為何你的公司需要一位CDAIO？

為了將人工智能從實驗轉化為企業的核心競爭力，組織必須設立CDAIO這一角色，并賦予其推動業務、文化和技術轉型的職責。首席執行官及其他高層管理人員務必確保CDAIO能順利履行職責，為其配備相應資源并進行組織架構設計。倘若企業渴望在人工智能時代中脫穎而出，強大的人工智能與數據領導力便不可或缺。

隨著人工智能應用的加速推進，大型組織中的人工智能與數據領導力正經歷著怎樣的變革？這些領導者的職責是否需要改變？監督人工智能與數據，究竟應被視為商業角色還是技術角色？

隨著董事會、企業領導者和技術領導者被要求利用人工智能幾乎對所有業務流程和實踐進行變革，他們愈發迫切地提出這些問題。不幸的是，這些問題并不容易回答。在我們今年早些時候發布的一項調查中，89%的受訪者表示，人工智能很可能是這一代人中最具變革性的技術。但經驗表明，企業仍在努力利用它創造價值。弄清楚如何在這個新時代發揮領導力至關重要。

在過去三十年里，我們一直密切關注數據、分析，以及如今的人工智能如何改變企業。我們經常為領先的組織提供咨詢，指導他們應如何構建高管領導力，以便從這些工具中獲取最大的商業利益。因此，基于我們的親身經歷、研究與調查數據，以及在這些組織中擔任的顧問角色，我們可以自信地說，通常由一位領導者負責數據、分析和人工智能最為合理。盡管許多組織目前有多位C級技術高管，但我們認為，角色的過度增加既無必要，最終也無效率。

我們認為，將相關職責合并為一個職位 —— 我們稱之為首席數據、分析與人工智能官（CDAIO），將最有助于組織為未來的人工智能發展做好規劃。以下是CDAIO能夠取得成功的原因。

CDAIO必須兼具

布道者與現實主義者的特質

在2008 - 2009年金融危機之前，數據和分析普遍被視為后臺職能，在企業決策中往往處于邊緣地位。這場危機敲響了警鐘，讓人們認識到可靠數據的絕對必要性，許多人認為數據的缺失是引發金融危機的一個重要因素。此后，數據和分析成為了高層管理職能。首席數據官（CDO）最初作為一個專注于風險與合規的防御性職能而設立，自成立以來的這些年里，隨著越來越多的公司將這一角色重新定位為首席數據與分析官（CDAO），其職能也在不斷演變。擴大CDAO職責范圍的組織看到了超越傳統風險與合規保障的機會，轉而專注于進攻性活動，將數據和分析作為推動業務增長的工具。

根據我們其中一人（比恩）自2012年以來每年進行的一項調查即將發布的數據，這一角色似乎再次經歷快速變化。隨著人工智能的迅速普及，53%的公司表示已任命首席人工智能官（或同等職位）、認為有必要任命，或者正在擴大CDO/CDAO的職責范圍以涵蓋人工智能。93%的受訪者表示，人工智能也促使企業更加關注數據并加大對數據的投資。

對于CDAIO及其所在的整個組織而言，這些演變階段可能會令人困惑。職責、匯報關系、工作重點和要求可能迅速變化，完成工作所需的技能也不例外。在當前情況下，對人工智能的巨大興趣促使企業大量投資于各種人工智能概念的試點項目（或許過于頻繁）。這些人工智能項目迅速增長，且往往缺乏協調，領導者被要求在整個企業范圍內協調人工智能戰略、訓練數據、治理和執行工作。

為應對這個特殊時代的挑戰，我們認為公司應將CDAIO視為兼具布道者與現實主義者特質的角色 —— 既是一位能夠激勵組織的富有遠見的故事講述者，也是一位專注于為公司創造價值項目、終止無回報項目的自律執行者，還是一位深刻理解人工智能技術格局的戰略家。

這些工作的核心，也是CDAIO取得成功的關鍵，是確保對人工智能和數據的投資能夠帶來可衡量的商業價值。這一直是這類角色常見的絆腳石。數據項目未能創造相應的商業價值，可能導致數據領導者任期短暫（更不用說對這一角色未來的質疑了）。CDAIO從一開始就需要關注商業價值。

CDAIO需要明確的職責授權

在大多數大中型企業中，數據和人工智能涉及收入、成本、產品差異化和風險。如果趨勢繼續下去，未來十年將見證人工智能系統地融入產品、流程和客戶互動中。CDAIO的職責是在管理新興風險的同時，協調實現企業價值。必須有一位具有明確商業職責授權，并與關鍵利益相關者保持密切關系的領導者，來引領這一變革。

基于我們觀察到的成功人工智能轉型案例，如今的組織必須賦予CDAIO以下職責：

1.制定人工智能戰略：

要實現任何由人工智能驅動的轉型，組織內必須有一位領導者定義公司的 “人工智能理念”，即人工智能如何創造價值，并制定相應的路線圖和投資回報率假設。該戰略需要得到高級管理團隊和董事會的認可與支持。

2.應對新型風險：

人工智能帶來了安全、隱私、知識產權和監管等風險，需要超越傳統政策的統一治理。CDAIO通常應與首席合規官或法務官合作來履行這一職責。

3.開發公司的人工智能技術棧：

工具和技術的碎片化及管理不一致會增加成本，并降低成功開發應用案例的可能性。CDAIO需具備相應權力，以落實其關于采用和開發適合組織的工具與技術的構想，打造安全的 “人工智能平臺即產品”，確保團隊能夠便捷運用。

