AI 只会加速制造混乱。"
Shahar 深有体会。他的公司将 AI 嵌入到管理工作流程中，但只有在深入理解组织的战略、文化和情感特征后才会这样做。"我们曾与一位 CEO 合作，他推出了一个 AI 任务管理器来改善执行效率，"他告诉我，"但领导团队对什么是成功都没有达成一致。结果 AI 最终优化了一堆没人真正需要的任务。"
这正是许多商业领导者在商业世界中关于 AI 快速发现的问题。他们发现 AI 并不是一根能自动解决所有问题的魔法棒。
相反，他们正在认识到 AI 会放大公司业务架构中已经存在的一切——无论是秩序还是混乱，公平还是偏见，战略清晰还是混乱。越来越多的商业领导者意识到，如果他们不为如何使用 AI 设定方向，AI 就会为他们选择一个方向。
脱离背景的 AI 只是昂贵的猜测
仪表盘、指标和自动化流程很容易令人着迷，但事实是原始数据并不等同于洞察。相反，洞察来自于你如何使用数据。而仅基于表面输入进行训练的 AI 无法考虑到真正使组织运转的因素——比如信任、情感劳动、背景和文化。
"数据可以告诉你发生了什么，"Shahar 指出，"但只有亲身经历才能告诉你为什么这很重要。"
这个区别很关键。许多 CEO 追求干净的 KPI——转化率、流失率、任务完成率——却没有问更深层次的问题。"我们曾与一些公司合作，发现他们的留存问题并不是薪酬问题，"Shahar 继续说道，"而是因为倦怠、优先级不明确，或者意见被忽视。这些都不会出现在仪表盘上。"
这就是 AI 变得危险的地方。如果在没有人为输入的情况下使用，它可能会强化和巩固它本应该解决的不平等问题。
"我们看到一些 AI 工具可以很好地总结会议内容——但始终忽视谁被打断或未被倾听，"Shahar 说，"以公平为中心的 AI 应该首先问：谁的声音被忽略了？"
为什么道德和包容性是业务重点
一些高管仍然认为道德和包容性是次要的，速度、规模和生产力才是主要的。这种想法已经过时，而且坦白说，是有风险的。
"如果道德和包容性不是你的核心业务重点，你可能正在构建一个脆弱的系统，"Shahar 警告说，"AI 系统塑造着谁能被倾听、如何做决策以及什么行为会被奖励。这就是你的文化。"
糟糕的 AI 部署带来的人力成本是真实的。这包括但不限于倦怠、不信任、流失和错过洞察。此外，财务成本也紧随其后。
"AI 最危险的一点是它比人类直觉更快，"Shahar 指出，"这种速度可能感觉像是效率，但如果缺乏反思，就会导致盲点。"
Retink 的 CEO 兼创始人 Solomon Eko 也同意这一点。
"AI 应该是你的副驾驶，而不是自动驾驶，"Eko 说，"当领导者在不了解团队实际需求的情况下追求自动化时，他们往往是在扩大效率低下，而不是解决问题。"
他补充说："在部署任何 AI 系统之前，公司必须问：这对谁有利？谁可能会无意中受到伤害？这关乎在每一层面建立信任。"
如何知道你是否已经准备好
那么 CEO 如何知道他们是否真的准备好负责任地整合 AI？根据 Shahar 的说法，问题不在于你的 AI 是否合规，而在于它是否公平、包容和可持续。
"合规是底线，而不是上限，"他说，"真正的考验是你的 AI 是否强化了你想要建立的公司类型。"
他的公司 Journey 使用三个维度来帮助领导者自我审计：
公平性 : AI 驱动的决策对谁有利——对谁不利？
包容性 : 输入是否反映了你的真实利益相关者？
可持续性 : AI 是在帮助你的团队建立能力，还是只是让他们工作得更快？
"你既需要指标，也需要意义，"他解释道，"仪表盘很重要。但与团队、质疑者甚至客户的对话也很重要。如果 AI 在你的战略和人之间制造更多距离，那就说明它不起作用。"
关于交叉性的说明
虽然商业领导者经常把多元化——一个已经在特朗普总统取消 DEI 计划的行政命令之后在硅谷逐渐消失的理念——当作一个复选框，但在将 AI 整合到决策中时，他们必须问更难的问题。
我们的数据反映了谁的现实？谁能被倾听？谁被忽视了？这些都是商业领导者在使用 AI 的过程中必须回答的关键问题。正如一项关于"人工智能中的交叉性"的研究强调的那样，如果设计不当，AI 系统可能会延续对边缘群体的偏见。真正的包容意味着超越配额思维，关注那些最常被忽视的人群的切身经历——特别是有色人种女性、LGBTQ+ 群体和一线工作者。
"你的 AI 的包容性取决于你的领导思维，"Eko 说，"如果你不是在构建能听到每个声音的系统，那你就是在构建使某些人沉默的系统。"
最后的话：AI 始于领导力
大多数公司已经理解 AI 在转变运营和提高员工生产力方面的潜力，但更重要的是，他们必须意识到其成功取决于领导力。
"AI 不能替代战略，"Shahar 说，"它只是放大战略。所以如果你的战略不清晰，你的 AI 只会让事情变得更糟。但如果你的领导力是协调一致的、有目的性的、包容的——AI 就会成为所有已经有效事物的倍增器。"
