今天，我们从结果出发——探讨精通AI的CIO所必备的七种关键行为。这些行为源于我与两位CIO和四位AI思想领袖的交流。

精通AI的CIO会做到以下几点：

• 确保每个AI项目都与长期业务战略和目标保持一致。

• 以明确的目标和强大的组织信任推动各项举措。

• 了解如何将AI融入企业的愿景和文化中。

• 认识到数据是生成的，而不仅仅是收集的，并探究其质量、来源和潜在偏差。

• 旨在增强人类能力，而不仅仅是削减劳动力成本。

• 帮助组织掌握AI基础知识，了解AI的潜力。

• 持续学习，并向专家请教以获取见解。

CIO和AI思想领袖共同揭示了在AI时代有效领导所需的条件。

让我们听听专家们的看法。

哪些技能和领导品质能定义一位精通AI的CIO?

Sibelco集团CIO Pedro Martinez Puig：

“CIO在采用AI方面已经具备了关键优势：将技术与业务战略保持一致的能力、管理复杂企业架构的能力以及实施强大的数据治理的能力。这些技能为AI所需的基础奠定了基石——干净的数据、安全的基础设施和明确的投资回报率准则。

“然而，在AI时代担任领导角色需要更多。CIO必须培养实用的AI素养，以便做出明智的决策，倡导道德和负责任的AI，并培养敏捷和实验的文化。

“这需要从漫长的转型周期转向快速原型设计，同时管理诸如偏差和模型漂移等新风险。那些将战略眼光与这些新兴能力相结合的人，将把AI从流行语转变为可持续竞争优势的源泉。”

北卡罗来纳州卡里市CIO Nicole Coughlin：

“同理心、沟通和变革领导力——这些是我们一直珍视的软技能，也是目前最重要的技能。AI的采用不仅仅是一次技术转变;它也是一次人员和文化的旅程。CIO必须成为翻译者，将政策、数据、伦理和技术之间的点连接起来。那些能够简化复杂性、跨部门建立信任并以透明度领导的CIO，将帮助他们的企业自信且目标明确地度过这一时刻。

“我们需要保持好奇心，提出更好的问题，并对不确定性感到自在。AI不是一个有终点的项目，它是一种不断发展的能力，我们必须随之发展。”

CIO如何将AI投资与业务价值和数据卓越性保持一致?

New Vantage Partners公司创始人、作家、演讲者Randy Bean：

“技术只是另一种工具，所有CIO都必须认识到，对AI和数据的任何和所有投资都必须带来可衡量的业务价值，如改善客户体验和满意度、提高运营效率以及/或者提高收入和利润增长。

“业务和技术领导者必须了解他们可以在何处以及如何最有效和高效地部署AI和数据以实现这些业务成果。如果没有从AI和数据投资中获得可衡量的收益，CIO将面临不可避免的问责要求，并因此产生强烈反对。”

波尔图大学商学院教授Pedro Amorim：

“根据我的经验，许多AI项目之所以停滞不前，是因为它们以传统的信息技术思维来领导。首先，AI需要被视为一种与损益表结果挂钩的业务能力，而不是一种工具推广。

“我喜欢将其视为一个双速模型：AI是短跑，数据是马拉松。AI工作应该贴近业务且垂直，并快速实现价值。数据工作应该全面且持久，因为它是让其他一切得以扩展的平台。

“我还鼓励CIO围绕产品而非项目来组织——拥有端到端用例的跨职能团队——并坚持不懈地衡量影响。如果一个用例无法在一组少量的结果KPI上显示出进展，那么你要么迅速修复它，要么停止并重新分配资源。”

Snowflake公司数据工程产品副总裁Chris Child：

“对于CIO来说，最关键的一点是，强大的数据基础不是可选的——它是AI成功的关键。AI使得构建原型变得容易，但除非你将数据集中在一个地方，保持更新、安全且治理良好，否则你将难以将这些原型投入生产。为企业数据做好AI准备并奠定基础的是数据工程，那些仍然将数据工程视为后台职能的CIO已经落后了五年，而且可能正在培养未来的竞争对手。

