劳泰德锐评麦肯锡②：AI 不是董事会的新议程
前情提要：请先读麦肯锡原文
这篇文章不是对麦肯锡原文的摘要，也不能替代原文。
麦肯锡在《The AI Reckoning: How Boards Can Evolve（https://www.mckinsey.com/capabilities/mckinsey-technology/our-insights/the-ai-reckoning-how-boards-can-evolve）》中，提出了企业的四种AI定位，以及董事会应当采取的六项治理行动。它完整讨论了董事会为什么必须介入AI、企业应当如何明确AI定位，以及不同定位分别需要怎样的治理方式。
下面很多讨论，都是建立在麦肯锡这套框架之上的延伸。如果没有先读原文，很容易把这篇文章误解成对麦肯锡的简单反驳。
这篇文章的阅读顺序只有一个：必须先读完麦肯锡原文，再回来读这篇。中文读者可以先读麦肯锡中国发布的中文版本；没有中文版本时，可以直接阅读上面的英文官方原文。
上一篇“劳泰德锐评麦肯锡”，我谈的是：AI不是重做HR。这一次，我不准备为了“锐评”而故意唱反调。因为这篇文章的大方向没有错，而且在传统咨询机构关于AI的讨论里，甚至算得上比较先进。
它至少抓住了一个非常重要的变化：AI已经不再只是CIO、CTO或者数字化部门的问题，而是董事会必须直接面对的企业级问题。
但我认为，它还是没有把这件事情推到最后。
麦肯锡把AI当成了董事会必须增加的一项核心议程；我们在Ha7ch的企业实践中看到的则是，AI最终不会只成为董事会的新议程，而会成为公司未来的新运行系统。
这两种理解看起来只差一句话，最后会走向完全不同的企业。
一、先说结论：这是一篇值得董事会认真读的文章
麦肯锡在文章中指出，超过88%的企业已经在至少一项业务职能中使用AI，但董事会治理明显没有跟上。财富100强中，只有39%的企业披露了某种形式的董事会AI监督机制；66%的受访董事认为，自己所在的董事会缺少AI相关知识和经验；还有接近三分之一的人表示，AI甚至没有进入董事会议程。
这些数字不能被简单横向比较。员工使用过AI，不等于企业已经完成AI转型；企业没有公开披露AI专委会，也不代表内部完全没有治理。但是它们共同说明了一件事：AI在企业里的扩散速度，已经明显快于管理层和董事会理解它的速度。
很多企业的现状是，员工已经开始使用各种AI工具，业务部门已经出现大量自发试验，供应商也在不断推销新的智能体方案，但董事会仍然用传统信息化项目的方式理解这一切。管理层看到的是预算、采购、试点和ROI，一线员工感受到的却是工作边界、协作方式和岗位价值正在快速变化。
麦肯锡的价值，在于它把这个错位摆到了董事会面前。
它没有把AI治理简单写成风险、合规和伦理问题，而是要求董事会首先明确企业的AI定位，将AI与企业战略、竞争格局、业务模式和资本配置联系起来。这个起点是正确的。
如果一家企业连AI对自身意味着什么都没有形成共识，后面的预算、人才、组织、供应商和治理必然彼此冲突。业务部门会追逐短期效率，IT部门会强调统一与安全，创新部门会制造大量Demo，董事会则只能在一堆无法比较的项目之间做审批。
因此，这篇文章值得董事会认真读。它最大的意义，不是提供了一个完美答案，而是把AI从“技术部门应该研究的新工具”，提升成了“企业最高治理层必须做出的战略选择”。
二、麦肯锡说对了什么
麦肯锡首先提出，企业要从两个维度确定自己的AI定位。
第一个维度是价值来源。AI的价值主要来自优化现有业务，还是来自开拓新产品、新市场和新收入。
第二个维度是应用程度。AI只进入少数经过验证的业务场景，还是广泛嵌入整个组织。
由此形成四种典型定位：
• 内部转型：AI全面进入企业运营，成为重塑运营模式的基础能力；
• 业务开拓：AI推动新产品、新服务与业务增长，重新定义企业竞争力；
• 职能重塑：AI进入投资回报明确的特定流程，逐步提高关键职能效率；
• 稳健采用：企业等待能力和市场价值被验证后，再有选择地跟进。
