2025年5月4日，波士顿咨询公司（BCG）发布了一份聚焦全球CEO与董事会之间在AI转型认知与行动上存在显著分歧的深度报告。该报告调研了625位全球企业高层领导者，包括351位CEO和274位董事会成员。

这份报告揭示了几个非常值得关注的核心发现：

• 35%的CEO坦言，董事会可能高估了AI替代人类劳动的能力。
• 60%的CEO认为，董事会对推进AI转型的期待过于急切，节奏上存在脱节。
• 那些自认为对AI能力理解不足的董事会成员，反而对企业AI进展缓慢表达了更深的忧虑。

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

国内外企业在AI应用上的底层焦虑其实高度相似。结合BCG报告的发现，我们梳理了国内企业实践中观察到的诸多现象，并深入思考了可行的破局策略。

一、越不确定，越容易催得急

观点1：对AI掌握程度越低的管理者，越容易担忧组织行动迟缓。当管理者未能清晰把握AI的能力边界时，最稳妥的策略往往是率先行动。先动起来，避免落后，让组织先拿出一些成果来。

反思中国现象

这种现象在国内企业中更常见的是，总部要求各部门上报AI应用场景。

每个部门都需要试点项目，每条业务线都必须形成案例。数字化团队在短时间内收到大量需求：AI助手、智能审核、自动分析、知识库问答、智能问数。

这些确实是AI技术容易落地的方向，但很多功能的核心问题并不明确，究竟要解决哪个具体的业务痛点？这很容易陷入“拿着锤子看什么都是钉子”的误区。

现象背后的原因

当AI成为显性议题后，高层管理者最焦虑的，往往不是某个项目的成败，而是担心组织在这场技术变革中显得反应迟钝，难以向上级或市场交代。于是，“不确定性”直接转变为“数量多、速度快”的执行要求。

问题在于，在速度压力下如果缺乏清晰的判断标准，项目数量、token使用量就成了最直观的考核指标。上报了多少场景、开展了多少试点、培训了多少人、上线了多少助手、使用了多少token，这些数字能证明组织有行动，但无法证明组织是否找到了真正值得投入资源的核心问题。

应该怎么办

企业需要追求速度，但前提是要区分哪些环节可以快，哪些环节绝不能急。

可以采用“优先选择低风险、高频次、人工可复核、数据基础扎实”的场景。对于涉及重大决策、客户承诺、合规风险、复杂责任边界的场景，绝对不能为了赶进度而贸然推进。

绝大多数高价值的AI应用场景，在引入AI之前必须先补齐基础能力。流程未梳理、数据未沉淀、规则未统一、责任归属不明确，这些都是硬伤。更棘手的是，高价值项目一旦失败，企业重启的阻力会非常大，进而可能错失真正从AI中获得业务价值的机会。

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替代人类劳动的能力。企业在讨论AI替代时，常常混淆了完成任务与承担责任之间的本质区别。

反思中国现象

绝大多数AI项目在立项时，其价值思考常常围绕这类问题：这个岗位能否被AI替代？这个流程未来能否完全无人化？这个审核环节能否交由系统自动判断？这份材料能否让AI自动生成？

这些问题背后隐含了一个假设：既然AI能生成内容、总结材料、回答问题，那么它也理应能替代岗位、流程和判断。

现象背后的原因

AI通常能替代的是任务中的一个环节，很难替代整个岗位，更不可能替代组织责任。

以合同审核场景为例，这听起来很适合AI应用：合同量大、审核速度慢、法务团队压力大、业务部门又频繁催促。许多企业自然会想到用AI进行合同初审。但合同审核并不是单一动作，它包含合同分类、材料核对、条款匹配、风险识别、修改沟通，以及最终的责任确认环节。

AI可以高效完成条款提取、异常识别、模板匹配、风险提示和初步意见生成。但到了最终决策和责任承担的环节，仍然需要人来负责。

应该怎么办

如果合同审核项目的目标是“用AI替代法务的全部审核任务”或“用AI替代法务人员”，这个项目注定很难成功。但如果将目标调整为“减少低级遗漏、缩短标准条款的初审时间、提升审核意见的一致性”，项目落地的可能性就会大增。

在启动AI项目前，应当先详细拆解工作任务。从具体的任务效率和质量指标入手，让AI逐步融入日常工作流，从辅助角色开始，循序渐进。

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位首席AI官（Chief AI Officer），而应由整个执行管理团队共同领导。只有不到10%的CEO和董事会成员认为，AI战略应该由这位首席AI官单独负责。

反思中国现象

国内企业普遍认可AI转型是“一把手工程”。然而，到了具体落地阶段，分工又回到了传统的套路：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。

看起来每一层都有责任，但最终却没有人对业务结果真正负责，项目往往不了了之。

现象背后的原因

AI项目与传统的IT项目有本质不同。传统IT项目通常是“业务提需求、IT做系统、用户验收、上线结束”的线性流程。而AI项目一旦进入流程，改变的不仅仅是系统功能，还会直接影响岗位动作、复核方式、风险边界以及管理习惯。

