多數企業想找人帶AI轉型，第一反應，是找公司裡最懂AI的人。但這個直覺，可能是一次昂貴的誤判。
你會看到，當他們成立AI辦公室後，半年內，PoC做了幾十個，工作坊辦了一場又一場，簡報上列滿實驗案例，但真正走進日常流程的卻沒幾個。
這個判斷，最近在全球最頂尖的AI實驗室，被攤開來檢驗。Google DeepMind共同創辦人、諾貝爾化學獎得主哈薩比斯，卸下執行長職務，轉任董事長與首席科學家，把重心放回長期科學研究；而日常營運，則交給了技術長柯瑞。這次人事調整，發生在Gemini研發團隊陸續離職事件之後。
一邊，是把還沒有人知道答案的問題，往前推的人；一邊，是把研究成果變成產品、每天面對取捨的人。
前者（哈薩比斯）活在實驗室，後者（柯瑞）活在截止日期裡；前者問的是「這件事有沒有可能」，後者問的是「這件事，值不值得現在做」。Google沒有讓同一個人，兼顧這兩件事，而是拆給了兩個不同的人。
弔詭的是，多數企業做AI轉型，恰恰把這兩種能力，看成同一種。技術高手關心的是，模型準不準、資料夠不夠、架構怎麼設計；但真正負責轉型的人，每天面對的問題完全不同：哪三個流程，該先改？資料拿不到，誰去協調？AI做對八成，剩下兩成錯誤，由誰負責？
企業AI轉型最難的，不是技術，而是資源重新分配。當流程被AI改掉，就有人的工作不再重要；一個專案增加預算，就有另一個專案必須讓路；資料要打通，部門就得交出控制權。
從實驗室走到董事會，考驗的從來不是誰的模型更強，而是誰能扛得住這些拉扯。當人人都說AI重要，卻沒有人願意動KPI、動預算、動權責，這些問題，沒有一個是靠更強的模型解決的。
要找AI主管，第一個問題不該是「誰最懂AI」，而是「這個位置，究竟要改變什麼」。若目標是研究下一代模型，需要的是探索型的技術領袖；若目標是建立全公司的AI平台，需要的是架構與治理能力；若目標是三年內讓AI改變營收與工作方式，需要的，其實是能取捨的經營能力。
科學家追求的是可能性，經營者負責的卻是兌現力；兩者都重要，卻不必由同一個人完成。
