Related articles
在全球 AI 技术加速迭代与地缘政治交织的复杂环境下，首席信息官 （CIO） 的角色已从传统技术管理者，进化为企业战略的核心驱动力、风险控制的守护者与跨境技术合作的桥梁。
日前，在钛媒体 2025 T-EDGE 举办期间，Laserfiche 企业战略高级副总裁兼 CIO 托马斯· 菲尔普斯、加州大学洛杉矶分校安德森管理学院的 CIO 霍华德· 米勒、香港医院管理局 CIO 蔡阳、普华永道美国人工智能合伙人伊拉娜· 布卢门费尔德汇聚一堂，在己任律师事务所管理合伙人何菁的主持下，分享了包括 CIO 在企业中职责、数据，以及 AI 合规等在内的话题。
普华永道最新美国负责任 AI 调查数据显示，仅 28% 的美国受访者将“ 负责任 AI” 视为核心业务的重中之重，仅有 33% 的企业在全公司范围实现了明确的应用落地。这一数据不仅引发了业内对 AI 治理成熟度的广泛思考，更折射出全球企业在 AI 创新与风险管控之间的艰难平衡。麦肯锡 2024 年全球 AI 调查报告印证了这一困境：全球约 60% 的企业已启动 AI 相关项目，但仅有 15% 的企业建立了完善的 AI 治理体系，AI 投资的平均回报率不足预期的 30%。
负责任 AI 认知转型：从风险管控到价值驱动
“ 当我们谈论负责任 AI 时，不应只聚焦于风险缓解与控制措施，其核心价值在于帮助企业从 AI 系统中获取更多商业价值。” 普华永道美国业务合伙人伊拉娜· 布卢门费尔德在分享调查核心发现时强调。这一观点颠覆了此前行业对负责任 AI 的传统认知，将其从单纯的“ 合规工具” 升级为“ 价值挖掘引擎”。
伊拉娜进一步解释，负责任 AI 的实践成熟度之所以偏低，核心原因在于技术迭代速度与治理体系建设之间的失衡。随着 AI 智能体 （AI Agents） 成为行业热点，企业发现传统的应用程序管理模式已无法适配新型 AI 技术，而在尚未明确 AI 应用场景的前提下，构建前瞻性的治理体系更是难上加难。“ 任何声称拥有完整、成熟负责任 AI 计划的组织都是在自欺欺人。” 伊拉娜直言，AI 技术与风险认知的快速演变，要求治理实践必须具备高度的敏捷性与演进能力。
对话中，全球 AI 监管的区域差异成为热议焦点。香港医院管理局 CIO 蔡阳结合其 Gartner 研讨会的参会经历，提出了鲜明的观点：“ 与欧洲和中东相比，美国和中国在放松 AI 监管，这两个地区的发展势头远快于其他地区。负责任 AI 并非监管的对立面，而是促进 AI 放松监管的工具—— 想要跑得更快，就需要找到保护自己与他人的方法。”
这一观察精准勾勒出全球 AI 监管的三大阵营：以欧洲为代表的“ 严格监管派”，以中美为代表的“ 创新优先派”，以及处于中间地带的“ 谨慎观望派”。欧盟 AI 法案作为全球首个综合性 AI 监管框架，将 AI 系统按风险等级划分为禁止使用、高风险、中风险和低风险四类，对高风险 AI 系统的研发、测试、部署全流程提出了严苛的合规要求。IDC 数据显示，欧盟地区 AI 企业的合规成本平均占 AI 项目总投入的 23%，部分高风险领域甚至超过 40%，一定程度上抑制了中小企业的创新活力。
“ 全球统一的 AI 标准是行业共同期盼，就像电信行业的 5G/6G 标准一样，统一将大幅降低企业的跨境运营成本。” 蔡阳以 3G 时代欧洲 GSM、美国 CDMA 的标准分裂为例，强调了中美在 AI 标准领域达成共识的重要性。
托马斯· 菲尔普斯补充道，对于全球化企业而言，应对监管差异的核心策略是“ 标准对齐”。
数据的重要性“ 不言而喻”
“ 数据是 AI 的燃料，高质量的数据才能产生高质量的 AI。” 蔡阳的这一观点得到了所有嘉宾的认同。对话中，数据治理被反复提及，成为负责任 AI 落地的核心基石。伊拉娜· 布卢门费尔德直言，数据治理没有“ 魔法”，而是需要投入大量精力的“ 苦力活”：“ 企业必须明确自身拥有的数据资产，确保数据被正确标注、恰当盘点，同时严格管控数据访问权限，避免敏感信息泄露或错误使用。”
托马斯· 菲尔普斯补充道，全球 80%-90% 的数据是非结构化的，这些分散在 SharePoint、Box 等内容库中的数据，正是 AI 价值挖掘的重要源泉。Laserfiche 通过 AI 技术挖掘客户的非结构化数据，帮助其发现新药物研发方向、识别市场模式，实现了从“ 数据存储” 到“ 价值创造” 的转变。麦肯锡 2024 年数据治理报告显示，建立完善数据治理体系的企业，其 AI 项目的成功率是未建立体系企业的 2.8 倍，数据驱动决策的企业利润率平均高出行业水平 19%。
数据治理的重要性，进一步推动了 CIO 角色的深度进化。“ 现代 CIO 必须兼具企业家的魄力与高度的责任感，既要承担风险推动创新，又要守护企业的数据安全与合规底线。” 伊拉娜总结道。托马斯· 菲尔普斯将 CIO 的 AI 审视视角分为三个层次：通过 AI 驱动生产力提升、利用 AI 实现业务差异化、借助 AI 颠覆现有业务模式。“ 我们不再是单纯的技术支持者，而是战略业务的推动者，因为我们掌握着企业最核心的数据资产，而数据正是 AI 时代的核心竞争力。”
