

ENTERPRISE AI MANAGEMENT
企业 AI 管理观察
QUOTE
企业同时能认真验证的项目数量是有限的。真正的组织能力,是把有限的业务注意力、验证资源和维护预算,留给最值得解决的任务。
AI 项目越多
企业越要主动做减法
项目组合管理比创意征集更重要。让每个项目都有负责人、证据、阶段和下一次决定日期。
文中十二个项目分流案例为方法示意,非企业实测数据
一家企业在内部征集 AI 创意,四个部门很快交来十二个提案:客服知识问答、维修工单分类、质量客诉分析、合同摘要、供应商风险提示、营销文案生成……每个提案都能找到痛点,也都能做出一段像样的演示。
三个月后,问题却不是「创意不够」,而是项目太多。业务负责人同时参加几场评审,数据团队反复整理相似资料,信息部门维护多套临时接口,管理层看到的仍是一张不断变长的试点清单。谁该继续、谁在等待、谁已经失去价值,没有人愿意明确说。
这时企业最需要的,不是再办一次创意大赛,而是建立AI 项目组合管理:把所有项目放进同一张清单,限制同时推进的数量,为每个阶段设置进入和退出条件,并在固定日期作出继续、调整、等待或停止的决定。
项目多不等于转型快。真正的组织能力,是能把有限的业务注意力、验证资源和维护预算,留给最值得解决、最有条件落地的任务。

▲ 主动关闭低价值项目,把资源集中到少数可验证任务
本文看点
01
项目多不等于转型快
02
所有用法放进同一张清单
03
四个阶段代替总分榜
04
先看值不值,再看能不能
05
公共能力单独安排
06
每次评审只做明确决定
07
十二个提案的去向
08
给组合设置容量上限
01
MORE PROJECTS ≠ FASTER TRANSFORMATION
项目多不等于转型快
很多企业用项目数量衡量 AI 转型热度。提案越多、试点越多、接入模型越多,汇报材料看起来就越充实。但从经营角度看,同时启动太多项目,往往会让每个项目都得不到足够验证。
资源是这样被稀释的:
业务专家
同时服务五个试点,只能零散参加会议
数据工程师
并行处理权限、字段和版本,只能先搭临时方案
技术团队
为赶演示复制相似流程,后来发现各部门对「有效结果」定义不一
维护能力
资料更新、接口监测、异常处理、回归测试都在被争夺
项目之间还会争夺上线后的维护能力。模型调用只是很小的一部分,正式运行还需要资料更新、接口监测、异常处理、回归测试和使用支持。如果这些成本没有进入项目选择,企业得到的会是一批能演示、不能长期负责的用法。
所以项目组合管理首先要承认一个限制:企业同时能认真验证的项目数量是有限的。这个限制不是保守,而是为了让试点真正产生决策证据。
看起来繁忙、实际无人作决定——这是项目过多最典型的状态。

▲ 多个项目同时争用业务负责人、验证资源和维护预算
02
ONE INVENTORY, EIGHT QUESTIONS
先把所有 AI 用法放进同一张清单
企业很难管理自己看不见的项目。第一步不是马上评分,而是把正式系统、部门试点、个人工具和外部供应商方案放进同一张清单。只登记已经立项的项目不够,正在小范围试用、仍以手工作业兜底的用法也应被看见。
一条可用的记录至少回答八个问题:
解决哪项任务 服务哪个对象 负责人是谁 处在哪个阶段 用哪些资料和系统 下次验证什么 下次决定日期 失败回到哪条人工路径
美国国家标准与技术研究院的 AI 风险管理框架提出,组织应按照风险优先级建立 AI 系统清单,并明确业务价值、使用情境和责任。这里的「清单」不是资产盘点表,而是管理入口。管理者要能从每条记录进入事实、证据、成本和下一步决定。
清单还要区分「项目」和「公共能力」,两者的管理方式不同:
公共能力
统一身份权限、资料版本、日志、评估工具、人工确认控件——可同时支持多条流程;藏在单个试点预算里,别的团队就会重复建设
具体项目
包装成公共平台,会掩盖它只在狭窄场景成立的事实
看不见的项目无法管理,管理不了的项目只会在暗中消耗资源。
03
FOUR STAGES, NOT A LEADERBOARD
用四个阶段管理项目,而不是排一张总分榜
把项目排成一张从第一名到第十二名的榜单,看似清楚,实际容易误导。探索中的想法和已经上线的流程,证据成熟度不同,不应该用同一套分数比较。更实用的做法,是把项目放进四个阶段:
1探索 · 把问题说清楚
找到业务负责人,确认任务值得进一步投入
2验证 · 准备样本与人工基线
在窄范围内比较质量、时间、成本与异常
3运行 · 进入正式业务
持续监测资料、权限、结果和完整成本
4退出 · 安全关闭
关闭入口、保留记录、通知使用者,把业务送回人工或替代流程
阶段之间要有门,而不是自动前进。探索阶段没有业务负责人,不能进入验证;验证结果没有超过原流程,不能因为演示效果好就上线;运行中的项目若来源长期失效、责任岗位空缺或完整成本失控,应进入复核甚至退出。
美国政府问责局的 AI 问责框架把治理、数据、性能和监测放在同一套责任结构中,并在监测部分提出评估扩大使用范围的条件。对企业而言,扩展不是默认奖励,而是一次需要证据支持的新决定。
榜单比较的是项目,阶段管理的是证据成熟度。

