中关村在线

热点资讯

合思创始人兼CEO马春荃与新加波国立大学兼任教授周宏骐深度对话

AI能力如何变成真金白银?

11月5日,“AI掘金·将AI能力转化为企业利润”大会深圳场,合思创始人兼CEO马春荃与新加坡国立大学兼任教授周宏骐展开了一场以“AI时代的企业管理变革”为主题的深度对话。

周宏骐教授拥有22年跨国企业高管经历,曾担任惠普科技,霍尼韦尔和通用汽车等企业亚洲区的高层管理者,在学术研究之外,还是天使投资人和企业战略转型教练。双方共同从企业AI转型项目洞察出发,分享AI如何改变协作效率与商业模式,并深入探讨企业管理者如何在AI时代进一步重塑流程与组织,并获取AI领导力。

主持人为合思CMO蔡丽,以下是现场访谈实录(有精简):

AI让企业家重新思考什么

蔡丽:马总的新书《CEO AI挖矿指南:将AI能力转化为企业利润》10月1日出版,两周内登上京东科技新知新书热卖榜与图书销量榜榜首,销量达到4000册。是什么促使您把过去的经历凝练成书?您最想回应企业决策者在AI时代的什么困惑?

马春荃:去年10月,我拜访君联资本董事总经理、CFO付军华,带了一本我参与撰写的《数字经济重塑》。付总团队的一位财务总监读完后说:“我们要的就是这个。”这让我意识到,在知识消费越来越快餐化的时代,长文才是能够沉淀下来的体系化表达。于是我决定写一本书,把一套完整的理念讲清楚:AI转型不只是技术问题,还涉及内部运营、外部协作、组织变革,以及利益分配。判断有没有用AI挖到矿,不能只看技术演示,要看有没有真正产生结果。

蔡丽:AI已经能写文章、做审核,最后拉开差距的,仍然是企业有没有自己的思考。周教授,您近来接触了很多企业。有没有公司真正通过AI降本增效,或者转化出业务利润?

周宏骐:今年年初到现在,我在美国、欧洲和国内看了100多个AI项目。我们最关心的,正是企业用了AI工具、做了组织调整之后,到底有没有拿到结果。

以百胜集团为例,分享两个场景。一个场景是开店选址。百胜旗下有肯德基、必胜客等品牌,有近2万家门店。店开在商圈,商圈有兴有衰,需要不断关旧店,开新店。过去,门店开发、法务和财务三个部门要反复沟通:开发先找地址,法务核查房东和物业风险,财务再确认租赁条件。碰到不同房东,所需核验的信息也不一样。后来,他们用了很小的成本、不到一周开发了一个居间智能体,帮助这三个岗位高效协作。智能体会主动向门店开发人员收集所需数据(A2H),信息不全就推动补齐,法务和财务不用再每天催材料。降低了大量的摩擦成本,人员也不用那么多,并且开出的有效门店数量增加了。这就是效率提高、成本下降。

另一个场景是服务客户的多媒体中心。过去,客户打电话进来,企业有FAQ,整理用户常见问题并逐条回应。现在,多媒体中心可以把用户在各种网站上留言的文本收集,喂给大模型。大模型依据上下文,把用户反馈从事后应对往前推进,找出更多过去 FAQ 所不具备的问题及答案。这些应用投入不一定很大,也不需要推倒重来。

我们已经看到了很多有结果的案例,结果必须用数据说话:销售额或利润有没有提升,成本有没有下降,能不能从成本中挤出利润。

如何找到企业的第一个AI场景

蔡丽:企业管理者拥抱AI已经是共识,但很多人不知道第一步怎么迈。微软CTO韦青谈到,技术不以先进为贵,唯以匹配为能。马总,结合合思的AI转型经历,您建议企业怎么找到第一个AI场景?

马春荃:我们也走过弯路,但实践中的亏和教训会沉淀成经验。

第一步是管理者全面、沉浸式地体验AI。技术团队曾挑战我:“不要只讲理论,自己用Codex、Claude Code写程序。”我离开编程工作很久了,重新上手后,AI带来的变化颠覆了一个老程序员的认知。团队里有人觉得AI什么都不行,有人觉得AI什么都行。管理者如果不亲自用,听到的就只是别人的判断,把各种未经验证的判断拼起来,甚至可能让企业的战略失去一致性。

