收益：
- 能够理解人工智能转型常常因人类和文化原因而不是技术原因而失败，并认识到阻力背后的担忧
- 能够通过引人入胜的“原因”故事、可见的领导力和拥护者网络来加速采用
- 通过指标衡量采用情况并消除障碍，能够将变革作为连续性管理，而不是一次性公告
人工智能转型的残酷现实是：策略、技术和预算都可以完美；但如果人们不拥抱改变，一切都是徒劳。研究一致表明，人工智能计划的大部分失败不是技术上的，而是人为和文化上的。在最后一个单元中，您将了解高级经理如何进行变革管理（系统地管理人们向新工作方式过渡的学科），以将人工智能转型转化为真正的采用（人们对创新的实际和持续使用）。我们的目标不是安装技术；而是安装技术。就是确保人们安全、自愿、正确地使用它。
人们为何反抗？
抵制通常不是愚蠢或固执，而是可以理解的担忧：对工作保障的恐惧（“人工智能会抢走我的工作吗？”）、能力焦虑（“我学不会这个”）、缺乏信心（“我不能相信它的输出”）以及失去意义（“为什么我们需要改变？”）。忽视这些担忧会放大阻力；公开与他们会面可以加速采用。
焦虑
根本问题
管理员回应
工作保障
我会失去工作吗？
清楚地解释如何丰富该角色
能力
我可以学这个吗？
培训、支持、安全测试区
信任
我可以相信输出吗？
教导界限、验证
含义
我为什么要改变？
令人信服地解释“为什么”
提示：不要将这种变化描述为“人工智能正在取代人类”，而是“人工智能让人们的工作变得更轻松，接管无聊的部分，让人类去做更有价值的工作。”这种对同一事实的框架用好奇心取代了恐惧。
变革管理的基本步骤
适应人工智能的经典变革模型（例如科特步骤）的本质：
- 创造紧迫感和理性。为什么是现在，为什么是我们？一个引人入胜的故事。
- 展现出可见的领导力。高层管理人员应该使用该工具本身；不是通过言辞，而是通过实例。
- 让早期成果可见。庆祝并传播小而真实的成功。
- 教育和支持。为每个人提供能力和安全的测试场。
- 创造冠军。每个团队中都包含志愿者、热情的变革倡导者。
- 使其永久化。将新行为嵌入流程、目标和文化中。
循序渐进：采用计划
1. 绘制利益相关者和关注点。谁受到影响，什么问题？
2. 给出令人信服的“原因”。构建人们语言变化的故事。
3. 以身作则，发挥领导作用。让管理员直观地使用该工具。
4. 建立教育和倡导者网络。赋权、赋权志愿先锋。
5. 测量、聆听、调整。衡量采用率、收集反馈、消除障碍。
三个迷你箱子
案例 1——忽视恐惧。一家会计师事务所吹捧其人工智能工具“提高效率”，但从未解决员工对工作保障的担忧。消息传开后，该团队悄悄破坏了该工具，采用率仍保持在 20%。管理层做出了让步，召开了一次公开会议，解释说不会解雇任何人，中间人将接管无聊的工作，让所有人都从事咨询工作。 3 个月内，采用率增至 75%。谈论恐惧是解决方案。
案例 2——领导力的例子。一家科技公司的首席执行官在准备自己的周报时公开使用了人工智能工具，并分享了他的错误（“看，他在这里犯了一个错误，我修复了它”）。这位看得见的领导传达了“如果老板在使用，那就很严重”的信息，并表明验证是正常的。采用迅速蔓延，没有任何阻力。
案例 3——冠军网络的力量。一家零售商从每家商店选出一名志愿者“AI冠军”；这些人接受了额外的培训，并被分配了一对一帮助同事的任务。向从事相同工作的朋友学习，而不是向远程培训团队学习，采用率提高了 3 倍。最有效的老师是邻桌热情的同事。
四个可复制模板
1) 利益相关者和关注点图：
您的角色：变革管理顾问。列出受该人工智能计划影响的利益相关者群体，并确定每个群体可能关心的主要问题（工作保障、能力、信任、意义）。为每个问题写下问候语。倡议：[文本]
2）“为什么”的故事：
起草一个引人入胜的“为什么是现在，为什么是我们”的故事，告诉那些致力于人工智能转变的人们。用好奇心代替恐惧；强调工具接管枯燥的工作，让人类从事更有价值的工作。更改：[文本]
