AI治理：董事会的新生死线
当88%企业使用AI但董事会治理滞后时，一个吞噬价值的真空正在形成。麦肯锡揭示AI定位矩阵与六项治理行动，治理能力可带来10.9%的ROE溢价，是企业真正的竞争分水岭。
“目前，超过88%的企业已在至少一项业务职能中使用AI，但董事会的治理没有跟上。这是一场正在发生的错配——技术已经跑进了生产车间和客户界面，拍板的人却还被关在门外。” —— 麦肯锡全球董事合伙人
我们正处在一个极其别扭的时刻。企业里的年轻人和业务中层，已经拿起AI工具卷得不亦乐乎，但绝大多数公司的真正决策核心——董事会，对AI的认知基本还停留在“知道很重要，但又讲不清哪里重要”的阶段。这不单是哪个人、哪家公司的问题，而是一个系统性的时代错位。麦肯锡的最新研究向我们揭示了一个残酷的真相：AI落地的最大隐性瓶颈，根本不是算力、不是模型、也不是人才，而是那张围坐在会议桌前、决定企业命运的大脑——董事会治理。
治理真空：一场注定昂贵的拖延症
要准确理解这场危机的严重程度，我们有必要先拉一组数据，不是泛泛而谈的“很重要”，而是落在地上的证据。麦肯锡对全球75名董事进行深度访谈并调用了他们全球人工智能现状调研的数据后发现：66%受访者直截了当地说，自己所在董事会对AI的知识与经验根本不足，甚至完全没有；将近三分之一的高管承认，AI甚至从未被列上董事会的正式议程。
这是什么概念？这意味着，大概有接近三分之一的企业，其最高决策层在最近一年里，没有就这个话题进行过一次像样的、正式的、记录在案的讨论。而与此同时，他们手底下的业务部门正在把AI嵌入排班、客服、销售预测、仓储物流甚至产品研发。这是典型的“身子走得太快，灵魂没跟上”。而商业世界的铁律是：当认知与行动持续脱节的时候，代价迟早会来，且往往以令人措手不及的方式呈现。
麻省理工学院2025年的一项研究将这个代价用一种极其量化的方式摆在了台面上：在董事会层面具备数字化及AI认知能力的企业，其股本回报率（ROE）比行业同行整整高出10.9%。而那些缺乏此种能力的公司，业绩表现比行业均值低了足足3.8%。请注意，这里一上一下的剪刀差，已经超过了14个百分点。可以说，在公司最高治理层面，AI已经不再是一个锦上添花的加分项，而是一条硬生生的财务生死线。
然而，现实的另一面依旧冷淡。截至2024年，即便是在被认为治理结构相对完善的财富100强里，仅有39%的企业披露了某种形式的董事会AI监督机制——比如设立了专委会、任命了具备AI专长的董事，或者建起了伦理委员会。与此同时，只有不到四分之一的企业发布过由董事会正式批准的系统化AI治理政策；仅有约15%的企业，在董事会这个层级手里握着AI相关的可衡量指标，去追踪这笔大钱到底花得值不值、风险到底控没控住。
这已经不是某种温和的提醒，这根本就是一道分水岭。当你把“不上会讨论、没有监督机制、不留出预算、不匹配指标”这四件事拼在一起看，就会得出一个简单到可怕的结论：绝大多数企业正在用一种极其原始的管理手段，企图去驾驭一场极其高阶的技术革命。
跳出“用不用”，转向“怎么用”：AI定位矩阵
之所以会出现这种治理滞后，一个深层根源在于很多董事会的思考还陷在第一步：“咱们要不要用AI？”这个问题的提出本身，就暴露了认知的浅层。因为到了今天，这早已不是一道是非题，而是一道象限题。麦肯锡给出了一个简洁而锐利的分析工具：用“价值来源”和“应用程度”这两个维度，替企业画清楚自己的AI坐标。
第一个维度是价值来源：AI究竟是要去动你的核心商业模式，催生新产品、新客户体验、新的收入流，做战略性拓展？还是主要留在原地，改善你现有的业务模式，做内部优化？第二个维度是应用程度：AI是广泛地嵌入了整个组织的肌理，实行全面应用？还是针对几个具体的、看得准的业务场景，做选择性应用？
这两个维度交叉，一下子切出了四种典型的AI定位。这四种定位绝不是文字游戏，它们各自对应着完全不同的风险、治理逻辑和决策者需要操心的头号议题。
业务开拓型