第二步是分清主次,进入“四象限”去找金矿。接触AI之后,才更容易看清哪些环节需要生产力变革、适合规模化自动处理,哪些事情不值得AI化。刚开始用编程工具时,大家容易什么都想做,甚至有点上瘾;但真正重要的是判断哪些工作能规模化,哪些环节不应该贸然碰。

第三步是重塑工序流程。不能幻想什么都不改变,就让大模型把所有问题解决。比如把红豆和绿豆混在两盆里,要求AI瞬间挑干净,并不现实。但如果改变工序,把豆子逐粒喷出,让AI识别颜色,再控制挡板分流,问题就可以解决。很多时候,效率提升的关键不是让AI直接处理一团复杂问题,而是先把流程拆清楚、重新设计。这也是FDE进入客户现场要做的事:推动工序、岗位定义和职责流程发生变化,把边界切分清楚,AI才有机会稳定地加速工作。

周宏骐:每个人在AI时代都会焦虑,部分原因是还没有掌握AI基本用法。现在最重要的两类工具,一类是拥有广泛知识的大模型;另一类是AI时代的编码器。大模型和编码器会相互促进,编码器可以调用大模型完成任务,大模型也能帮助编码器进步。

无论是不是企业创始人,都可以试着用编码器调动大模型,完成实际任务。比如门店经营需要销售话术,可以把优秀销售的话术录下来,交给编码器整理成一个Skill,再用来训练新店长。反复出现的工作,越早真正用上AI,越容易祛魅。

对于企业管理者,既要看过猪走路,也要自己吃过猪肉,两种体验都需要。

AI时代,企业的商业模式怎么变

蔡丽:接下来谈商业模式。周教授观察到的企业中,有没有因为AI而改变商业模式的案例?在AI时代,什么样的商业模式更有竞争力?

周宏骐:我研究营销和商业模式,但一定要放进具体行业和场景里看。

以婚恋平台为例,过去,用户上传履历和择偶要求,平台推荐20个对象。选择太多,反而不容易做决定。即使双方被介绍认识,也可能一方很喜欢,另一方兴趣不高,于是需要红娘介入。红娘的作用有点像导购,帮助双方从认识走向建立关系,而导购经常会逼婚,就像销售会逼单一样。撮合成功后,用户付一笔几万元的费用,但由于婚恋是低频需求,撮合成功,就失去客户。

AI原生的婚恋平台可以把服务做得更精准。用户打开App,先和一个数字人(背后就是一个智能体)交流。谈话过程中,智能体把所有对话翻成文本,喂给大模型,大模型结合上下文和用户信息,识别哪些履历可能不准确,也帮助用户发现自己真正想找的是什么样的对象。匹配之后,系统还能判断双方对彼此的喜好程度有多高。撮合费用可能从几万元降到几千元,但平台可以继续提供关系辅导服务,帮助双方发现各自的相处问题,提供长期行为教练和持续改善。原来一次性撮合的收入,就可能转成后续持续服务的收入。

这背后的变化,是AI时代平台开始持续理解用户、积累数据、跟进需求并创造价值。过去很难获得客户的长期价值,现在则有机会让用户愿意持续付费,就是长期的订阅服务。

蔡丽:这个例子很直观。马总,您怎么看持续性收入?

马春荃:把收入摊薄、变成持续性收入,能够增强企业经营的确定性。一次性交易如果收益特别高,也有它的价值;但从确定性回报看,持续性收入更容易形成稳定、可预测的成本结构和运营模式。

周宏骐:这里也要看企业自身能力。公司规模不大、数据不多,可以用Codex这类工具自己做一些应用,节省费用。合思这样的服务商有专业团队持续迭代智能体,规模较大、业务复杂的企业客户可以与服务商长期合作,让数据和能力不断沉淀。服务商需要持续拿出结果,无法兑现承诺的企业会被淘汰,长期竞争力才是关键。

马春荃:我们也讨论过如何稳定地输出服务。现阶段Codex等工具按月、按年向个人收费,是一种阶段性的商业模式。它以人为计费单位,但人不一定是最高效的生产关系。

回看蒸汽机时代,如果有两个锅炉工,难道要给每个人充500吨煤吗?更合理的方式是把额度给锅炉。把AI看成生产设备后,组织就可能从以人为中心,转向以Agent为中心。比如审核专员可以变成一个Agent,预算应当给到这个Agent,再按照它的产出、准确率和绩效衡量ROI。如果架构师、中级程序员和初级程序员每人都分到同样的额度,产出却不一样,投入就难以衡量。我们需要重新编排流程,把适合集约处理的动作交给Agent。商业模式的计量单位,未来可能从“单人”转向“单个Agent”或“Agent组”。

组织和领导力,怎样跟上AI

蔡丽:员工有时会担心AI替代自己,企业需要改变激励机制吗?AI原生组织到来后,管理者的领导力又需要哪些变化?

