数字化和人工智能转型无处不在。几乎每家公司都已经、正在或准备转型。但问题是如何让转型成效持续释放？麦肯锡全球资深董事合伙人埃里克·拉马尔（Eric Lamarre）在《Inside the Strategy Room》播客访谈中，对这个重大问题进行了详尽阐释。他与凯特·斯玛耶（Kate Smaje）和罗德尼·泽梅尔（Rodney Zemmel）合著的Rewired: The McKinsey Guide to Outcompeting in the Age of Digital and AI荣登 《华尔街日报》畅销书榜单（中文版书名为《麦肯锡讲全球企业数字化：AI时代赢得竞争优势的数字化操作指南》）。
Sean Brown是本集博客的主持人，本文为编辑后的访谈译文。
Q
Sean Brown: 据你观察，当高管们尝试最大化技术价值的时候，遇到的最大挑战是什么？
Eric Lamarre: 大规模推广。大多数商业领袖对技术的力量感同身受，他们做过一些小范围试点工作，取得了成功，但问题是公司的业绩没能改善。这就是我们在《麦肯锡讲全球企业数字化》（英文书名：Rewired）一书中的核心观点：企业如何实现从小规模试点到大规模推广？与其说它是个技术问题，不如说是人才和数据的问题。当然，技术是必要元素，但是组织本身才是必须做“大手术”的地方。
Q
Sean Brown: 数字化和人工智能转型应从何处入手？
Eric Lamarre: 永远从想要解决的业务问题开始。如果立足于此开启转型，通常会有好的结果，因为问题总是与为客户提供更好的服务和为公司提供更多的价值密切相关。当商业领袖说，“这就是我想用技术解决的问题”时，制定技术路线图来解决问题就变得容易了。
Q
Sean Brown: 现在，在科技方面可能没有比生成式人工智能更重要的主题了。你是否发现公司几乎在“创造”需要用生成式人工智能解决的问题？
Eric Lamarre: 是的。现在围绕生成式人工智能的讨论让人感觉它像是一种“生成”问题的技术。这也许很自然，因为当我们使用生成式人工智能时，它似乎带来了某种神奇的体验，总是会让你觉得 “我还能在哪里用这个？”不过，从根本上来看这是件好事——（发现）公司的痛点——然后广泛搜寻解决痛点的技术组合。有时答案可能是生成式人工智能，但并不意味着生成式人工智能就是开启转型的起点。
举个例子，假如你是一家包装消费品公司，你可以在许多地方用到生成式人工智能，而过去的收入增长管理则是关于定价、需求和促销的高级分析。我不认为生成式人工智能在解决这一问题上会有很大助力，但它正是消费品公司面临的最主要的业务问题之一。生成式人工智能是一项超级技术，但我们不应该因为对它的关注，而忽视企业真正需要解决的业务问题。
现在围绕生成式人工智能的讨论让人感觉它像是一种“生成”问题的技术。
--埃里克·拉马尔（Eric Lamarre）