►高维君说： 

别把AI当一阵风，把它变成企业经营系统里可验证、可迭代、可沉淀的一部分。这事不轻松，也急不来，但已经是创始人绕不开的经营命题。

作 者 | 高维君

来 源 | 高维学堂（ID：gaoweixuetang）

先问一个问题：如果你公司过去一年也在推"全员用AI"，员工人均用上了好几个工具之后，你的生意或效益，真的变好了吗？

文案写得更快了，PPT做得更漂亮了，会议纪要更完整了。可创始人心里那几个问题，一个都没被回答：顾客到底有没有更懂了？新品从想法到上市的周期缩短了吗？组织里的无效消耗减少了吗？效率提上去之后，经营结果跟上了吗？

员工用AI把活干得更快，和企业真正用AI重新经营，完全是两回事——前者只是效率提升，后者是价值创造方式的改变。

第九届724科学创业节上，几位实践者和经营者从各自的领域切入这个话题——用户、产品、营销、组织、全域AI、经营分析会，讲的是六件事，拼在一起却是一条完整的线索：AI先要钻进创造顾客的主链路，接着考验组织能不能接住新的生产力，再往下逼企业重建流程、数据、工具和人才底座，最后落进经营分析和资源配置，帮创始人更快看见机会、做出取舍。

这篇文章聊的不是AI工具怎么用，是AI时代企业该怎么重新经营。

很多企业用AI的第一反应，是把它放进办公场景里：写文案、做海报、生成PPT、整理会议纪要、做客服回复。这些动作当然有价值，但大多停留在"让员工更快完成任务"这一层——员工手速变快，企业经营能力未必跟着变强。

特赞科技COO谭屹在分享里，把AI进入企业的路径拉回了一个很古典的命题：企业怎么创造顾客。技术在变，但企业理解顾客、创造产品、通过营销连接顾客这套逻辑没怎么变。他把AI该发力的地方，锁定在用户洞察、产品创新、营销增长——这三个环节，决定企业能不能更快理解需求、验证想法、跑出增长闭环。

第一个入口，用户洞察。 

过去企业理解用户靠调研、访谈、问卷、社媒分析和销售反馈，周期长、成本高、频率低，反馈经常慢半拍才到手。

谭屹提到一种新可能：用AI模拟消费者。这不是要取代真人调研，而是给企业多了一个能高频验证需求的视角——积累了足够多的用户表达、访谈记录、购买反馈和消费数据后，就能把不同类型的顾客沉淀成可反复调用的消费者智能体。

一个新品想法、一个营销创意、一个促销方案，都能先问一轮、测一轮、验证一轮。省下的不只是调研费用，更关键的是验证频率上去了——过去很多产品决策靠直觉和少量反馈，等市场给出真实结果，研发、生产、渠道、库存的成本早就花出去了。

想法能在进入市场前先被验证一遍，企业试错的方式就变了：AI给经营判断添了更多验证材料，而不是替经营者拍板。

第二个入口，产品创新。 

谭屹举了个具体场景：过去一个产品经理可能要花三天半找趋势、看竞品、抓热点，再花一天半整理PPT做汇报；AI进入后，周一打开系统，市场信号、趋势变化、竞品动态、产品方向、包装示意和营销计划已经形成了初步方案。

更重要的是工作流本身变了——过去一次新品开发像一次发射，前期准备很长、下注很重，上线后再等反馈；现在更像一个持续循环：从市场信号到产品概念，到消费者模拟，到包装定价渠道方案，再到真实反馈流回知识系统。

成长型企业最头疼的，从来不是缺想法，是想法太多、验证太慢、资源有限。验证周期一旦缩短，产品创新就能从"大动作"变成"可持续测试的小闭环"。

第三个入口，营销增长。

内容生产变快不等于营销变强，营销难的地方，是让内容和顾客、渠道、场景、卖点对上号，还要能被持续测试和复盘。谭屹认为，未来企业的营销系统要持续做几件事：找到市场正在讨论的信号，判断信号和品牌产品的关系，生成不同渠道人群场景下的内容，测试反馈，再把结果沉淀回企业自己的上下文系统。

这里有个值得创始人留意的变化：内容不光要给人看，也要给AI看。前几年效果类内容更吃香，品牌类内容常被嫌"不够转化"。但AI搜索、AI推荐越来越普遍之后，AI更容易引用结构清晰、可信度高、上下文完整的内容——品牌内容因此可能重新变重要，因为AI要理解你是谁、解决什么问题、有什么专业积累和差异化。

企业过去沉淀的品牌资产、内容资产、用户反馈、业务经验，以后都会成为AI理解你的素材。

谭屹反复强调的"上下文"，说到底不是技术概念，是企业未来的经营资产：模型会越来越强、越来越普及，能拉开差距的，是谁手里握着更高质量的用户认知、品牌资产和业务规则。

别只问"我们用了哪些AI工具"，多问一句：AI有没有帮企业更快理解用户，有没有帮团队更快验证产品方向，有没有把营销从内容生产推向测试反馈闭环，有没有持续沉淀企业自己的上下文。这些答案要都是否定的，企业大概率还停在"使用AI"，没走到"AI经营"。

