企业 AI 战略：行业缺失的部分

企业 AI 战略：行业缺失的部分

从标准操作程序（SOP）到战略：为何决策领域管理应该是你下一个优先考虑的问题

拉胡尔的第一周在办公室就像过山车一样。拥有一流的学术成就，他原本以为可以轻松应对日常操作流程，并给新经理们留下深刻印象。

                                          来源：作者使用 AI 制作的图像

他没想到的是，自己却进入了一个文档不全的流程和几乎天天进行紧急处理的漩涡中。是的，组织确实有非常详细的 SOP 用于日常任务——批准发票、更新客户记录、处理标准订单。他能看到其中的合理结构，这让他想起了自己在商学院学到的方法。

然而，在整洁的外表下，拉胡尔感觉到了一丝动荡。

每天，他听到人们讨论“战略转型”或“风险产品投资”。有关于新 AI 计划的低声耳语，承诺将自动化整个工作流程。但令拉胡尔惊讶的是，每当讨论到重大决策——比如应该优先考虑哪些 AI 使用案例，或是否投资某些研发项目时——领导们似乎更多依赖直觉，而不是任何正式的管理方法。

一天午后，拉胡尔被邀请参加公司 AI 路线图的跨职能会议。他认为这是一个展示自己价值的绝佳机会。结果，他发现会议室里充满了朝着不同方向努力的聪明人。

                                  来源：作者使用 AI 制作的图像

有些人坚持认为 AI 试点项目应该专注于自动化那些与现有 SOP 匹配的重复任务。另一些人则主张，AI 的真正力量在于预测建模——帮助预测新的市场机会。

辩论陷入了循环，没有达成关于首先投资 AI 资源的共识。

经过一个紧张的小时，大家离开了会议室，每个经理都确信自己的观点，但距离答案却仍然遥远。

那天晚上，拉胡尔在自动售货机旁踱步，喃喃自语：“我们有这么多 SOP 来处理简单的流程，但对如何做出更大的决策却没有。我们到底该如何开始选择开发哪些 AI 代理或模型呢？”他的挫败感在与一位在公司工作多年的同事的对话中爆发了。

“我们缺少一些根本性的东西，”拉胡尔抱怨道。“我们急于引入能够模仿我们 SOP 的 AI 代理——比如一些通过死记硬背完成任务的语言模型——但这并不是 AI 的真正价值所在。我们甚至不知道如何评估一个 AI 项目与另一个项目的优先级。一切都像是在猜测！”

同事耸了耸肩。“这就是一直以来的状况。重大决策通常是在闭门会议上做出的，主要依据经验和直觉。如果你在等待蓝图，那你可能要等很久。”

那一刻，拉胡尔突然恍然大悟。尽管他拥有所有的智慧和书本上的知识，但他意识到组织从未为高层决策建立过一个连贯的结构。

                                              来源：作者使用 AI 制作的图像

当然，他们对小任务有了完善的 SOP，但真正的问题——应该首先投资哪些 AI 项目——没有任何正式的标准、分类或评分机制。虽然心情沮丧，但拉胡尔决心找出答案。

两天后，拉胡尔深吸一口气，决定来找我（他的哥哥）谈谈。他带着既好奇又烦恼的眼神进来了。在简单的问候之后，他急切地表达了他的担忧：

那次混乱的 AI 路线图会议，基于 SOP 自动化与战略 AI 建模之间的紧张关系，越来越明显的感觉到即使是最资深的领导也在凭直觉做决策。

我平静地听着，然后请他坐下。“深呼吸一下，”我说。“你不是第一个注意到这些缺口的聪明人。让我来解释一下缺失的部分。”

                                        为什么 SOP 不足够,来源：作者使用 AI 制作的图像

我从肯定组织在 SOP 方面的优势开始：“我们很擅长详细说明如何处理那些重复的、基于规则的任务——比如核对发票或更新库存。在这些方面，我们可以轻松地插入 AI 代理。它们学会一个定义明确的脚本，然后执行它。但那只是冰山一角。”

我前倾身体，语气低沉地说道：“我们在高层决策中遇到困难——战略决策，比如选择哪些新产品线，或战术决策，如选择合适的供应商合作伙伴。我们没有为这些任务制定文档化的方法，所有这些都只存在于人们的脑海中。”