4.確保公司數據適用于人工智能：

這對于生成式人工智能尤為關鍵，它主要使用文本和圖像等非結構化數據。近年來，大多數公司只關注結構化數值數據。非結構化數據的數據質量方法對于生成式人工智能的成功至關重要，且與結構化數據的方法有很大不同。

5.營造利于人工智能應用的文化：

手握頂尖人工智能技術的公司，未必就能成為長期的贏家。這場角逐的勝出者，會是那些構建起人工智能應用與高效利用文化，進而實現價值創造最大化的企業。在大多數情況下，CDAIO應與首席人力資源官合作實現這一目標。

6.發展內部人才與外部合作伙伴生態系統：

通過外部招聘和提升內部人才技能來建立強大的人才儲備至關重要。這需要與技術合作伙伴和學術機構建立戰略聯盟，以加速創新和實施。

7. 為公司創造顯著的投資回報率：

歸根結底，CDAIO需要優先開展與明確的財務及戰略關鍵績效指標相關的人工智能項目，以此推動可量化的業務成果，例如實現收入增長、提升運營效率以及加快創新步伐。他們猶如一座橋梁，將試驗階段與企業層面的價值創造緊密相連。

為CDAIO創造利于組織成功的條件

CDAIO被賦予的職責固然重要，但他們在組織中的定位同樣關鍵，這關系到他們能否有效履行職責。公司對于CDAIO在組織中的匯報對象采用了不同模式。有些CDAIO向IT部門匯報，而另一些則直接向首席執行官或業務部門負責人匯報。本質上，CDAIO的主要職責是通過數據、分析和人工智能推動商業價值，對收入提升和成本降低等業務成果負責。雖然實現人工智能技術賦能是這一角色的關鍵部分，但它只是CDAIO更廣泛的價值創造職責中的一個組成部分。

鑒于對商業價值創造的重視，我們認為在大多數情況下，CDAIO應更靠近業務職能部門，而非技術運營部門。早期證據表明，只有一小部分組織表示生成式人工智能對利潤表產生了積極影響，這一事實凸顯了以商業為先的人工智能領導力的必要性。雖然我們也看到過CDAIO向技術職能部門匯報并取得成功的例子，但這僅當該職能部門的領導者（通常是“超級技術型” 的首席信息官）專注于通過技術推動業務轉型時才會發生。

如今，我們看到一種持續的趨勢，即人工智能和數據領導角色向業務領導者匯報。根據今年即將發布的調查數據，42%的領先組織表示其人工智能和數據領導向業務或轉型領導匯報，33%向公司總裁或首席運營官匯報。數據、分析和人工智能已不再是后臺職能。像摩根大通這樣的領先組織已將CDAIO職能納入公司由14人組成的運營委員會。我們認為這為其他組織指明了方向。

無論CDAIO的匯報關系如何，他們的上級往往并不完全理解這個相對較新的角色以及對其的期望。為確保CDAIO角色的成功，CDAIO的上級高管應列出組織的人工智能目標和CDAIO職責清單。關鍵問題包括：

1. 我是否有一位對人工智能價值、技術、數據、風險和人才全面負責的領導者？

2. 針對業務成果，人工智能和數據路線圖是否有足夠的資金支持？

3. 我們的人工智能風險和道德防范措施是否足夠強大，以支持快速發展？

4. 我們是否至少每季度衡量一次人工智能關鍵績效指標，并根據需要進行調整？

5. 我們是否通過人工智能創造了可衡量且可持續的價值與競爭優勢？

人工智能與數據領導力的未來已至

針對早期CDO角色展開的調查，揭示出一個長期存在的難題：相關期望常常模糊不清，而且僅聚焦于基礎數據投資的任務，很難證明其投資回報率。數據與人工智能是相輔相成的資源。人工智能為彰顯數據投資的價值，提供了強有力的途徑，然而，人工智能要取得成功，離不開堅實的數據基礎——分析型人工智能依賴結構化數據，生成式人工智能則需要非結構化數據。

將數據項目與人工智能計劃相結合，能夠同時展示兩者的價值，從結構上看，這有利于設立CDAIO這一角色。數據章程涵蓋治理、平臺、質量、架構及隱私等方面，成為CDAIO職責范疇內數據與平臺板塊的構成要素。這樣做的好處包括減少交接環節、加快決策周期和明確問責。

為了將人工智能從實驗轉化為企業的核心競爭力，組織必須設立CDAIO這一角色，并賦予其推動業務、文化和技術轉型的職責。我們堅信，CDAIO不會是一個過渡性角色。首席執行官及其他高層管理人員務必確保CDAIO能順利履行職責，為其配備相應資源并進行組織架構設計，以支撐CDAIO在業務、文化及技術方面的工作。倘若企業渴望在這比所有人預想都更快降臨的人工智能時代中脫穎而出，強大的人工智能與數據領導力便不可或缺。

關鍵詞：

維平·戈帕爾（Vipin Gopal）、托馬斯·H·達文波特（Thomas H. Davenport）、蘭迪·比恩（Randy Bean）| 文

維平·戈帕爾是一位資深行業高管，長期擔任數據與人工智能領域的領導者。托馬斯·H·達文波特是巴布森學院信息技術領域的校長杰出教授。蘭迪·比恩是《快速失敗，快速學習》一書的作者，一直為財富1000強企業提供數據與人工智能領導力方面的咨詢。

周強 | 編校

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org