这类企业把AI放在战略核心，去动根本的奶酪，去研发全新的产品和服务。比如，一家传统的医疗设备企业，开始用AI辅助解读医学影像并直接推荐治疗方案，不再单单是一个卖铁盒子的硬件商，而转型成了一个健康解决方案的提供商。在这种定位下，董事会要操心的不是省了几个百分点成本，而是确保高管团队能够深刻理解AI的价值潜力，并且反复审视这种业务模式的深层可持续性——技能人才缺口、对传统业务的侵蚀、指数级攀升的能源消耗以及数据隐私、网络安全、全球监管和知识产权风险。更关键的是，董事会成员自己有没有足够的产品经验和敏锐的AI素养去跟高管做高质量的质询。
内部转型型
这类企业把AI变成了整体运营的支柱，是从骨架上重塑自己的运转方式。比如一家矿业公司，用AI去指导勘探、自动化开采、优化整个冶炼过程；或者一家媒体工作室，把AI嵌入了整个制作流水线，去实现以前不敢想的速度和成本的大规模内容生产。在这种定位下，董事会的职责是指挥并监督一场伤筋动骨的运营模式大重构。他们要质询的核心是：你从AI拿到的运营收益，到底是一阵子的事，还是真正结构化了、颠扑不破了？他们需要深深扎进系统关联、技术依赖，尤其是公司整体架构这种极其枯燥但决定成败的细节里，去审视系统的韧性、可观测性和可解释性。
职能重塑型
这类的典型做法是，在已经验证过投资回报的某个业务流程里，有的放矢地部署AI，目标极其明确——追求ROI。比如医疗机构部署AI做排班、语音转录和HR工具；物流供应商用AI去算路线和做预测性维护。这时候，董事会的工作重心就切换成了以创造价值为前提，去推动规模化扩张。他们要操心的是怎么确保这些AI举措整体协调一致，怎么避免被个别供应商深度绑定。底下那个审计、风险、人才的专委会需要被充分调动起来，并且应该用实时的数字仪表盘而非半年才看一次的报告去追踪项目成果。
稳健采用型
这类企业的策略本质上是快速跟进。不冒头，只在自己看准了、市场也已经证明了价值的领域才动手。比如消费品企业等电商的推荐工具成熟了再上，时尚零售企业等AI服装租赁或者个性化穿搭推荐被证实效果了再跟进。但请注意，“稳健”绝不等于“不管”。这种定位下的董事会反而最需要关注战略上的准备程度和不作为的风险。他们要逼着管理层持续不断地分享市场情报——你的竞争对手到底在偷偷摸摸干什么？市场的风向变到了什么地步？AI本身的技术又演进到了什么节点？并且必须建立一套指标体系，像雷达一样追踪竞对在AI能力上的进展。
这个定位矩阵，一下子把问题从虚头巴脑的“要不要”拽到了极度务实和责任清晰的“怎么管”。特别值得中国的CMO和市场负责人留心的是，这个框架同样可以直接迁移到营销组织内部。你们团队当下的AI应用，究竟是在做跟风似的“降本增效”，还是奔着定义新的品牌体验和商业模式去的？是全员都在乱枪打鸟，还是集中火力在几个高价值的精准场景？把这个问题想清楚，你才有机会在跟CEO和董事会申请预算和辩护价值的时候，把话说进他们心里。
重新定义治理：质询比批准重要一万倍
说到这里，一个根深蒂固的误解必须被澄清。麦肯锡在报告里最振聋发聩的一个暗线是：治理绝不等于一个复杂的审批流程。在许多中国企业家的直觉里，一讲“治理”，脑子里蹦出来的是流程、是盖章、是报批，是让事情变慢变重的枷锁。这是认识上的巨大退化。真正的AI治理，核心是一种“质询能力”——是坐在董事会的房间里，能够针对管理层报上来的重大AI投资，问出最直击要害、最让人没法打马虎眼的问题。
不同定位的企业，质询的清单大相径庭。你是业务开拓型，就要问清：AI会增强还是反过来威胁我们已有的竞争优势？你画的这个价值大饼，到底大到足以重塑整个市场吗？要啃下来，我们现在缺哪些关键资源？有没有专门的人在管开拓创新业务的合规风险？你的创新项目储备，跟得上这个领域的技术变化吗？
你是内部转型型，质询就得硬桥硬马：AI究竟是在重塑我们整个运营的根，还是仅仅自动化了几个边边角角的零散环节？你说运营在变，证据是什么？是结构性的吗？能持续吗？管理团队到底有几分把握去追踪这种跨职能、跨流程的复杂变化？这里头哪些东西我们必须牢牢握在自己手里自研，哪些可以放心地交给外部的伙伴？