▲ 探索、验证、运行、退出四条通道,满足条件才能进入下一阶段
04
WORTH FIRST, FEASIBLE SECOND
先看是否值得做,再看能不能做
项目评审经常先问「技术能不能做」。模型能否识别、能否接系统、多久能做出原型,这些问题重要,却不应该排在最前面。更早的问题是:这项任务是否值得占用企业的验证容量?
建议按四个维度讨论,而不是用一个看似精确的加权总分代替判断:
维度要看什么业务价值问题出现多频繁,影响哪些客户、收入、成本或合规结果准备程度业务对象、原流程、事实来源和负责人是否明确风险与可逆性错误能否在正式动作前被发现,是否保留人工确认和停止路径完整成本除开发外,还要估算资料维护、复核、培训、监测和补救四个维度不是为了算出小数点后的排名,而是暴露关键缺口。高价值但资料混乱的项目,可以先补基础;技术容易但业务收益很低的项目,可以停止;风险较高但不可替代的任务,则需要更窄的范围和更严格的人工控制。
评审记录里最有价值的,不是「综合得分 83 分」,而是「为什么现在进入验证」「缺少什么就不能继续」「由谁在什么日期补齐」。
分数可以美化,缺口藏不住——四个维度的作用是暴露缺口,不是制造精确感。
05
SHARED CAPABILITY, SEPARATELY OWNED
公共基础能力要单独安排
当多个项目同时提出相似需求,企业不应让每个项目各自解决。例如客服问答、维修建议和合同摘要都需要资料版本、权限过滤、引用来源和使用日志。这些不是三个机器人各自的附属功能,而是可以复用的企业基础能力。
公共能力的验收对象也不同——不是某个部门是否喜欢界面,而是多个项目能否用同一套规则完成:
识别身份 调用有效资料 记录处理过程 完成回归测试 异常时统一暂停
公共能力应有独立负责人、路线和容量。这并不意味着所有项目都要等待「大平台」建设完成。企业可以围绕当前最重要的两三条流程,先实现最小共用能力,再随着真实需求扩展。关键是把复用部分明确命名,避免试点团队反复造轮子,也避免平台团队脱离业务建设一套长期无人使用的能力。
当一项提案的主要价值其实是补齐公共基础,它就不必继续伪装成独立业务项目。把它并入基础能力路线,反而更容易确定负责人和服务对象。
伪装成业务项目的公共需求,是重复建设的起点。
06
EVERY REVIEW ENDS IN A DECISION
每次评审只做明确决定
很多项目长期停留在「继续看看」,原因不是没有会议,而是会议没有产生决定。评审结束后,团队仍不知道下一周要证明什么,管理层也没有释放资源。一次有效的组合评审,至少应在四种结果中选择一种:
1继续
当前证据足够,进入下一阶段或扩大既定范围
2缩小并重做
问题仍值得解决,但需要收窄对象、补样本或调整流程
3等待条件
明确缺少负责人、资料、权限或预算,并给出复核日期——「等待」不能成为没有期限的仓库
4停止
业务价值不足、风险不可接受,或完整成本不再合理——「停止」不是删除历史
每个决定都要绑定证据、负责人和日期。企业应保留停止原因、测试结果和可复用资产,避免半年后另一个部门用新名字重复同一试点。
NIST AI 风险管理框架把继续、暂停、替代和停用都视为生命周期管理的一部分。管理者要创造一种正常的组织语言:停止一个不合适的项目,是组合管理成功,不是创新失败。
没有决定日期的「继续看看」,是对验证容量最贵的浪费。
07
A WORKED EXAMPLE
十二个提案最后去了哪里
下面用一个完全假设的设备制造企业说明这种方法。企业收到十二个 AI 提案,起初每个部门都希望马上做原型。组合清单建立后,评审团队没有给它们简单排名,而是逐项核对业务价值、准备程度、风险、成本和阶段条件。最后,十二个提案形成了四种明确去向:
去向数量具体情况进入验证3 个维修工单分类、客诉归因候选、供应商交付异常摘要——都有明确负责人、可抽样历史记录和人工确认入口留在探索4 个两个缺统一资料版本、一个没有业务负责人、一个未定义可核对输出——写下补齐条件和复核日期并入公共基础3 个资料版本管理、权限过滤、评估样本库——原提案人参与验收,建设责任转给企业级能力负责人停止2 个低频文案改写(收益不覆盖维护)、高风险承诺(无法在发送前可靠核对)——停止记录保留,注明重新评估条件这组数字只是说明方法,不是企业实测数据。它想表达的也不是「十二个项目应该砍掉几个」,而是每个提案都要形成明确去向,不能全部停在热闹的试点状态。
示意案例。重点不是砍掉几个,而是没有一个项目停留在「不知道下一步」的状态。

