AI空谈正在退场，企业如何从“会说”到“会做”

如果说大模型解决的是“能力涌现”的问题，那么智能体回答的则是“能力如何为企业所用”的问题。前者打开了想象力的天花板，后者决定了天花板上能架起多少座通往商业价值的阶梯。

当数字员工开始7×24小时无休执行、一句话即可驱动复杂的业务流程自动闭环，AI带来的就不再是效率的线性提升，而是一场关于组织运行方式的深层颠覆。

然而，在技术突破与商业落地之间，横亘着无数真实棘手的问题：传统企业如何跨越“叫好不叫座”的陷阱？一把手该不该亲自下场？行业老兵如何与AI精英协同？这些问题没有标准答案，只有躬身入局者的实战经验。

近期，长江商学院EMBA推出“AI业务实战分享会”，邀请了一批真正“把鞋子弄脏”的先行者。他们或是十余年的行业老兵，或是在垂直赛道不断突围的创业者。本期分享会围绕组织变革、产品落地、数据飞轮、一把手工程等议题，带来了他们用真金白银换来的思考与教训。

当算法不再稀缺

企业靠什么筑护城河？

如今，AI大模型能力日趋同质化，企业在AI赛道的护城河正发生转移。

金智维人工智能股份有限公司 副总裁

长江商学院EMBA 5期

在长江EMBA这场AI业务实战分享会上，长江商学院EMBA5期校友、金智维人工智能股份有限公司副总裁高柱认为：“当下大模型技术趋于同质化，单纯算法不再是企业AI赛道护城河。行业Know-how、全链路稳定执行能力、合规可追溯体系才是长期壁垒，企业AI转型核心竞争点，已经从‘模型能力’转向行业场景落地与流程智能化能力。”

市场快速扩容的背后，是产业界对“AI从会说到会做”的落地实践。

过去，AI是辅助决策工具，价值创造依赖于人的经验判断。随着AI技术的进步，智能体正从”参谋”进化为执行者。它能够分解复杂任务、调用工具链、自主试错迭代，直至完成目标。这一转变，意味着生产要素的重构：算力、算法与场景数据的深度融合，正在催生新型“数字员工”。

在高柱看来，“数字员工”的普及正在改变管理学的底层逻辑。未来的组织将是“人+AI数字员工”并行的矩阵式网络，管理者的核心职能将从流程设计者转变为智能网络的编排与调度者。在流程自动化的赋能下，企业的竞争力下限取决于“数字员工密度”，而上限则取决于“数智飞轮迭代速度”。

北森云 联合创始人

长江商学院EMBA 44期

长江商学院EMBA44期校友、北森云联合创始人王朝晖以人力资源场景为例。他指出，AI的出现改变了人力资源数字化的逻辑。“原来的逻辑是：客户—流程—工作任务—能力—人，当AI能力越来越强，许多能力可以用Agent承载，整个流程极有可能被AI重构。”

在王朝晖的实践中，大量数字HR已落地应用，真人HR的核心工作转变为统筹调度各类数字HR协同作业，全体员工也将逐步适应 “真人HR+数字HR”协同服务模式，人力资源的服务边界与组织能力由此得到拓宽。

哥伦比亚大学金融学博士

长江商学院金融学助理教授

对此，哥伦比亚大学金融学博士、长江商学院金融学助理教授梅丹青点评，AI能力虽强但具有随机性，需要设计框架和边界来加以管控。当前讨论的企业级AI管控体系（Harness），核心在于如何把AI能力在企业层面做好规划。

谈及如何评估AI产品的优劣，梅丹青提出了他的看法：平均提效是一定的，但更关键的是要关注边界案例。“重点考察出错概率、出错时的可回溯性、人工介入的便捷程度，以及处理边际问题的能力。这些才是未来区分产品优劣的关键。”

什么样的数据

能让AI发挥最大业务价值？

AI最擅长解决什么问题？几位校友的实践指向同一个答案：数据越杂乱、规则越复杂的地方，AI越能发挥不可替代的价值。

天友设计 创始人

长江商学院EMBA 17期

建筑行业就是一个典型的“杂乱数据场”。长江商学院EMBA17期校友、天友设计创始人宋令涛认为，一个建筑项目，建设周期1-2年、装修3-6个月、运营长达70-100年，但全过程信息完全断裂。“设计方管不到建设，建设方管不到运营。过去做过建筑信息模型，做过大量数字化尝试，数据依然散乱，无法打通。”

他打了个比方：“百万级的豪车有完整的维修保养数据，但几百万甚至上亿的房子，却没有完整的数据档案。”这正是天友设计希望通过AI解决的核心问题，用AI将“投建营”全过程串联起来，让散落的数据变得可检索、可辅助决策。