“在这个新时代，我们看到AI的成功与数据卓越性密不可分。聪明的CIO将他们的数据工程师视为转型的战略推动者，而非支持人员。他们更注重构建AI就绪的数据生态系统，该系统统一结构化和非结构化数据、实施治理并支持实时智能，而非部署孤立的AI模型。”

SAP美洲首席AI官Jared Coyle：

“你的数据永远不会完美。而且也不必完美。它需要能够反映你公司的实际情况，但如果你首先使用AI来改善用户体验，那么你的数据将会变得更好，然后人们会更多地使用你的系统，并按照预期的方式使用，从而生成更好的数据，这些更好的数据将促成更好的AI，良性循环就此开始，但它始于等式中的人性化方面，而非技术方面。”

掌握AI基础知识：三个AI领域

CIO不需要像用Python编程或调整神经网络这样的深度技术掌握能力——但他们必须了解AI基础知识，这包括掌握核心AI原则、机器学习概念、统计建模和伦理影响。

掌握始于CIO将AI视为一系列自动化不同事物的技术。有了这种基础性的流利度，他们就能提出正确的问题，有效地解读见解，并做出明智的战略决策。让我们来看看三个AI领域。

分析型AI

分析型AI包括数据科学、统计学、建模、机器学习和神经网络。它专注于分析结构化数据以识别模式并做出预测。其核心优势在于预测建模——根据历史数据预测结果。根据Dresner咨询服务公司2025年的研究，常见用例包括：

• 预测性维护。

• 需求预测。

• 客户细分。

• 欺诈检测。

• 质量保证和风险管理。

生成式AI

相比之下，生成式AI已经彻底改变了组织分析非结构化数据的方式。它可以通过从现有信息中学习模式和结构来创建新内容——如文本、图像、音频、视频，它擅长处理非结构化数据并生成相关输出。CIO应该了解的关键组件包括以下各项的作用和功能：

• 向量数据库。

• 大语言模型。

• 像ChatGPT这样的专业化大语言模型。

这些技术共同作用，生成与上下文相关、智能的输出。根据Dresner 2025年的研究，推动生成式AI采用的主要因素包括：

• 提高生产力和效率。

• 改善客户体验和个性化。

• 更好的搜索和决策制定。

• 增强创造力。

• 市场拓展。

要更好地了解生成式AI如何改变业务和管理，请参阅Elisa Farri和Gabriele Rosani所著的《哈佛商业评论管理者生成式AI指南》。

自主式AI

自主式AI代表了AI进化的下一阶段。自主式AI将生成式和分析型AI与低代码工作流自动化相结合，使自主智能体能够在极少人工干预的情况下行动、决策和适应。

在此模型中，分析型AI为这些智能体提供最优结果。自主式AI超越了生成响应——它执行任务并交付结果，它建立在劳动力/智能体编排平台之上，创建数字智能体和数据驱动的工作流。

根据Dresner的研究，自主式AI的成功与商业智能(BI)成熟度和工业化、分析型AI的采用以及强大的数据领导力密切相关。AI体的关键目标包括：

• 改善客户体验和个性化。

• 增强决策制定。

• 提高生产力和效率。

• 市场拓展。

值得注意的是，商业智能预算较紧的组织往往更注重提高生产力和效率，而非广泛的创新。相比之下，数据成熟度更高的组织则采取更广泛的视角，利用自主式AI推动真正的业务转型。

以下示例展示了自主式AI如何实现切实转型。

珠宝零售商潘多拉正在使用自主式AI层，使在线购物与进店购物一样个性化和引人入胜，其虚拟购物助手Gemma通过了解场合、收件人和预算，帮助顾客找到完美的珠宝。例如，当一位为母亲寻找礼物的购物者提到她喜欢芭蕾舞时，Gemma会推荐受舞蹈启发的珠宝——分享故事和细节，就像店内店员一样。其结果是一种有指导性、个性化的体验，让人感觉贴心且周到。

结束语

CIO深刻理解业务转型以及推动有意义变革所需的条件，现在是CIO成长并成为精通AI的领导者的时候了。通过了解AI的一系列技术，并知道如何将它们应用于实际业务问题，CIO在引领组织迈向未来方面具有独特的优势。

文章来自：51CTO