尼日利亚人工智能与数据专家阿德因卡·阿杰穆比（Adeyinka Adejumobi）透露，许多组织正在投资人工智能工具，却未能看到真正的业务影响。
据这位常驻英国的专家介绍，她专注于分析、医疗智能和基于技术的决策制定领域。她揭示了为什么AI往往被视为技术举措，而非领导力和运营挑战的主要原因。
阿杰穆比指出，许多公司声称希望成为"AI驱动型"企业，但实际上，这通常意味着购买新平台、雇佣数据专家或进行孤立的自动化实验，而不改变决策方式。她补充说，结果是陷入了一个永远无法规模化推广的试点和演示循环。
"问题很少出在技术本身。在许多情况下，技术能力已经存在。缺失的是领导层的清晰思路，"她说。
她进一步指出，人工智能常常被视为技术项目，而非业务和运营项目。"公司在提出基本但重要的问题之前，就大力投资于平台和仪表板：我们试图解决什么问题？哪些决策需要改进？成功在实际中会是什么样子？如果没有这些问题的答案，即使再好的系统也难以创造价值，"她说。
据她介绍，许多组织仍将技术团队与战略决策分开。数据团队生成报告、预测和模型，而领导团队继续主要依靠直觉、习惯或短期压力进行运营。
"结果是洞察与行动之间的脱节。如果领导层不知道如何将智能融入日常决策，AI就无法变革组织。"
阿杰穆比强调，高管不需要成为机器学习工程师。然而，领导者越来越需要了解数据和AI如何影响运营、风险、生产力、客户行为和长期规划。更重要的是，他们需要知道技术是在解决真正的业务问题，还是仅仅增加了复杂性。
她补充说，目前有一种倾向，将AI采用几乎视为品牌营销活动。企业希望显得创新，因此部署工具时没有充分考虑治理、运营整合或可衡量的结果。在一些组织中，仪表板被无休止地生成，但实践中几乎没有变化。
"技术本身不会创造变革。决策才会，"她说。
从AI中看到有意义成果的组织通常不是那些最积极追逐趋势的组织。而是那些领导层有明确运营重点的组织，他们了解效率低下的地方、预测可以改善规划的地方，以及人类判断仍然重要的地方。这种平衡在医疗、金融和公共服务等领域至关重要，因为这些领域的错误决策会带来真正的后果。
例如，在医疗领域，AI在支持容量规划、患者流程管理和运营预测方面具有巨大潜力。但这些系统的成功很大程度上不取决于模型的复杂程度，而更多地取决于领导结构是否准备好正确使用它们。
阿杰穆比补充说，这一对话对新兴经济体尤为重要。"在资源已经紧张的国家，组织无法承受那些提供很少实际价值的昂贵技术战略。领导者需要以纪律而非炒作的方式对待AI，"她说。
她总结道，AI的未来优势不会简单地来自于拥有工具。这些工具正变得越来越普及。竞争优势将来自于那些知道如何清晰、负责任和持续地应用智能的领导团队。
【全文结束】