7种削弱IT业务价值的致命做法

大多数首席信息官已经意识到，他们的工作主要是为业务提供价值，而不是专注于系统正常运行时间和其他操作指标。每两年都会出现新的变革机会，问题在于IT部门是否能持续交付价值。

敏捷、DevOps和IT服务管理实践旨在提升交付和服务能力。每次成功部署都会提高利益相关者的期望。持续交付价值可能难以捉摸，常见问题包括管理员工流动、处理未达预期的技术合作伙伴、平衡安全优先级以及解决技术债务。

首席信息官现在面临从生成式AI中交付业务价值的压力。高管层希望看到的不仅仅是实验，还期望AI投资带来短期投资回报率和长期战略价值。

首席信息官必须警惕那些扼杀IT业务价值的做法和行为。专家们指出了其中七种：

目标大爆炸式部署

AI的炒作提高了高管对交付生成式AI能力的期望。许多高管期望实现自主运营、高级智能体AI能力和个性化的AI驱动客户旅程。

表现不佳的IT部门可能会屈服于苛刻的利益相关者。基于产品的IT部门不会承诺大爆炸式部署，而是有纪律地进行实验、优先考虑最小可行产品，并拥抱敏捷交付逐步改进的能力。

Verint全球AI创新副总裁Raj Balasundaram表示："在规划和执行数字化转型计划时，品牌应该从小规模开始，在不造成干扰的情况下扩展。主要目标应该是快速实现可衡量的成果，而不是等待多年项目。"

推广没有部署计划的AI概念验证

顶级SaaS和安全公司正在发布AI智能体来改进工作流程。首席信息官需要通过实验了解哪些能力能够交付价值，哪里需要数据质量改进，以及如何扩展推广。

不幸的是，许多IT部门没有直接与最终用户合作进行这些实验。其他部门在传达全面部署所需的敏捷计划方面沟通不足。结果可能是错失利益相关者期望或有许多概念验证无法投入生产。

AODocs创始人兼首席执行官Stéphan Donzé说："团队往往在几周内推出一个华而不实的试点项目，意外地让业务方认为AI既简单又即时。然后当他们面对现实时一切都慢下来了——没有受管理的数据管道，没有保持知识更新的计划，没有防止机密信息泄露的控制，也没有管理模型成本的策略。"

专注于部署而非采用

实现迭代部署的认可对于交付一致的业务价值是必要的，但这还不够。太多DevOps和数据科学团队在部署按计划完成并达到目标范围时就认为"工作完成了"。但这未能认识到IT的变更管理职责，特别是当AI能力能够显著重塑部门运营方式时。

Saritasa创始人兼首席执行官Nik Froehlich说："IT团队技能高超，但他们通常不是他们构建产品的最终用户，很少从实际用户那里获得足够的反馈。结果可能是功能完善但没人实际使用的解决方案。解决方法很简单：尽早并经常让最终用户参与，在每个阶段倾听他们的反馈，构建真正适合用户的解决方案。"

规定未来的工作方式

董事会期望首席信息官传达AI战略治理模型，包括概述员工应如何试验AI能力的章程。治理应该定义员工可以使用哪些AI工具，可以访问哪些数据，以及在哪里报告实验的成功、学习和失败。

首席信息官应该指派架构师、业务关系经理和分析师协作进行这些实验。但跨越灰线并规定部门工作流程可能会扼杀价值，因为IT很少精通操作目标和工作流程例外。

部署AI时加速技术债务

SaaS蔓延是许多IT部门面临的问题，特别是当部门领导选择自己的工具并培养影子IT实践时。虽然组织应该试验AI，但部署流氓AI智能体是安全和合规风险。

接受没有持续支持的一次性项目

当敏捷团队成功地将AI从想法导航到概念验证、生产部署和最终用户采用时，他们实际上只是刚开始交付业务价值。下一阶段需要收集反馈、衡量结果，并迭代改进以达到既定的成功标准。

学习时间投资不足

许多首席信息官有分配课程、参加会议和指导领导者的预算。但订阅学习计划是不够的，因为许多IT员工面临压力和时间限制，无法承诺培训。此外，员工需要时间通过实验、体验和教授新技能来发展终身学习实践。

VASS高级技术专家Michael Pytel说："高绩效团队在长期计划中包含学习，这样技能增长和创新同时发生。挑战你的技术团队每周花一小时学习，为认证通常需要的测试费用提供报销，并激励午餐学习会议，让团队成员与周围的人分享他们学到的东西。"

阅读本文的首席信息官应该认识到，我识别的许多问题归结为建立和采用强有力的治理和灵活的运营模型。此外，首席信息官必须指导他们的领导者与利益相关者合作交付业务价值，同时在治理、运营原则和协作责任方面执行不可协商的要求。

Q&A

Q1：什么是大爆炸式部署？为什么要避免这种做法？

A：大爆炸式部署是指试图一次性推出大规模AI能力，如自主运营、高级智能体AI等。应该避免因为这种做法风险高，容易失败。相反，应该采用敏捷交付方式，从小规模开始，优先考虑最小可行产品，逐步改进能力。

Q2：为什么AI概念验证项目经常无法投入生产？

A：主要原因是缺乏完整的部署计划。许多团队推出华而不实的试点项目，让业务方误以为AI简单即时，但实际面临没有受管理的数据管道、缺乏知识更新计划、没有防泄露控制等现实问题，导致项目无法从试点阶段过渡到生产环境。

Q3：IT部门应该如何平衡AI治理与员工自主实验？

A：CIO应该制定AI战略治理模型，定义员工可使用的AI工具、可访问的数据范围，并建立实验结果报告机制。但不应该过度规定部门工作流程，而应该提供安全的、受治理的AI使用途径，让员工在框架内自主实验，避免影子IT带来的风险。