这个框架对于仍在讨论“公司要不要做AI”的企业非常有用。它迫使董事会把问题从工具层提升到战略层：AI究竟只是提高效率的工具，是一批需要管理的投资项目，是新的产品能力，还是一次对业务模式和运营方式的整体重构。
我尤其认同文章对“内部转型”的描述。麦肯锡提到，当AI进入规划、供应链、维护和其他跨职能流程时，董事会不能只看单个工具的准确率，而必须理解系统之间的依赖关系、企业架构、互操作性、韧性、可观测性和可解释性。
这和Ha7ch一直强调的事情非常接近。FDE最需要理解的，不只是RAG怎么做、模型怎么调、MCP怎么接，而是AI究竟如何进入一家企业，以及这家企业要为AI准备怎样的Harness。
如果一家企业未来会广泛使用Agent，它就必须拥有自己的Context、Skills、Gateway、权限系统、审计记录和反馈机制。模型只是能力来源，企业真正需要建设的是承接、约束和积累这种能力的架构。
从这个角度看，麦肯锡已经意识到：AI转型最终会碰到企业架构，而不仅是工具采购。这是这篇文章最有价值的部分。
三、它仍然把AI理解成一组需要治理的项目
文章后半部分给出的治理方式，仍然带有非常明显的传统数字化转型色彩：建立AI项目全景图、评估试点、计算ROI、管理供应商、设置风险阈值，再把成功项目规模化推广。
这套方法没有错。企业当然需要停止没有价值的项目，也需要知道预算花到了哪里。但是这套方法隐含了一个前提，即AI仍然是一类由人操作的软件系统。
当AI开始理解业务、调用系统、分配任务并代表人执行动作后，这个前提就发生了变化。
传统软件定义的是功能权限。员工登录系统以后，可以查看某张表、修改某个字段、提交某项审批。Agent定义的则是行动权限。它不仅能够读取信息，还能够跨系统理解目标、组织步骤、调用工具并持续执行。
一名销售的Agent可能同时接触客户信息、历史报价、合同模板和回款情况；一名财务人员的Agent可能读取政策文件、历史项目材料和经营数据；一名管理者的Agent可能汇总团队进展、识别风险、安排任务并主动催办。
这时，治理对象已经不再是“某个AI项目是否上线”，而是企业内部的知情权、判断权、调用权和执行权如何被重新分配。
麦肯锡主要从董事会视角讨论哪些事项需要审议、哪些风险需要上报、哪些投资需要监督。Ha7ch更关心的是，这些治理原则如何真正进入企业的日常运行。没有系统化的权限校验、调用记录、责任归属和异常升级，再完整的AI治理政策也很容易停留在文件里。
所以，真正的分歧并不是麦肯锡重不重视AI，而是双方观察AI的层级不同。
麦肯锡主要把AI看作企业战略和投资组合的一部分；ANC进一步把AI看作企业新的运行层。
四、四种AI定位，更像一条企业演进路径
麦肯锡将业务开拓、内部转型、职能重塑和稳健采用描述为四种AI定位。这种分类适合帮助董事会建立共识，但在真实企业里，四种定位很少泾渭分明。
一家大型企业可以在核心生产环节推动内部转型，在客户服务领域进行职能重塑，在新业务部门尝试业务开拓，同时在高风险的法务和财务场景保持稳健采用。不同业务单元甚至会在同一时间处于完全不同的阶段。
对大多数传统企业而言，这四种定位与其说是固定身份，不如说是一条逐渐演进的路径。
企业通常从一个真实、具体、能够验证价值的业务点开始。这个点跑通以后，团队才有机会获得更多Context，理解人工判断和业务例外，再将一次性交付沉淀成可以反复使用的能力。只有当这些能力沿着业务流程持续扩展，企业才可能真正重构运营模式，最终开拓新的产品与收入。
这也是我们提出“劳泰德48理论”的原因。
48 小时：找到一个面里的一个点
48小时不是完成企业转型，更不是承诺两天交付一整套系统。它的作用是在真实业务现场中，找到一个足够小、价值足够清晰、能够被快速验证的切入点。
在制造企业里，这个点可能是把离职单、巡检表或车间记录从图片转成结构化数据，并让主管直接看到统计结果。在财会企业里，这个点可能是把红头文件、标书和历史项目材料转成摘要、字段与可核验的Excel结果。在车队或项目型组织里，这个点可能是让Agent读取散落的资料和沟通记录，先完成一次真实任务，而不是搭一个看起来完整却没人使用的平台。
