从战略与用例，到受治理约束的全组织落地执行

业务价值优先。治理自始内建。技术与采纳同步设计。

今天多数组织已经不再追问人工智能是否重要。它们追问的是：为什么一年的试点只留下了极少真正进入日常运营的成果——以及要改变什么，结果才会不同。

差别很少出在模型上。差别在于：人工智能被嫁接到一条无人简化过的流程上，依赖的是无人负责的数据，运行在支撑不住它的架构里，而谁来决策、谁来运维、结果出错时谁来担责，都没有共识。与此同时，本可以让这件事成立的数字化举措，却散落在别的部门、别的路线图上，争夺同一笔预算。

AI 与数字化转型要做的，是把上述一切整合为一个受治理的组合：清晰的目标、经过优先排序的变革集合、能够支撑它们的架构与数据基础、自始内建而非事后加装的治理，以及把成果送进生产并让它持续运行的执行能力。在这个组合里，人工智能是加速器，而不是终点。

为什么今天不一样

转型曾经是线性的：先战略，再流程，再上系统，最后培训。这一顺序已不再成立，因为各个环节如今持续互为前提。一个 AI 用例受限于实际存在的数据，数据受限于产生它的应用，应用受限于架构，而这一切又受限于组织真正能够治理与采纳的边界。

因此，一次可信的转型必须把通常被分开管理的若干领域连起来：

  • 战略，以及组织真正需要负责的业务结果。
  • 流程，以及它按当前形态是否值得被自动化。
  • 运营模式：谁拥有什么，谁来决策。
  • 数据——可获得性、质量、归属与使用权。
  • 应用版图，以及它能够支撑与不能支撑的部分。
  • 人工智能与自动化，作为一种能力，而不是一批项目。
  • 架构、集成与技术负债。
  • 网络安全、风险与监管暴露。
  • 人：角色、技能、采纳与信任。
  • 交付：成果如何真正上线，并在上线后持续得到支持。

由此得出的结论很朴素：人工智能嫁接不到一条有缺陷的流程或一套不合适的架构之上；而一份无法执行的路线图并不是路线图。真正的工作，是把业务结果、可执行的技术，以及让两者落地的组织变革绑在一起。

确定转型议题

在任何组合能够被优先排序之前，组织需要一幅关于自身现状的诚实图景，以及一份关于目标状态的明确表述。这项工作本身并不冗长，而它通常正是被跳过的那一步。

  • 战略与业务目标，表述为结果，而不是举措。
  • 转型目标，以及组织真正愿意走多远。
  • 覆盖流程、数据、应用与架构的现状评估。
  • 问题与机会图谱，锚定在业务方已经掌握的认知上。
  • 管理层的优先事项，以及它们真正相互冲突之处。
  • 客户与员工的端到端旅程，而不是按部门切分。
  • 运行约束：监管的、合同的、技术的与人的。
  • 投资优先级与切实可行的资金范围。
  • 转型组合：纳入什么、排除什么、哪些推后排序。
  • 举措之间的依赖关系——多数路线图在此悄然失败。
  • 以决策点而非交付日期为骨架的路线图。

有一点值得直说，尽管它不好卖：并非每条流程都需要人工智能。有些需要被简化，有些应当退役，有些只是需要更好的集成。一份无法对某个用例说“不”的转型议题，并不是议题。

AI 机会与用例组合

AI 机会容易生成，难在取舍。纪律在于：用同样的三个维度——业务价值、可行性、风险——衡量每一个候选，并接受淘汰那些不达标的。

  • 机会识别，与业务方共同完成，而不是向其宣讲。
  • 用例表述为一项决策、一项活动或一处瓶颈，而不是一项技术。
  • 与问题相匹配的 AI 形态：分析式、生成式，或智能自动化。
  • 一个价值假设，明确谁受益、以及如何能被观察到。
  • 以今天真实存在的数据与系统为前提的可行性判断。
  • 数据的可获得性、质量与许可用途。
  • 流程成熟度——它是否稳定到足以被自动化。
  • 技术约束，包括真实的集成与时延。
  • 风险，包括“自信地给出错误结果”的后果。
  • 监管影响，以及需要确认适用性的环节。
  • 人工监督：谁在什么节点核查什么。
  • 在组合层面排序，而不是逐个用例排序。
  • 试点与概念验证的标准，开工前先行约定。
  • 生产就绪标准，它与试点成功并非同一回事。
  • 每个试点结束时明确做出扩大、重做或停止的决定。