3）冠军计划：
设计一个“冠军”计划，以加速团队中人工智能的采用：如何选择冠军，他们接受什么培训，他们承担什么任务，他们的动力如何？写一个简洁且可行的计划。
4）采用测量计划：
建议衡量人工智能工具采用率的指标：活跃使用率、使用频率、用户满意度、障碍反馈。对于每个指标，请写下如何收集该指标以及什么阈值将被视为“健康”。
弱提示/强提示
弱者：“我应该怎么做才能让人们使用人工智能？”
结论：一般性的“教育、沟通”建议；没有看到关注点和背景。
Strong：“我们正在一个有 150 人的呼叫中心部署人工智能支持工具。团队中对工作保障有强烈的恐惧。针对这种情况制定一个采用计划：我如何解决利益相关者的担忧，我应该告诉员工令人信服的‘为什么’故事，我如何建立冠军计划，以及我用什么指标来衡量采用情况？列出前 90 天的步骤。”
结果：一个可行的采用计划，其中包含基于背景和真正关注的故事冠军衡量。
常见错误
- 跳过人类的维度。专注于技术而忽视恐惧和担忧是失败的最常见原因。
- 不谈恐惧。当对工作保障的焦虑被抑制时，它就会以无声的破坏形式回归；明确地解决它。
- 缺乏以身作则的领导力。管理员说“你用”但自己不使用，反驳了他的消息。
- 仅来自上方的沟通。最有效的教学来自亲密的同事（冠军），而不是来自遥远的团队。
- 不衡量采用率。一个不衡量是否使用的机构是看不到障碍的。
注意：变更管理不是一次性的宣布，而是一个需要持续性的过程。人工智能可以向您建议收养计划或联系方式；但倾听人们的真正关切、建立信任和以身作则只能通过人类领导才能实现。另外，说实话：让人们为新角色做好准备既合乎道德，也更可持续，而不是隐藏人工智能实际上会取代某些角色的情况。
总之
人工智能转型常常因人类和文化原因而失败，而不是技术原因。反抗;工作保障源于对能力、信任和意义的担忧，并通过公开满足这些担忧而不是忽视这些担忧来解决。成功的变革管理会讲述一个令人信服的“为什么”，以可见的领导力以身作则，庆祝早期的胜利，教育每个人，建立一个冠军网络，并将新行为嵌入文化中。必须衡量采用情况、倾听并消除障碍。在本模块期间；从愿景到路线图，从用例优先级到投资回报率和风险、治理、道德、合规性、人才和采购，我们建立了经理需要的框架来负责任地端到端管理人工智能转型。技术是工具；战略、治理和人员领导力才是真正发挥作用的因素。
应用任务
选择一项人工智能计划，并使用模板 1 映射受影响利益相关者的担忧。 2. 起草一个引人注目的“原因”故事，使用模板告诉员工；一定要诚实地解决工作安全问题。写出冠军计划的三个步骤以及衡量采用情况的两个指标。最后，“作为领导者，我如何明显地使用这个工具？”对问题给出具体答案。
清单
- [ ] 我绘制了受影响的利益相关者及其担忧的地图。
- [ ] 我诚实地解决了工作保障问题。
- [ ] 我构建了一个引人入胜的“为什么”故事。
- [ ] 我计划以身作则。
- [ ] 我设计了一个冠军网络。
- [ ] 我确定了衡量采用率的指标。
- [ ] 我计划将这一变化作为一种连续性，而不是一次性的公告。
模块考试
1. 以下哪项是人工智能高级管理人员的真正角色？
- A) 给出方向、分配资源、划定风险限制并承担责任 ✔
- B) 亲自选择和编码模型架构和算法
- C) 将人工智能完全交给技术团队并等待结果
- D) 允许每个部门自由测试自己的工具。
说明：管理员的工作不是训练模型或编写代码；给出方向、分配资源、划定风险限制并承担责任。技术团队解决“如何”问题，经理解决“为什么、何时、限制是什么以及谁负责”问题。人工智能不是一个技术项目，而是一个业务转型问题，所有权应该在业务方。
2. 区分好的人工智能愿景和空口号的关键特征是什么？
- A) 包含最新技术的名称
- B) 取决于业务成果、可衡量且有时间范围 ✔
