如何说服管理层引入 AI

好点子不会被批准。 好的说明才会。

执行者最孤独的时刻

问题定义好了，工具选好了，小实验也做了，看到了可能性。现在需要预算和人力。

于是你站到了管理层面前。

"用 AI 可以实现这些。生产力提升，成本降低，竞争力增强。"

管理层点了点头，然后问：

"那要花多少钱，什么时候见效？"

大多数 AI 提案在这个问题面前卡住了。你能解释技术的可能性，但没能把它翻译成管理层想听的语言。

管理层想听的不是技术

管理层脑子里有三个问题。

"花多少，赚多少？" 投入产出比。所有决策的基本框架。

"不做会怎样？" 机会成本和风险。不做的损失也是有力的说服工具。

"失败了有多疼？" 风险的大小。管理层对失败时的损失规模比成功概率更敏感。

能回答这三个问题，技术说明就可以压到最少。管理层不需要知道 AI 怎么运作，只需要知道用多少成本解决什么问题。

说服的结构：用四个模块讲

提出 AI 引入方案时，按以下四个模块的顺序来讲。

模块一：用数字展示问题的大小

"存在低效"谁都不会动。"这个低效每年消耗 2.4 亿韩元的人力成本"——这会让人竖起耳朵。

把问题变成数字的公式很简单。

[相关人数] × [耗时] × [每小时人力成本] × [年度频次]

例如：8 名销售 × 每份报价 6 小时 × 每小时 3 万韩元 × 每月 20 份 × 12 个月 = 年 3.456 亿韩元。如果 AI 能削减其中 70%，年价值约 2.4 亿韩元。

数字不需要完美。管理层知道这是估算。重要的是量级感。

模块二：一句话说清解决方案

技术架构和供应商对比都放后面。先用一句话说清楚。

"我们要做一个系统：输入客户需求邮件，自动生成报价初稿。销售只需要审核和决定折扣率。"

这一句话里要包含：①输入什么，②输出什么，③人做什么。这三点清楚了，管理层脑子里就有画面了。

模块三：提出一个失败了也能承受的规模

管理层犹豫 AI 项目的最大原因是成功不确定。正面承认这个不确定性，然后提出一个把失败成本降到最低的方案结构。

"建整个系统需要 1 亿韩元"和"做 4 周试点需要 500 万韩元，效果好就扩大，不好就停"——这是完全不同的两个提案。

后者会被批准。可以撤回的决策，管理层做起来没压力。

试点提案的核心要素：

• 范围：哪个团队的哪个流程
• 周期：测试几周
• 费用：花多少（含人力成本）
• 成功标准：达到什么条件就进入下一阶段
• 失败预案：不行的话怎么办

这五项装进一页纸，提案就完成了。

模块四：展示不做会发生什么

只讲引入的好处，得到的回应是"以后再说也行吧"。要制造紧迫感，就要展示不做的代价。

竞争环境："竞争对手 A 已经部署了类似的自动化，客户响应时间缩短了一半。这个差距每个季度都在累积。"

人才市场："重复性工作占比高的岗位离职率高。去年该岗位离职率 25%，每人每年的招聘培训成本 3000 万韩元。"

机会成本："如果销售团队能把花在数据汇总上的时间用于客户拜访，保守估计季度营收可提升 5%。"

让管理层看到：不做，也是有成本的。

要避免的三个错误

用技术术语解释

"基于 RAG 的 LLM 对内部文档做微调……"——说到这里管理层的注意力就没了。技术只用"解决什么问题"来提及，不要讲"怎么运作"。技术细节等对方问了再答。

只画美好蓝图

"生产力提升 300%""成本削减 80%"这类数字反而会降低信任度。给出保守估计，然后说"这是最低预期效果，实际可能更高"——这样更有说服力。

一次要求所有东西

预算、人力、系统权限、组织调整一次全提，决策压力太大了。第一次提案要轻量。"试点 4 周，预算 500 万韩元，一个人 30% 的工作时间"——从最小单位开始。

说服不是一次性的

说服管理层不是一场演示就完了。这是一个过程。

第一轮 — 共享问题："我们有这样一个问题，正在产生这么大的成本。"还不提 AI。目标是让管理层对问题的规模产生共鸣。

第二轮 — 提出方向："我们觉得可以用这种方式解决。想做一个小测试。"目标是拿到试点批准。

第三轮 — 共享结果："4 周测试的结果是这样的。要扩大的话需要这些资源。"让数据来说服。

走完这三步，到第三次会议时，管理层会主动问"能不能进一步扩大？"

归根结底，这是一个翻译问题

AI 引入提案的本质是翻译。把技术的可能性翻译成商业语言，把一线的痛苦翻译成管理层的数字，把不确定性翻译成可承受的风险。

好的翻译者忠于原文，同时用听者能理解的话来表达。AI 提案也一样——不歪曲技术，但把它转化成管理层能做判断的形式。

读到这里的你，大概就是那个翻译者。祝你翻译顺利。