5月4日，BCG发布了一份关于国外CEO与董事会针对AI转型分歧的报告。

报告调研了625位全球企业领导者，其中包括351位CEO和274位董事会成员。

报告里几个有意思的发现：

• 35%的CEO直言，董事会高估了AI替代人的能力。
• 60%的CEO认为，董事会对AI转型的节奏过于急切。
• 自认为AI能力不足的董事会成员，反而更担心企业AI推进太慢。

（报告链接：https://www.bcg.com/publications/2026/ceos-and-boards-are-aligned-on-ai-in-theory-but-divided-in-practice）

国内外AI的底层焦虑其实相通。

结合报告中的发现，我们把国内看到的诸多现象做了梳理，也思考了一些破局的方法。

一、越不确定，越容易催得急

观点1：对AI越不确定的人，越容易担心组织推进太慢。

当管理者没有完全看清AI的能力边界时，最安全的动作往往是先推动。

先动起来，先不要落后，先让组织拿出一点东西。

反思中国现象

这种压力在国内更常见的表现是：总部要求各单位上报AI应用场景。

每个部门都要有试点，每条业务线都要形成案例。

数字化团队短时间内收到一批需求：AI助手、智能审核、自动分析、知识库问答、智能问数。

这些都是AI好落的功能，但很多说不清楚到底要解决什么业务问题。

这属于拿着锤子看什么都是钉子。

现象背后的原因

AI变成显性议题后，高层最担心的，往往不是某个项目失败。

他们担心的是组织在这一轮变化里显得迟钝，难以向上交代。

于是，“不确定”变成“要多要快”。

问题在于，速度压力失去判断标准后，最简单的考核指标成为了项目数量、token数量。

报多少场景，做多少试点，培训多少人，上线多少助手，使用多少token。

这些都能证明组织有动作，却不能证明组织找到了真正值得做的问题。

应该怎么办

企业需要快，但要先区分哪些事情可以快，哪些事情不能急。

可以选择低风险、高频、人工可复核、数据能拿到的场景。

涉及重大决策、客户承诺、合规风险、复杂责任边界的场景，就不适合为了赶进度贸然推进。

大部分高价值场景，在做AI之前要先补基础。

流程没梳理，数据没沉淀，规则没统一，责任没人接。

更难的是，高价值项目很容易失败。失败后企业再次捡起阻力大，从而让企业错失收获真正的AI价值。

二、很多企业高估的，是AI承担责任的能力

观点2：35%的CEO认为董事会高估了AI替代人的能力。

企业讨论AI替代时，混淆了任务和责任。

反思中国现象

绝大部分的AI项目立项时的价值思考包含了这些问题：

• 这个岗位能不能被AI替代？
• 这个流程以后能不能不需要人看？
• 这个审核能不能交给系统自动判断？
• 这个材料能不能让AI自动生成？

这类问题背后有一个假设：AI能生成内容、总结材料、回答问题，所以也能替代岗位、流程和判断。

现象背后的原因

AI能替代的通常是任务的一部分，很少能替代整个岗位，更不能直接替代组织责任。

以合同审核为例，这个场景听起来很适合AI。

合同量大，审核慢，法务压力大，业务部门经常催。

很多企业都会想到用AI做合同初审。

但合同审核并不是一个单一动作。

它包括合同分类、材料检查、条款匹配、风险识别、修改沟通和最终责任确认。

AI可以提取条款、识别异常、匹配模板、提示风险、生成初步意见。

但到了最终判断和责任确认这一步，仍然需要人来承担。

应该怎么办

如果合同审核的项目目标是“用AI替代法务审核任务”或者“用AI替代法务人员”，项目很难成功。

换成“减少低级遗漏、缩短标准条款初审时间、提升审核意见一致性”，项目会更容易落地。

做AI项目前，拆解工作任务。

从任务的效率和质量指标入手，让AI慢慢进入大家的日常工作流，从辅助工作开始。

三、AI不能只有牵头部门，还要有业务owner和流程owner

观点3：AI战略不应只交给某一个Chief AI Officer，而应由整个执行管理团队共同领导。

少于10%的CEO和董事会成员认为AI战略应该由Chief AI Officer单独负责。

反思中国现象

国内企业已经认识到AI转型是一把手工程。

但到了落地阶段，又变回了熟悉的分工：

• 一把手定方向
• 分管领导要成果
• 数字化部门出方案
• 业务部门报场景
• 项目经理负责推进

每一层都有责任，但没人对业务结果负责，最终不了了之。

现象背后的原因

AI项目和传统IT项目不一样。

传统IT项目通常按“业务提需求、IT做系统、用户验收、上线结束”来推进。

AI项目一旦进入流程，改变的不只是系统功能。

它还会影响岗位动作、复核方式、风险边界和管理习惯。

业务负责人如果只提需求，不承担业务结果，AI项目就会变成数字化部门的项目。

流程负责人如果不参与流程重构，AI项目就会停在工具层。

没有人定义AI输出后谁复核、谁确认、谁负责，业务部门就不敢真正使用。

应该怎么办

每个AI场景至少要回答三个问题：

• 谁对业务结果负责？这个场景到底改善什么，是缩短周期，减少返工，降低人工时间，还是提高质量一致性？
• 谁对流程变化负责？AI嵌入以后，原来的岗位、节点、规则、例外处理如何调整？
• 谁对数字化和数据支撑负责？系统、数据、模型、权限、日志和运维如何保障？

