AI热潮中，CEO真正缺少什么？

来源：Chaddad, F. R. (2025). White spaces in AI research for CEOs. Strategic Management Review. Advance online publication.

过去两年，AI几乎成了商业世界中最无法回避的词。董事会谈AI，咨询公司谈AI，科技公司谈AI，媒体更是不断制造关于生成式AI、智能体和自动化的兴奋叙事。问题是，对于真正承担盈亏责任的CEO、业务单元负责人和董事会成员而言，一个更朴素也更严肃的问题始终存在：AI到底能不能改善我的P&L？如果能，它通过什么具体用例实现？如果不能，为什么还到处都是关于AI的喧嚣？

Fernando R. Chaddad 的论文 White Spaces in AI Research for CEOs 正是从这一实践困惑出发。它不是一篇典型的技术论文，也不是一篇只面向学术圈的文献综述，而是一篇站在CEO和P&L负责人的位置上，对AI商业应用、战略管理研究和咨询产业话语进行重新审视的文章。论文最重要的贡献，不是又一次论证“AI很重要”，而是指出：在AI似乎无处不在的今天，真正能帮助CEO判断AI是否创造经营价值的知识，反而严重不足。

一、AI很多，但真正有用的AI用例很少

文章的出发点非常直接：战略管理研究最关心的是企业相对绩效，也就是竞争优势；而CEO和高层领导者如何影响战略与绩效，一直是战略管理的重要议题。今天，AI被广泛宣传为一种可能重塑企业竞争格局的技术，那么自然应当追问：AI是否真的能提升企业绩效？如果能，它是通过哪些机制、哪些场景、哪些组织条件实现的？

作者的回答并不乐观。论文指出，当前围绕AI的讨论存在一个严重断裂：AI作为概念和标签已经高度流行，但能够具体说明“解决什么商业问题、如何解决、对收入、成本、资本利用率、生产率或客户满意度有什么可量化影响”的AI用例并不充分。换言之，CEO不缺关于AI的宏大叙事，缺的是能够落到业务结果上的AI商业案例。

这也是论文反复强调的一个关键词：P&L needle，即AI是否真正“拨动了利润表的指针”。在企业实践中，一个项目是否值得做，最终不是看它是否时髦，而是看它是否有商业案例。没有商业案例，再炫目的AI项目也只是技术展示、组织表演或战略姿态。

二、作者的“AI学习旅程”：三站式观察

论文采用了一种很有意思的写法：作者以一个谨慎的企业实践者身份，描述自己如何系统学习AI，以及在学习过程中发现了哪些缺口。整个过程可以概括为三站。

第一站是AI技术创造者，包括Apple、Microsoft、OpenAI、Alphabet、Amazon/AWS、IBM等。作者发现，这些公司的公开内容通常强调自身技术能力、产品优势和技术路线，但对CEO真正关心的具体商业用例介绍不足。更重要的是，这些公司很少主动呈现其AI产品可能带来的负面影响、偏误、隐私风险或失败案例。因此，来自AI技术创造者的信息天然带有供给方立场，不能被CEO直接当作中立知识。

第二站是专业服务公司，包括Accenture、McKinsey、Bain、BCG、Deloitte、PwC、EY等。作者发现，这些公司的AI内容高度同质化：都强调AI能力、行业洞察、责任AI和生成式AI趋势，也会提供一些高层次用例。但这些用例往往过于概括，距离具体P&L结果仍有距离。咨询公司也不太可能公开大量详尽AI用例，因为这既不符合其商业模式，也可能引发竞争模仿，还会受到客户保密和法律审查限制。

第三站是战略管理研究。作者以Keding关于AI与战略管理的文献综述为起点，进一步考察2023—2024年顶级战略管理期刊中以AI、生成式AI、机器学习、深度学习、强化学习等为题名关键词的论文。结果显示，战略管理学界确实在研究AI，但相当多研究更偏向研究者自身兴趣或方法创新，而不是直接服务于CEO的战略决策需求。尤其是在“面向实践者的AI用例”这一格子中，文献数量非常少。

