AI to B奇点已至,企业部署正当时

我爱免费

作者：微信文章
摘要

大模型能力的跃迁和推理爆发，为企业的数智化转型铺平了道路，AI to B的奇点时刻已然降临。全球35%企业已经成功部署AI[1]。那些仅停留在技术追踪层面的“旁观者”，正面临着被率先完成AI部署的“实践者”拉开代差的风险。

本文重点回答以下两个问题，希望能为企业决策者提供参考。

AI能做什么？

企业可以利用AI做三类事情：一是Do Faster，驱动效率跃迁；二是Do Better，突破人类知识、经验和能力的瓶颈；三是Do Smarter，驱动组织能力进化，帮助人类胜任更高阶的任务。

如何行动？

建议从场景、技术、商业和组织等四方面着手，推动AI转型：

场景：优先将高频刚需、价值显性或易量化、数据基础好的场景作为第一批试点

技术：大模型并非“万能钥匙”，大小模型综合运用、各取所长才是解题关键

商业：建立ROI思维，但考虑AI“越用越好”的特点，不宜在初期过于苛求数字

组织：建立AI CoE（Center of Excellence，卓越中心），统筹开展员工AI技能重塑计划（reskill+upskill）

01

AI能做什么



01

Do Faster：效率跃迁，比人更快
AI通过算法优化与自动化流程，在重复性、高频率任务执行等业务场景中能实现指数级的效率突破，做到“比人更快”。典型场景：

自动化任务流程：AI可自动化执行数据录入、文件分类、会议纪要撰写等日常重复性任务，节省财务、人力、行政等部门的人工时间和精力，降低人为错误。智能客服响应：AI驱动的聊天机器人能自动处理内部员工和外部客户的咨询，即时回复消息，提高企业内部行政服务部门、客户服务部门的效率，让人工客服专注于处理复杂问题。数据分析与洞察：AI可以快速处理和分析大量复杂数据，发现数据中的模式、趋势和关联，帮助销售、经营分析、运营管理、采购管理等部门生成有价值的洞察和报告，比人工清洗和处理数据更高效。

左右滑动查看更多

02

Do Better：能力突破，比人更好

AI在对创意需求高、关联因子多、数据海量、需要复杂求解的领域可以展现出“比人更好”的优势，帮助人类快速突破知识边界受限、经验积累与复用难、创意与创新乏力的瓶颈。
典型场景：

视觉超越：例如，AI可以开展长时间、高速、高精度的质量缺陷检测、缺陷模式识别，规避人类员工易疲劳、易出错的问题；AI可以快速准确识别图片中的内容，进行自动裁剪、优化、内容审核等工作，相比人工标注和操作更快更准。认知拓展：AI可以拓宽员工在创意、想象力和知识储备方面的边界，在短时间内生成大量的分子结构、海报素材、复杂代码、营销文案、产品外观等新素材，是人类创新启迪的助手。复杂求解：对于一些复杂的优化问题，如生产现场调度、物流路径规划、资源分配等，AI可以通过实时数据和算法模型，在短时间内找到更优解。以物流配送为例，AI综合考虑交通状况、订单量、配送时间等多因子，优化配送路线，这是人类难以凭借经验和手动计算完成的。

左右滑动查看更多

03

Do Smarter：组织能力整体进化
AI通过将组织中基础能力、数据和知识封装为数字化平台与规则，推动员工和组织的能力进化。一方面，有了AI的辅助，原层级的员工将从琐碎、繁杂、低阶的工作中解脱，将有限的精力聚焦于本职工作中最高价值的部分，更好地发挥岗位价值；另一方面，员工也开始拥有更多机会去提前胜任更高阶、复杂的任务，为能力晋级和职位晋升做好准备。员工的能力在实现“履带式”进阶的过程中，将带动组织能力的跃迁，组织变得更加扁平、活力和高效。

典型场景：

专业分工的AI智能体：企业中的知识、数据资产、经验和能力被抽象为数字化规则，形成不同垂直领域的AI智能体，开放给内部员工。例如，商业决策部门可以利用行研智能体开展市场洞察、数据分析和观点提炼，辅助管理层的商业决策。流程智能化：传统高度依赖人工的工作流程被分解为精细化的数字模块，允许根据组织动态和业务调整进行动态重组，提高组织流程的敏捷性。

02

如何行动

我们建议企业从场景、技术、商业和组织等四方面着手，推动AI部署落地。

1

场景

优先将高频刚需、价值显性或易量化、数据基础好的场景作为第一批试点

企业可以从研/产/供/销/服各环节梳理业务流程的痛点，并从场景价值度、落地可行性两个维度进行场景评估，形成如下图所示的画布。

场景价值度意味着投入后的效果与价值，能多大程度上解决痛点。建议企业优先以可量化、与ROI强相关的指标为主，包括降本、增效、创收、增利等方面的量化价值。

落地可行性意味着实施层面的投入成本与代价，企业需要从场景对数据的要求、内部数据的就绪度、外界技术和方案的成熟度来综合判断。

不同企业的业务痛点、数据质量和技术基础高度差异化，这使得画布中的场景分布大相径庭。然而，基于我们的经验总结共性，高频刚需、价值显性或易量化、数据基础好的场景往往更适合作为企业的第一批试点。主要原因在于：

