在数字和人工智能转型中 ， 从问题开始 ， 而不是技术

在讨论数字和人工智能（AI）转型时，重要的是从解决问题的角度出发，而非仅仅关注技术。麦肯锡的高级合伙人埃里克·拉马尔在与《Inside the Strategy Room》播客的对话中强调了这一观点，并指出成功转型的关键在于对人才、运营模式和技术与数据能力进行根本性改变。以下是针对主要议题和关键数据的总结：

主要议题

1. 大规模实施挑战：大多数企业领导者已经体验到技术的力量，通过成功的试点和实验取得了一定成果，但这些并未显著提升公司的业绩表现。问题在于如何将这些成功的试点转化为大规模实施。

2. 转型起点：应始终以解决业务问题为起点。当转型的目标明确指向改善客户服务和创造更多价值时，技术路线图的开发会变得更加容易。

3. 热门话题与过度依赖：生成式AI成为当前科技领域的热门话题，一些公司可能在寻找问题来解决生成式AI，而不是首先识别真正的问题所在。

关键数据与见解

• 人才管理：长期成功的关键在于人才管理。传统企业能够通过创建现代化的技术环境吸引并保留人才，这种环境应该易于员工执行工作，展示出对技术架构、数据管理和软件工程方法的理解。

• 内部开发优势：内部开发技术比外包更具生产力。理解业务问题的上下文有助于技术工程师更快地开发出合适的解决方案。这不仅加速了创新过程，还为持续改进奠定了基础。

• 外部顾问的角色：虽然第三方顾问可以加速构建技术能力的过程，但企业应自己掌握这种能力，以确保其成为竞争差异化的源泉。外包可能会削弱企业的竞争力。

• 企业文化转变：将组织视为“数字化”或“科技驱动”的企业更有可能成功。即使某些行业认为自身的核心业务并非技术，但如果技术对于提高竞争力至关重要，它们仍需要掌握软件开发技能。

• 技术融入组织：将技术视为组织的内在组成部分，而非独立部门，有助于促进整个组织的数字化创新。最终目标是实现“分布式数字创新”，即多个团队在不同领域应用技术，解决各自领域的问题。

通过聚焦于解决问题而非技术本身，企业可以更有效地推进其数字和AI转型，实现长期的成功。