- C）尽可能自信和笼统
- D）与竞争对手的愿景相似
说明：良好的愿景与业务成果（而非技术）相关，是可衡量的，并且有时间范围。 “我们将成为人工智能领域的领导者”是不可估量的，并且不包括商业成果； “我们将在三年内将首次响应时间减半，并将成本降低15%”是具体的、可衡量的、有时间范围的。当您从愿景中删除“人工智能”一词时，您应该留下一个有意义的业务目标。
3、哪些维度是大多数机构在人工智能成熟度评估中突出的隐形先决条件，而不应该在薄弱时进行投资？
- A) 仅营销和品牌维度
- B) 仅硬件和办公基础设施
- C) 数据和治理 ✔
- D) 竞争对手分析和定价
描述：成熟度通过五个维度来衡量（战略、数据、技术、人才、治理）。数据和治理往往是看不见的先决条件：当数据混乱且质量差时构建昂贵的模型就像在空仓库中购买货架；如果没有治理，风险就会悄然积累。这就是为什么差距按照依赖顺序缩小，并且数据和治理通常被优先考虑。
4. 对于价值/适用性矩阵的“高价值 + 低适用性”区域中的用例，正确的方法是什么？
- A) 立即全面部署
- B）完全放弃，因为它毫无价值
- C) 在业余时间做低优先级的填充工作
- D) 规划一个大赌注并建立其先决条件，同时快速收益✔
描述：这个领域被称为“大赌注”：它具有很高的价值，但由于数据、集成或技术难度而无法立即做出。正确的方法是对其进行规划并确定其先决条件（数据基础设施、集成）；盲目投入意味着数月无价值的劳动。同时，通过“快速获胜”（高价值+高生存能力）创造动力，并为这一大赌注提供资金。
5、要证明AI试点的价值，开始之前最关键的事情是什么？
- A) 定义成功指标并衡量当前情况的基线 ✔
- B）尽可能购买最昂贵的车辆
- C）同时向全机构开放试点
- D) 试点结束后报告结果和预测
说明：基线是对改善前现状的衡量。没有基线，我们“改进”的说法就无法得到证明； “进步了多少？”在缩放决策中。问题无法回答。因此，在试点开始之前，应该定义成功的指标，并用数字来衡量当前的情况。您无法管理和捍卫无法衡量的价值。
6. 哪些成本项目在人工智能ROI计算中最常被机构忽视并导致他们认为该项目是有利可图的？
- A) 只有办公室租金和电费等一般费用
- B) 隐藏成本，例如集成、持续的人工监督和维护 ✔
- C) 仅营销和广告预算
- D) 无；许可费是唯一的实际成本
解释：机构通常只计算许可/使用费；而在人工智能中，隐性成本通常是集成、数据准备、持续的人工监控、维护和变更管理，而这些成本通常大于许可成本。当这些项目被忽略时，一个被认为“有利可图”的项目实际上可能是亏损的。此外，从效益方面来看，所节省的时间是否真正转化为价值值得质疑。
7.人工智能风险中的“模型漂移”意味着什么？为什么需要持续监控？
- A) 在物理服务器之间移动模型
- B) 模型的许可费随着时间的推移而增加
- C) 随着世界的变化，模型的性能会随着时间的推移而悄然下降 ✔
- D）模型的输出始终保持不变
解释：模型漂移是指模型随着世界的变化（新产品、新行为、新欺诈模式）而磨损，其性能悄然下降。一次有效的模型不会永远有效；这就是为什么定期性能监控至关重要。例如，面对新模式，欺诈模式可能会悄然减弱，并且在没有监控的情况下，损失呈指数级增长。
8. 在设计人工智能治理的审批流程时，正确的方法是什么？
- A）无论其风险如何，每一项人工智能计划都受到同样的严格批准
- B) 按风险等级分级审批：低风险快速，高风险严控✔
- C) 给予团队充分的自由，无需任何审批流程
- D) 将所有批准仅留给技术团队
描述：良好的治理平衡了速度、安全性和一致性。对每项工作（即使是低风险）都进行同样的严格批准会导致团队陷入影子使用状态；没有批准就会积累风险。正确的做法是按风险等级分层审批：低风险的工作要快速流程，只有高风险的工作才需要严格审查。因此，速度和控制都得以保持。
