巨额资金，无限转型：人工智能在高层管理中的结构性问题
几乎每一份当下的企业预算中都有这样一行条目。它有一个名字，叫做"人工智能转型"，有一个数字，还有某位执行委员会成员的签名。而在大多数情况下，它没有的，是对这笔资金究竟购买了什么的操作性定义。
Gartner预测，企业在人工智能领域的支出将于2026年达到2.59万亿美元，在一年内增长47%。与此同时，IBM的研究表明，仅有29%的高管能够自信地衡量这一投资的回报。这两个数字之间的差距，并非一种统计学上的讽刺，而是一个迄今尚未被各组织正确命名的结构性问题的全貌。
预算已经存在。而作为操作概念的转型，尚不存在。
令人瞩目的，并不是人工智能领域存在技术上的不确定性——对于一项年轻且快速演进的技术而言，这本是意料之中的事。令人瞩目的，是正在那种不确定性之下悄然形成的治理模式：高管们在尚未回答决定投资能否产生成效的关键问题之前，便批准了历史性的投入。而技术解决方案市场则完全乐于为那些未能自行构建定义的买家提供现成的定义。
C级高管握住方向盘，却没有地图
多年来，人工智能战略一直是技术部门的事务。这一局面已经改变。Forbes Research记录显示，人工智能决策权已从系统部门迁移至高层管理：如今是首席执行官、首席财务官和首席运营官在掌控预算、优先推进项目并确定方向。
与此同时，CNBC援引的一项分析超过2000家组织的研究揭示，76%的组织已设有首席人工智能官（CAIO）这一职位，而一年前这一比例仅为26%。十二个月内上涨了五十个百分点。这种新高管职位的快速涌现，并不体现结构性成熟，而是折射出政治上的紧迫感。董事会要求有人为人工智能负责，各组织的回应便是在尚未设计好这些职位具体职能之前便仓促设立。
IBM在其2026年全球研究报告中记录显示，首席执行官们正在积极重新设计管理委员会的角色，以从人工智能中获取竞争优势。德勤则在其咨询业务中明确建议，投入时间和项目对管理委员会自身进行生成式人工智能培训，这意味着承认该委员会尚不具备治理其所资助事务的能力。这两个信号并列——角色的加速重组与决策者培训需求的公开承认——勾勒出一个在培训驾驶员之前便踩下油门的组织图景。
问题不在于高管缺乏智识或善意。问题在于，决策结构在资金开始流动之前并未得到重新设计。董事会可以在数小时内批准预算，而建立合理支出的判断标准，则需要数月对组织进行诚实而深入的审视。
这种倒置的顺序所产生的结果是可以预见的：与具体业务目标脱节的碎片化试点、以不兼容的方式解决同一问题的重复工具，以及由供应商定义的成功指标——因为组织自身未能事先加以界定。资金花出去了，转型却没有发生。
会议室里无人提及的鸿沟
有一组数据值得持续关注。培训公司Multiverse发布了一项针对英国行政劳动力的研究，发现了以下情况：59%的管理者认为其团队每天都在与人工智能协作，而只有42%的员工表示确实如此。高层认知与基层操作现实之间相差了十七个百分点。
这道鸿沟不仅仅是内部沟通问题，而是战略校准问题。如果高层管理者在做出关于采用节奏、培训计划和预期回报的决策时，所依据的实际使用情况图景被高估了近40%，那么用于为预算提供依据的生产力预测，在结构上便是错误的。这并非源于不诚实，而是因为没有人建立起衡量中层和操作层真实情况的机制。
Axios记录了同一裂痕的另一个角度：对使用人工智能的企业的调查显示，相当比例的高管将实施过程描述为"正在分裂组织"的事情。这一描述所指向的并非技术问题，而是转型叙事从上至下构建，而负责执行的层级并未参与设计这一现实。