CIO“ 何去何从”？
伴随着 AI 技术在企业中的应用，CIO 的角色在企业中也有所变化，这种角色进化在不同领域呈现出共性特征。蔡阳作为医疗行业的 CIO，致力于通过 AI 改变医疗服务模式与运营模式，推动智能医院向“AI 医院” 升级；霍华德· 米勒则以教育 CIO 的身份，通过 AI 重构教学场景，培养适应未来的人才；托马斯· 菲尔普斯则聚焦企业数字化转型，通过 AI 赋能全球客户。正如主持人、己任律师事务所创始合伙人何菁所言：“CIO 是现在世界上最好的工作，你们掌握着强大的技术，拥有商业洞察力，正在创造巨大的价值。”
在地缘政治等不确定性因素的影响下，“ 技术供应链韧性” 成为全球化企业核心关切的问题。蔡阳透露，香港医院管理局已采取“ 双供应商策略” 应对潜在风险：核心技术仍以美国技术为主，但同时将中国技术定位为“ 替代方案” 与“ 应急预案”。“IT 行业 99% 的技术曾来自美国，但这种格局正在改变。未来终将形成‘G2’ 双强格局，一方更专注于创新，另一方更侧重于制造，双方各有所长。”
这一策略得到了 UCLA 安德森管理学院 CIO 霍华德· 米勒的认同。他表示，UCLA 在选择 AI 技术时，始终以“ 解决业务问题” 为核心标准，即使是来自中国的 AI 系统如 DeepSeek，只要能证明其是最佳解决方案，且通过法务与风控团队的合规审核，就会考虑采用。“ 我们与全球前 25 所商学院的 CIO 建立了合作机制，核心是分享 AI 技术的最佳实践，而非纠结于技术来源。” 霍华德强调，排除地缘政治干扰，聚焦技术本身的价值，才是技术探讨的应有之义。
另一方面，托马斯· 菲尔普斯提出“ 多 AI 模型策略” 的重要性。他指出，OpenAI、Anthropic、Google Gemini、DeepSeek、阿里巴巴等主流 AI 模型的服务条款与使用限制各不相同，部分模型甚至明确禁止在特定国家使用。“ 对于跨境业务而言，必须根据不同地区的监管要求与业务需求，灵活选择适配的 AI 模型。例如，亚太地区的客户可能更倾向于阿里巴巴的 AI 模型，而美国本土客户则更关注数据驻留合规，倾向于使用本土 AI 模型。”
对于 CIO 而言，这既是最好的时代，也是最具挑战的时代。他们需要在技术迭代的浪潮中把握方向，在跨境监管的差异中寻找路径，在数据治理的基石上构建能力。正如蔡阳所言，CIO 既是“ 首席创新官”（Chief Innovation Officer），也可能面临“ 职业生涯结束”（Career Is Over） 的风险，但正是这种挑战与机遇的并存，让 CIO 成为推动全球 AI 健康发展的核心力量。
未来，随着 AI 技术的持续演进与全球协作机制的不断完善，负责任 AI 将从“ 少数企业的实践” 转变为“ 行业标配”，中美 AI 生态也将在竞争中走向更深层次的协作。而这一切，都离不开 CIO 们的战略远见与务实行动。
以下为圆桌实录，经整理：
何菁：首先请普华永道的伊拉娜· 布卢门费尔德与我们分享一下普华永道对于人工智能的调查结果。
伊拉娜· 布卢门费尔德：我们通过调查有如下的核心发现：
1、CIO 议程重要性：负责任 AI 是 CIO 关键议题。驱动因素包括 AI 采用热情高涨、第三方技术供应链复杂，需要设计整合计划、落实控制措施并了解技术进入组织的路径。
2、成熟度现状：多数组织开始构建负责任 AI 或 AI 治理框架，但实践应用不够成熟。一线团队因直接实施或使用 AI 系统而掌握主导权，对有效治理有明确诉求。
3、治理进化需求：技术迭代极快，治理方式需同步演进。AI Agent 成为新热点，其管理方式不同于传统定制应用，带来额外治理要素。
4、关键转化差距：存在原则/宏观政策与具体可执行的规定性活动之间的转化鸿沟，个人难以据此采取符合组织管控期望的行动。
5、成熟度标志：组织日益关注细粒度测试、可观测性规范及自动化，以支持规模化部署和企业级控制功能。
6、核心价值转变：负责任 AI 项目的主要益处不仅是风险缓解，更重要的是能从 AI 系统中获得更多价值。这要求深入理解系统运作、部署方式、适用场景及质量导向的全生命周期实践。
何菁：各位行业专家对伊拉娜· 布卢门费尔德的观点有何看法？托马斯· 菲尔普斯先来分享一下吧。
托马斯· 菲尔普斯：我是托马斯· 菲尔普斯，Laserfiche 公司首席信息官。Laserfiche 是一家总部位于加利福尼亚州长滩的软件公司，业务遍布全球，在上海和香港均设有办事处，其中上海为软件开发中心。本公司是文档管理与流程自动化领域的市场领导者，致力于服务全球客户。
关于调研数据，我看到美国仅有 28% 的受访者认为"负责任的 AI"是核心业务重中之重，且仅有 33% 的企业在全公司范围内实现了明确的应用落地。这一比例我认为偏低，理想状态下应达到 90%~100%。
正如我与伊拉娜在今晚 ISACA 洛杉矶分会活动上所讨论的，IT 领导者应当采用"AI 治理设计"理念—— 如同"安全设计"与"隐私设计"一样，将 AI 治理嵌入整个软件开发生命周期，而非事后补救。其核心逻辑是：要么现在投入，要么日后付出更大代价。若在初期未建立 AI 治理框架并践行负责任 AI 原则，后期改造以补全管控措施的代价将高昂得多。据我估计，事后追加管控措施的成本约为事前的五到七倍。
