--渐进式的企业AI战略的思考

背景：AI的企业应用整体推广和落地缓慢

回顾过去一年，正如我当初的判断，尽管AI技术的潜力巨大，但是面对AI技术的复杂性和不确定性，企业在AI实际应用的推进却面临着许多挑战。根据Gartner发布的2024年中国数据、分析和人工智能技术成熟度曲线（Gartner Hype Cycle），尽管一些AI相关创新技术在未来几年内可能实现主流应用，但整体推广和落地的进展仍然较为缓慢。

具体而言，大语言模型（LLM）等技术已经经过期望肿胀期，正逐步迈向泡沫破裂低谷期，而其他新兴技术（如特定领域生成式AI、多模态生成式AI和自主智能体）则处于快速发展的爬坡阶段，预计将得到更多行业用户的关注。

根据Gartner的分析，尽管大模型的关注度有所下降，但这一技术仍未达到完全成熟，预计需要2到5年的时间才能进入生产成熟期。这一时间框架对于中国企业而言，意味着AI在实践中的普及仍需时日，很多企业仍面临如何选择和部署AI技术的难题。

此外，随着全球经济的不确定性加剧和企业IT预算的收紧，企业在AI技术投资上的投入有所减少。在这种背景下，尽管AI的潜力和价值日益被看作是企业未来竞争的关键因素，许多公司仍在谨慎评估和逐步投入AI技术，而不是进行大规模的技术升级或革命性转型。随着AI技术逐渐走向成熟，企业将更加注重AI技术的具体应用场景和实践价值，这意味着企业必须在技术选择和应用过程中更加务实，避免陷入对“大而全”的技术期望中。

1. AI作为提升个人效率的“工具”

目前，AI在企业中的应用主要体现在提高效率和处理海量数据上的辅助工具。AI可以通过“Copilot模式”辅助员工处理大量重复性工作，从而释放人力资源。例如，在销售和客服领域，AI可以帮助员工获取背景信息、筛选潜在客户，甚至在初步阶段给出答案，减少人工工作量，提高响应速度和准确性。除了软件研发等特定领域，个人效率的提升并没有直接转换成为团队和组织效率的提升，这让企业在AI工具上的投入意愿大幅下降。

2. AI作为垂直业务领域提升业务的“助手”

例如，在客户服务和售后领域，AI通过智能客服和聊天机器人，能够处理大量的常见问题，减少了人工客服的工作量，并在高峰期时为客户提供更及时的响应。在销售领域，AI被用于数据分析和客户洞察，帮助销售人员识别潜在客户和推荐个性化的产品或服务。此外，AI在数据分析、财务预测、供应链管理和人力资源管理等领域也开始得到试点应用，用于提升决策速度和流程优化。

3.当前AI的应用仍然处于发展和实验阶段。        

许多企业还远未能发挥AI的潜力，尤其是在复杂的业务场景和大规模部署方面，仍面临诸多挑战，主要集中在以下几个方面：

3.1 业务理解力的局限性：AI的技术能力虽然在数据分析、模式识别和自然语言处理等方面取得了显著进展，但其专业领域的“理解力缺陷”的短板也是显而易见的，特别是在复杂的业务逻辑和专业领域（如ToB行业），AI可能无法完全理解企业特定的业务逻辑和行业知识，导致其给出的建议或决策不完全准确。例如，在客户服务和财务领域，AI能够处理大量数据和常见问题，但面对高度个性化或复杂的场景时，仍需人工介入。

3.2 数据安全与隐私问题：AI应用过程中，尤其是在涉及企业的敏感数据时，大模型的开源和共享可能导致企业核心业务数据的泄露，进而削弱企业的竞争壁垒成为企业最大的顾虑之一，尤其在医疗、金融等行业，数据的安全性和合规性要求极为严格。如何确保这些数据不被滥用或泄露，成为企业部署AI时的重大挑战。

3.3 成本问题与技术落地难题：大规模部署AI技术需要企业投入大量的资金和资源，尤其是在计算能力和硬件基础设施方面。此外，现有的大模型通常需要企业根据自身业务进行定制化优化，这不仅需要高昂的费用，还可能需要长时间的适配和调试。对于许多大中小型企业而言，这些成本可能是难以承受的。

