ARTICLE · 1289300
Ralph Lauren 开始把 AI 指标纳入高管奖金:AI 从创新项目变成管理责任
Ralph Lauren 开始把 AI 指标纳入高管奖金:AI 从创新项目变成管理责任
10月15日，路透社报道了一件值得关注的事。美国服装品牌 Ralph Lauren 修改了高管奖金的考核规则，把人工智能相关指标放进了短期激励计划。公司原先使用了四年的部分可持续发展指标，被AI指标取代。 这条新闻很容易被当成一则普通的企业数字化消息。毕竟，过去几年宣布拥抱AI的公司太多了。成立AI部门、采购大模型、部署内部助手、组织员工培训，几乎成了大型企业的固定动作。 但Ralph Lauren这次做了一件更实际的事：把AI和管理层的钱联系起来。 在大公司里，一件事情究竟有多重要，往往可以从奖金制度里看出来。路透社援引Conference Board和ESGUAGE的数据称，2026年约有12%的标普500成分公司在高管激励计划中披露了AI相关目标。2024年，这个比例约为5%。 两年时间，比例增长了一倍多。 不过，这个数字也说明了另一件事。将近九成的标普500公司还没有披露类似的激励目标。消费品企业尤其少见。Ralph Lauren目前仍然属于走在前面的少数公司。 这件事代表了企业使用AI的一个重要转折。过去，企业花钱买AI，管理层可以把它当成创新成果。今后，董事会会越来越在意AI究竟给企业带来了什么。如果项目没有效果，负责的人就应该承担后果。 这种变化早就该发生了。 过去三年，企业AI项目有一个很常见的现象。每个部门都在使用AI，每个部门也都能拿出成绩，最后却很难说清楚公司到底获得了多少收益。 市场部说，AI让内容生产效率提高了三倍。客服部说，AI每天自动处理几千条咨询。技术部门说，已经部署了几十个Agent。人力资源部门说，超过八成的员工完成了AI培训。 这些数字放在PPT里很好看。董事会听完汇报，也很容易觉得公司正在快速转型。 但如果继续追问，问题就来了。 内容增加三倍，销售额增加了吗？客服处理了更多咨询，客户满意度提高了吗？Agent执行了几百万次任务，公司减少了多少实际支出？员工参加了培训，日常工作方式改变了吗？ 很多企业回答不了这些问题。 麦肯锡2026年的全球AI调查提供了一个参考。约80%的受访者认为AI改善了个人生产力，但只有37%表示AI已经对所在企业的息税前利润产生正面影响。能够将至少5%的息税前利润归因于AI，并认为这种影响显著的高绩效企业，只占受访样本的约6%。 这组数据说明，员工觉得工作变快，与公司真正赚到钱，中间还有很长一段距离。 一个员工用AI把两小时的工作缩短到半小时，当然有价值。但企业未必因此节省了一个半小时对应的工资。员工可能用剩下的时间开会、修改材料，或者处理更多原本没有必要的任务。 如果企业没有重新安排工作流程，个人效率的提高很可能停留在个人层面。 AI软件厂商尤其喜欢宣传节省时间。每周节省五小时，每月节省二十小时，乘以员工数量，再乘以平均工资，就能算出一个漂亮的投资回报率。 节省的时间没有转化成产能、收入或实际成本下降，就不能直接算作企业赚到的钱。一个部门原来十个人完成的工作，现在仍然需要十个人，业务量也没有增加，那么所谓的效率提升，至少还没有完整地反映到经营结果上。 更有意思的是，仔细查看Ralph Lauren的2026年高管薪酬披露，会发现它自己也没有走到这一步。 公司实际使用的AI考核指标主要有四项，包括员工AI学习完成率、包含AI内容的信息安全培训完成率、员工对AI培训充分性的评价，以及员工整体工作支持情况的调查得分。 四项指标全部超过目标后，薪酬委员会批准将相关高管的短期激励结果上调10%。 这意味着什么？ 意味着高管可以因为员工完成了AI培训、员工认为培训足够充分，而获得更多奖金。 这些指标可以帮助企业建立使用AI的基础能力，也有助于推动安全意识。但它们无法证明AI提高了销售额，无法证明库存减少了，也无法证明公司的利润增加了。 很多公司已经开始认真考核AI，却仍然选择那些最容易完成的指标。培训完成率可以统计，员工使用率可以统计，Agent部署数量也可以统计。真正困难的经营结果，反倒经常被放在下一阶段。 问题在于，一旦这些数字和奖金挂钩，员工就会围绕数字工作。 要求员工每周使用AI五次，很快就会出现大量没有实际价值的对话。要求技术部门部署一百个Agent，原本一个程序能够完成的工作，也可能被拆成多个Agent。要求营销部门提高AI内容产量，最容易完成任务的方法就是批量生成更多内容。 公司得到了增长曲线，员工完成了考核，高管拿到了奖金。 客户可能完全没有感受到改善。 这种事情并不新鲜。任何管理指标只要脱离实际目标，最后都可能变成一场数字游戏。AI只是让这场游戏更容易进行，因为AI能够以极低的成本制造大量可统计的活动。 市场负责人应该对获客成本、转化率、复购率和客户价值负责。如果AI让广告素材制作成本降低了一半，却没有改善获客效果，这个项目就需要重新评估。