如果业务负责人只是提出需求，却不承担业务结果，AI项目很容易变成“数字化部门的项目”。如果流程负责人不参与流程的重构，AI应用就只能停留在工具层面。

如果没有人明确界定AI输出后由谁复核、由谁确认、由谁承担责任，业务部门就不敢真正信任和使用AI。

应该怎么办

每个AI应用场景至少需要回答三个关键问题。

• 谁对业务结果负责？这个场景到底要改善什么？是缩短周期、减少返工、降低人工投入，还是提升质量一致性？
• 谁对流程变化负责？AI介入后，原有的岗位职责、工作节点、操作规则、异常处理流程应该如何调整？
• 谁对数字化和数据支撑负责？系统、数据、模型、权限、日志和运维保障如何实现？

AI项目必须以业务部门为主导，流程和IT部门提供协同支持。

四、ROI压力最容易把AI项目推向“容易指标”

观点4：CEO所感受到的AI投资回报（ROI）压力，远比董事会想象的要大。CEO认为其绩效评价中与AI ROI相关的权重约为35%，而董事会则认为这个比例大约是27%。这说明，在AI这件事上，正式的责任分配与感知到的实际压力之间存在明显的落差。

反思中国现象

反观国内，类似的压力更多地表现为各层级都要证明自己“做了AI工作”。

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，项目经理要做出可演示的demo。

于是，AI项目很容易走向一个误区：大家都在全力证明“自己做了AI”，却没有人真正证明“AI到底改善了哪些业务指标”。

现象背后的原因

AI项目的ROI很难在短期内说清楚。其价值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，甚至是风险遗漏的减少。

这些成效的验证需要时间和真实业务数据。

错误的指标只能说明组织有行动，并不代表业务价值，反而会造成大量资源和资金的浪费。例如，知识库助手被大量调用，并不等于重复咨询真的减少了；合同审核AI做了成功的demo，也不代表合同审核周期真的缩短了；一个部门报了二十个场景，同样不意味着找到了二十个真正的业务难题。

应该怎么办

AI项目的汇报口径，应该从“我们做了什么”，转向“我们改变了什么”。

要聚焦在结果层面：周期缩短了多少、返工减少了多少、一致性提升了多少、人工时间降低了多少。数字化团队和流程负责人在向上汇报时，不应只提交场景清单。更具价值的是制作一张场景判断表。一份好的AI场景清单，不应只是项目池，它更应该帮助管理层进行有效的取舍和资源分配。

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要求。79%的CEO和80%的董事会成员认为，未来的董事会候选人应当证明自己具备可衡量的AI理解能力，尤其是要理解AI如何重塑其所在行业。

反思中国现象

国内的AI认知学习热潮正在全面展开。

高层管理者参加AI培训，管理干部学习大模型原理，各部门组织AI工具实操培训，企业内部推动AI共创营，数字化部门进行AI知识宣讲。

这些学习活动都有必要性。但目前，很多培训仍然停留在工具操作层面：如何提问，如何写提示词，如何做PPT，如何生成文档，如何使用AI助手。

现象背后的原因

工具掌握能力固然重要，但它并非管理者最核心的AI素养。就像大学数学教授不必精通计算器如何使用一样，他只需要知道计算器能完成哪些计算就够了。

同理，高层管理者不一定需要自己能写出最完美的提示词，但他必须有能力判断一个AI项目是否值得投入。这个需求是不是伪需求？这个场景有没有流程上的断点？这个项目有没有明确的业务owner？AI产出的结果有没有人负责承接？这个项目的收益能不能算清楚？这个试点项目能否成功推广？

这些判断力，直接决定了AI项目的质量和在企业内部的实践效果。

应该怎么办

不同层级的管理者需要补充不同维度的AI能力。

• 高层管理者需要提升的是判断能力，包括理解AI的能力边界、投资节奏、风险治理以及业务价值的评估。
• 中层管理者需要提升的是翻译能力，即把高层的战略目标转化为场景优先级，把业务想法转化为清晰的项目定义。
• 业务骨干需要提升的是重构能力，即把AI工具嵌入现有流程，改变岗位动作和协作方式。
• 一线员工需要提升的是使用能力，能够高效完成知识检索、材料生成和辅助分析等工作。

如果所有人都只学习工具操作，最后很可能出现一种结果：大家都会一点AI，但整个组织仍然不清楚哪些核心问题真正值得用AI去解决。

结语

BCG这份报告揭示了CEO与董事会之间的认知分歧。而在国内企业中，更值得关注的是，这种来自高层的压力如何向下层层传递和落地执行。

高层的不确定感，会转化为各部门的场景征集任务。对AI替代能力的高估，会催生不切实际的项目目标。对ROI的焦虑，会演变成对token数量和试点项目数量的追求。对AI素养的重视，会变成一轮又一轮的工具使用培训。

流程负责人、数字化团队和部门管理者的核心价值，在于精准掌控AI落地的正确方向。

他们需要帮助组织判断：哪些问题真正值得用AI解决，哪些条件尚未成熟，哪些项目只是看起来积极实则价值有限，哪些场景必须先补齐流程、打好数据基础、明确责任归属。

企业进行AI转型，最容易做的是“场景征集”，最难做的是“场景识别”。

真正值得投入的AI应用场景，往往不是来自头脑风暴会，也不是写在汇报表格里。它们深藏在流程复盘的细节中，在反复出现的返工记录里，在那些需要反复解释的模糊规则中，在无人愿意接手的异常处理环节里，在客户反复抱怨的痛点里，以及在跨部门反复扯皮的责任边界上。

AI场景不是简单地“征集”来的，也不是从外部案例中找到的，而是从企业自身真实的、反复出现的流程断点中，自然生长出来的。