03

未来篇：AI是长期战略而且是唯一战略          

马化腾在2023年5月腾讯股东大会上表示：“我们最开始以为（人工智能）是互联网十年不遇的机会，但是越想越觉得，这是几百年不遇的，类似发明电的工业革命一样的机遇，腾讯也一样在埋头研发，但是并不急于早早做完，把半成品拿出来展示……现在很多公司太急了，腾讯一贯不是这种风格”。

1. AI首先是长期战略        

AI的核心技术框架，从大模型到AI代理，都还在不断变化和快速迭代之中，就像10年前数字的大数据和云计算的。更重要的是AI带来的不仅仅是运营效率的提升，更是企业组织和流程的重新构造，不仅仅是产品的智能化，更是产品和市场的颠覆和重新定义，例如，AI Agent 替代SaaS软件，实现软件从工具到真正的服务化，大模型将替代传统的OS重新定义计算。  

任何企业的AI战略都不能急，需要长期主义，在不断试错中坚定执行下去，因为AI战略的成功与否将决定企业的在未来的生死存亡。

2.企业的AI战略      

企业在制定AI战略时，首先需要明确其核心目标，才能更好地应对技术应用带来的挑战并抓住机遇。任何企业的战略的都应该围绕者组织（员工）和产品（客户）来制定，AI战略也不例外。围绕这两个目标制定长期规划，就像SalesForce从2014年开始执行的“AI优先战略”，十年磨一剑，从短期到中期到长期目标，分步规划，步步为营，逐步推进落地。

2.1 组织效率的提升：

短期目标：提升运营效率

AI的首要价值在于提高企业运营效率。通过自动化日常任务和流程优化，AI能够帮助企业大幅度减少人工成本和运营成本。例如，在客服、财务审计、数据分析等领域，AI能够高效地处理重复性任务，释放员工的时间，使其能够专注于更具创造性和战略性的工作。

中期目标：提升员工体验与感知

除了对外部客户的关注，AI还能够帮助企业提升员工的体验。通过AI技术，企业可以实时监测员工的工作状况，预测员工的情绪和压力水平，从而采取及时的干预措施。AI可以优化员工的工作流程，减少不必要的压力，提高员工的工作效率和满意度，从而增强员工的忠诚度和工作动力。此外，AI也能够帮助企业识别潜在的人才问题，通过分析员工的工作状态，AI可以帮助企业制定更加科学和有效的人力资源管理策略。

长期目标：组织和文化重构成为“AI原生”的“快”组织

企业组织存在的原因就是提升企业的效率。随着AI代理技术的成熟和自主决策的AI代理（AI Agent）的大量涌现，企业的组织将实现AI时代的效率新范式。首先，受益于AI工具的加持，管理者效率将数十倍提升，管理半径可以从传统的8-10个人到几十人甚至上百人，企业的组织将极大的扁平化，从而加快整个组织的决策速度。其次，任务驱动的动态调整的小型团队将取代的传统的部门和垂直管理，实现组织灵活性的最大化，扁平而灵活的组织是“让大象也能跳舞”的基础和保障。这样的组织雏形已经在英伟达这样的公司里出现并取得了良好的效果。我们可以预见自主决策的AI代理与人协同工作的模式，将完全打破现有组织的框架，从而实现于创业企业一样的组织的快速决策和资源的灵活调配。  

客户感知和产品的服务化

短期目标：增强决策支持与智能化决策

企业通过利用AI强大的数据处理能力和预测模型，可以在决策过程中获得更为精确的数据支持和洞察。AI可以帮助企业在复杂的市场环境中做出快速且准确的决策，提升其市场竞争力。例如，通过AI对消费者行为的分析，企业可以制定更加精准的市场营销策略，增强客户满意度和忠诚度。

中期目标：客户的全面感知与产品的快速迭代

企业通过全面部署AI 代理到产品的销售和售后服务的各个环节，实现所有的销售和服务渠道的全面数字化。通过AI代理之间的互相协同和数据交互，企业将有效实现客户全生命周期的全面数字化管理，进而实现对客户的全面感知，推动产品的快速迭代。SalesForce 最新发布的AgentForce产品正使得这一目标的实现变为现实。