这一阶段验证的不是“AI先进不先进”，而是原流程耗时、AI处理耗时、字段可用率、人工修正项以及业务负责人是否愿意继续使用。
48 天：把结果沉淀成企业能力
一个Demo成功，并不代表企业拥有了AI能力。真正重要的是，项目过程中获得的Context、判断规则、失败案例和人工修正，能否持续沉淀。
48天阶段需要把零散材料逐步整理成知识、Skills和可复用流程，让AI从一次性演示进入稳定工作。企业开始关注使用频率、任务量、修正率、反馈周期、Skills数量和错误是否持续下降。
许多AI试点无法规模化，并不是模型不够强，而是每一个项目都从头开始。数据没有沉淀，Context没有沉淀，人工修正没有沉淀，供应商一走，能力也跟着离开。项目做了很多，企业自身却没有变得更聪明。
48 周：重构端到端流程
当多个业务点已经形成稳定能力，AI才有条件沿着上下游流程展开。此时企业改造的对象不再是单个岗位的效率，而是跨部门的信息流、任务流、审批流和责任结构。
用麦肯锡的语言来说，48小时接近职能重塑的起点，48天逐渐进入内部转型，48周才有机会走向真正的业务开拓。
因此，企业没有必要急着给自己贴上某一种AI定位。更重要的是明确当前阶段、下一阶段需要积累的能力，以及如何避免每次试点结束后一切归零。
五、董事会真正要治理的，是Agent的行动权
麦肯锡提出了六项关键行动：明确AI定位、划分监督职责、制度化治理框架、增加与一线负责人的沟通、把投资与业务价值挂钩，以及提升董事会AI素养。
这些建议都成立，但Agent时代还需要补上一层更具体的治理机制。
第一层是Context治理。
企业的会议、客户交流、操作记录、业务文档和员工经验，不能因为“要训练AI”就默认全部开放。企业需要明确哪些Context属于组织资产，哪些只能由特定角色访问，哪些可以进入外部模型，哪些必须留在境内、本地或专属环境中。
第二层是Skills治理。
当一套业务经验被封装为Skill，它就从个人工作方法变成了可以被组织反复执行的规则。企业必须明确谁可以创建、审核、发布、修改和下线Skills，并保留版本与变更记录。
第三层是Agent权限治理。
企业不能只设置“允许使用AI”或“不允许使用AI”。权限必须细化到Agent能够读取哪些信息、调用哪些系统、执行多大金额或风险等级的动作，以及在哪些节点必须经过人工批准。
第四层是责任治理。
每一项关键AI流程都需要明确的Owner和DRI。董事会负责确定治理边界，管理层对经营结果负责，业务Owner对业务价值负责，DRI对具体推进和落地负责。AI可以承担工作，但不能成为责任消失的借口。
第五层是异常与升级治理。
高风险调用、越权行为、敏感数据泄露、输出质量骤降和大规模错误，必须触发明确的停止、回滚和上报机制。治理不应只在年度审查时发生，而应嵌入Agent每一次真实行动。
这也是ANC需要权限系统的原因。治理不是挂在墙上的AI伦理声明，而是系统在每次检索、调用、执行和发布时真正实施的约束。
六、企业需要的不是更多AI工具，而是一套AI运行层
如果把AI看成项目，企业最自然的做法就是不断采购工具。销售有销售AI，财务有财务AI，人力资源有HR AI，知识库、智能客服、会议纪要和数据分析分别由不同供应商提供。
短期看，这种方式上线快、责任清晰。长期看，企业很容易形成新的碎片化：每个工具都拥有一部分数据，每个供应商都封装一部分业务逻辑，每个部门都重新维护一套知识，员工则在越来越多的AI入口之间切换。
ANC希望补上的，是工具之下的一套企业AI运行层：
• Token或模型提供基础智能；
• Harness负责理解任务、组织步骤和调用能力；
• Gateway连接飞书、钉钉、桌面端或员工自己的Agent；
• Context保存企业知识、现场信息和组织记忆；
• Skills沉淀可以复用的业务能力；
• 权限与审计约束Agent可以看什么、做什么、代表谁行动；
• 反馈机制把每一次人工修正重新写回组织能力。
