5月4日，BCG 发布了一份关于国外CEO与董事会针对AI转型的分歧报告，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 认为董事会高估了 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）
我认为国内外 AI 的底层焦虑是相同的，我针对报告中的发现把国内看到的诸多现象做了整理和思考，并想了些破局的方法。
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，但很多说不清楚到底要解决什么业务问题的功能，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，而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。
我们应该怎么办
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。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，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，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，我认为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。
