AI让项目管理更复杂，CIO该如何应对？

生成式 AI 正在将企业项目转变为分布式工作流，其形态与传统项目大相径庭。对此，CIO们正迫切寻找新的方式来追踪、治理和审批工作，以防风险蔓延和管理碎片化。

问题从一开始就已显现。Eisner Advisory Group的AI咨询服务总监Jen Clark表示，与传统项目不同，AI项目不一定从IT部门发起。”它们往往在业务部门内部就启动了，因为某个人发现或构建了一个能解决问题的工具。”这让CIO从第一天起就缺乏清晰的可见性。更糟糕的是，规模化推广的流程并没有随着这些工具的速度、覆盖范围和能力的提升而同步调整。

项目管理的责任归属也不再像以前那样清晰。谷歌面向初创企业的现场CTO David White表示，在过去，无论想了解项目的什么情况，最终都能追溯到具体的负责人。”任何任务、行动或决策，都可以追溯到某个人，然后询问他发生了什么、进展如何、是怎么做到的。”

追踪AI的决策过程则要困难得多，尤其是当智能体可以动态扩缩容、生命周期相对短暂时。White指出，做出某项决策的智能体可能已经不存在了。”那你怎么问它是如何得出某个决定的？”他建议企业从一开始就规划好如何使用AI、如何与之协作，以及需要哪些可见性和追踪机制。

挑战与机遇并存

Clark表示，目前几乎每个职能部门都在通过Copilot、ChatGPT和Claude等工具将AI嵌入工作流程。”但这些平台内置的管控功能非常有限，只要拥有许可证，基本上就能使用所有功能，包括构建智能体。”这意味着组织中的员工可以在IT部门缺乏必要监督的情况下，以全新方式部署AI。

这种对AI的创造性应用还体现在使用方式上：迭代式推进，而非线性推进。企业资产管理公司Ultimo的CIO Peter-Paul Schreuder表示，传统项目有开始、中间和结束，但AI的部署并非如此。”你面对的是持续学习、迭代优化，以及即便代码库没有任何变化，输出结果也会随时间变化的情况。”这使得传统的项目追踪方式——里程碑、交付日期、审批节点——与AI项目格格不入。”管理者最终会衡量错误的指标，而忽视真正重要的东西。”

Clark还警告称，上游的成功会给下游带来压力。”随着团队对AI越来越熟练，压力会在法务、合规、安全和工程/IT等部门积聚。”CIO往往会忽视这一隐患，因为他们的定位仍然是建设者和审批者，而非最终的验证和加固环节。”等到问题浮出水面时，往往已经酿成麻烦。”

管控与创新的平衡

企业一直在努力推动员工采用AI以提升生产力和创新能力，但若缺乏清晰的治理机制，这一过程也伴随着风险。CIO面临的挑战在于如何在自由探索与必要的约束机制之间取得平衡。

科技、工程与政府服务承包商Amentum的首席AI架构师Sam Nazari认为，AI治理应着眼于激发基层创新，而非加以管控。他指出，过于强硬的治理方式可能会扼杀自下而上的有机活力和问题解决能力。”治理的角色应该是与使用AI的团队成员并肩前行，而不是设置障碍或进行微观管理。这种方式既能保持热情、创造力和创新活力，又能维持必要的监督。”

不过，即便是轻度干预也需要审慎把握。网络智能解决方案开发商Floxy的CTO Aimen Hallou建议认真对待治理问题。”版本控制不仅要覆盖代码，还要覆盖数据集、再训练流程和输出数据。没有完善的治理，就无法实现可追溯性，从而使项目在合规层面面临风险。”

Schreuder则指出，最常见的失败点在于部署与实际落地之间的落差。”CIO能看到部署情况——它是一个项目，有上线日期。”但他们看不到的是：用户是否真的在使用这个系统、输出结果是否被信任、AI是在持续改进还是在悄然退化。”这个落差正是价值流失的地方，因为它在标准报告中是不可见的，往往要等到业务负责人投诉时才会暴露，而此时可能已经浪费了数月的价值。”

结语

在企业AI项目中，IT部门的角色已经发生转变。Clark表示，那些AI项目成功的组织，已经不再要求IT部门去创造，而是要求他们去保护、验证和规模化推广。业务团队应当在预先批准的约束框架内率先创新，工程和IT团队则在之后介入——不是为了审批创意，而是为了将其加固以投入生产。”没有经过这道关卡，任何东西都不应上线。”

Schreuder表示，CIO的角色同样在演变，从聚焦交付转向承担管理职责。”在这个语境下，管理职责有其具体内涵：模型与数据治理、生命周期管理、可审计性——这些不是抽象概念，而是运营要求。CIO不仅要能证明AI已经部署，还要能证明它处于负责任的治理之下，其行为可以被解释和审查。那些能够蓬勃发展的CIO，是那些不再把AI视为IT项目、而是将其视为组织运营模式中一个永久性、可问责组成部分的人。”

Q&A

Q1：AI项目为什么比传统项目更难追踪和管理？

A：AI项目通常不从IT部门发起，而是由业务部门自行驱动，CIO从一开始就缺乏清晰的可见性。此外，AI的决策过程难以追溯，尤其是智能体可能在做出决策后已经不再存在，无法像追问具体负责人那样获得答案。加之AI部署是迭代式而非线性的，传统的里程碑和交付节点等项目追踪方式并不适用。

Q2：企业在AI治理上应该如何平衡管控与创新？

A：过于严格的治理会扼杀基层创新活力，但完全放任也会带来合规和安全风险。建议的做法是：在预先设定好的约束框架内，允许业务团队自由探索和创新；工程与IT团队在后期介入，负责对项目进行加固和验证，确保其满足生产环境的要求。治理应起到”并行护航”的作用，而非设置障碍。

Q3：CIO在企业AI项目中的角色应如何转变？

A：CIO的角色正在从项目交付者转变为管理者。这意味着需要承担模型与数据治理、生命周期管理和可审计性等具体职责。CIO不仅要证明AI已经上线部署，还要能够证明其处于负责任的治理之下，行为可被解释和审查，并将AI视为组织运营模式中一个长期存在、可问责的组成部分。