老板支持AI，但到了部门就推不动了

文／侯彦君

老板支持，预算也批了，培训也搞过几轮，可是到了部门这一层，AI项目还是迟迟推不动。会上大家都点头说该做，会一开完，手头总有更急的事冒出来。

碰到这种情况，人很容易就会觉得，是中层不愿意变，部门负责人执行力不行。于是接着开会、定截止日期、盯进度，让每个部门都报几个应用场景上来。

但老板说一句“今年要把AI用起来”，跟部门真正知道下周该调整哪件事，中间其实还隔着不少东西。方向是定了，可谁来干、原来的活儿怎么排、哪些流程能动、出了问题找谁，这些未必都讲清楚了。

这些问题要是还总悬着，就会觉得部门推进慢，有时候恰恰是因为负责人心里清楚，日常业务不能停。

新活儿加进来了，原来的要求一点没少

不妨看看一个部门可能遇到的情况，销售经理这个月本来就要搞定签约和回款，结果又接到通知，让他带着团队试用AI客户跟进工具。

这个工具得先整理客户资料、改记录方式，销售人员还得抽时间学。试用刚开始的时候，老系统不能停，新工具又要盯着检查，团队等于平白多出一块活儿。到了月底，销售指标照常考核，客户也不会因为你们公司在试点AI，就会体谅你跟进慢一点。

这种时候要是没个明确安排，销售经理一定会优先保签约和回款，这其实不难理解。AI项目的好处还在后头，但眼前的业绩可是直接压在他身上的。

这时候再一遍遍强调AI多重要，作用其实并不大。部门真正需要知道的是，哪些客户、哪些任务先试，谁能腾出时间，原来哪些事可以先放一放，还有试点遇到什么情况就该停或者就该调整。

另外，也不能简单地说给部门减点指标就完了。试用一个成熟的工具，跟重新调整一整条业务流程，所投入的完全不是一回事。有的项目只要安排一点学习时间就行，有的却得有人专门盯着。管理层应该先把工作量摸清楚，再决定怎么调人调时间，而不是把AI项目都当成员工用业余时间顺手就能干完的小改进。

2026年10月14日，ASCM跟DSCI发布了一项供应链AI落地的调查，把人员技能和资源不足、商业价值或投资回报不清楚，列为受访者最常提到的障碍。这项调查受访者只有107个人，而且主要来自北美，不能代表所有企业，但至少说明了一点，支持AI和真有条件去执行，是两码事，得分开落实。

部门负责推进，可未必有权改流程

有的项目卡住，甚至不是自己部门能解决的。

比如说，销售部门想用AI整理报价方案，可产品信息是产品部门在维护，价格政策要财务或者经营负责人审批，交付周期又得找供应链确认。销售经理可以要求手下的员工用工具，但没权力让别的部门修改数据的维护方式，也不能自己就把原来的审核环节给取消了。

如果到最后还是得人工到处找信息、一个个去确认，然后再把结果录进系统，那就算工具演示得再顺畅，真用起来也不见得能省多少事。

这时候，老板光盯着销售部门的使用率，其实是找错了管理对象。真正该定下来的是，哪些信息由谁来维护，多久更新一次，谁负责确认；系统之间怎么对接；牵扯到好几个部门的分歧，最后由谁拍板。

这些决定说白了，就是工作量和责任要重新分配，不是拉个项目群就能自动解决的。

跨部门的项目，得有个能协调各方的负责人牵头，也得让部门把解决不了的问题往上提。不然的话，业务负责人担着推进的责任，却只能一遍遍去求别的部门配合。时间一长，项目就容易卡在“正在沟通”上。

老板的支持在这种地方才需要落到实处，不只是听汇报、看进度，而是真去处理部门之间自己搞不定的分歧。

对改变的顾虑，也得摆到台面上说

当然，推行不动也不能全怪资源和权限的限制。有些管理者确实会担心，AI让业务过程更透明了，自己原来掌握的信息优势就没那么大了；有些人担心团队缩编以后，该干的活儿一点没少，能用的人反倒更少了。也有些人本身不懂技术，更不愿意在下属面前露怯。

这些顾虑可能会影响部门配合的意愿，但不能光看项目进展慢，就说某位经理是在护着自己的利益。

英国财政研究所2026年4月发了一篇工作论文，对美国和英国的2,000名管理者做了预注册调查实验。研究发现，当受访管理者接触到“AI可能替代劳动”的信息后，他们表达出来的采用和推广AI的意愿就下降了。这是对意愿的实验研究，并没有观察企业实际部署的情况，也不能用来证明管理者普遍在阻挠AI。它提醒的是，管理者怎么看AI对人的影响，会影响他们的态度。

企业要是一边要求经理积极推广AI，一边又不断暗示“做得好就能把你的团队减掉”，那就得料到这种沟通形式会带来什么反应。

其实没必要承诺组织和岗位永远不变，但眼下已经定下来的事，应该讲清楚。试点到底要验证什么，人员安排有没有个说法，经理在新流程里要担什么责任，效率提上去以后对部门又有什么要求。还没定的，也别拿含糊的话去安抚人。

对员工是这样，对中层也一样。你让一个人去推进一个会影响他自己职责和团队的改变，却连讨论都不让他参与，那配合多半只能停在表面。

别让报进度变成另一项负担

项目一直推不动，管理层很容易就加大检查频率，要求每周报告使用次数、生成了多少内容、有哪些应用场景。部门就开始忙着准备截图、整理案例，证明自己没掉队。

这些记录确实能帮助经理了解使用情况，可要是主要精力都花在证明“已经用了AI”，那就可能跑偏了，离原本要解决的问题就会越来越远。

比起让每个部门都报三个场景，更有用的办法是先挑一项值得改的工作。比如说报价准备时间太长，那就围绕这段流程，搞清楚时间都花在哪、哪些信息老是不全、哪些环节适合让AI来帮忙。试用范围和审核要求定下来以后，再看整个任务有没有变好，而不是光看某一步生成得快不快。

项目检查也应该围绕执行中到底卡在哪里进行。是工具本身不行，还是业务规则没理清楚？是员工不会用，还是得一遍遍重复录入？前一种问题可能要培训，后一种问题再培训也没用。

要是事实已经说明这工具不适合干这个活儿，那就该调整方案，或者干脆停下试点。部门能及时发现问题、别再继续往里投入，这么做本身也有价值。不能把所有没推广下去的项目都算成执行不力，不然下回汇报的时候，管理层听到的就只会是“进展顺利”。

做过经营管理的人都知道，部门每天都在处理一堆互相打架的要求。AI项目进了部门以后，也得跟着一起排优先级。老板觉得它重要，那就得进一步体现在人员怎么安排、流程怎么定、怎么评价上。

所以下次再听到“部门推不动”，不妨让负责人拿出一项具体任务，说清楚卡点在哪一步、已经做过什么、还需要谁拍什么板。该部门自己落实的，定个期限；超出部门权限的，管理层接过去处理。这比再讲一遍AI有多重要，更接近真正在推AI项目。

参考资料：

- ASCM、DSCI，2026年10月14日：Supply Chain AI Workforce Readiness Report发布说明。

- Jacob Dominski等，英国财政研究所，2026年4月2日：Managers as gatekeepers in the age of AI。