考虑到当前 AI 模型及其创新速度的变革，若组织在特定 AI 模型上孤注一掷并深度投入，事后才发现其在风险、安全等领域存在隐患，届时推翻重来并重新审视管控环境将耗费巨大精力。
何菁：霍华德· 米勒，您如何看待负责任 AI 的话题？
霍华德· 米勒：我是来自加州大学洛杉矶分校 （UCLA） 安德森管理学院首席信息官，该院服务于众多国际学生。
我对调查结果并不感到意外。正如伊拉娜所暗示的，这主要是因为变革速度太快。当前形势如同一场接力赛：各方争相探索 AI 与生成式 AI 的本质，识别可行的应用场景，快速试点验证其可行性及用户接受度，事后才意识到数据投喂问题—— 数据是否“ 干净”？是否经过清洗？是否应当使用？是否有数据治理机制？
因此，AI 治理往往成为整个流程的最后一步，因为其他所有事项都优先发生。这是一场争夺谁能最快上线产品、交付用户、获取 AI 红利的竞赛，事后才反思“ 本应换一种更负责任的做法”。既然要开始规模化推广，就必须回头补足 AI 治理。调查数据如此之低，完全是因为变革演进的速度所致。
人们曾热议 2025 年将是“ 智能体 AI（Agentic AI） 元年”，但我认为 2026 年可能才是真正的智能体 AI 之年，这一进程比预期稍长。在掌握一定生成式 AI 基础后，各方开始真正理解如何从智能体 AI 中获益。归根结底，整个行业的发展速度决定了在背后能落实多少“ 责任”。
何菁：蔡阳，您对这件事有何看法？您对这项调查的第一反应是什么？
蔡阳：大家好，我是香港医院管理局首席信息官蔡阳。我们是一个庞大的医疗集团，负责照顾几乎全香港人口，相当于 43 家医院合而为一。我们开发自己的核心系统，包括构建自主 AI。因此，对这一调查结果我并不感到惊讶。我想分享四点看法：
第一点，我于 11 月刚参加完 Gartner 研讨会。作为全球 CIO 委员会成员，我与许多来自欧洲和中东的 CIO 就 AI 进行了为期两天的讨论。与欧洲和中东相比，我认为只有美国和中国在放松 AI 监管，因此这两个地区的发展势头远快于其他地区。我想表达的核心观点是：负责任 AI 其实是促进 AI 放松监管的工具。如果想跑得更快，就需要找到一种工具来保护自己，同时也保护他人。
第二点，对负责任 AI 的治理将会得到加强。我指的是，对负责任 AI 的治理强度会随着 AI 成熟度的提高而增强。成熟度的早期阶段是自动化，而后期的智能体 AI 将是自主化的。想想特斯拉及其他自动驾驶汽车，当它们发展到 L3、L4 级别时，就必须在负责任 AI 上做更多工作。
第三点，医疗行业受监管程度很高。然而，你会发现不仅在香港，医院采用了更多的 AI 解决方案。最近数据显示，超过 30 种 AI 解决方案已被大多数一线中国医院所采用，涵盖放射科、自然语言处理、自动诊断、康复、教育等各个方面。人们会非常惊讶—— 为什么医疗行业采用 AI 如此之快？是因为他们不负责任吗？实际上，在我看来，这并非关乎监管。监管阻挡不了 AI。正是业务的复杂性、工作流程的繁复，使得医院比其他传统行业更快地被 AI 吸引。
第四点，与世界其他地方相比，中国在 AI 应用方面特别强。我认为关键原因在于：数据来自海量的应用场景，并且这些也被融合进硬件中。比如自动驾驶汽车，美国只有一个特斯拉，而中国有 30 多个不同品牌的"特斯拉"。此外，在无人机领域，不仅是大疆，还有很多其他品牌。甚至是牙刷，我买了一把 AI 牙刷，仅售 20 美元，却拥有如此多的 AI 功能。所以我想说，它也必须符合负责任 AI 的标准，即便是我的牙刷。
何菁：在听过行业专家对调查结果的看法后，伊拉娜· 布卢门费尔德，您有什么想评论的么？
伊拉娜· 布卢门费尔德：我非常认同各位嘉宾的观点，认为大家的视角都很出色。此外，我个人对 AI 电动牙刷的具体功能颇感好奇，希望有机会单独了解。
关于调查结果中 28% 的数据，我的解读如下：这 28% 的受访者认为其负责任 AI 实践已非常成熟，意味着该事项已成为嵌入式战略重点，而非刚刚起步。根据我与各类组织的合作经验，尽管各方成熟度和兴趣点存在差异，但霍华德的观点极其精准，也符合我的观察：组织面临双重压力—— 既要实验探索"AI 的可能性"，又要同步建立治理计划，两者兼顾极具挑战性。
更困难的是，在 AI 方案设计完成前就建立治理体系，因为尚不明确治理对象究竟是什么，这使得定义切实可行且符合业务目标的具体实践难上加难。因此，讨论的核心在于：这确实是一个快速发展的领域。技术本身演进迅速，企业对技术潜力的认知同样快速变化，这就要求治理实践必须持续演进以提供有效支持。
我认为，任何声称拥有完整、彻底成熟、已解决所有问题的负责任 AI 计划的组织，都是在自欺欺人。该领域从规划角度需要更强的敏捷性和动态演进能力，因为技术将持续变化，我们对风险的认知也将不断演变。
何菁：现在，我想问问托马斯· 菲尔普斯，作为一家全球性的公司，您是如何考虑 AI 在不同地区的监管和法规问题的？