变革的人文架构——谁参与、何时参与、以何种信息参与、以及有多大能力影响决策——决定了技术转型是产生新能力，还是仅仅产生新的摩擦。而在大多数数据所描述的案例中，这种架构是最后才被考量的事项。
一个组织可以拥有首席人工智能官、已批准的预算和无懈可击的高管演示文稿，但如果变革的人文设计付之阙如，其结构上依然是脆弱的。职位和预算是可见的信号，而脆弱性隐藏在尚不可见之处。
当市场定义了企业无力自我定义的转型
这种动态背后，存在一种悄然运作的市场机制。当一个组织在尚未精准界定自身运营问题的情况下便开始评估解决方案时，供应商最终便会提供这个定义。这并非出于恶意，而是因为总要有人来填补空白，而供应商拥有一整套叙事基础设施来做到这一点：用例、基准测试、演示，以及一个关于转型是什么的故事——这个故事恰好将其产品置于主角位置。
结果是，各组织购买了借来的定义。而借来的定义不是战略，而是别人写好的购物清单。
这在技术采用周期中并非新鲜事。生成式人工智能所改变的，是所做决策的量级。此前的技术——数据平台、流程自动化、管理软件——重新安排的是人们的工作方式。而生成式人工智能，在其最具雄心的版本中，重新安排的是由谁来完成工作。这一区别并非修辞性的：它完全改变了在投入资本之前所需的组织分析类型。
当一家公司购买数据平台时，问题是哪些流程得到了优化。当它将自主工作委托给人工智能系统时，问题是哪些工作不再是人类的责任、在何种条件下、以何种监督机制、以及系统失败时会产生什么后果。这些问题供应商不会回答。而当前数据表明，大多数执行委员会在签字之前也没有回答这些问题。
根据近期关于人工智能治理的分析，仅有39%的组织为员工已在使用的生成式人工智能工具制定了参考标准。这一数字描述的并不是一个正在构建治理框架的行业，而是一个已经部署了技术、但仍未建立框架的行业。顺序已然颠倒，由此产生的风险敞口——监管层面、运营层面、声誉层面——是真实存在的，即便尚未引发可见的事故。
没有供应商会来主持的成熟度测试
从所有这些数据中浮现出的模式具有一种特定属性，值得精确命名：这不是速度问题，而是顺序问题。各组织并非在以过快的速度迈向一个定义清晰的目标，而是在一个定义依然模糊的事物上大量花费——之所以如此，是因为顺序是预算在先，定义在后。
IBM得出结论，首席执行官们正在重新分配管理委员会的职责，以从人工智能中创造更多业务影响。德勤则呼吁各组织真正理解伴随人工智能而来的监管要求，并投资于更新领导层自身的能力。这两项建议都预设了当前领导层所理解的内容与所决定的内容之间存在差距。他们没有用这些确切的词语来表达，但这正是数据所描述的现实。
一个组织面对技术转型的结构性成熟度，不以预算规模或新设高管职位的头衔来衡量。它以领导层在投入资本之前能够回答的问题的质量来衡量：具体哪些工作正在被重新分配、条件如何、以何种监督机制、以何种不依赖供应商标准的成功定义，以及系统衡量操作层实际情况的真实能力如何。
这些问题并非技术问题，而是组织治理问题。而71%的组织无法衡量其人工智能投资回报这一事实表明，大多数组织在支出之前并未回答这些问题。
首席人工智能官职位不断涌现，预算以每年47%的速度增长，解决方案市场完全乐于向寻求确定性的人提供确定性。而市场所不提供的，是一个组织在购买解决方案之前界定自身问题的能力。这种能力需要在内部构建，需要时间，需要对系统尚不能做什么保持诚实。那些在竞争压力迫使其在没有这种能力的情况下仓促行动之前便发展出这种能力的组织，将能够在三年后评估：他们所资助的，究竟是一场转型，还是一场将预算转移给了别人为其代写定义的迁移。
