AI三项全能运动员与无人愿在董事会会议上提及的问题
在几乎所有审查人工智能项目的执行委员会会议上，有一句话不断重复："试点项目取得了成功。"随后，是一片沉默。没有人追问，为何这个试点始终未能演变为其他成果。组织庆祝了实验、归档了经验，三个月后，又启动了新一轮试点。整个循环周而复始，却从未有人解答那个根本问题：究竟由谁来负责推动规模化落地。
这正是Anna Drobakha——Groupe SEB全球数字化与人工智能转型总监——近期在《福布斯》技术委员会发表的一篇文章中所指出的核心问题。文章的核心论点并不围绕技术或预算展开，而是围绕领导力架构展开。这一区别的重要性，远超大多数董事会愿意承认的程度。
Drobakha的主张十分具体：在AI转型中遭遇失败的组织，并非败于战略缺失、技术人才匮乏，也非败于投入不足。真正的原因在于，它们将这场转型所需的三个领域——战略清晰度、能力整合与执行问责——分散交由不同人员、不同职能部门与不同组织层级来承担，却没有任何一方真正拥有其间空白地带的所有权。她所使用的比喻恰如其分：铁人三项并非三场独立的比赛，而是一场持续的考验，各项目之间的转换环节与项目本身同样苛刻。
为何试点项目无法规模化
Drobakha的诊断并不新颖，但大多数组织却将其当成新鲜事对待。每隔一段时间，同一问题便会披上新的名称：落地差距、变革负债、采纳鸿沟。名称在变，裂缝依旧。
文章以罕见的清晰度指出：这道裂缝既非技术层面，也非预算层面的问题，而是责任归属的断裂。在大多数大型组织中，设计AI路线图的战略师无法掌控数据资源；搭建平台的能力架构师无法治理运营工作流；试图推动变革落地的运营者，对于那个决定何者扩展、何者终止的委员会议程，也毫无话语权。每个人都在尽职尽责地完成自己的那一部分，却没有任何人真正拥有各部分之间地带的所有权。
这绝非小小的功能失调，而是大多数企业AI举措以一种缓慢而体面的方式走向消亡的确切机制——失败得不够激烈，不足以催生纠错的紧迫感。试点项目"取得了成功"，采纳工作"正在推进"，规模化"还需更多协同"。与此同时，组织持续投入技术资源，而真正的瓶颈——战略、能力与执行之间领导力的连贯性——始终未被触及。
Drobakha所称的"AI三项全能运动员"，既非一个招聘画像，也非组织架构图上的新职衔，而是对组织整个高管团队所需培养之能力的一种描述：同时推进三个领域、从一个领域读取信号并在另一个领域做出运营决策而不失系统连贯性的能力。这种能力无法通过委任一位首席AI官便视为已妥善解决，它要么在领导层集体中得以构建，要么付之阙如。没有结构性的捷径可走。
以转换环节作为衡量单位
Drobakha论点中有一个细节，在转型分析中所获得的关注远不及其应有的程度：转换环节——即各项目之间的过渡——才是举措成败的真正关键所在。决定胜负的，不在于初始的战略冲刺，也不在于执行阶段，而在于从一个阶段迈入另一个阶段的那一步。
这对组织衡量AI转型成熟度的方式具有深刻的现实意义。目前大多数框架衡量的是能力：数据质量是否达标？模型是否已部署？是否拥有数据科学人才？这些问题无可厚非，却并不完整。它们所未能衡量的，是从战略诊断到运营再设计、或从运营再设计到大规模采纳之间转换的质量——而那里，恰恰是积累的工作或走向消散，或得以巩固的地方。
一个高管团队或许拥有无懈可击的战略清晰度，深知AI在何处为业务创造价值，也搭建了坚实的技术平台，却仍眼睁睁看着采纳工作陷入停滞——原因在于，没有人认真设计从建设逻辑迈向组织动员逻辑的那一步。这是两种截然不同的领域，需要截然不同的关注，而在大多数组织中，这一步要么被视为理所当然，要么被交付给变革管理，仿佛那是一个游离于战略核心之外的独立行政程序。