托马斯· 菲尔普斯：我们高度重视法律法规，因为这些法规会影响我们的客户以及目标市场。我们会密切关注各国立法动态，研究当地法律法规。当前业界广泛讨论欧盟 AI 法案，同时包括美国在内的不同国家也在起草相关立法并征求意见，我们也会对此保持关注。我们将与内部法律团队及外部顾问合作，在全面考量这些法规的前提下，审慎评估已进入的市场及拟拓展的市场。作为一家全球性公司，我们始终致力于遵守各国家和地区的特定法律法规。
在我们的治理、风险与合规框架中，设有一套管控措施，并将其与所有相关法规及标准进行协调对齐。这不仅包括法律法规，还涵盖特定的行业标准。例如，在美国，我们遵循由国家标准与技术研究院 （NIST） 发布的标准，该机构制定了涵盖加密、机密性及风险评估等领域的标准。美国著名的 NIST SP 800-53 第 5 版修订版即是其中之一，我们的安全计划与治理计划均与该标准集保持一致。同时，我们的安全计划也与 ISO 27001 国际标准对齐，该标准是信息管理的行为准则。此外，ISO 发布的 ISO 42001 全球标准正获得越来越广泛的采纳，该标准专门针对信息技术与 AI 管理体系。
这与普华永道伊拉娜所阐述的观点高度一致，即：落实直接治理，从政策与领导力建设入手，并开展风险评估。因此，我认为对于 Laserfiche 这类企业而言，只要建立与领先标准对齐的控制框架，持续关注现行及即将出台的立法动态，并在此基础上进行决策与风险评估，就能为业务开展奠定良好基础。
何菁：下面一个问题给到蔡阳。您所在的医院系统重，对于监管的差异和 AI 法规等方面的问题有何看法？
蔡阳：我的观察是，那些具有强烈使命感的地区通常对 AI 持相当开放的态度，而那些政策繁多的地区 （如欧洲） 则更注重合规与监管。美国和中国因具备强烈的使命感，希望迅速采用 AI 来解决问题，因此对 AI 大力放松监管。这就是我的观察。
我联想到电信行业的 5G 或 6G 标准—— 只有一个统一标准。当然，回到 3G 时代，欧洲使用 GSM，美国使用 CDMA，而中国两者都用。我认为统一标准更为理想，美国和中国未来将会采用相同的 AI 标准。
何菁：我想多问您一点。我推测在选择来自不同来源的技术时，这可能是您有所顾虑的问题。目前我们 （至少在中国和美国） 正在讨论：是应该依赖自有技术，还是应有所担忧？如果技术来自世界另一端，未来发生地缘政治事件时，是否真能拥有可持续的技术供应？我推测这可能是您真正优先考虑的问题。
蔡阳：没错，我想说，40 年前当我在墨尔本上大学时，我的第一台家用电脑是一台 XT 兼容机，甚至不是真正的 IBM 电脑。因此我不得不说，整个 IT 行业 99% 的技术确实都来自美国。老实说，这真的很遗憾。但对我来说，我相当乐观，认为这只是暂时的。人们常谈论技术脱钩，但在我看来，未来终将形成"G2"双强格局—— 一方更专注于创新，另一方则更侧重于制造，双方各有所长。以人工智能领域为例，40% 的 AI 从业者是中国人，这或许是因为数学天赋或其他原因，我也不确定。我想霍华德对此应该比我有更多见解。
就我目前的工作而言，我们采取了"双供应商策略"。因为对我们来说，想要博采众长。目前的局势令人遗憾。例如，我们应用了大量的美国技术，但也担心制裁风险导致这些技术无法使用。但坦白讲，我们的核心依然是美国技术。而对于中国技术，我们有两个层面的定位：一是作为替代方案，二是作为应急预案。就个人而言，我希望这场纷争早日结束，让我们能尽享双方之所长。
何菁：霍华德· 米勒，你们也采用了双供应商的策略么？
霍华德· 米勒：我曾考虑过，DeepSeek 问世之初，团队确实希望评估其能力。如果 DeepSeek 恰好是实现关键业务目标的最佳用例，且该业务至关重要，我认为必须组织研讨，评估使用它的潜在风险，以及从组织层面是否愿意推进此事。但同理，如果它是最合适的解决方案，理应予以采用。
我认为这正是本次讨论的核心，或如蔡阳所言：若要采用最优 AI 技术解决问题，无论其来自美国、中国、德国、印尼或其他任何地方，这才是技术探讨的本质。因此，我们越能排除其他干扰因素，直指核心——"这是解决当前商业难题的最佳 AI"，我们的决策质量就会越高。
托马斯· 菲尔普斯：我补充一下霍华德的观点。某些 AI 模型的使用存在具体限制。如果你仔细阅读 OpenAI、Anthropic、Google Gemini、DeepSeek 或阿里巴巴的服务条款，每家公司都有独特的使用条款和具体的限制性要求。部分 AI 模型不能在特定国家使用，因此必须确保合规—— 不在受限地区使用 OpenAI，而在合适的地区使用阿里巴巴。因此，拥有多 AI 模型策略对于支持企业业务至关重要，特别是那些跨越国界和不同地理区域的业务。
何菁：是的。霍华德· 米勒，我还有个问题想问您，您认为主流的美国大学真的可能使用中国的 AI 么？
霍华德· 米勒：我并不能百分之百确定每所大学都会考虑使用 DeepSeek，但我确实知道有些大学正在尝试。我倾向于让自己处于行业前沿—— 不一定是领头羊，但处于第一梯队，并且一直在为业务寻找最佳解决方案。因此，如果 DeepSeek 确实是最佳方案，且我能让法务和风控团队确认其符合大学规范，那么就没有理由不使用。