VODIS 不发布 AI 用例的预期收益率，并且认为：凡是未基于本组织自身数据给出的收益数字，属于营销而非分析。价值假设归业务方所有；我们要做的是让它可被验证。

数字化业务与流程重构

一次不触碰流程的转型，通常只会产出同一个问题的更快版本。VODIS 采用的顺序是有意为之的，通常也不接受讨价还价：

  • 先简化——去掉因历史原因存在的步骤、交接与例外。
  • 再自动化——当这条流程确实值得以机器速度重复执行时。
  • 然后在真正产生价值处引入人工智能：判断、语言、模式、规模。

覆盖范围包括客户与员工旅程、流程简化与重构、数字化工作流、智能自动化、决策支持、自助服务、API 与集成设计、工作流与 BPM 平台、文档与数据流，以及在流程确实支持的前提下的端到端处理。

当重心本身就是自动化、而非整体转型时，对应的是流程自动化；本页在此链接过去，而不重复其内容。

数据与 AI 基础

多数所谓的“AI 失望”，其实是换了名字的数据失望。根本问题不是采购哪个平台，而是：组织能否找到、信任、治理并复用其决策所依赖的信息。

  • 数据可获得性——某个用例所需的数据是否根本就不存在。
  • 数据质量，以及质量下降时的问责归属。
  • 数据归属与管理责任，要被指名，而不是被默认。
  • 参考数据与主数据，以及缺失它们的代价。
  • 产生数据的系统与消费数据的系统之间的集成。
  • 分析与报表，以及它们今天是否真被信任。
  • 知识来源，包括通常被低度利用的非结构化材料。
  • 在 AI 依赖内部知识的场景下的检索与召回模式。
  • 组织的数据平台，按本组织规模而不是按市场叙事来设计。
  • 模型与数据的生命周期——版本化、替换、退役。
  • 访问控制，以及“可读取”与“可使用”之间的区别。
  • 隐私，以及每一种使用的法律依据。
  • 可观测性，使故障在被用户报告之前就可见。
  • 可追溯性，适用于需要解释或抗辩决策的场景。
  • 信息留存与保护，包括哪些内容本不该被留存。

VODIS 从事实施与集成工作。VODIS 不构建、不拥有基础模型，也不把第三方的能力呈现为自己的能力。

技术与架构

架构是目标与现有版图承载力相遇的地方。有用的问题是具体而收敛的：

  • 企业架构，以及路线图所指向的目标形态。
  • 应用版图，包括重叠部分与无人负责的部分。
  • 遗留系统与核心系统的约束，坦率说明，而不是一再推迟。
  • 云、本地、私有与本地化部署选项，以及各自真正成立的场合。
  • 集成与 API 架构，它通常决定了什么是可能的。
  • AI 平台与服务，以及各自带来的依赖。
  • 版图中已经存在的工作流与自动化平台。
  • 安全架构，自始设计，而不是事后检查。
  • 身份与访问，包括非人类身份。
  • 监控、韧性，以及其背后的恢复预期。
  • 供应商与平台选型，评判标准事先约定。
  • 自建还是采购，按每项能力分别判断，而不是作为一条政策。
  • 技术负债，包括本次转型即将新增的那一部分。

四个相邻服务承担纵深，这里给出链接而非摘要：核心业务应用、遗留核心系统现代化、产品创新与应用开发，以及基础设施与应用管理。

AI 治理、风险与负责任的采纳

治理是本页的一条工作线，而不是本页的全部。它出现在这里，是因为：一个无法说清自己在运行哪些 AI、由谁负责、以及出错时会发生什么的转型组合，最终会被别人叫停。

  • 一份 AI 清单——包括随供应商更新而进入组织的部分。
  • 每个系统的归属与问责，要指名到人。
  • 人们真正能够遵循的可接受使用原则。
  • 风险分级，与后果严重程度相称。
  • 人工监督，按使用场景定义，而不是作为一句原则。
  • 模型与供应商风险，包括依赖程度与变更预告。
  • 数据保护与隐私义务。
  • 网络安全，包括人工智能引入的新攻击面。
  • 第三方风险与供应链风险。
  • 可测试的控制措施，而不是宣示性的。
  • 对生产环境中行为与漂移的监控。
  • 事件处置，以及已经演练过的升级路径。
  • 足以回应监管机构或客户问询的文档。
  • AI 素养，使监督是知情的，而不是名义上的。