这三站之后，论文形成了一个关键判断：AI技术公司和咨询公司不会系统填补这些知识空白；战略管理学者反而最有可能承担这一任务。原因在于，战略管理学者既关心竞争优势、组织能力、企业边界、动态能力和高层管理者作用，又有能力进行独立、严谨、非销售导向的研究。

三、AI washing：比技术泡沫更值得警惕的管理现象

论文中一个非常重要的概念是“AI washing”，即企业或产品将并不真正属于AI的东西包装为AI。作者认为，AI washing并不是孤立现象，而是继“dotcom washing”和“greenwashing”之后的又一种标签套利。

AI washing之所以容易出现，首先是因为AI本身缺乏被普遍接受的定义。即便在计算机科学界，对于什么是AI也并没有完全统一的定义。概念边界越模糊，越容易被机会主义者利用。其次，董事会、投资者、媒体和客户都在期待企业“做点AI相关的事情”，这会给管理层带来象征性行动压力。即使一个CEO并不确定AI是否真正有用，也可能为了避免显得落后而启动AI项目、发布AI叙事或购买AI方案。

从战略管理角度看，AI washing是一个非常有研究价值的问题。它涉及代理理论、信号理论、合法性、组织模仿、资本市场反应和企业社会责任。哪些企业更容易AI washing？上市公司是否比私人公司更容易？AI供应商是否比AI购买方更容易夸大AI效果？在监管较弱、问责较少、概念更模糊的行业，AI washing是否更普遍？这些问题目前都没有得到充分回答。

四、论文提出的七个AI研究空白

这篇论文最有价值的部分，是系统提出了“面向CEO的AI研究七大空白”。

第一个空白是：CEO到底如何看待AI？现有关于AI采用的调查很大程度来自咨询公司，但咨询公司并非中立研究机构，其样本也可能偏向大型客户。战略管理学者应当进行更独立、更分层、更严谨的调查，理解不同规模、行业、地区和角色的高管如何判断AI。

第二个空白是：AI washing为什么存在、范围有多大、最可能出现在哪里？这是当前AI商业实践中的“房间里的大象”。如果不识别AI washing，企业可能误判技术价值，研究者也可能把表面采用误认为真实采用。

第三个空白是：真正具体、可操作、可评估的AI用例在哪里？CEO需要的不是“AI可以改变一切”，而是“在我的行业、我的业务流程、我的成本结构和客户结构中，AI可以解决什么问题”。目前公开可用的高质量AI用例远远不够。

第四个空白是：AI用例是否真的兑现了承诺，扣除副作用后是否仍然有效？许多AI项目可能降低了某项成本，却带来客户体验下降、算法偏见、合规风险或组织信任损害。真正的问题不是AI有没有效果，而是净效果是否为正。

第五个空白是：即便AI用例有效，它是否优于传统技术？作者用自己尝试预测并购目标的经历说明，在某些场景中，机器学习模型未必优于传统事件史分析。企业不能因为AI时髦，就默认它比既有统计方法、规则系统或流程优化更好。

第六个空白是：CEO应该自建还是外购AI用例？这涉及企业边界、交易成本、资源基础观和动态能力。如果某个AI用例具有战略意义，是否应内部开发并保密？如果只是通用效率工具，是否可以外购？AI是否改变了传统make-or-buy决策逻辑？这些都是战略管理可以深入研究的问题。

第七个空白是：AI是否改变了我们关于竞争优势的理论思考？作者特别谨慎地指出，直接问“AI是否带来竞争优势”层次太高，类似于2000年问“互联网是否带来竞争优势”。更好的问题是：什么类型的AI用例，在什么组织条件、数据条件、能力条件和竞争条件下，可能带来暂时优势或持续优势？

五、88位高管调查：AI热，但P&L结果仍不清晰

为了对第一个研究空白做初步探索，作者开展了一项非正式独立调查，样本包括P&L负责人、董事会成员以及向P&L负责人汇报的C-level高管，共获得88份完整回复。调查结果很有启发性。

首先，AI虽然无处不在，但相关用例并非无处不在。多数受访者能够找到许多与其组织相关的AI用例，但仍有相当比例的受访者表示找不到、只能找到很少或只能找到一些但不多的相关用例。