我想，虽然你这个问题的答案很可能是"不会"，但我也并不认为这是"不可能"的。这就是我的诚实回答。
何菁：好的，谢谢您霍华德。伊拉娜· 布卢门费尔德，针对上述讨论的话题，如今您有什么建议给您的美国客户么？
伊拉娜· 布卢门费尔德：我觉得企业有很多事情需要做，以便应对这个瞬息万变的环境。首先，建立基础管控机制 首先必须建立定义明确的风险标准控制流程，用于评估任何引入企业的技术。核心问题是判断该技术是否属于合规可用范畴—— 仅基于组织自身的需求标准与指导方针，而非更宏大的议题。与此并重的是提升技术可见性与洞察力，因为"影子 AI"正在组织中急剧泛滥。由于各类技术获取门槛过低，员工可能在不了解风险管理要求与引入流程的情况下擅自使用，因此必须进行有效引导与规范。
其次，构建敏捷管理体系 一旦确立获批技术集，组织还需应对领域本身快速变化的现实：新模型层出不穷，新供应商持续推出新功能，现有软件供应商也在频繁更新。因此，技术管理必须具备前所未有的敏捷性。这需要更多资源投入以及技能升级后的团队成员，技术投资周期应从"数年"缩短为"数月"。大多数组织的现有架构并不适应这种快速更迭的节奏，必须思考如何演进实践以利用新能力，而非将巨额资金锁定在需五年才能切换的技术上—— 这在当前环境下已行不通。这是软件与 IT 基础设施管理面临的新痛点。
第三，评估生态系统适配性 鉴于变化速度之快，还需审视现有更广泛的软件与硬件生态系统是否适用于 AI 应用场景。
第四，CIO 的决策困境 CIO 与各职能部门面临诸多未决问题：技术投资如何管理？资源投向何处？注意力集中于哪些领域？该领域存在大量未经证实的赌注，组织需保持学习心态，不能期望每件事都能产出价值。关键在于明确：愿意在何处冒险？在何处试点？如何试点？战略重点应放在哪里？答案的变化频率可能远超想象。CIO 的世界充满重大决策—— 既要具备企业家的魄力，又要极度负责；既要掌管组织命脉、承担风险，又要保持开放响应，有时甚至需要保守行事，可谓需要兼顾方方面面。
何菁：托马斯· 菲尔普斯，你想给我们的观众提点建议吗？你在美国和中国都有业务，你是如何真正适应这两种不同环境的？你如何在效率、风控之间取得平衡？有什么特别的心得想分享给观众吗？
托马斯· 菲尔普斯：是的，在审视 AI 应用案例时，我通常身兼两职。作为 Laserfiche 的首席信息官，我负责通过 IT 赋能业务、支持业务发展，为员工提供卓越体验，为客户创造优质体验。同时，我也与一位极具创新精神、负责公司软件开发的 CTO 紧密合作。在做技术决策时，我们既关注"价值实现时间"和"上市时间"，同时也审视风险以及我们要赋予客户什么样的能力，这一点对我们的决策至关重要。
对内而言，我想霍华德和其他首席信息官也会认同，我们关注如何利用 AI 并通过不同用例来真正驱动生产力提升。我认为人们有理由期待 AI 将帮助业务真正实现规模化扩张并推动生产力改进，我们的 HR 合作伙伴也期望 IT 部门能实现这一点。
其次是，如何利用 AI 审视不同的用例以及我们想要尝试的事物，并通过成果来真正实现业务差异化，赋予我们业务更强的能力去开发新产品、进军新市场，就像蔡阳的业务推出的新服务那样。
第三是如何利用 AI 真正颠覆我们的业务，彻底转变我们看待事物以及提供产品和服务的方式。
我认为这就是我们作为 IT 领袖审视 AI 的三个视角。当然，还要权衡风险、成本，并评估上市时间和价值实现时间。
何菁：我们讨论很多关于风险的事情。蔡阳，对于医疗行业，您觉得重大决策时，风险是首要考虑因素么？
蔡阳：是的，我刚才提到过，是解决问题的需求在驱动 AI 发展，而非风险。风险往往意味着叫停。医疗行业是劳动密集型、资本密集型且技术密集型的行业，几乎所有国家在医疗上的投入都超过了国防，医疗是一个巨大的产业。
对我来说，AI 应用有两种模式：一种是你拿着 AI 解决方案试图去寻找问题，大多数供应商和初创公司都采用这种方式。但对我们而言，我们已有明确的问题—— 每天面临数十个问题，然后试图寻找解决方案，并不断试错。这就是我们设立 AI 实验室和创新实验室的原因—— 旨在实现需求与供给的匹配。因此在这个层面上，我们通常从问题出发，识别潜在解决方案，然后再评估风险，而非先谈风险再做其他。
我想补充的另一点是，香港是中国的一部分，所以我们深受中国 AI 路径的影响。我想谈谈美国 AI 与中国 AI 的差异。
中国 AI 始终遵循一个词，叫做"AI 普惠化"。试想一下，如果你使用 TikTok（抖音）—— 很多人使用它并非因为那些漂亮的鞋子，而是因为你能买到许多创新的小玩意，用于卧室、洗手间和厨房，很多微小的创新产品。再如中国的 DeepSeek，最出名的是"DeepSeek 一体机"。你可以买到一个装载了"满血版"DeepSeek 的服务器盒子，安装在自己的场所。在 Gartner 研讨会上，许多中东 CIO 提到他们都购买了 DeepSeek 一体机，这样他们可以自费且安全地进行测试，非常安全。
他们还提到了比亚迪 （BYD）。在中东，他们使用比亚迪的 App。下载 App 后，里面有非常多的 AI 功能，几乎就是自动化机器人—— 软件机器人，能引入如此多的智能化功能。
