多數AI項目之所以失敗，是因為缺少一個操作系統

生成式AI初獲關注時，許多領導者競相為試點項目注資。然而，眾多項目未能實現規模化或創造可衡量的價值。原因何在？這是因為它們缺乏將技術潛力轉化為商業影響力的組織架構。技術是進步的助力，但倘若沒有協調一致的激勵機制、重新設計的決策流程，以及適應AI的文化，即便最為先進的試點項目，也難以發展為持久的能力。

在本文中，我們將分享“5R框架”。該框架由一家大型拉丁美洲企業集團開發，該集團一直處于推動AI項目規模化的前沿。我們在研究企業對AI的應用情況時了解到這個框架，并對該公司的方法進行了深入探究。我們發現，它是一個簡潔卻強大的操作系統，幫助該公司成功協調人員、流程和激勵措施，使AI從概念驗證走向實際應用，并從實際應用產生可衡量的商業影響。我們認為，若企業希望提高AI項目的成功率，大多需要這樣一個操作系統。

運用 “5R框架” 培育AI驅動的文化

當企業未能從AI中創造價值時，問題很少出在技術層面，而更多地源于組織和文化因素。

大多數團隊抵制數據，并非源于惡意或漠不關心，而是由于圍繞他們的行為模式、激勵手段以及預期目標存在不一致的情況。人們不清楚如何依據數據行動、何時該信任數據，或者使用數據是否會得到獎勵。其他人則墨守成規，憑直覺管理、依據傳聞行事，或者為了局部職能優化而忽視企業整體目標。

針對這一常見障礙，該公司的應對之策是將 “數據驅動” 轉化為可重復、強化和擴展的具體實踐，即 “5R框架”：角色（Roles）、職責（Responsibilities）、慣例（Rituals）、資源（Resources）和成果（Results）。它看似經典的管理框架，但應用于AI領域時，卻能精準解決大多數企業面臨的痛點。

“5R框架” 最初旨在植入數據驅動文化，即確保團隊依據證據而非直覺行事，且事實證明在這方面卓有成效。但當該公司運用 “5R框架” 推動AI項目規模化時，這個框架展現出了全部潛力。曾經破壞數據驅動文化建設的組織性摩擦—— 職責不清、執行分散、問責不力以及接受度低，恰恰也是AI試點項目停滯不前的原因。通過直面這些問題，“5R框架” 提供了組織架構，讓AI從孤立的實驗走向全企業范圍的應用。

這五個要素旨在解決AI部署中最常見的失敗點：

1、角色

這一要素明確了項目生命周期中各環節的負責人，降低跨職能的復雜性，避免試點項目在團隊之間的銜接環節夭折。涉及的角色包括業務發起者、產品負責人、數據科學家、技術溝通者、風險/合規專員以及客戶體驗負責人。明確這些職責邊界，能避免工作交接失誤、責任推諉，以及技術團隊與業務團隊之間可能出現的沖突。清晰的角色設定確保整個組織以及項目全周期的激勵措施協調一致，使項目按時啟動并持續推進直至執行完成。

2、職責

該要素定義了每個角色在項目初始啟動后，對于成功的具體衡量標準，包括應用情況、關鍵績效指標（KPI）的落實、監控以及再培訓。從項目獲批那一刻起，直到價值得到衡量，項目發起者都要明確承擔責任，而不僅僅是負責執行完成。這確保了項目上線后的責任歸屬，解決了AI項目中一個關鍵問題：在沒有明確責任人的情況下，一旦試點結束或模型出現偏差，價值就會消失。持續學習的模型并非 “即插即用” 的工具，明確的職責設定確保有人負責持續跟進。

3、慣例

這一要素確立了實現產品發布以及監控和應用AI模型所需的穩定互動節奏。AI模型通常會隨著時間推移不斷學習和變化。這些互動包括項目啟動會、每周運營評估、每兩周一次的執行委員會會議以及關鍵的上線后監控會議。建立這些共享機制，能在團隊不同成員間養成定期更新的習慣，確保信息流通，實現實時迭代和問題升級。這些習慣對于防止阻礙持續存在以及問題發現過晚至關重要。

4、資源

該要素要求使用可復用的模板、框架和加速器，使團隊無需為每個項目從頭開始，避免重復造輪子。例如，一個共享的生成式AI架構，既能簡化大規模部署這些解決方案的復雜性，又能降低信息丟失和幻覺等風險，這對加快執行和應用起到了關鍵作用。相較于該公司此前的臨時項目，建立規范流程后，交付時間縮短了約50% - 60%，同時也確保了治理措施和負責任的AI實踐得以始終如一地貫徹執行。這避免了組織內各團隊重復勞動和質量參差不齊的問題。

5、成果

該要素要求團隊在項目啟動前，就明確與業務影響相關聯的應用指標。如此一來，評判項目成功與否，就不再單純依據技術價值（比如模型準確率）或無實際意義的指標，而是基于能夠轉化為實際商業價值的指標。這類指標涵蓋生成式AI處理的交互占比、客戶流失率的降低，以及息稅折舊攤銷前利潤（EBITDA）的增長等。提前定義這些指標，能避免開發缺乏可衡量關鍵績效指標的演示內容，讓團隊始終聚焦于實際應用與業務成果。