在监管确有关联时——例如欧盟人工智能法案，以及针对特定行业的 DORA 或 NIS2——第一项任务是依据现行官方文本与指南，确认它们是否以及如何适用于本组织与这些系统。适用性、时限与义务会因角色、行业与风险分级而不同，并且仍在持续明确之中。VODIS 不是律师事务所，不提供法律意见；它与贵方的法务与合规职能并肩工作，而不是取而代之，也不作出概括性的合规声明。

对应的专项能力是AI 采纳与治理。本页有意链接过去，而不复制其内容。

目标运营模式

转型并不在某个模型进入生产时结束。它在组织能够运维、修改并为自己所建之物负责时才结束——这属于运营模式，而不是技术。

  • 治理：哪些机制决定什么，以及决策有多快。
  • 角色，包括那些尚不存在的角色。
  • 决策权，尤其是在业务与技术意见不一致之处。
  • 产品与流程的归属，并且能在一次组织调整后存续。
  • 业务与技术的协作，作为工作方式，而不是一句价值观。
  • AI 与数据的归属，包括其背后的模型与数据。
  • 架构治理，与变化速度相称。
  • 安全与风险的介入时点，早到足以起作用。
  • 采购策略，以及内部能力与外部能力的平衡。
  • 在不断扩大的平台版图上的供应商管理。
  • 交付模式，以及对产出节奏的问责。
  • 进入生产之后的支持与运维模式。
  • 一套技能模型，说明人们需要能够做什么。

转型办公室与执行

多数转型项目在这里决定成败，而这里也是 VODIS 最有用的地方。难点很少在某一门学科之内：难点在于把战略、业务变革、架构、数据、人工智能、风险、安全、供应商与交付同时握住，而不丢掉业务论证。

典型覆盖范围：

  • 转型治理，以及相应的决策机制。
  • 项目启动与动员。
  • 一份整合的路线图，而不是多份并行的路线图。
  • 跨工作线与跨供应商的依赖管理。
  • 设计与架构权威。
  • 工作线协调，包括那些不太显眼的工作线。
  • 当多家供应商必须共同交付时的供应商协调。
  • 风险与问题管理，并具备真实的升级机制。
  • 面向管理层与董事会的报告，对进展保持诚实。
  • 对已经失去动能的项目进行交付挽救。
  • 实施监督，直至移交运维。

这里独特的要求是：能够在同一天里既出现在执行委员会上，也出现在技术设计评审里，并且在两者中都有用。

人、采纳与 AI 素养

采纳不是项目收尾时的一次沟通动作。如果人们不信任某个系统、不了解它的边界，或者在它改变自己的工作时从未被征询，他们就会绕开它——业务论证也随之一同离场。

  • 管理层共识，包括对“有意不做什么”的共识。
  • 对人的影响，尽早评估并公开讨论。
  • 在工作确实发生变化之处重新设计角色。
  • 按群体而非按系统制定采纳计划。
  • 经得起质疑的沟通。
  • 与工作中真实变化挂钩的培训。
  • AI 素养，使监督与升级具有实际意义。
  • 使用指引，说明什么可以、什么不可以。
  • 在确有意愿之处建立社群与推动者。
  • 向将与方案长期共处的团队完成运维移交。

在需要结构化能力建设时，AI 与技术培训是对应的专项服务。

价值实现与规模化

规模化是一个决定，而不是一股势头。它依据的是组织在试点开始之前就同意收集的证据。

  • 事先写下的、经过约定的目标结果。
  • 一个基线值，没有它连变化本身都观察不到。
  • 业务方已经认可的指标与价值度量。
  • 试点退出标准，事先定义。
  • 采纳度，经过测量，而不是假定。
  • 在真实负载与真实例外下的运营表现。
  • 控制有效性，包括针对人工智能引入的风险。
  • 成本与复杂度，包括版图现在必须承载的部分。
  • 跨组合的评审，而不是逐个举措的评审。
  • 明确做出扩大、重做或停止的决定，并且“停止”始终是真实选项。