你是职能重塑型，要追着问：公司里流程千百条，真正值得让AI去狠狠撬动并以此为核心规模化扩张的高价值环节，到底是哪几个？准备拿什么规则去管住特定流程里的那些坏风险？自研和采购各自的甜头跟苦头是什么？我需要一套怎样的机制，确保最有潜力的试点能第一时间被我识别到，然后像推土机一样推出去，而不是烂在实验室里？
而即便是偏保守的稳健采用型，也逃不开三个拷问：你通过什么来追踪对手的AI动态，并由此决定我们的行动时机？咱们兜里到底有没有一套具备实操性的计划，能在能力一旦被市场验证后，能以快得让对手来不及反应的速度，迅速打进去？如果我们没跟好，各个业务领域的致命风险到底是什么？
这种质询能力的养成，才是一个董事会能从“被动听说”走向“主动驾驭”的分界点。它要求董事们不必成为数据科学家，不需要去敲代码，但必须建立起对AI基本原理、机会形态和风险类别的基本认知。麦肯锡给出的建议非常直白：起码每年对企业的AI战略定位做一次严肃的审视和审查；持续学习，无论是定期的内部简报、外部的专家培训，还是你在个人生活和会前准备中自己亲手去用一用AI工具，贴近技术的脉搏。说到底，你没法在会议室里凭空追问一个你从来没有亲自去感受过的东西。
六项行动：从认知到落地的操作系统
光有认知和定位，当然还不够。要把一切落到实处，麦肯锡最后给出了六项可供董事会立即启动的行动，我们不妨把它理解成一个转向AI原生治理的微型操作系统。
第一，在AI战略定位上取得白纸黑字的共识，并且每年至少做一次正式的定位审查。环境在变，竞争对手在变，监管在变，技术在变，去年定下的稳健采用策略，在今年或许已经变成危险的退缩。
第二，把监督职责掰开揉碎，分清楚哪些重大到必须上全体董事会——比如全企业规模化砸钱的大投资；哪些适合交给专委会去细嚼慢咽——比如AI风险治理的整套框架、对一个关键供应商的全面评估；哪些应当放心地留给管理层在日常去灵活决策。职责不清，最后的结果必然是相互推诿。
第三，把AI治理政策框架真正制度化。这不是一句空话，它包括规模化推广的规则、明确必须由人工审批的风险阈值、划定供应商管理与数据管理的红线——包括IP怎么保护、第三方审计的权力、安全硬性要求和数据的可追溯性，以及升级上报的触发机制：出了什么事、到了什么程度，必须按响警报器。
第四，打破跟CEO和CFO对话的舒适圈，去跟更广泛的、掌握一手情报的一线负责人沟通——首席数据与分析官，关键业务和重要部门的负责人。只有听到了那些具体的、困难重重的真话，决策才不会浮在云里。
第五，把所有AI投资死死地绑在业务价值上。量化，量化，还是量化。需要被跟踪的关键指标至少应该包括：每个业务部门的ROI、公司整个大盘里AI赋能业务所占的比重、系统韧性的真相（人工不得不插手的干预率和备份实战演练的结果）、成千上万员工技能再培训的真实进展，以及跟越来越紧的监管合规对齐的情况。
第六，也是这一切的基座：提升董事会成员集体的AI素养。你不必成为数据科学家，但你必须学习。通过定期的高质量简报，引入真正实战过的外部专家顾问，甚至从自己生活里跟AI的每一次真实交互中，去建立那种只可意会不可言传的体感。
在这六项行动构筑的框架下，CMO和市场负责人的角色其实变得前所未有的关键。因为营销正站在AI引发商业回报与风险的最前线。研究报告里那个刺眼的数据——具备AI治理能力的企业ROE高出10.9%，而欠缺者落后3.8%——将直接转化为你在公司预算桌上话语权的轻重。当你能用董事会的治理语言——定位、指标、上报机制、风险阈值——去包装和推动你的营销AI项目时，你就不是在嚷嚷“我们要尝试新工具”，而是在冷静地参与定义公司未来的核心竞争力。
麦肯锡这项研究的样本虽来自全球，访谈的也是跨国公司和中国企业的高管，其中所披露的治理滞后与恐慌，在当下中国企业界的土壤里或许只会比数据呈现得更深。目前，我们尚未见到一份针对中国本土企业董事会AI治理的公开权威统计，这是一个显眼的数据缺口，但也是一块最值得品牌决策者和服务商一起去挖掘和构建的认知高地。形势的风浪正在加速集聚，当浪潮终于拍到会议室那扇厚重的木门上时，我们希望里面坐着的，不是一群茫然失措的人，而是一群已经做好了准备、手握问题清单、敢于追问的决策者。