AI项目必须由业务部门负责，流程和IT部门配合。

四、ROI压力最容易把AI项目推向“容易指标”

观点4：CEO感受到的AI ROI压力，比董事会想象的更重。

CEO认为自己绩效评价中与AI ROI相关的权重大约是35%，而董事会认为这一比例大约是27%。

这说明，在AI这件事上，正式责任和感知压力之间存在落差。

反思中国现象

反观国内，类似压力更多表现为各层级都要证明自己“做了AI”。

• 集团要看转型成果
• 分管领导要看试点进展
• 部门负责人要证明积极响应
• 数字化团队要拿出项目清单
• 项目经理要做出可展示的demo

于是，AI项目很容易变成一件事：大家都在证明“做了AI”，却没有证明“AI改善了什么”。

现象背后的原因

AI的ROI很难短期说清楚。

它可能体现在流程周期缩短、返工减少、质量一致性提高、培训成本下降、客户体验改善，也可能体现在风险遗漏减少。

这些结果需要时间和数据。

错误的指标只能说明组织有动作，不等于业务价值，却一定会出现大量的资金浪费。

知识库助手调用很多次，不代表重复咨询减少了。

合同审核AI做了demo，不代表合同周期缩短了。

一个部门报了二十个场景，也不代表找到了二十个真问题。

应该怎么办

AI项目的汇报口径要从“做了什么”，往“改变了什么”上移。

关注结果层：缩短多少周期、减少多少返工、提升多少一致性、降低多少人工时间。

数字化团队和流程负责人向上汇报时，不要只交场景清单。

更有价值的是一张场景判断表。

好的AI场景清单，不该只是项目池。它应该帮助管理层做取舍。

五、AI素养不是会用工具，而是会做项目判断

观点5：AI素养正在成为董事会成员的基础能力。

79%的CEO和80%的董事会成员认为，未来董事会候选人应该证明自己具备可衡量的AI理解能力，尤其是理解AI如何重塑所在行业。

反思中国现象

国内的大家都在恶补AI认知。

• 高层参加AI培训
• 管理干部学习大模型
• 各部门组织AI工具培训
• 企业内部推动AI共创营
• 数字化部门做AI宣讲

这些动作都有必要。只是很多培训仍然停留在工具层：怎么提问，怎么写提示词，怎么做PPT，怎么生成文档，怎么使用AI助手。

现象背后的原因

工具能力重要，但它不是管理者最核心的AI素养。

大学教授不该关注计算器如何使用。他只需要知道世界上有计算器，计算器能干什么就够了。

同样的，高层管理者未必需要自己写出最好的提示词。

但他必须能判断：

• 一个AI项目是不是值得做？
• 这个需求是不是伪需求？
• 这个场景有没有流程断点？
• 这个项目有没有业务owner？
• 这个结果有没有人接？
• 这个收益能不能算？
• 这个试点能不能推广？

这些判断会影响AI项目的质量和内部实践。

应该怎么办

不同层级要补不同的AI能力：

• 高层要补的是判断能力，理解AI能力边界、投资节奏、风险治理和业务价值。
• 中层要补的是翻译能力，把高层目标翻译成场景优先级，把业务想法翻译成项目定义。
• 业务骨干要补的是重构能力，把AI嵌入流程，改变岗位动作和协作方式。
• 一线员工要补的是使用能力，完成知识检索、材料生成和辅助分析。

如果所有人都只学工具，最后很可能出现一种结果：大家都会用一点AI，但组织仍然不知道哪些问题值得用AI。

结语

BCG这份报告讲的是CEO和董事会之间的分歧。

在国内企业中，更值得关注的是这道压力如何向下传递和落实。

高层的不确定，会变成部门的场景征集。

对AI替代能力的高估，会变成不切实际的项目目标。

对ROI的焦虑，会变成token数量和项目试点。

对AI素养的要求，会变成一轮又一轮工具培训。

流程负责人、数字化团队和部门管理者的价值，在于掌控AI的落地方向。

他们要帮助组织判断：哪些问题值得用AI，哪些条件还没准备好，哪些项目只是看起来积极，哪些场景必须先补流程、补数据、补责任。

企业做AI转型，最容易做的是场景征集，最难做的是场景识别。

真正值得做的AI场景，往往不在脑暴会上，也不在汇报表格里。

它在流程复盘里，在返工记录里，在反复解释的规则里，在没人愿意接的异常里，在客户不断抱怨的环节里，在跨部门反复扯皮的边界上。

AI场景不是征集出来的，也不是网上看来的，是从企业内部的流程断点里长出来的。