长期目标：创新产品与服务

拥抱AI，重新思考企业产品在AI时代的定位和形态，推动产品的全面服务化，实现从AIGC（AI生成内容）到AIGS（AI生成服务）的业务转型，创造出全新的产品，开辟新的按照服务收费的业务模式。例如，医疗领域的AI辅助系统能够帮助基层医疗单位的医生承担以前只能在三甲医院才能进行的诊断和治疗，真正实现分级医疗和三甲医院的科研化转型。通过AI实现健康管理的个性化和服务化，让每个人都可以拥有一个“老中医”。

3. AI战略实施的路径

企业在制定和实施AI战略时，应该采取循序渐进的路径，确保技术的平稳过渡和充分利用。以下是一些企业在AI战略路径中可以采取的措施：

3.1 从小规模试点开始，逐步扩展应用场景  

企业不应盲目追求大规模的AI部署，而应从小规模的试点项目开始，验证AI技术的可行性和效果。可以先从那些不涉及企业核心机密且较为安全的领域入手，例如客服、售后支持和市场营销。通过这些试点，企业可以积累经验，并根据实际需求和反馈逐步扩展AI的应用范围。

3.2 注重AI与业务的深度融合

AI并非仅仅是技术工具，它应当与企业的核心业务深度融合。企业应当明确AI技术在业务流程中的具体作用，并根据不同的业务需求定制AI解决方案。例如，在生产领域，AI可以与物联网（IoT）结合，实时监控生产线的状态，提前预测设备故障并进行维修。在金融领域，AI可以与风险管理系统结合，实时分析市场变化并调整投资策略。

3.3 鼓励AI工具的使用来建设AI优先的企业文化

引入AI工具让员工切身体验AI的实际价值，让每位员工熟悉AI工具的使用，激发他们在工作中主动应用AI的积极性，随着员工对AI技术的熟悉和信任逐步加深，AI优先的文化也将在组织内逐步生根发芽。

3.4 加强数据能力和数据平台建设

数据是AI成功的基础。企业应采取适当的技术手段，优化数据采集，清洗，存储和分析流程，确保数据的质量和多样性。同时搭建高效的数据管理平台，支持本地化部署的企业级AI模型的训练与部署。完善数据治理机制保障数据安全和合规，为AI应用提供稳定可靠的数据支撑。

3.5 持续的人才培养与组织变革

AI技术的应用不仅仅是技术层面的创新，它还要求企业在人才培养和组织结构上进行相应的调整。企业需要为员工提供AI相关的培训，帮助他们理解和使用AI工具。同时，企业还应当重新定义组织架构，推动跨部门协作和数字化转型，以促进AI技术的顺利落地和发展。   

4.案例：Salesforce的AI转型之路         

Salesforce作为全球领先的客户关系管理（CRM）软件公司，其AI转型之路为企业如何逐步实现AI战略提供了一个成功的范例。Salesforce的AI转型并非一蹴而就，而是经历了近十年的战略调整与技术积累。

早在2014年，Salesforce的CEO Marc Benioff就宣布，公司将转型为一家“AI优先”的企业。从那时起，Salesforce开始大力投资AI技术的研发，成立专门的AI团队，并将AI逐步融入到其各个产品线中。这一战略调整不仅仅是技术上的革新，还涉及了组织结构的重大变革。公司将AI整合到其所有平台中，包括Sales Cloud、Service Cloud和Marketing Cloud等，提供更智能的客户数据分析、预测和个性化推荐服务。

为了增强数据处理和分析能力，Salesforce还通过一系列战略并购加强其AI技术积累。例如，收购Mulesoft和Tableau后，Salesforce能够更好地整合和分析客户数据，从而为AI系统提供更丰富的输入。这些并购不仅丰富了公司的技术栈，也为AI解决方案的成功实施奠定了基础。

 文化上的调整同样至关重要。Salesforce注重培养一种创新、拥抱变化的企业文化，积极推动员工适应AI技术的转型。公司通过Trailhead平台为所有员工提供AI相关的培训课程，要求员工达到“Ranger”级别，从而确保每个员工都具备基本的AI素养。这种全方位的转型为Salesforce的AI应用（如Agentforce）成功落地提供了强大的支持。

04

结束语  

展望2025年，我对AI的未来信心满满，随着大模型进入推理者时代，AI代理（AI Agent）技术的成熟，相信2025年将是A企业应用的元年。每一个企业都应该坚定地开启“All In AI”的战略，但是必须摈弃之前快速见效的功利主义，坚持长期主义，制定适合自己企业特点的AI战略，坚定不移从数字化进入AI时代。