9. 关于道德与法律合规之间的关系，哪一项是正确的？
- A) 道德和法律合规是同一回事；与一者相遇的事物也会与另一者相遇。
- B) 遵守法律高于道德
- C) 遵守法律是最低要求；道德是更高的标准，并非所有合法的事情都可能是道德的✔
- D) 只有当法律留有空白时，道德才重要
描述：遵守法律是最低要求；道德是更高的境界。有些事情可能合法但不道德；例如，操纵用户行为的人工智能功能可能不会被禁止，但它是不道德的。责任机构“禁止吗？”不是“这是真的吗？”他问道。道德不能留到最后；应该从一开始就嵌入到设计中。
10. 欧盟人工智能法中系统被视为“高风险”的主要标准是什么？
- A）系统有多贵
- B) 系统有多少用户
- C) 该系统是在哪个国家开发的？
- D) 该制度直接影响人们的基本权利、安全或生活机会 ✔
描述：欧盟人工智能法建立了基于风险的逻辑。高风险系统是一种可以直接影响人们的基本权利、安全或生活机会（工作、信贷、教育、健康）的系统。风险管理、质量和公正的数据、人工监督、文档、记录保存和透明度对于这些系统至关重要。 “这个系统是否涉及影响一个人的工作、金钱、健康或自由的决策？”问题是一个很好的初步指标。
11. 为什么员工将客户个人数据粘贴到公开的外国人工智能工具中是最危险和最常见的 KVKK 违规行为之一？
- A) 只是因为它导致车辆行驶缓慢
- B) 因为这通常意味着未经授权的数据传输到国外和意外处理✔
- C) 仅因为车辆已付款
- D）实际上，它没有任何风险，是完全安全的。
解释：这种行为通常意味着“数据向国外传输”（须遵守特殊规则）和“非预期处理”（数据用于收集目的以外的目的），并且通常是在没有有效的法律依据和澄清的情况下进行的。对KVKK而言存在严重的违法和行政罚款风险；因此，可接受的使用政策和不泄露数据的企业工具至关重要。
12.“翻译者”角色是人工智能能力中最常被忽视和价值锁定的角色，其目的是什么？
- A) 仅翻译外语文件
- B) 管理服务器和数据库
- C) 成为将业务问题转化为人工智能解决方案并在业务和技术之间架起桥梁的人✔
- D) 仅向员工提供基本车辆培训
描述：人工智能翻译员（AI Translator）是将业务语言翻译成技术语言，反之亦然的人，搭建“哪个业务问题由哪个人工智能解决方案解决”的桥梁。最昂贵的失败往往不是因为缺乏专家，而是因为缺乏翻译人员：技术团队构建了完美的模型，但却针对错误的问题。机构对专家的投资过多，而对翻译和大众扫盲的投资太少；不过一般是最后两个打开该值。
13.人工智能人才“自制还是外购”决策的基本原则是什么？
- A）总是购买，因为它更便宜
- B) 构建核心差异化能力，购买标准能力 ✔
- C) 总是在里面发展，因为这样更安全
- D) 选择最受欢迎的供应商推荐的一个
描述：基本原则是：使核心能力成为组织独有的、创造竞争优势的能力；购买标准的、通用的、非差异化的功能。你的竞争对手无法用你自己的数据建立的预测模型是核心；文本摘要工具是标准配置。从长远来看，外包核心人才是在出租竞争力，并放大供应商锁定的风险。
14. 人工智能转型失败的最常见原因是什么以及最有效的应对方法是什么？
- A) 模型精度不够；解决方案是购买更大的型号
- B) 设备缺乏；解决方案是购买更多服务器
- C) 许可费用；解决办法是寻找更便宜的供应商
- D) 人类和文化复原力；解决方案是明确解决问题的变革管理 ✔
解释：大多数失败不是技术上的，而是人性和文化上的：对工作保障的恐惧、对能力的焦虑、缺乏信心和失去意义。当这些焦虑被压抑时，它们就会以无声的破坏形式回归。最有效的方法是公开解决问题，解释令人信服的“原因”，以身作则，并建立一个由亲密同事组成的冠军网络。必须衡量采用情况并消除障碍。