高频刚需意味着“有必要做”，AI能产生规模化的效应，减少大量的人力工作；

价值显性或易量化意味着“有动力做”，看得见清晰的回报是开展AI投入的前提；
数据基础好意味着“有条件做”，AI算法模型能基于企业内部优质的数据资产快速发挥价值。

2

技术

大模型不是“万能钥匙”，大小模型综合运用、各取所长才是解题关键

近一两年大模型技术几乎成为所有企业的关注点。实际上，大模型和以往的小模型并非替代关系，而是各有所长。领先的数字化企业能综合运用多种AI算法模型，让各种技术各司其职，共同解决业务问题。

当前，大模型技术的“舒适区”是在知识类、创意类、数据类、办公类场景，企业可以将大模型用于三种用途，发挥最大价值：

创意加速器：外观设计生成、文案创意生成、海报设计创意生成等，帮助员工突破创意瓶颈，激发更多灵感。

知识放大器：例如，企业知识管理与搜索引擎、数据挖掘与分析、文献检索与分析、规章流程自助查询等，帮助员工高效管理和触达企业内信息。

办公副驾驶：例如，辅助完成市场情报收集和提炼、会议纪要结构化撰写、文档起草和总结、代码生成等日常办公工作等，作为办公效率提升的生产力工具。

然而，在需要行业专识与经验沉淀、强因果链构建、零容错零幻觉、强实时性决策判断的应用场景中，如制造现场管理、工艺调优等，大模型目前还不是最优选。在这些场景中，企业可以考虑使用经过长期验证和打磨的小模型（判别式AI模型），获得更优的性价比。
3

商业

建立ROI思维，但考虑AI“越用越好”的特点，不宜在初期过于苛求数字

尽管许多场景的AI用例已被验证了有效性和价值，但这不一定对每个企业都适用。为此，企业仅仅参考业界案例的收益是不够的，还需要根据自身业务情况进行科学的ROI测算，作为前期决策的基础和后期评估成效的依据。可参考如下的公式。



企业不仅要关注ROI数字，也需要关注ROI是否在持续改进——随着数据质量提高和大规模应用，ROI将保持逐步增高的趋势，体现AI“越用越好”特点。参考业界平均水平，领先企业的AI项目的ROI均值为13%左右[2]，企业平均值在8%上下。



此外，除了ROI这一经济考量，企业也应适当关注非经济层面的考量——AI的战略价值。AI的战略价值包括数据治理、流程跑通、用户粘性、行业示范等方面。

数据治理：企业正好借AI部署的机会将数据资产盘活，将数据积累的规模做大、数据质量做优，为进一步AI部署打好基础。

流程跑通：将内部涉及业务、职能、IT等多个部门间的协作流程跑通，为更大范围的数智化转型做好准备。

用户粘性：培养内部员工使用AI的习惯，观测用AI的活跃度和粘性，打造更高效能的组织和与时俱进的人才队伍。
行业示范：尤其是头部企业的探索与示范，将成为引领行业发展的风向标，也是下一步能力外溢的基础。

4

组织

建立AI CoE，统筹开展员工AI技能重塑计划
AI CoE是AI专业知识、最佳实践和资源的中枢型部门，致力于整个组织采用、优化和治理AI。其核心职能包括主动识别AI转型的需求场景，利用AI 解决各种企业内的业务问题（如控制成本、提高效率和优化收入）；开展人才培训，提高人才的AI素养与能力；作为企业AI知识汇聚的中心、数据治理的中枢；开展AI治理，确保安全合规等。组织的进化需要人才的进化来协同，AI CoE需要统筹企业人才队伍的技能重塑工作。据调研，82%的企业领导者已经意识到增加公司团队的AI准备度迫在眉睫；企业高层预估当前40%的员工需要为了适应AI发展进行相应技能培训[3]。AI CoE应确保各个岗位员工的AI技能水平、岗位编制数量与企业AI转型节奏适配，这样才能切实地提高组织效率和生产力。例如，自动化潜力高的岗位可能最先被AI替代，AI CoE需要尽快开展原有岗位能力模型的调整，并开展针对性的AI培训计划，保障团队发展的可持续性和稳健性，也减少员工在转型过程中对职业发展的焦虑。


结语

如何用好AI技术、发挥AI价值，需要企业高层决策者的智慧和决心。Do Faster，Do Better，Do Smarter三类事情的可行性和价值已经得到验证，值得更多企业开启实践。企业需要找准第一批试点场景，综合运用大小模型，建立ROI思维，才能收获理想效果。

参考文献

[1] 参考Fortune Business Insights

[2] IBM调研数据

[3] Microsoft’s 2023 Work Trend Index, IBM Institute for Business Value, 2024 Gallup poll, WEF, Britishcouncil, Forbes, Market.US, LinkedIn Future of Work Report 2023

---

如欲了解更多，欢迎联系我们。
如您有更多见解，也欢迎留言评论。

罗兰贝格杨霄虹、陈博文对本文亦有贡献。本公号使用腾讯元器（使用DeepSeek R1大模型）创建了智能交通技术AI服务，欢迎扫码进入体验（或在后台使用私信对话）。

欢迎加入智能交通技术群！扫码进入。

扫描加入免费的「智慧城市之智慧交通」知识星球可了解更多行业资讯和资料。

联系方式：微信号18515441838