Verint首席产品官Jaime Meritt指出，当今客户体验与科技领导者面临明确的AI指令：在保持纪律的同时快速行动。然而，AI行动与业务成果间的鸿沟，暴露出被许多领导者忽视的核心难题：从AI中获得生产力提升相对容易，但将其转化为收入增长却困难得多。
Meritt认为，技术高管必须成为AI的“诚实仲裁者”，即使这意味着要抑制董事会的热情。其职责是提供必要的指导与严谨性，确保AI切实为企业创造价值。
重构FOMO：从焦虑到纪律
行业分析师Mark Smith指出，许多领导者面临的错失恐惧症（FOMO）需重构为“AI纪律”。Smith表示，尽管AI在企业应用、基础设施等方面迅速推进且经济影响巨大，但紧迫感不能消除对纪律的需求。相反，AI演变越快，组织越需明确行动时机、关注重点、责任主体及投资优先级。
Meritt指出，大多数董事会缺乏以下清晰务实的视角：
- AI将在何处及如何真正创造业务价值
- Ai项目的实际成本（超出演示阶段）
- 如何管理治理结构
- 如何将市场炒作与可持续优势区分开来
在向董事会汇报时，Meritt重点关注产生回报的关键要素：成果、成本控制、治理及商业保障措施。
关注成果，而非算法
AI必须从实验和试点转向具有可验证成果的全面企业部署。IT领导者需聚焦商业价值，阐明成功的概念验证如何通过资源、治理、人员配置和整合，转化为运营能力和公司战略。
对话应明确具体用例目标、成功标准及预期时间表，旨在建立将AI作为核心业务纪律的组织能力。每项AI倡议都必须与量化的商业案例挂钩，定义明确指标（如服务成本、净推荐值、错误率、周期时间、每次交互收入等），并设定清晰的回报期，理想情况下为12至24个月。
实施“停止与重定向”纪律至关重要，未能显示价值的试点项目应被迅速关闭或重塑。Meritt建议，向董事会汇报时应避免谈论技术细节（如大语言模型试点），而应强调业务影响：“我们利用AI将平均处理时间减少15-20%，自动化30-40%的日常咨询，让员工专注于高价值工作，从而改善未来12-24个月的营业利润率。”
成本控制：追求“价值最大化”
近期，多家知名大公司因AI预算超支或单季度耗尽编码和令牌资金而引发关注。据报道，一家公司在一个月内花费5亿美元购买Claude许可证。失控的使用量推高了成本。
Nebius首席营收官Marc Boroditsky提出“价值最大化”（valuemaxxing）概念，主张将对话集中在AI通过消耗令牌在哪里及如何创造商业价值上，而非单纯追求令牌的极大化或极小化。关键问题包括：完成了多少任务？节省了多少开发人员时间？加速了多少现代化工作？解决了多少漏洞？避免了多少返工？
在此原则下，IT领导者可为不同用例或业务单元实施速率限制和配额，指导新AI工作流的部署。同时，需向董事会解释模型选择的重要性：低成本模型足以处理简单任务，高端模型应保留给关键用例。此外，董事会还需审视未来三到五年构建混合人机组织所需的人力转型。
董事会层面的AI经济讨论应回答两个核心问题：当前及规模化后的成本是多少？预期回报是什么？
安全、治理与商业控制
调查显示，企业AI使用速度已超过监管速度。虽然87%的高级业务决策者鼓励使用AI代理，但仅47%建立了清晰的治理、监督和控制系统。
董事会必须在AI热情与有序、安全的采用路径间取得平衡，追求变革性机会而非让公司沦为不受控制的实验场。科技高管需主动解决数据主权和居住地、安全隐私、监管一致性、模型风险及结果风险等问题，以建立信任。
Meritt表示，当IT领导者能向董事会说明以下三点时，即表明已覆盖所有基础：
- 已建立治理和控制措施，确保不违反数据居住地或主权规则
- 与运营所在地的监管制度保持一致
- 拥有模型风险管理框架，并对高影响力决策保持人类问责制
这些是以结果为导向的AI战略要素。通过拥抱这些要素，领导者可将AI热情转化为长期的企业价值。