这套运行层不要求企业把所有系统推倒重来，也不要求所有能力都由自己研发。它真正解决的是企业能否保有自己的Context、流程、权限和业务判断，并在模型与供应商不断变化时维持战略主动权。
在这个框架下，采购和自研不再是非此即彼。企业可以采购模型、工具和行业能力，但最关键的业务Context、Skills、权限边界与责任结构必须由企业自己掌握。
七、只看ROI，会低估真正的组织变化
麦肯锡建议董事会关注AI项目ROI、AI赋能业务占比、人工干预率、系统韧性、员工再培训和合规情况。这些指标当然应该看，但它们主要反映项目有没有创造可见收益。
AI-native转型还需要另外三组指标。
第一组是能力积累指标，包括一个业务问题从被发现到形成可用AI能力需要多长时间，一线反馈转化为Skill需要多长时间，同一项能力能否跨部门复用，人工修正能否降低下一次执行的错误率。
第二组是治理指标，包括关键流程是否明确了Owner和DRI，Agent权限是否可追踪，高风险行为是否存在人工确认，异常是否可以回滚，核心Context是否具备清晰的数据边界。
第三组是组织结构指标，包括AI是否减少了重复汇报与人工协调，决策是否更接近真实业务现场，管理跨度是否扩大，原本依赖中层转发的信息是否能够在受控条件下直接到达决策者。
传统ROI衡量的是一个项目有没有赚钱或者省钱；这些指标衡量的是企业有没有形成持续进化的能力。
前者决定项目是否继续，后者决定公司未来是否仍然具备竞争力。
八、董事会不能只要求别人转型
麦肯锡的题目是“董事会如何自我进化”，但正文的大部分内容仍然聚焦董事会如何监督管理层、审查项目和追踪风险。
更进一步的问题在于，当AI改变企业的信息流与决策结构时，董事会、管理层和中层自身也会进入改造范围。
过去，董事会了解企业依赖管理层汇报，管理层了解一线依赖层层汇总。中层的重要功能之一，是收集信息、协调资源、监督进度和向上汇报。这样的组织结构，很大程度上是在解决信息稀缺、信息延迟和协作成本高的问题。
当企业逐渐拥有持续更新的Context、可追踪的任务系统和能够理解业务状态的Agent以后，很多信息不必再经过五层PPT才能到达决策者，很多协调也不必依靠人肉传话。
这不意味着所有企业都应该立即取消中层，也不意味着董事会可以绕过管理团队直接指挥一线。它意味着，原来因为信息不透明和协调成本而形成的管理结构，需要重新接受价值检验。
真正创造判断、承担责任、培养人才和处理复杂冲突的管理者，价值会进一步上升。只负责转发信息、追踪进度、制作汇报和维持流程的岗位，则会被Agent显著压缩。
如果董事会只要求员工学习AI、业务部门提交AI项目，却默认现有管理层级、审批关系和权力结构一律不动，这不叫AI转型，只是在旧公司里增加了一批AI工具。
AI改写规则，意味着没有任何岗位天然处于规则之外，包括董事会自己。
结语：麦肯锡回答了为什么，Ha7ch更关心怎么做
整体来说，我认可这篇文章大约70%的判断。
它正确地把AI从技术部门的工具问题，提升成董事会层面的战略、治理与资本配置问题；它也看到了企业架构、跨职能流程和业务价值的重要性。对于仍然把AI理解成聊天机器人、知识库和办公插件的企业，这篇文章非常值得读。
但它主要停留在治理原则和项目组合层面，没有继续进入企业AI运行架构、Agent权限、组织责任和管理结构重构。
这恰好是Ha7ch与ANC希望继续回答的问题。
麦肯锡告诉董事会，为什么必须开始治理AI。
Ha7ch更关心的是，AI进入企业以后，Context如何沉淀，Skills如何生长，Agent如何获得权限，Owner与DRI如何承担责任，一家公司又如何从一个真实业务点出发，在48小时、48天和48周里逐渐变成真正的AI Native Company。
所以，我们不是要反对麦肯锡，而是沿着它的结论再往前走一步。
AI不是董事会每个季度新增的一页PPT，也不只是年度战略会上的一个新议题。
它最终会成为企业的新运行系统。
而董事会真正的自我进化，是意识到自己不只要治理这套系统，也身处这套系统的改造之中。