VODIS 不发布参考节省额，也不承诺收益率。VODIS 做的是让测量足够诚实，以便组织自行作出判断。

一个务实的转型模式

转型委托在商业上失败，往往是因为第一步的承诺大到无法论证、又模糊到无法评估。因此 VODIS 通过四项模块化服务开展工作，每一项都可以单独签约。

1. AI 与数字化转型蓝图 —— 一项范围明确的高管级委托，其规模设计成让 CIO、COO 或董事会层面的赞助人可以在承诺一个大型项目之前先行承诺。交付物包括现状评估、经过表述的转型目标、机会与问题图谱、AI 与数字化用例组合、运营模式影响、架构原则、数据成熟度视图、治理与风险视图、经过排序的路线图、投资与依赖视图，以及转型治理的设计。

2. AI 机会与价值组合 —— 一份用例清单，附带业务价值假设、可行性与风险评估、优先排序、试点候选、扩大与停止标准、数据与技术依赖、治理分级，以及一份组合路线图。价值假设归组织所有；其中任何一项都不会被呈现为已确立的财务收益。

3. 转型办公室与项目执行 —— 面向需要高级别协调、而不是再多一份报告的组织：动员、路线图、治理、工作线与供应商协调、架构、业务与流程变革、人工智能与数据、技术、风险与安全、面向管理层的报告，以及在项目已陷入困难时的交付挽救。

4. 采纳、规模化与运营模式 —— 用于从试点与项目走向可重复的全组织能力：运营模式、治理、AI 与数据角色、控制措施、支持、培训、AI 素养、规模化模式、运营化、组合评审与持续改进。

它与 VODIS 其他服务的关系

本页是编排层。下列专项服务承担纵深，各自有独立页面：

当一次转型需要的是一段时期内的在线高级产能、而不是一份咨询委托时，VODIS 也提供临时或部分工时的领导角色；这件事直接面谈，目前没有单独页面。

这一方法背后的经验

这一方法源自 VODIS 创始人在此前的高管与管理岗位上，在金融服务业以及技术密集型组织中所领导或协调的转型项目。

那些经验涵盖大规模数字化与技术转型、企业平台与核心系统转型、运营模式与组织变革、项目治理与挽救、流程数字化与转型、基础设施与韧性，以及并购后的整合工作。

两点说明，因为它们比那句主张本身更重要。那些工作是在此前的岗位上完成的；VODIS 是今天提供这一方法的载体，并不把那些项目呈现为自身的交付历史。而当代的 AI 能力在此被描述为一项当下的能力——它不会被回溯安放到早于它的历史项目中。

VODIS 如何与您协作

VODIS 是一家精品型实践机构，委托形态随问题而定，而不是套用某种人员配置模型。根据需要，VODIS 可以担任：

  • 为 CIO、COO、总经理或董事会赞助人提供的高管顾问。
  • 把目标与可执行设计连起来的转型架构师。
  • 跨工作线与跨供应商的项目集成者。
  • 转型办公室或 PMO 的负责人。
  • 业务与技术之间的双向翻译者。
  • AI 与数字化治理的协调者。
  • 内部团队与供应商之间的架构协调者。
  • 供应商评估与选型的支持者。
  • 临时或部分工时的转型负责人。
  • 为本次委托组建并协调一支专家团队的人。

资深专家与交付伙伴按委托需要组建。VODIS 不维持一支庞大的常设顾问团队，也不以此作为方案提出。

一个合理的起点

最有用的第一次交谈范围很窄：组织在未来十二到十八个月需要负责的结果、已经在进行的举措，以及哪些 AI 或数字化工作卡在“有希望的试点”与“真正可运营”之间。

从那里通常就能较快判断：一份范围明确的蓝图是否值得投入、它会对组织提出什么要求，以及要让由此产生的路线图经得起交付的检验，需要有哪些前提成立。

探讨贵组织的 AI 与数字化转型优先事项