从参联会主席到AI智能体：军事领导力如何指导自主系统部署

在最近接受麦肯锡采访时，前参联会主席C.Q. Brown强调了未来美国安全的三大支柱：挑战现状、强化机构、培养下一代领导者。虽然对话聚焦于人类领导力，但这一框架同样为那些在部署AI智能体过程中举步维艰的组织提供了具体的路线图。

首先，“挑战现状”意味着对现有流程进行严格审计。美国国防部2017年启动的Project Maven项目就是一个典型案例。到2022年，该项目已在30个作战单位集成了500个AI模型，将图像分析时间从30分钟缩短至5秒以下，效率提升6倍。然而，最初的部署因数据管道不匹配而遭遇挫折，迫使项目在中期进行重新设计，增加了标准化数据格式层。教训在于：在规模化之前，必须确认周边工作流程能够有效消化AI的输出。

其次，“强化机构”意味着嵌入治理机制。2021年，国防部发布了《AI伦理指令》，设立了一个由12名成员组成的监督委员会，并实施季度审查节奏。这一具体结构有效减少了政策偏移：合规审计显示，在随后的18个月内，未记录的模型部署减少了22%。对于商业公司而言，类似的治理委员会——比如跨职能的AI指导委员会——可以避免困扰许多初创企业的“影子AI”问题。

第三，“激励下一代”关乎人才培养。空军2020年开设的AI学院在首届招收了150名军官，并为每人配备了一名资深数据科学家导师。到2023年，78%的毕业生报告至少领导了一个AI赋能项目，而留存率较基准提升了12%。具体启示是：将初级员工与经验丰富的AI从业者配对，并让他们负责实际项目。

将Brown的三大支柱应用于实践，企业可以避免AI智能体部署过程中常见的炒作陷阱。具体的治理、工作流程对齐和人才培养，能将实验性试点转化为可持续的能力。随着AI智能体变得更加自主——比如自主后勤机器人或决策支持分析师——对严谨机构支撑的需求只会与日俱增。

更广泛的AI生态系统也能从这种军事衍生的策略中受益。当企业采用同样的严谨性时，我们可以期待更可靠的AI智能体、更清晰的投资回报，以及更少的“AI失败案例”，这些失败往往会削弱公众信任。简而言之，那些维护国家安全的领导原则，同样能确保AI智能体的安全、负责和有效运行。

图片：Ries Bosch / Unsplash (https://unsplash.com/@ries_bosch)