如果AI带来了更多低质量线索，增加了销售团队的负担，甚至应该扣分。 客服负责人应该对问题解决率、单次服务成本、客户投诉和满意度负责。一个Agent每天回答十万次问题，客户最后仍然需要转接人工，企业还要额外支付模型调用费用，这种自动化没有多少值得奖励的地方。 供应链负责人应该关注库存周转、缺货率、预测误差和商品损耗。AI预测系统如果真的有效，就应该能在这些数据上留下痕迹。 技术负责人也应该接受同样的要求。模型调用成功率、响应速度和系统可用性当然重要，但这些只能说明技术运行正常。系统运行正常之后，业务有没有改善，才决定项目值不值得继续投入。 这也会改变AI软件公司的生意。 过去，一款企业AI产品只要演示足够流畅，能够生成报告、自动回复邮件、调用几个系统，就有机会拿到试点预算。采购方往往是创新部门或技术部门，项目的成功标准也比较宽松。 当AI进入正式经营预算，采购过程就会发生变化。 财务负责人会问每年需要支付多少费用，业务负责人会问能不能改善自己的考核指标，管理层会问项目失败以后由谁负责。 那些只能展示功能、无法证明效果的AI产品，日子会越来越难过。 未来企业AI市场大概率会出现一轮很残酷的淘汰。大量看起来先进的产品，最后会输给功能简单、效果稳定、能够直接减少成本的软件。 企业没有义务为技术的新颖程度付钱。 当然，要证明AI创造了价值，也没有想象中那么容易。 假设一家零售企业使用AI优化营销，三个月后销售额增长了15%。这15%可能来自AI，也可能来自促销、季节变化、新品上市或者竞争对手涨价。 因此，企业必须建立更严格的验证方法。比如让一部分门店使用AI，另一部分条件相近的门店继续使用原来的流程。比较两组门店的销售、成本和客户留存变化，再判断AI带来了多少增量收益。 做不到严格实验的业务，也至少应该保留上线前的基准数据，记录同期发生的其他变化，避免把所有改善都归功于AI。 这会增加管理成本，却是企业走向成熟必须支付的成本。 另一个变化发生在Agent领域。 现在很多公司喜欢展示自己的Agent能够自动完成多少步骤，能够调用多少工具，能够连续运行多长时间。 这些能力当然值得研究，但企业真正需要的是一份能够核对的工作记录。 一个客服Agent处理了某张工单，是否解决了问题？一个销售Agent联系了某位客户，是否产生了有效商机？一个库存Agent调整了某款商品的补货数量，后来有没有出现缺货或者积压？ 每次关键操作都应该能够对应到业务系统里的记录。出了问题可以查，产生收益也可以核实。 没有这种记录，企业就无法判断Agent究竟完成了多少有效工作。 Salesforce已经开始尝试把Agentforce等AI产品的经常性收入与高管激励联系起来，并在后续考核中引入Agent实际工作量指标。 它的做法至少提出了一个更接近商业现实的问题：客户有没有持续付费，AI有没有真正进入生产环境。 但工作量本身仍然需要接受检验。Agent做得多，未必做得对。客户付费，也不能自动证明客户获得了足够的收益。 如果一个AI客服系统降低了成本，却导致大量错误退款、隐私泄露或者严重客户投诉，负责人就不应该拿到完整奖金。节省下来的钱不能成为忽视风险的理由。 还有一个问题需要说清楚。 AI项目失败，责任应该首先落在有权决定预算、流程和人员安排的管理者身上。 如果公司只要求普通员工提高AI使用率，却不给他们修改工作流程的权力，最后再以使用次数不足为由处罚员工，这样的制度只会制造抵触情绪。 真正有能力改变企业经营方式的人，是掌握资源分配权的管理层。 Ralph Lauren把AI放进高管激励，至少让这件事有了一个明确的责任入口。虽然它目前的考核仍然停留在培训和组织准备阶段，但奖金制度已经开始改变。 下一步应该更直接。 一年以后，董事会应该问管理层：哪些业务因为AI减少了成本？哪些产品提高了利润？哪些客户因此获得了更好的服务？哪些项目没有效果，已经被停止？ 企业可以容忍AI试验失败。任何新技术进入实际业务，都需要试错。但企业不应该长期奖励那些无法证明价值的试验，更不应该让一个没有效果的项目因为已经投入了大量资金而继续存在。 这件事对普通员工也有影响。 未来值得培养的能力，会越来越集中在理解业务、判断结果和处理复杂问题上。熟练操作某个AI工具的优势可能很快消失。知道什么工作值得交给AI、如何检查结果、怎样让整个流程真正改善，会更有价值。 对于企业管理者，AI也会逐渐失去作为独立成绩的特殊待遇。 当年企业开始普及互联网、移动办公和云计算时，也曾经把上线系统、部署设备、完成数字化改造当成重要成绩。等这些技术进入日常经营，管理层最终还是要面对收入、利润、成本和客户。 AI也应该遵守这套规则。 一家公司部署了多少Agent，员工发送了多少次提示词，市场部生成了多少篇文章，都不值得成为高管领取奖金的主要理由。 真正值得奖励的事情很简单：用更少的资源完成同样的工作，用同样的资源创造更多收入，让客户得到更好的服务，并且能够拿出数据证明。 AI已经被企业谈论得够多了。接下来，该算账了。