Drobakha对此有更为严谨的表述：能够持续推动转型的领导者，并不对每一次转换做出被动反应，而是以持续的视角管理整个系统，在能量即将耗散之前便已预判，并将资源提前重新引导至彼处。这不是项目管理，而是将系统思维应用于领导力架构。
这两种能力之间的差异绝非细枝末节。项目管理者执行计划；系统思考者则在察觉到支撑计划的条件已经改变时主动修正计划，而无需等待失败来迫使调整。在实践层面，凡是能够持续将AI规模化落地的组织，至少拥有一些具备足够可见度与权威的第二类领导者，能够在系统前行的同时对其进行调整。那些缺乏此类领导者的组织，则不断积累着"成功的试点"。
这个比喻所无法解决的结构性问题
Drobakha的文章在诊断上颇为严谨，在问题的复杂性上也保持了应有的诚实。然而，有一处论点需要更多张力，才能真正成为高管决策的有效工具。
声称组织必须在整个高管团队中培养"AI三项全能运动员"的能力——每一位职能领导者都必须在AI的战略、能力与执行之间保持连贯性——作为目标状态的描述是正确的。但它回避了一个问题：如何在不瓦解各高管职位本身所依赖的职能专注度的前提下，为这种能力提供资源？
一位CFO，在管理复杂的债务周期和财务收关流程的同时，还要投入大量认知精力来建模AI对成本结构的影响——将优先级放在别处，并非战略上的失职，而是一种选择。而这种选择有着清晰可见的机会成本。三项全能的主张默认，同时在三个领域运作的能力是可以累积的，且不会带来职能深度的等量损耗。这一假设，在成为组织期望之前，理应受到质疑。
那些在此问题上找到更持久解决方式的组织，其区别不在于每位领导者都在三个领域中同样出色，而在于他们在转换节点上拥有足够的领导密度——拥有真实权威而非仅有可见度的人员——使得各项目之间的任何空白都不会无人认领。这可以通过单一的"全能选手"来实现，也可以通过在转换节点设置刻意的职责重叠的高管团队来实现。
这一区别之所以重要，在于它决定了组织在招募或培养领导者时所寻找的是什么。寻找完整的三项全能者，是对稀有人才的集中押注；而在转换节点进行有意识的战略职责重叠设计，则是一个更易实现的组织架构问题，在许多情境下，面对人才流动时也更为稳健。
这篇文章未曾点明的那份放弃
Drobakha的论点中有一个隐含之义，值得被明确表达出来，因为正是在这一点上，大多数组织没能走到终点：以持续的方式将AI规模化落地，要求高管团队以启动举措同等的严苛，接受终止举措这件事。
试点项目无法规模化的问题，不仅仅在于没有人拥有转换环节的所有权，还在于组织鲜少有纪律在启动下一个举措之前关闭那些行不通的。结果是，活跃举措不断积累，争夺相同的数据资源、相同的技术人才与领导层相同的注意力资源，却没有任何一个拥有足以达到规模的临界质量。
Drobakha顺带提及，执行层面需要"对测试什么、停止什么、规模化什么实施有纪律的治理"。这句话理应成为分析的核心，而非一个从属从句。因为在实践中，"停止"的能力是最为稀缺的。终止一个由CEO政治背书、已具公开知名度的试点项目，有着真实的组织代价——需要有人拥有足够的权威去执行、去论证，并承担随之而来的关系成本。这一决策，严格而言，是三项全能运动员三个领域中要求最高的那一个，不是最具技术性的，不是最具战略性的，而是最具人性的那一个。
在AI领域取得进展的组织，未必是投入最多的，也未必是拥有最复杂模型的，而是那些已培育出机构能力——能够聚焦于更少的事项，并在来自董事会的展示议程广度的压力中坚守这份聚焦——的组织。正是这份放弃，决定了文章所描述的领导力架构究竟是一个可操作的框架，还是一句措辞精良的愿景。
AI三项全能运动员，以这一概念最有价值的版本来理解，不是那个什么都懂的领导者，而是那个知道放下什么、才能让其余一切真正抵达终点的领导者。