周宏骐:先看两类企业:一类是穿越周期的长青企业,另一类是AI原生企业。

我有位学生做BI,帮助企业管理者通过报表分析做决策。过去,公司可能有100名员工,用编程工具开发决策系统和数据看板。而现在用上 AI编辑器进行编程后,只剩 15 人,组织结构自然会被倒逼着改变。过去需要6个岗位的工作,现在可能由1个真人岗位加5个数字岗位完成。如果企业不调整,就很难生存。

我投资了一家AI原生公司,三个年轻人就完成了传统BI软件公司整个团队的工作。他们做的产品叫“问数”:例如一个餐饮店的店长可以问门店销售为什么下降、接下来该进哪些材料、材料应该怎么保存,还能让系统建议下一步最该做的三件事。

这三个人不是单纯的程序员,他们需要有商业头脑、AI能力,也能梳理和落地运营流程。未来兼具这些跨岗位能力的人会更突出,工作内容比较单一的人则会面临更大挑战。当然,线下数据少的企业,变化可能会慢一些,世界不会一夜之间全部改变。

未来的 AI 原生组织会极其扁平,几个人的微型团队就能撑起过去几十人、几百人的业务。组织重构对领导者提出了全新的要求,每个人都是关键角色,而非只是一个螺丝钉。未来的员工可能都是有个性的怪咖,他们随时可以出去开公司,怎样提供价值、把人留住,需要通过领导力寻找解决方案。

蔡丽:很多企业会把AI转型交给CIO、CTO或CFO。您认为CEO仍然需要亲自参与吗?

马春荃:我坚持CEO要躬身入局。AI 领导力最关键的两点就是:想清楚、说明白。从现实来看,一线员工“知其然”,高层管理者“知其所以然”。一线员工知道一个工作该如何做,而高层管理者知道端到端的全流程工作为什么这样分工设计。当我们需要改造分工的时候,这种双向认知的盲区导致了变革失败。因此,要想清楚战略、商业模式和组织路径,才不会白费token;要结合业务,把人类那些不言自明的潜台词翻译出来,AI才能懂。

财务岗位如何驾驭AI

蔡丽:财务人员驾驭AI有什么特别之处,在参与AI原生组织转型时要注意什么?

马春荃:财务岗位的数据很丰富,特别适合数智化转型。AI需要数据,因此财务有很多应用场景,但要重点衡量两件事:第一,工作是否足够规模化,ROI是否划算;第二,结果是否足够确定,因为准确性对财务尤其重要。

财务承担着风险管理的职责,不能一味往前冲,资金、预算、内部合规,都需要财务帮助企业把关。结合这两点,财务转型的第一步,是把规则清晰、重复发生的日常工作交给AI Agent执行。

我们为一家连锁经营企业做财务审核Agent之后,释放了35个岗位,全部转去做财务BP。过去企业不是没有财务BP的需求,而是受到编制和总成本的限制,很难投入足够的人。业财融合提了十几年,但如果员工一直忙于报表、预算和审核,就没有精力去洞察真正重要的问题。另一家企业也有类似实践。这家企业的共享财务中心交易处理岗位中,85%的人员被释放出来,转到业务线参与AI落地规划、财务BP和业财融合分析。过去财务可能拿不到业务数据;现在有了精力,可以把业务数据和财务数据结合起来,提前判断客流、转化率变化对收入预算和现金流的影响,再为不同校区制定针对性策略。

我们看到,先行企业往往先降本,再把人力投到最需要的地方增效。这既是对企业负责,也是对员工负责。

蔡丽:感谢两位带来的分享。从AI场景选择、业务模式到组织转型,今天的讨论指向同一个问题:企业要把AI放进真实业务流程里,用可衡量的结果判断价值,也要为人重新安排更有价值的工作。

展开全文
人赞过该文 赞
内容纠错

相关电商优惠

评论

更多评论
还没有人评论~ 快来抢沙发吧~

读过此文的还读过

点击加载更多

内容相关产品

说点什么吧~ 0

发评论,赚金豆

收藏 0 分享
首页查报价问答论坛下载手机笔记本游戏硬件数码影音家用电器办公打印 更多

更多频道

频道导航
辅助工具