▲ 进入验证、补条件、并入公共基础、停止——四种去向(示意案例)
08
CAPACITY LIMITS ENABLE FOCUS
给项目组合设置容量上限
最后还要做一件看似不讨喜的事:给同时进行的项目设置上限。上限不只看技术人员数量,还要看业务负责人能投入多少时间、可用样本是否足够、评审委员会能否按期作决定,以及上线后是否有维护预算。
例如,企业可以规定同一季度只允许三条新流程进入验证。新项目要进来,就必须有一个项目完成验证、返回探索或停止。这样做会迫使组织比较机会成本,而不是把所有需求都标成高优先级。
容量上限还应覆盖公共能力。若权限、日志和评估工具已经成为多项目瓶颈,继续增加业务试点只会扩大技术债。管理层应把一部分资源从新原型转向基础能力,等瓶颈解除后再开放新的验证名额。
限制在制项目不会减少创新。相反,它缩短了从想法到明确结论的时间。少量项目获得完整样本、负责人和评审注意力,失败也能更快暴露;被停止的资源则可以转给下一项更有价值的任务。
容量上限不是限制创新,而是给每个项目完整的注意力。

▲ 等待条件、缩小范围、继续、停止——每个项目都有负责人、证据和决定日期
∞
THE END
写在最后
企业进入 AI 阶段后,不缺想法,也不缺能做出原型的工具。真正稀缺的是业务负责人的判断时间、可信样本、跨部门协调能力和上线后的维护预算。
项目组合管理,就是把这些稀缺资源放到明面上。让所有 AI 用法进入同一张清单,用探索、验证、运行和退出四个阶段管理成熟度,把公共能力从单个试点中拆出来,并在固定日期作出明确决定。
「成熟的企业 AI 管理,不是让每个提案都上线,而是能清楚回答:哪些继续,哪些等待,哪些合并,哪些停止,以及为什么。」
当每个项目都有负责人、证据、阶段和下一次决定日期,企业做的「减法」才会变成更快、更稳的转型速度。
做减法不是收缩,是把资源让给真正值得的项目
参考资料:NIST《AI Risk Management Framework Core》;NIST《Framing Risk》;GAO《Artificial Intelligence Accountability Framework》。
END
如果你觉得今天这篇有收获,欢迎 点赞、在看、转发 三连,我们下篇见。




