AI项目一多，战略解码要先问哪些该停

管理层例会上，AI 项目清单越翻越长。

客服有试点，财务有试点，销售有试点，HR 也有几个想法。每个团队都说自己在探索，每个项目都能讲出价值。会议快结束时，最难问的一句话反而没人说出口：哪些项目该停。

Deloitte 2026 人力资本趋势里反复提到，AI 要从试点走向真正的组织影响，企业需要重设计工作和协同方式。换句话说，AI 项目不是越多越好，关键是有没有进入战略取舍。

战略解码在 AI 时代更重要，不是因为企业需要更多指标，而是因为企业需要更清楚的停做清单。

肯耐珂萨更关注的是，战略能不能被翻译成关键任务、责任分工、资源安排和行动节奏。AI 项目一多，如果没有解码，组织很容易同时做很多看起来正确的事。

AI 项目治理至少要追五个问题。

1. 取舍是什么。哪些业务问题必须先解决，哪些试点可以推迟，哪些看起来热闹但不影响关键结果。

2. 关键任务是什么。项目到底要改变哪个流程、哪类岗位、哪个客户场景、哪项管理动作。

3. 责任怎么分。谁主责，谁协同，谁提供数据，谁验证结果，谁有权叫停。

4. 能力能不能接住。现有人才、管理者、流程和数据底座，是否支撑这个项目真正落地。

5. 节奏怎么校准。什么时候看进展，什么时候调整资源，什么时候承认原来的判断需要修正。

这五个问题不问清，AI 项目很容易变成组织里的新型忙碌。

大家都在试，没人敢停；大家都有进度，没人看结果；大家都说有潜力，没人负责把潜力变成管理动作。

对 HR 来说，AI 项目不是 IT 议题的旁观项。AI 改变工作内容，就会改变岗位责任、能力要求、绩效标准和管理者行为。HR 如果只等项目上线后再做培训，很可能已经晚了。

对业务负责人来说，AI 项目不能只靠兴趣推动。一个项目是否值得做，要看它是否触及关键任务，是否能改变业务结果，是否能被团队持续使用。

对管理层来说，最难的不是批准项目，而是停掉项目。停项目会让人不舒服，因为它意味着承认某些投入暂时没有价值。但战略取舍本来就不是让每个团队都满意，而是让组织资源回到关键方向。

企业可以把 AI 项目分成三类。

第一类是必须推进的项目。它直接关系到关键业务结果，资源、数据和责任都比较清楚。

第二类是有限试验的项目。它有潜力，但还需要小范围验证，不适合全面铺开。

第三类是应该暂停的项目。它主要是追热点，业务问题不清，数据基础不足，责任也不明确。

这三类如果不分开，管理层看到的只是一堆项目名称。分开之后，组织才能决定资源往哪里去。

战略解码还要把 AI 项目和人才能力接上。一个流程被 AI 改写后，原岗位要做什么，新能力从哪里来，管理者如何评价新的产出，这些都不是技术团队能单独回答的问题。

这也是为什么 AI 项目越多，越要回到组织能力。企业要判断的不只是“这个工具好不好”，而是“我们的组织能不能接住这个改变”。

HR 在这类项目里也不能只等培训需求。AI 项目会改变岗位边界、协作方式和绩效标准，如果 HR 只在项目末尾出现，就只能补课。更好的位置，是在项目立项时就参与判断：哪些岗位会被影响，哪些能力要补，哪些管理者需要提前准备。

停做清单也要公开到一定程度。不是把所有技术细节都摊开，而是让团队知道资源为什么集中到某些项目，为什么某些试点要暂停。否则，组织会把停项目理解成否定团队努力，而不是战略取舍。

战略解码还要防止 AI 项目变成部门各自表演。一个项目如果只服务本部门效率，却增加了其他部门负担，它未必真的创造组织价值。管理层要看的是端到端结果，而不是单点亮点。

所以，AI 项目的复盘不能只问有没有上线，也要问四件事：关键流程有没有变短，员工负担有没有减少，管理判断有没有更清楚，业务结果有没有被验证。答不上来，就说明项目还停留在热闹层面。

这类问题可以进一步通过 DRAW 战略解码、组织能力诊断、关键任务拆解、人才盘点和行动计划机制进行验证。KNX 相关方法更适合帮助企业把 AI 热点转成管理取舍。

AI 项目一多，战略解码要先问哪些该停。能停掉不该做的事，组织才有资源把真正重要的事做深。