在职业生涯的前十年，我独自从事产品管理和数据分析工作。我编写数据库查询语句从企业系统中提取数据，构建统计模型预测客户购买行为，并开发数据管道在不同业务系统间传输信息。
我曾在百思买和塔吉特建立并扩展分析团队，研究客户购物行为以及门店应如何备货。如今我在财富100强家居装修零售商劳氏公司（Lowe's）负责企业级AI转型工作。
我们的目标不是销售人工智能，而是在客户需要时提供有用的专业知识。在零售业和其他面向客户的行业中，虚拟助手可以帮助人们解决日常问题——比如如何修理漏水的水龙头——同时引导他们找到相关产品、服务或后续步骤。随着这些能力变得越来越普遍，技术岗位的工作内容也在发生变化。工作不再局限于构建AI系统，还包括定义这些系统如何运作：哪些决策它们可以自主做出，哪些情况必须上报给人工处理，哪些行为必须被禁止。
这种转变——从构建AI系统到治理AI系统——将影响到所有对这类系统产出结果负有责任的人。不仅是在聊天机器人中随意输入内容的普通用户，还包括那些为机器起草工作成果签字确认的工程师、产品经理、分析师和业务运营人员。
这正是我最近与人合著的新书《企业大脑》（The Enterprise Brain）所探讨的主题。我将这种变化称为"治理者转变"（governor shift）——从亲自执行任务，转变为在为你执行任务的系统中设定意图、原则和边界。
业务运营人员可能不会编写代码，但他们将决定智能体可以批准哪些定价例外情况，以及哪些情况必须上报处理。
这就是治理。
麻省理工学院媒体实验室NANDA项目在2025年发布的一份报告发现，尽管企业在生成式AI领域的投资估计高达300亿至400亿美元，但报告数据集中的绝大多数组织尚未展现出可衡量的损益影响。该报告估计，仅约5%的集成试点项目产生了实质性价值，这凸显了从实验阶段迈向规模化业务成果的难度。
研究人员将这种现象命名为"生成式AI鸿沟"（GenAI Divide），我在书中也采用了这一术语。
这些未能取得成效的公司往往并非缺乏技术，它们使用的模型与那5%成功者所用的相同。但它们缺乏能够驾驭这些系统并对结果负责的人才。
需要遵循的指南
以下是六项指南。
身份认同的问题
当我与人们讨论这种转变时，他们的抵触情绪很少源于技术问题，更多是关于身份认同：如果AI完成了"做"的部分，那我还做什么？
我见过能力很强的人在这个问题面前陷入困顿。我也曾问过自己这个问题。
但其实"动手做"从来都不是真正的工作本身，判断力才是。"做"只是我们表达判断力的方式。
AI并没有降低判断力的价值，反而使其成为组织中最稀缺的资源，因为这是历史上第一次，一个人清晰表达出来的判断力可以指导每天数以千计的决策。
判断力还有一个我们较少谈及的孪生概念：审美判断力（taste）。判断力告诉你一个答案是否可靠，而审美判断力告诉你这个问题是否值得问，以及在上百个合理选项中该为客户提供哪一个。机器可以轻易生成全部100个选项，但它无法告诉你哪个是最好的。
AI转型所奖励的，恰恰是许多IEEE会员本就具备的本能：系统性思维、对需求的精确把握，以及对失败模式的坦诚态度。工具变了，但这种职业素养没有变。
治理正是审美判断力和判断力不再是空洞词汇、而真正成为工作本身的地方。
那些将治理视为工作本身、而非脱离工程本职的人，将定义AI时代的这一职业。
Q&A
Q1：什么是"治理者转变"？
A：这是作者在新书《企业大脑》中提出的概念，指的是从亲自执行任务转变为在AI系统中设定意图、原则和边界，让系统代替人执行任务的过程转变。
Q2："生成式AI鸿沟"指的是什么现象？
A：这是麻省理工学院媒体实验室NANDA项目提出的术语，指尽管企业投入巨资发展生成式AI，但只有约5%的集成试点项目产生了实质性的损益价值，大多数企业未能将AI投资转化为可衡量的业务成果。
Q3：企业要跨越AI应用鸿沟，缺的是技术还是人才？
A：根据文章观点，未能从AI投资中获益的公司通常并非缺乏技术，它们使用的模型与成功企业相同，真正缺乏的是能够驾驭这些系统、设定决策边界并对结果负责的人才。