新聞宏觀經濟Teneo 與 Thoughtworks 執行長:AI 競賽將由治理而非速度取勝

Teneo 與 Thoughtworks 執行長:AI 競賽將由治理而非速度取勝

作者: Fortune Crypto·

重點速覽

  • 依使用量計費的 AI token 成本上升,正造成難以預測的利潤率壓力,顯示商業世界已進入更重視紀律的 AI 採用第二階段。
  • AI 可以輕易取代人力的假設已被證明有缺陷,Ford 需要重新聘用數百名工程師以修正 AI 相關品質問題即是一例。
  • 投資人與高階主管之間存在顯著的時程落差:多數投資人預期 AI 在六個月內產生投資報酬,但多數大型股企業執行長認為該時程不切實際。
  • 專家建議組織將 AI 支出視為資本配置決策,將任務路由至具備能力且成本最低的模型,並激勵每個 token 的最大價值。
  • 可持續的 AI 治理需要各管理層級共同負責,而不是被隔離在 Chief AI Officer 等單一高階主管角色之內。
Teneo 與 Thoughtworks 執行長:AI 競賽將由治理而非速度取勝

Token — 衡量與定價 AI 使用量的基本單位 — 已迅速成為企業最關鍵的指標之一。企業 AI 模型定價已從固定訂閱制轉向動態、依使用量計費的模式,而如今不斷升高的 AI 使用量,已將原本的生產力實驗轉變為潛在的利潤率壓力來源。由於 token 費用通常會隨處理與生成文字的數量增加而上升,員工採用率提高可能很快變成一項比傳統軟體席位更難預測的變動成本。執行長們正陷入一場微妙的平衡考驗。

AI 並不是那種可以隨意開啟或關閉的軟體工具。過去一年,大型語言模型已深度嵌入各類業務流程,而所有跡象都顯示,這種依賴將持續存在。現在不加區分地限制 AI 使用 — 這是許多高階主管團隊目前正在考慮的做法 — 不僅會拖慢企業已經取得的成長與效率,也會在實驗受到抑制時,使它們更難把握下一代 AI 能力帶來的機會。

風險在於,高階主管可能陷入為了平衡下一季預算而反覆大幅調整 AI 支出的陷阱,並因此錯失 AI 在以系統化而非被動反應方式治理時,將為企業帶來的根本性轉型。

AI 採用的第二階段

商業世界已進入 AI 採用的第二階段,其任務已從快速展現能力與進展,轉向證明企業能在不威脅其獲利底線的情況下,從 AI 中取得最大可能價值。這個可持續採用階段很快將在企業格局中揭示一道具有長期影響的分界線 — 一邊是能以具經濟效益的方式管理並擴展 AI 的組織,另一邊則是無法做到的組織。Token 成本只是更廣泛治理問題的第一個可見症狀。

兩項關鍵假設導致了這個轉折點。第一項是假設 AI 將讓企業能夠做到某件事:用模型成本取代人力成本,並將效率差額轉化為利潤。這個論點很有吸引力,但最終證明有缺陷。這種取捨遠沒有想像中簡單。許多採納這一想法的組織,因預期 AI 驅動的生產力提升而縮減員工人數,後來卻發現它們失去了機構知識,以及隨時間有效整合與改良 AI 系統所需的關鍵工程人才。

這種認知如今正衝擊那些曾大規模裁員的企業。近期一個備受關注的例子是,Ford 表示必須重新聘用數百名工程師,以處理新導入 AI 工具所引發的品質管制問題。高階主管直接指出,缺乏資深專業知識對產品開發造成負面影響,並限制了自主系統帶來的效率提升。

第二項假設涉及投資人與管理團隊之間的錯位。在 Teneo 最新年度執行長與投資人調查中,53 percent 的投資人預期 AI 能在六個月內產生投資報酬,而只有 16 percent 的大型股企業執行長相信自己能在該時程內達成。如今,這個期限已經到來。這項落差之所以重要,是因為 AI 專案往往需要先調整工作流程、資料實務、供應商管理與員工訓練,才能可靠地衡量成效,這使得短期回收期難以與企業科技通常的採用方式相互調和。

給董事會與執行長的五項建議

建立有紀律 AI 治理的窗口仍然開啟,但不會無限期維持。兩家公司合計與全球數千名執行長和董事會合作,協助處理這些挑戰。以下是他們目前的建議。

第一,重新界定董事會中的 AI 討論。 不要再問 AI 花了多少錢。應開始詢問 AI 投資在哪些地方創造了持久的競爭優勢 — 又在哪些地方只是產生使用量,卻沒有帶來複合價值。

第二,將 AI 支出視為資本配置決策,而不是 IT 預算項目。 能推動新收入、創造差異化客戶體驗或建立專有能力的使用,構成成長投資。僅僅自動化低價值流程的使用,則是營運費用。這項區分也讓董事會能以更清晰的方式,將 AI 計畫與其他策略性資本用途進行比較,而不是把所有模型使用量都視為一項沒有差異的科技成本。

第三,建立治理機制,將工作負載匹配到能可靠完成任務的最低成本模型。 員工自然會傾向使用最新、最強大的模型,即使較舊世代的模型也能產出所需結果。一種實際做法可能是導入一個軟體層,接收提示詞並自動將其路由到適當的模型。

第四,重塑圍繞 AI 使用的激勵機制。 不應獎勵員工使用 AI 最多 — 這是許多企業早期為了向投資人展示採用程度先進而出現的本能反應。也不應以粗略的使用量上限懲罰員工,因為這可能無意間抑制創新。相反地,組織應獎勵高效率的 AI 使用:以適當程度的 AI 消耗取得更好的業務成果。正如一篇 Wall Street Journal 分析所指出,目標不是最大使用量,而是每個 token 的最大價值。

第五,將 AI 治理分散到整個組織。 AI 治理不能委派給單一角色,例如 Chief AI Officer。各職能部門的管理者都需要為在其團隊內引導可持續 AI 採用負責。員工則需要實務支援,既要了解其 AI 使用如何被評估,也要培養長期以有意義且高效率的方式運用 AI 做出貢獻所需的技能。

未來方向

在 AI 採用這一階段勝出的企業,不會是使用 AI 最多的企業,也不會是花費最少的企業。勝出的將是治理得最好的企業,能持續將 AI 消耗轉化為持久的經濟優勢。要取得這種平衡並不容易,尤其是在一項技術以如此速度演進的情況下。然而,若在這項平衡上判斷錯誤,可能很快就會成為攸關存亡的問題。

Fortune.com 評論文章中表達的觀點僅代表作者個人看法,不一定反映 Fortune 的觀點與信念。

本文最初刊登於 Fortune.com