我想说的是：中国 AI 的路径是"普惠化"—— 让所见之处皆可采用 AI。虽然我们与其他中国顶尖医院相比并不算领先，因为其他有些医院的 AI 使用量非常大，甚至连厕所里都有超过 5 个 AI 解决方案。
何菁：是的，已经有一些客户来找我们咨询，毕竟我们是知识产权律师。他们带着各种想法前来，特别是关于 AI 相关的硬件产品，实际上希望将该领域相关的所有内容都申请专利。由此可见，他们在开发 AI 相关应用方面的热情极为高涨。
霍华德· 米勒·，我想请教您如何看待大学的运营方式以及机构的管理方式？作为一名首席信息官，您是否观察到通过使用 AI 这类技术，真正改变了组织管理其领域的方式？或者增强了组织的韧性？您能否分享大家正在尝试什么，或者贵校正在做什么？目前究竟发生了什么？
霍华德· 米勒：各机构的尝试程度虽不尽相同。我们的差异化策略是推动教职员工成为 AI 先行者，实际开设了多门完全基于 AI 的教材课程。例如 MBA 学生的毕业综合项目，整个教学大纲均基于 AI 和智能体 AI（Agentic AI） 设计，课程各环节均设置相应步骤，要求学生必须与 AI 互动才能完成最终成果。另有课程改革了传统角色扮演模式—— 过去仅少数学生能上台表演场景，现在则构建智能体让每个学生都能参与互动，完成后可即时获得辅导反馈，这带来了巨大改变，深受学生欢迎。
从生产力角度，我们创建了一个可批改论文的智能体，这主要包括财务回报率 （ROI） 考量。因为助教成本高昂，且为 60 名学生批改优秀论文平均需数周时间，批改至第 60 篇时已精疲力竭，无法保持与首篇同等的严谨度。因此 AI 可在该流程环节介入，提供更详实稳健的定性反馈，同时反馈定量评分，且不将人类完全排除在外。
综合来看，如伊拉娜所言：若风险超出大学承受度则无法引入；如托马斯所言：一旦引入，便会尝试寻找可"快速试错"的用例，风险某种程度上已过去，因其已是获批产品。课堂是目前收益最显著的场景，员工生产力提升则相对滞后。
托马斯· 菲尔普斯：我想补充一点，UCLA 是一个很好的例子，霍华德也分享了一些不错的案例。我是加州州立大学长滩分校基金会的董事会成员，我校拥有超过 4 万名在校生，其中工程学院有近 6000 名学生。CSU 长滩分校工程学院以"太空海滩 （Space Beach）"闻名，据 《美国新闻与世界报道》 报道，我们的航空航天项目排名全美第三。在工程学院的毕业设计项目中，AI 已成为重点突出和备受关注的组成部分。霍华德和我等人很荣幸能代表另一组织受邀协助评审这些毕业设计。令人赞叹的是，这些大学确实已经转型并采纳 AI 作为核心课程的一部分，从而使这些项目的毕业生真正具备 AI 就绪 （AI Ready） 能力，能够在行业中发挥至关重要的作用。
何菁：这番发言提醒了我。我们律所目前在实践中已出现类似情况：部分律师开始使用 AI 工具编写代码，以简化流程并处理繁琐任务。起初仅有一两名律师私下采用，其他同事对此知之甚少。后来我们安排这些律师进行内部分享，演示其应用方式，此后尝试使用 AI 编写小程序辅助工作的律师日益增多。
这种变化对律所管理者而言颇具启发性。我们此前从未预见到这样的场景—— 绝大多数律师原本并非程序员，如今却能借助 AI 完成编程工作，这确实令人瞩目。
霍华德· 米勒：AI 学习的核心驱动力在于“ 同侪互助”。虽然可以向组织内任何成员提供 AI 工具，但无法强制其使用。然而，若能向某人演示具体用法，他们便更容易理解如何将其应用于自身工作，进而更可能主动告知他人：“ 你看过这个吗？我用它做到了这个，你也试试看”。
何菁：没错那你有没有遇到什么意外情况？比如抵触情绪，或者某些你依然无法改变的事情？比如有人依然拒绝使用，或者管理层的某些部分 有这种情况吗？
霍华德· 米勒：这个问题依然存在。在大学环境中推广 AI 应用颇具挑战，因为我们实行终身教授制度，难以对教授使用 AI 进行强制要求。如果他们不想使用 AI，完全可以自主决定。
部分教授尚未弄明白如何让 AI 适应其日常工作流程。在他们脑中"灵光一现"之前，或未能真正构想出效率提升点之前，无法理解如何最有效地利用 AI。对此我们并不强迫，而是接受这一现实—— 我们称之为"数字鸿沟"。这并非有意为之，但我们理解并接受其存在。
我们希望那些愿意利用所提供工具的人能够充分使用并深入探索，同时寄希望于口碑传播效应。正如所述，通过教育同侪，其他人最终也会逐步加入这一进程。
何菁：谢谢您的分享。伊拉娜· 布卢门费尔德下面一个问题抛给您。如今当您再给客户提供建议时，还有哪些事情是 CIO 们关注的？
伊拉娜· 布卢门费尔德：我可以分享一下我的观点，也很想听听托马斯和霍华德认为哪些内容值得关注。AI 显然非常有趣，不仅在于将其作为职能部门进行管理，更在于如何在 CIO 职能中实现最高效的利用，其能力范围涵盖从安全层面 （如对潜在威胁向量的可视化监控与管理） 到代码开发等多个方面，应用广度令人瞩目。
当我提及 AI 时，其中某些归类于此的概念实际上更接近于真正的自动化，而非 AI 本身。但正因为存在围绕数据采集的生态系统以及对数据的更优管理，我们往往能够从自动化中获取更多价值。
