70%的企业AI项目以失败告终，54%的C级高管表示AI的采用不仅没有见效，反而正在对组织造成干扰。在一个将大部分资源和精力投入讨论模型架构、上下文窗口和推理成本的行业中，这些数字应该让我们停下来反思。
这些失败并没有集中在糟糕的技术选择上。它们集中在从未为AI项目构建运营和文化框架的组织中——而AI项目要在真实工作场景中存活，恰恰需要这些框架。
在构建AI项目时，应该将技术选型作为最后一个决策，而非第一个。治理、变革管理、利益相关方对齐，以及企业将如何基于清晰且有意图的使用案例来证明投资回报——这些都排在我们评估任何供应商之前。
这种排序才是那30%存活项目与70%失败项目之间的真正差异点。
变革管理是项目本身，而非其中的一个工作流
我们所做的最有影响力的决策，与供应商无关。在申请预算之前，将整个项目定义为一项变革管理倡议，而非IT部署。IT仍然负责基础设施、安全和集成——这些工作不会消失。但项目本身的治理以及对其成功与否的问责，完全归属于交付职能。
两种模式对成功的衡量标准截然不同：IT上线项目的终点是软件上线并稳定运行；而变革项目的终点是行为真正发生了改变——当员工采用了新的工作方式，并且在初始热情消退后仍然持续使用。
将AI归类到IT名下的企业，是在优化错误的终点线——当人们发现员工的工作方式从未改变时，预算周期已经过去了。
ADKAR 模型（认知Awareness、意愿 Desire、知识Knowledge、能力 Ability、强化Reinforcement）作为运营结构，甚至在投资获批之前就开始应用它。当商业计划到达签字环节时，认知已经在全组织范围内建立，相邻团队产生了兴趣，
强化（领导层的跟进、工具持续交付价值的可见证据、对早期采用者的认可）是大多数项目投入不足的阶段，也是决定采纳度能否在一年后持续而非衰退回旧习惯的关键。
量化两种回报，而非一种
构建商业计划、也推荐给任何领导者构建其计划的框架，将 ROI（投资回报率）与 ROE（员工回报率）分开：
- ROI 是损益表（P&L）的论证：避免现场状况、首次修复率、每次呼叫成本、吞吐量。这是让项目获批的依据——需要严谨、可量化，并转化为CFO能立即行动的财务语言。
- ROE 是员工体验的论证：员工净推荐值（eNPS）、离职率、能力达标时间、倦怠缓解。这是让项目在首个续约周期后继续获得资金的依据——尽管它很少出现在当月的损益表中。
大多数商业计划的错误是将两者混入同一个陈述中。混合后它们互相稀释：P&L的故事被软性指标模糊，员工的故事被压缩成财务模型脚注。
将它们分开，并针对不同受众进行排序：
- CFO想要直接的、当期成本影响
- CHRO想知道员工的变化是什么
- COO想要吞吐量和效率
- CTO想知道它如何被保障安全以及如何扩展
同一个项目，四种不同的陈述，每种围绕该利益相关方实际需要说"是"的内容来构建。
大多数组织从未提出的上线前问题
如果要在每个AI项目开始上马前设置一道关卡，请选这个：
你的组织能否用具体、可衡量的方式说清楚——那个必须使用这个系统的一线员工，其成功的样子是什么样的？
不是聚合的ROI，不是董事会叙事，而是个体的、运营层面的答案。
大多数组织无法清晰地回答这个问题，而这个缺口往往是项目上线后停滞而非上线前停滞的真正原因。
在大多数这些失败案例中，技术本身运作良好。真正缺失的是让技术持续生效的组织就绪状态——这是任何模型升级都无法弥合的缺口。