这一逻辑不止适用于建筑。梅丹青教授援引OpenAI科学家翁家翌的观点提到，过去人类因为规则系统过于复杂而主动选择放弃，但今天AI的能力已经足够强大，可以反过来帮我们把大量复杂规则整合在一起。“无论代码多乱，交给AI都能帮你梳理清楚。只要对AI有这样的信心，就能在各个场景中找到它的用武之地。”

不过，在信心之外，企业更需要正视一个现实：AI落地远非“买一套工具”那么简单。

跃盟科技 合伙人

长江商学院EMBA 35期

长江商学院EMBA35期校友、跃盟科技合伙人王小蕾说，行业普遍误把AI当作工具来采购，而企业真正缺失的是AI分层管理体系。如今，行业的竞争核心，是可沉淀、可闭环的场景数据，以及能像管理人一样管控AI的运营模式。

她也分析了AI“买了用不起来”的四个核心障碍：

重重障碍，指向一个问题：AI对数据的需求方式，与人类对数据的使用方式存在差异。人类可以在碎片信息中凭借经验补全上下文，而AI的执行严格依赖于被明确定义、结构清晰、权限分明的输入。

这意味着，企业为AI准备数据，不是在做一次性的整理归档，而是需要系统性地将分散在邮件、聊天记录和个人经验中的信息，转化为AI可读取、可执行的结构化语言。这一步做不到，再强大的模型也难以在企业场景中真正产生业务价值。

AI转型

为什么非要一把手亲自来？

“AI业务实战分享会”上，多位校友不约而同地指向同一个结论：AI落地是一把手工程，老板必须亲自下场。这不仅是决心问题，更关系到AI转型的成败。

比如，宋令涛曾到清华、北大挖AI人才，但却无人响应，因为传统行业被认为“不性感”。 一年后他反而庆幸没挖到：“AI人才年薪200万起步且难以留住，而当前阶段我更需要行业老兵主导。”

去年6月，他拉上师弟组起团队，亲自带队摸索。今年2月，他发出全员公开信，自任公司首席AI官。“所有人都知道我要干AI了，没有任何退路。”

这种“断退路”的姿态，让宋令涛在实践中总结出三条核心经验：

他坦言，公司从1400人减至更少，但有信心未来产值将超过以往。他认为，不必迷信AI精英，在垂直应用领域，行业老兵对业务的理解深度，远胜于纯AI人才。

北京星云智学教育科技有限公司 CEO

长江商学院EMBA 34期

与宋令涛从“找人”到“自己干”的路径相似，长江商学院EMBA34期校友、北京星云智学教育科技有限公司CEO左瀚颖的躬身入局也找到了一条“掌控”AI的方式。

她的核心主张是：找最懂业务的人，把核心流程结构化地写清楚；自己掌握coding的逻辑闭环，不是亲手写每一行代码，而是亲手掌控AI运行的流程与结果。 在她看来，管理人的逻辑与管理AI的逻辑本质相通，管理者给员工分配任务、规定工作流程和质量标准，对AI数字员工也是同样的逻辑。

左瀚颖认为，躬身入局不仅是行动，更是一种心态的转变。“很多人习惯性地不接受AI的干预，对AI会犯错抱有各种质疑。但AI一定会犯错，这不应成为拒绝它的理由。”她分享了一个关键发现：系统的落地难点不在于开发，而在于一线业务人员是否真正用起来。

梅丹青教授认为，AI原生是指从产品设计之初就把AI作为核心驱动力。他认为，“AI原生时代最重要的不是技术，而是人。一把手必须懂AI，必须亲自下场。” 他观察到，“很多大厂员工已经习惯了做螺丝钉，只做自己那一小部分工作。但恰恰是螺丝钉式的工作，最容易被AI完全替代。”

面向未来，他提出两种核心特质：好奇心和执行力。“在咨询时代，交付的是方案；软件公司交付的是工具和系统；而未来的AI原生公司，交付的一定是结果。”

这场关于“从会说到会做”的讨论，先行者的经验看似路径各异，却指向同一个核心命题：企业AI转型，既不是采购一套工具，也不是招募几个AI天才，而是一场需要一把手亲自带队、全组织认知升级的系统工程。

“数字员工”不会自动填补组织的空白，它只会放大已有的效率，也暴露隐藏的惰性。那些散落在微信群、老师傅经验里的数据，不会自动成为AI的养料，它需要行业老兵用业务直觉去标注、用管理智慧去框定边界。这场变革的终点，也并非机器替代人，而是让每一个普通员工都能在AI的加持下，交付过去只有顶尖专家才能产出的结果。

封面由AI生成。