除此之外，我认为业界对于量子计算未来潜力的讨论兴趣仍在持续增长，尽管这可能是一个较为长远的关注点，但我已观察到围绕该领域展开了大量对话。此外还有区块链类型的应用，及其在注册登记、更优哈希算法以及信息追踪可视化方面所能提供的能力。因此，我认为有一系列广泛的技术将持续受到关注。同时，我很希望听听托马斯、霍华德和蔡阳各位在工作中如何看待这些话题的演变。
何菁：托马斯· 菲尔普斯您有什么想补充的么？
托马斯· 菲尔普斯：关于 AI 的实际应用，我们感到非常兴奋，因为许多流程可通过 AI 得到改进或优化。例如会议摘要生成这类基础功能，不仅能捕捉待办事项、提示后续步骤，还能推动项目与计划向前发展，这已非常有趣。
我们已采用相关工具协助企业级项目群管理。过去，服务商顾问为新计划创建需求需耗费大量精力，如实施"订单到现金"（Order to Cash） 项目时，需建立"需求跟踪矩阵"（RTM），并开发测试用例以验证设计，再用于用户验收测试 （UAT）。现在，将 RTM 输入 AI 工具，即可迅速生成大量测试用例，并借助 AI 赋能工具实现部分测试工作的自动化。
伊拉娜提到了软件开发领域。我们以负责任的方式使用 AI 编写软件、测试产品，这极具价值。因此，我们在组织层面观察到的 AI 生产力提升非常显著。
此外，市场营销领域也已经被 AI 颠覆。从内容创作到社交媒体管理，传统方式需雇佣多人，如今 AI 可生成大量内容并实现变现，或经精心策划后发布至不同平台，这即将成为基本标配。自动化程度之高依然令人惊叹，例如图像编辑能力—— 在 Gartner 研讨会的签名售书活动中，我与作者及主题演讲嘉宾合影时背景中有路人，使用三星手机一键即可消除该路人，仅保留我与书作者。在过去，需导入 Photoshop，添加滤镜、处理图层，耗时约 15 分钟，现在不到一分钟即可完成，非常便捷。
伊拉娜· 布卢门费尔德：另一个值得关注的现象是，AI 的广泛关注使其成功所依赖的各项要素也获得前所未有的重视。那些长期位列 CIO 议程却未曾处于焦点位置的其他要素，如今也引起广泛关注，因其被视为实现这些重大投资价值的前提条件。例如数据转型、数据湖等虽不引人注目但至关重要的底层基础设施组件，其对实现规模化部署及识别 AI 合适应用场景至关重要。这些要素正日益成为议程的主导内容。
何菁：对，现在的 CIO 也是创新者，这也是我之前在蔡阳的发言中听到的一次词：创新。蔡阳，您作为一个 CIO，有哪些想补充和分享的么？
蔡阳：我认为 AI 的终极目的，除了实现自动化和自主化之外，是提升组织的能力。如前所述，医疗行业规模庞大，涉及海量知识及监管要求。因此我们正在大语言模型之上构建疾病模型、临床模型、康复模型等各类模型，这将成为医疗服务机构的核心竞争力。最终，我们希望利用 AI 改变两种模式：面向外部的"服务模式"与内部的"运营模式"。
我曾阅读埃里克· 托波尔 （Eric Topol） 教授关于未来数字医疗的著作。托波尔教授在美国享有盛誉，其著作成书于 AI 普及之前。书中提到，传统的综合医院集中了普通诊所、专科医生、放射科等，占据大块土地，这是因为 100 年前没有 IT 技术，信息无法流通，人们必须坐在一起工作。但在未来的医疗模式中，放射诊所可能设在地铁站旁或社区内，患者无需前往大型综合医院在不同病房间奔波寻找解决方案。这将带来医疗模式的巨大变革。与此同时，家中的床将转变为病床，通过物联网、智能设备等实现万物互联。这正是我们医院正在推进的方向，因为如今香港的大多数医院已成为智能医院，我们在香港的所有医院均获得了 HIMSS 七级认证—— 这是美国医院 IT 标准的最高级别，意味着顶级的认可。
下一步，智能医院将迈向 AI 医院，从副驾驶、助手开始，逐步实现自主化。当然，仍需人类签字确认，正如航空业的模式。我曾任航空公司 CIO 多年，30 年前 90 年代后制造的飞机均已配备自动驾驶系统，但降落时系统不会自动停止，机长仍需手动操作完成降落。因此我认为，跟随其他行业的步伐，医疗行业在未来也将变得高度自主化。
何菁：那么在数据方面呢？这个问题我想问问你们所有人，我们意识到把我们的数据，我们的专业知识输入系统是多么关键。那么作为 CIO 你们实际上如何确保组织里的人，最终能贡献出这些专业知识和数据？蔡阳你有什么想分享的吗？
蔡阳：我们非常幸运。我认为数据将深刻影响 IT 供应商的供应链体系。例如，大多数中国医院使用供应商的解决方案，但在香港，我们在过去 30 年里建立了自主系统—— 覆盖全体人口的统一系统与单一数据库，因此拥有充足的高质量数据供应。这正是我们的 AI 实验室能够真正起飞的原因。
在此基础上，我们还构建了大量数据产品。目前我们已支持 8 所顶尖大学，在过去几年中开展了 70 多项跨年度研究项目。同样，顶级质量的数据将产生顶级质量的 AI。这意味着什么？我认为这将有助于整合中国众多医院。在香港，我们有 43 家医院使用同一套系统。而在深圳，未来全市 126 家医院可能组建联盟共同贡献数据，如同银行存款—— 不存钱则无法取款。他们将共享数据，形成一个基于数据的 AI 联盟。
何菁：霍华德· 米勒，您有什么想分享的？