與一次性培訓或模糊的變革活動不同，“5R框架” 并非表面功夫，而是AI的操作系統。角色、職責和慣例構成所有項目一致、標準化的主干，即便不同人員在角色間輪換也不受影響。資源和成果則針對每個項目進行定制。這種標準化主干與靈活應用的平衡，正是該模型得以擴展的原因，也是AI項目從孤立實驗發展為全企業影響力的關鍵。

框架在實踐中的應用

為了更直觀地了解 “5R框架” 的實際效果，我們來看這家企業集團旗下一家金融服務公司的案例。該項目旨在改進和自動化其各類產品的定價流程。項目團隊并未從軟件、代碼或儀表板入手，而是先運用 “5R框架”，以確保AI系統能夠被采用并持續發揮作用。

第一步是確立明確無誤的問責制。業務發起者不僅負責項目執行，還要將AI定價模型的改進與增長目標掛鉤。具體而言，負責新定價模型的團隊選擇了能體現財務回報的關鍵績效指標，如運營成本以及不同客戶風險類別下的產品購買率。這種對角色、職責和成果的清晰定義，防止了項目延誤，并確保以業務增長而非技術準確性來衡量項目成功與否。以往的項目因缺乏這些問責層次，難以產生持續影響。

該團隊還將慣例制度化，包括每周運營評估和每兩周一次的執行委員會會議，以確保不同業務部門的團隊成員保持協調一致，盡早發現延誤情況，并保持高昂的工作勢頭。尤其是執行委員會，對于消除部門間的阻礙至關重要，因為參會人員手握權力并承擔責任。通過部署可復用資源，如項目管理工具、協作空間和標準化模板，該團隊相比早期臨時項目，用時減半就取得了進展。

最終的AI模型帶來了顯著成果：該公司如今能夠更快地響應市場變化和競爭，無縫調整定價模型，同時提升財務指標。新的定價模型在保持銷售額不變的情況下，使風險相關成本降低了8%，最終表明盈利能力有所提高。借助這個項目的成功經驗，該公司準備將“5R框架” 及相關流程應用于所有新項目。

2024年初，在該企業集團旗下一家中型公司，推廣AI應用的挑戰也十分明顯。在首席執行官的直接支持下，該公司將AI置于首要位置，其目標并非僅局限于成功開展試點，而是要實現全公司的轉型，通過全面采用AI與分析技術，創造切實可衡量的影響。

“5R框架” 提供了必要的支撐。為了明確角色和職責，各業務部門通過將 “5R框架” 融入組織結構，建立了治理和問責機制，特別成立了指導委員會和由首席執行官領導的戰略委員會。這些團隊的定期會議（這是關鍵慣例）確保從項目啟動到價值實現的整個過程中，領導層始終關注該項目。各團隊專注于開發高效、大容量的分析和AI運營體系，主動支持業務的不同部分，以改善客戶指標并降低運營成本。

18個月內，成效顯著，在商業和運營方面均取得成功：客戶流失率降低、營銷活動轉化率提高，每個客戶帶來的業務量增加。在運營方面，該團隊現在每季度完成100多個業務請求，這表明組織能力和需求滿足能力有所提升。該公司還迅速將生成式AI推廣到客戶服務領域，生成式AI聊天機器人處理的客戶互動比例從最初的不到3% 在六個月內提升至近60%，同時模型準確率從92% 提高到97%。由于資源和慣例已制度化，這些經驗被整合到公司的核心資產中，目前正在集團內其他子公司復制推廣。

從設計層面確保AI應用的可靠性

“5R框架” 還解決了許多公司忽視的一個挑戰：如何大規模確保AI的可靠應用。這使得該框架不僅是提高生產力的工具，也是一種保障。

借助 “5R框架” 的應用，公司在治理與合規方面取得了切實成效。依據該框架所設慣例，在模型部署后會持續進行監督與監控，幫助團隊及時察覺并糾正可能導致結果不合規或偏差的模型漂移問題。例如，通過定期追蹤金融機構貸款審批模型的輸出，團隊能夠確保AI不會因性別等受保護的人口統計學因素，而出現差異化的貸款審批率。這正是“成果” 要素的直接體現，可將其設計為在財務績效、公平性、合規性與客戶信任之間達成平衡。

此外，共享資源將治理和合規檢查作為項目生命周期中的必要步驟，確保問責制和透明度從設計階段就融入其中。通過這種系統的方式，能持續生成監控報告，并得出可審計的結果，確保可靠的AI應用成為執行工作的核心部分，從而實現大范圍推廣。

AI項目失敗，更多是因為企業準備不足，而非模型本身不佳。“5R框架” 將規模化轉化為一個可管理的過程：明確的所有權、持續的職責、規范的節奏、可復用的資產，以及與盈虧掛鉤的成果。

該組織運用 “5R框架” 的經驗證明，這并非只是一種管理理論，更是一套行之有效的方法，能把試點項目轉化為實際應用，再將實際應用轉化為實際業績，且這套方法可以反復使用。如今，AI是否會改變企業運營模式已毋庸置疑，關鍵在于領導者能否構建起相應的運營模式，推動這一變革的實現。

關鍵詞：

阿耶萊·伊斯雷利（Ayelet Israeli）、伊娃·阿斯卡爾扎（Eva Ascarza）| 文

阿耶萊·伊斯雷利是哈佛商學院工商管理專業副教授。伊娃·阿斯卡爾扎是哈佛商學院工商管理專業副教授。

周強 | 編校

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org