8月25日，BCG发布了一篇最新文章：《Why Your Organization Needs an AI Hub》（为何你的企业需要一个AI中枢）。（文末有链接，也可以私信报告）

讨论了企业在AI转型中一个越来越现实的问题：

我们现在看到的情况是：业务部门自己做场景，IT部门建平台，HR在做AI培训，法务和风控制定规则，各个部门都有自己的AI试点。

看起来公司里很热闹，最后却很容易出现一个结果：工具不少、项目不少、投入不少，但能够真正规模化复制的成果并不多。

BCG给出的建议非常直接：企业需要建立一个专门的 AI Hub。（可以理解为AI 中枢/枢纽）

为什么需要一个AI中枢？

BCG开篇说得很直接：技术和数据都重要，但多数企业更大的缺口在人、流程和整体运营模式。按照BCG过去几年的项目经验，企业AI价值中，大约10%来自算法，20%来自数据，其余70%来自运营模式和新的工作方式。这个比例不必机械理解。它提醒管理层，工具装上去了，组织没有跟着变，价值很难自然发生。

现实里经常能看到这样的情况。业务找到了场景，但技术团队没有足够资源支持；技术平台建好了，员工却没有改变原来的工作方式；安全和法务制定了一堆规则，却和真实业务流程脱节；HR做了培训，却没有重新设计岗位、绩效和人才要求。

于是项目很多，能复制和规模化的很少。

BCG 2026年的AI at Work调查也印证了这个问题。一半受访者表示，公司还没有清晰的人机团队治理机制；接近一半的人把AI责任归属列为未来三大担忧之一。与此同时，73%的CEO表示自己对AI决策拥有最终决定权，这个比例比上一年翻了一倍。

组织跟不上，管理层已经无法置身事外。

差距也已经反映在经营结果上。BCG所称的“future-built companies”，营收增速是落后企业的1.7倍，三年股东总回报是落后企业的3.6倍。BCG用这组数据说明，企业能否把资源集中到一套可持续的AI能力上，结果并不一样。

BCG提出的AI Hub，把散落在不同部门里的战略、交付、治理和员工采用放进同一套机制。它可以只有10名全职员工，也可以超过100人。规模不是重点。BCG要求它具备跨职能能力，并得到明确授权，能够统筹全公司的AI项目组合。

AI Hub的核心职责是什么？

Coherence解决重复建设。哪些Agent值得企业统一建设，哪些需求让业务自己解决；哪些平台和数据必须共用，哪些创新可以留在一线，都需要有人从全公司的角度判断。

Speed解决交付效率。AI人才仍然不便宜，也不可能每一个业务部门都配置一套完整的产品、工程、数据科学和变革团队。集中关键能力，可以减少每个项目从头摸索的时间，并沉淀能够反复使用的平台和方法。

Governance把治理放到项目起点。Responsible AI、网络安全、法务、风险、合规和价值衡量，需要贯穿设计、部署、监控和规模化全过程，不能等到上线前再补一道审批。

Adoption经常被低估。BCG把Change Management、行为科学和Workforce Redesign都放进AI Hub的职责里。这个组织既要把Agent做出来，也要考虑员工为什么用、工作流程怎么改、哪些任务交给Agent、人的角色怎么调整。

走到这里，AI Hub已经跨过传统技术中心的边界，开始进入组织和人才管理。

什么时候集中，什么时候下放

AI Hub要集中哪些能力，哪些工作又应该留在业务部门？BCG的答案取决于企业目前所处的阶段，如下图：

企业AI刚起步的时候，适度集中往往更有效。因为人才少、经验少、平台还没成熟，如果每个部门都自己做，很快就会重复建设。这个阶段可以由AI Hub承担更多项目执行，让业务部门提供问题和场景。