霍华德· 米勒：“ 数据为王” 这点毫无疑问。我们目前的成功，源于对迄今推出模型和智能体所使用数据的严格筛选。我们没有试图"贪大求全"，正如蔡阳所说，选择了那些拥有高质量数据的智能体，从而利用这些构建好的智能体取得成功。
有趣的是，在 AI 出现之前，我们一直在努力成为更优的数据驱动决策型组织。当我们开始研究 AI 影响时，可能略微偏离了该目标，但这正是 CIO 需要努力调整的方向。CIO 角色已转变为更具战略性与创新性，而非仅局限于运营性，我很欢迎这种变化。实际上，我们最为关注的焦点正是那些用于训练 AI 的数据。若非如此，那便是网络安全—— 因为我们讨论的关于数据和 AI 的一切，始终面临威胁。因此，这三者的结合才是我关注的重点。
何菁：托马斯· 菲尔普斯，您有什么想分享的？
托马斯· 菲尔普斯：大多数领先的分析机构都指出，世界上 80% 至 90% 的数据是非结构化的，仅约 10% 至 20% 为结构化数据。试想一下，海量数据存储在各类内容库中，无论是 SharePoint、Box 还是 Laserfiche。Laserfiche 作为内容管理系统，能够挖掘并利用这些数据来实现蔡阳所述的目标，其意义极为重大，这正是 AI 发挥价值的空间所在。
在 Laserfiche，我们推出了 Laserfiche AI，目标是让我们 9500 家 B2B 客户能够利用其库存数据进行决策，发现新药物，并通过数据查询、模式识别和洞察提炼来寻找新的创新点。从公司战略角度来看，这正是我们专注的核心方向。
何菁：伊拉娜· 布卢门费尔德，你今天对客户管理和利用数据有什么建议？他们该如何确保数据结构化？
伊拉娜· 布卢门费尔德：这项工作本质上是艰苦繁重的苦力活。为解决前述所有问题，必须明确掌握数据资产状况，确保数据得到正确标注与恰当盘点。同时，必须清晰界定围绕数据的访问权限，确保配置得当—— 不应访问 HR 信息的人员不能意外获得权限，查询文档时系统不应呈现错误版本的政策文件 （例如将六年前发布的版本误作六个月前的版本）。
此类索引工作需要投入大量精力，正是那些不引人注目却至关重要的基础工作。尽管 AI 现已可帮助实现部分能力，且相关部署也已投入使用，但前提是必须拥有良好的信息基础架构、规范的访问机制，以及严密的控制体系，方能从这些系统中获得有价值的洞察。因此，这种管道铺设与底层架构工作对于系统的高效运行具有决定性意义。
托马斯· 菲尔普斯：伊拉娜提到了非常重要的一点。"访问权限"是 Laserfiche 极为关注的核心事项。我们基于用户的权利、获批资格、角色以及文档分类、标签和元数据管理来严格限制其可访问的内容。因此，在审视非结构化数据时，必须全面考量这些方面，以确保当普通用户访问丰富的内容资产时，其仅能获取"有权"访问的内容。
正如伊拉娜所言：用户不得访问涉及并购、新客户获取、个人数据或其他受监管信息的高度机密商业敏感数据。在利用不同工具创建数据并实施 RAG（检索增强生成） 或其他技术解决方案时，从整体上审视权限管理至关重要。
何菁：我们深入探讨了 AI 议题，但背景始终围绕跨境维度展开。当前 CIO 工作中面临的跨境影响，正如我们在讨论之初所提及的监管环境视角。我也可能对这些困难有所过虑—— 看起来所有这些跨境问题与复杂情况，并未对各位的实际工作造成太大阻碍，因为每个人都对 AI 应用落地充满热情。
在最后，我想请各位分享一些见解：作为 CIO，我们是否应该不再仅仅聚焦于机遇、创新这类事项，甚至承担起类似职业专家或 CEO 的角色？还是说，我们应当过度担忧地缘政治的不确定性？
霍华德· 米勒：在我看来，这方面不存在任何障碍。我们正试图利用技术实现更优的业务成果。若能找到一种他人正在采用且我们能从中受益的更好技术使用方法，就没有理由不分享。
蔡阳：就消费品而言，中国正从供应市场转变为需求市场。但在 AI 方面，中国正从需求转变为供应。这意味着我认为美国和中国在 AI 领域有很大的合作空间。
伊拉娜· 布卢门费尔德：我对未来的合作非常乐观。我认为两个地区都拥有大量人才，若能找到合作方式，只会产生积极结果。从 CIO 角度来看，CIO 必须具备对进入组织的技术保持敏锐洞察的能力，并且可能需要制定从 A 到 F 的一系列备选方案。因为政策可能发生变化，他们需要理解这些变化对所做技术选择意味着什么。但我不认为这会影响人才或两个领域的创新生态系统，它们将继续发展。因此，我依然保持非常乐观的态度。
托马斯· 菲尔普斯：作为一家企业，我们深知客户分布于不同且受高度监管的行业，服务于特定市场。因此，我们在支持这些国家与地区客户方面展现了高度灵活性。例如，在亚太地区，我们有客户希望专注于阿里巴巴的 AI 模型；同时也有以美国为中心的客户，非常关注数据弹性并确保数据保留在美国境内。为此，我们不仅具备相应的组织结构，还拥有配套的流程、系统、工具和技术，旨在赋能客户取得成功，无论其身处哪个国家，或其希望数据驻留在何地。
何菁：太棒了太棒了现在 真的谢谢你们。感谢你们每一位参加今天钛媒体 （TMTPost） 的节目，希望今天的节目对我们的观众有价值。再次感谢你们每一位抽出时间，节目到此结束。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
