AI试点项目规模化落地：成功路径与关键实践

企业正积极投身于代理式AI转型，在AI试点项目高失败率的背景下，仍执着追求生产力提升与成本节约。Boomi产品高级副总裁Mani Gill表示，那些能够在初期AI实践中学会建立信任、衡量影响、展示成果并随项目推进维持治理的企业，往往能收获更多成功。Gill与其同事、应用集成平台AI领域CTO兼创新负责人Patricia Bradby Moore，于周三在纽约举行的AWS峰会上，分享了其客户中最为成功的案例研究。

“这不仅仅是连接数据本身的问题，关键在于代理需要理解数据的含义以及如何利用这些数据。”Bradby Moore指出。

Gill强调，团队需要坚实的数据基础，并需对预期使用的AI工具进行适当导入，以逐步建立信任。他建议团队从低风险的AI用例入手测试工具，因为这样领导者更容易奠定基础、识别变化，并以此方式实现规模化扩展。

“每个人都倾向于选择看似最酷、影响最大的用例，”Gill说，“但现实是，最酷且影响最大的用例往往也最为复杂。”

在团队建立信任后，便可着手衡量影响并证明投资回报率（ROI）。尽管组织内各部门对ROI的定义可能不尽相同，但若未明确特定应用的业务影响，ROI便无从谈起。Gill表示，团队还应明确具体需要衡量的指标。

Gill补充道，不考虑风险便无法确定ROI。团队需权衡所获得的生产力提升是否值得引入的潜在风险。

识别AI价值

领导者可通过明确鼓励员工进行实验，引导采用计划走向成功。Gill指出，在组织内展示AI项目成果有助于全员了解哪些方法有效、哪些无效。他观察到，一些团队因使用AI输出而非亲自完成任务或编写代码而感到羞愧。

“我们需要扭转这种心态，明确表示：‘我们使用工具不是为了制造AI垃圾，而是为了创造AI价值’，并且我们必须能够展示这些价值。”Gill强调。

对于通过试点阶段的AI项目，Gill认为维持护栏与治理至关重要。这意味着需制定员工使用和监控输出的规则与培训，同时企业应跟踪正在运行的代理数量及其访问权限。

随着团队将用例从最简单的自动化扩展到更复杂的任务（如参与组织决策的代理式工作流），人机协同（human-in-the-loop）协议不可或缺。

“我们不仅致力于推动技术变革，也在推动流程与文化变革。”Gill总结道。