拉胡尔歪了歪头，显得好奇。“那我们该怎么解决呢？”他问。

“这就是决策领域管理的作用，”我解释道。“把它看作是决策的 SOP 等价物。只不过，代替为重复性任务规定准确的步骤，它帮助我们对决策进行分类，看到哪些最关键，并指导我们如何涉及 AI——如果需要的话。”

我进一步分解了这个概念：“首先，我们将决策分为三大类：操作性、战术性和战略性。操作性决策是日常的，例如履行订单或更新员工福利。战术性决策对中期产生影响——选择最佳供应商，策划营销活动。战略性决策则决定了组织的未来，涉及重大市场变动、大规模投资、收购或新产品开发。”

“当我们为决策打上正确的标签时，我们能更清楚地了解它的重要性，以及是否需要 AI 代理（适用于常规任务）或 AI 模型（适用于预测或分析任务）来帮助。”

然后，我介绍了 Cynefin 框架，描述了它如何映射决策情境。“有些决策是简单的——因果关系明显。你可以毫不费力地将其交给 SOP 或 AI 代理。另一些是复杂的——你需要专家的意见或更深入的分析。还有一些是复杂的，无法一次看清所有变量，因此你需要进行实验和适应；这通常需要高级 AI 建模来寻找隐藏的模式。混乱的决策要求立刻行动——比如危机响应——你只需要尽力恢复秩序。无序是指你还不知道处于哪个领域。”

“将这两个概念结合起来——决策类型和 Cynefin 框架——我们开始清楚地看到 AI 项目可能带来价值的地方，以及它可能没有价值的地方。”

看到拉胡尔眼中闪烁的光芒，我分享了一些场景：

简单的 SOP 任务，如发票验证或发送发货通知——非常适合 AI 代理。

复杂的供应商谈判——需要人工专业知识，但可以通过机器学习帮助比较绩效指标和成本。

复杂的战略市场扩展——AI 建模有助于预测需求或发现新兴趋势，但最终决策仍需要有经验的判断。

“有了这个分类，”我继续说道，“我们就能对每个潜在的 AI 投资进行评分或排序。它解决了一个紧迫的商业挑战吗？它属于哪种决策类型？我们处于哪个领域？这样，我们就不会胡乱将 AI 投放到无关的难题中。”

                                                来源：作者使用 AI 制作的图像

拉胡尔深深地松了一口气，显然感到松了一口气。“所以问题不仅仅是我们缺少一个最佳的 AI 方法——而是我们根本没有一个共享的语言或结构来处理决策，”他说。“如果我们建立这个结构，我们就会知道哪些 AI 投资最重要，也就不会再绕圈子讨论了，对吗？”

我点点头，微笑着说：“没错。决策领域管理就是缺失的蓝图。我们不能让一个 AI 代理来处理人类还没有组织或清晰表达的问题。通过对决策进行分类并选择正确的方式——AI 代理、AI 模型或纯粹的人工专业知识——我们终于把我们的 AI 路线图与真正可衡量的企业目标联系起来。”

拉胡尔靠在椅子上，肩膀的紧张感开始缓解。“我现在明白了。我能理解为什么我们可能会为符合 SOP 的常规任务投资一个 AI 代理，但我们也需要高级 AI 建模来协助复杂的战略决策。为了让这两者发挥作用，我们必须首先知道我们要达成的目标。”

                                        来源：作者使用 AI 制作的图像

“正是如此，”我再次重申。“当我们知道我们的决策时，我们也就知道了我们的数据需求、流程以及潜在的 AI 解决方案。否则，我们就像在指望技术能读懂我们的心思——那肯定是项目停滞不前的原因。”

会议结束时，拉胡尔带着重新焕发的活力走了出去，脑海里清晰地描绘出了未来的路线图：

1. 首先列出并分类关键决策（操作性、战术性、战略性）。

2. 将它们映射到 Cynefin 框架（简单、复杂、复杂、混乱）。

3. 决定每个决策应使用哪种 AI 方法——如果有的话。

4. 根据影响和可行性对这些项目进行评分或优先排序。

他意识到，组织的问题并不是缺乏聪明的人才或尖端的技术。

而是缺少文档化的、系统化的决策过程——这正是决策领域管理可以介入的地方。有了这样的清晰，甚至是最复杂的 AI 系统也能得到妥善的利用。