其次，AI对P&L的影响仍然不明确。大量受访者认为AI尚未明显改变利润表，或者现在判断还太早。只有少数受访者认为AI已经显著影响P&L，更少数认为AI已经帮助企业维持生存或淘汰竞争对手。

第三，AI与竞争优势之间的关系对多数高管而言仍然模糊。换言之，高管并不是不知道AI重要，而是不确定AI如何从技术工具转化为战略结果。

第四，高管对AI的看法具有双重性：一方面认为AI被媒体和商业舆论过度炒作，另一方面也承认AI可能被低估。也就是说，AI既有泡沫成分，也有真实潜力。真正困难的是区分二者。

这组调查结果支持论文的基本判断：大多数CEO和高管正在实验AI，但能够清楚报告显著经营结果的人并不多。因此，未来研究不能停留在“是否采用AI”，而应深入到“采用了什么AI用例、用于什么业务问题、由谁推动、以何种方式实施、产生了什么净绩效”。

六、对管理学研究的启示

对战略管理学者而言，这篇论文的价值在于重新界定了AI研究的重心。过去很多AI与管理研究要么把AI当作新技术环境，要么把AI当作研究方法工具，要么讨论AI如何影响工作、组织和创新。但从CEO视角看，最核心的问题仍然是：AI如何转化为企业绩效和竞争优势？

这要求研究从抽象技术概念转向具体用例，从“AI采用”转向“AI价值实现”，从“AI是否重要”转向“何种AI、何种场景、何种组织条件、何种绩效结果”。这也意味着，战略管理学者可以在几个方向上做出重要贡献：构建AI用例分类体系，测量AI washing，评估AI项目净绩效，比较AI与传统技术的相对优势，研究AI自建与外购决策，分析AI经验是否成为CEO特征，以及探讨AI如何影响动态能力和暂时竞争优势。

对中国管理学研究而言，这篇论文也很有启发。中国企业正在快速部署大模型、智能制造、数字员工、智能客服、智能研发和供应链算法，但许多研究仍停留在“数字化转型”“人工智能应用”这类宽泛变量上。未来更有价值的研究，应当进入企业真实业务流程，识别具体AI用例，并回答它们如何影响成本、收入、效率、创新、风险和韧性。

七、对企业管理者的启示：不要问“要不要AI”，要问“哪个用例值得做”

这篇论文对CEO的提醒非常直接：不要被AI热词绑架。真正重要的不是企业有没有AI战略、有没有购买大模型、有没有发布AI口号，而是有没有找到能够改善经营结果的AI用例。

管理者可以用五个问题审视自己的AI项目：第一，这个AI项目解决的具体业务问题是什么？第二，它的结果如何进入P&L，是增加收入、降低成本、提高资产效率，还是改善客户留存？第三，它是否存在偏见、合规、客户体验或组织信任方面的副作用？第四，它是否真的优于传统统计方法、流程优化或软件系统？第五，这个用例是应当自建、外购，还是根本不值得做？

从这个意义上说，AI战略不是采购战略，也不是技术赶潮战略，而是用例组合战略。企业真正需要建立的是一套从问题识别、用例设计、试点验证、绩效归因、风险评估到规模化推广的管理机制。

结语：AI研究需要回到经营结果

White Spaces in AI Research for CEOs 的重要性，在于它把AI讨论从宏大叙事拉回到战略管理的基本问题：企业为什么会获得更好绩效？CEO如何影响战略选择？技术如何通过组织能力和商业模式转化为竞争优势？

作者最后引用了一个关于技术史的判断：人们往往高估一年内能做到的事情，却低估五年或十年内能做到的事情。AI可能也是如此。短期内，它未必像媒体宣传那样迅速改变所有企业的利润表；但长期看，它也许会深刻改变企业能力、组织边界和竞争优势来源。

因此，真正值得做的不是加入AI狂欢，也不是简单唱衰AI，而是开展更严谨、更具体、更贴近CEO决策需求的研究。AI的未来不只属于技术公司和咨询公司，也属于能够解释“技术如何变成战略结果”的管理学者。