BCG举了一个医疗科技公司的案例。公司最初建立了大约15人的AI Hub，把AI战略、平台、风险评估和项目实施放在一起，新场景的上市时间缩短了约50%。

但企业一旦跑出了一批场景，组织方式就需要变化。业务部门开始建立自己的AI Pod或Squad，中央团队不再包办所有项目，双方共同交付。BCG把这一阶段称为Center and Pod。

这个阶段的难点开始转向人。业务领导需要愿意推动AI带来的流程变化，团队要学会跨职能协作，员工也要把AI放进日常工作。中央Hub继续提供标准、治理和专家支持，同时帮助业务建立自己的AI能力。

再成熟一些，具体AI场景会更多回到业务部门。中央AI Hub逐渐转向平台、标准、治理、监控和持续改进。BCG也给出了放权条件：业务需要有足够的AI人才和工具；共享数据平台已经模块化；风险和网络安全控制嵌入平台与流程；价值衡量机制稳定；业务领导明确支持数字化议程。

BCG的正式模型从Hub-Led开始。现实里，一些公司在成立Hub之前，已经经历过一轮分散试验。把这段前史加进来，会看到另一条常见路径。

最早为了鼓励创新，大家各自试工具、找场景。这一步帮助企业认识需求，也留下了重复建设和工具分散的问题。

但项目越来越多之后，公司很快就会发现重复建设、工具混乱、数据孤岛和治理问题，于是需要把一些能力收回来。

如果一直集中，又会形成新的问题。所有AI需求都去中央团队排队，AI Hub自己变成瓶颈。

于是还得再放。

把BCG模型和这段企业实践放在一起，路径会变得更完整：

进入AI-first阶段之后，AI Hub管理的对象也会发生变化。BCG原文的判断是，AI Agent会逐渐协调过去分散在业务部门里的工作，Hub与业务的边界开始模糊。中央团队的任务从支持AI交付，转向运营和治理一支共同工作的数字员工与人类员工队伍。

沿着这个方向往下推，企业需要回答一批新问题：一个流程里应该有多少人、多少Agent？谁负责Agent？Agent之间怎么协作？出了问题谁接管？人和Agent的绩效怎么衡量？

到这个时候，讨论的重点会从“AI项目放在哪个部门”，转向整个Operating Model怎么变。

AI Hub是一套会持续演化的组织机制。企业成熟度变化，它的职责边界也要跟着变化。

AI Hub如何设置

AI Hub究竟放在CIO、CTO、战略、CFO、CHRO还是CEO下面，没有统一答案。关键看这家公司如何定义AI：技术项目、生产率议程、人力转型、增长引擎，还是整个运营模式的重构。

不过BCG对决策层级说得很明确：汇报线可以因公司而异，这个决定必须在CEO层面作出。

我觉得这也是这篇报告对很多企业最实际的提醒。

现在不少公司都在问：要不要成立一个独立AI部门？要不要设AI负责人？各业务部门的AI项目到底应该谁管？

或许先不用急着讨论组织名称。

先回答几个更实际的问题：公司现在处于探索阶段还是规模化阶段？目前最大的瓶颈是场景、平台、人才还是治理？哪些能力重复建设最严重？哪些东西应该统一，哪些东西必须留给业务自己做？

这些问题想清楚了，组织形式大体也就清楚了。

对HR来说，这里面也有一个很值得关注的变化。AI规模化之后，越来越多问题都会落到角色、能力、领导行为、岗位设计、员工信任和人机分工上。AI Hub如果只有技术人员，很难走到最后。

BCG甚至进一步指出，CHRO往往最适合推动这件事：让AI转型与员工一起发生，并通过员工落到业务里。未来有效的AI Hub，大概率都会是一支跨职能团队：技术和业务在里面，HR、风险、法务和变革管理也在里面。

它的使命不止是“多做几个AI项目”。

它要帮助企业把今天零散的AI实践，逐渐变成一种可以复制、可以积累的组织能力。

今天把一些能力集中起来，是为了将来更多团队能够自己跑起来。