而当AI真的钻进用户、产品和营销这些主链路后，企业会撞上第二个问题：新生产力来了，旧组织接得住吗？

很多企业买了AI工具、鼓励员工使用，一段时间后却发现：工具越来越多，业务结果没明显变好；材料出得越来越快，会议和沟通却没减少；员工看着都会用AI了，组织却没变得更敏捷。

前大厂组织发展负责人、AI组织进化实战研究者何义情把这个问题往下拆了一层：AI落地看着像技术问题，说到底是组织治理问题。过去的组织按岗位、部门、层级、流程和审批搭建，复杂任务拆成一个个岗位，靠会议和管理动作串起来，安全感来自边界清晰、分工明确、领导审批。

但AI改变了生产力单元——过去需要产品、运营、设计、技术几个岗位一起做的事，现在一个人带着智能体和工具链就可能跑通。

旧的组织假设立刻被挑战：这个人该放哪个岗位？哪些审批还非留不可？只做信息转发、不创造价值的环节，还要不要留着？这些问题背后，是权力怎么分配、信任怎么建立、责任怎么归属。

很多企业的卡点不是不会用AI，是旧结构在排斥新生产力：旧流程没减少，AI只能叠加成新的工作负担；旧分工没调整，超级个体很难释放完整价值；旧评价机制不变，员工照旧围着老指标转；旧审批不重构，AI带来的速度会被拖回原来的节奏。

所以企业不能只做"AI工具应用"，得从真实的业务回路入手——一段从输入到输出、从判断到行动、从结果到反馈的完整价值链，比如客户标签、智能补货、课程开发、产品原型、营销投放、客服响应。

关键在于，这个回路每跑一次，组织有没有变聪明一点：数据沉淀了没有，规则更新了没有，经验记下来了没有，下一次执行比上一次强不强。答案是肯定的，这就不只是流程优化，是在攒组织记忆——这也是AI原生组织和普通组织的分水岭：普通组织把AI塞进旧流程；AI原生组织围绕新的业务回路重新定义人和AI的分工，重新设计验证机制，让组织在一次次运行中自我学习。

这件事对成长型企业格外要紧——中小企业的优势本就在于灵活、快、创始人离业务近，可企业一旦长大，部门墙、审批墙、经验墙、汇报墙会自己长出来。AI进来之后，这些墙反倒更显眼：AI能让很多事变快，组织的墙却让这份速度转化不成结果。

何义情给的路径挺务实：别急着喊"AI First"，先挑一个真正决定业务成败的问题；别全员铺开，先选一个最值得重跑的业务回路；别只买工具，先找到愿意扛事的人；别默认旧流程有效，重新设计一遍人和AI的分工；别只看一次项目的成果，要把它变成组织记忆。

AI落地难，很多时候不是工具不够强，是旧系统接不住新能力。组织还沿用旧流程、旧分工、旧审批，AI大概率带不来经营重构，只会添新的忙乱。等组织开始围着业务回路调整，企业又会碰上第三个问题：AI怎么从单点试验，走到全域能力？

很多企业做AI容易踩两个极端：一种是工具试用型，今天试这个工具明天试那个智能体，热闹但散；另一种是宏大规划型，一上来就想做全公司AI化，口号很大，却很难落进业务。真正走得通的AI建设，介于两者之间：从真实场景切进去，但持续建系统能力；从单点起步，最后走向流程、数据、工具、组织和人才的全面适配。

安克创新CIO Neil分享了安克从2023年启动AI战略以来的实践，最值得创始人留心的不是用了多少工具、搭了多少智能体，是把AI当成一场长期的企业能力建设在做。他有个判断挺有穿透力：互联网改变的是距离，AI改变的可能是时间——互联网让信息传递、交易连接突破了距离限制，AI让知识、经验、任务和执行被更快调用。可时间变快之后，企业不一定更轻松：很多人用了AI反倒更忙，因为AI跑得快，组织还在旧流程里打转，人得不断输入、检查、协调、修正，瓶颈不在AI，在人和系统。

所以安克的做法不是从"让大家多用工具"起步，而是一步步走向系统建设：2023年做能力探索，判断哪些AI能力成熟了、哪些场景能先落地；2024年进入深度应用，把AI融进业务系统和流程；再往后推动组织转型、数据建设、工具底座建设，让流程、数据、工具、组织和人才全面适配AI。这里面最大的转变，是从AI辅助（员工遇到问题打开工具求助）走到AI驱动（业务流程先由AI跑起来，完成初步判断、生成方案、推动任务，人再校正、决策、担责）。前者改的是个人效率，后者才可能改企业系统。

安克的案例里有内容中台、财务小助手、面试小助手、智能广告投放系统，也有代码生成、流程智能体和数据底座建设，看着分布在不同部门，底层逻辑却一致：AI没有漂在流程外面，是扎进了业务系统内部。比如内容生产，不是每个员工各自捧个AI作图工具，而是把创意、素材生成、内容编辑、分发反馈放进统一平台，跟上下游流程串起来；比如财务管报，不是让财务同学用AI写总结，而是让AI参与数据处理、异常识别、分析生成，把整个经营信息流转周期压缩下来；比如广告投放，系统能基于产品状态、预算和投放数据生成策略和优化建议，关键预算的责任还是人来担。

Neil还点出一个挺现实的问题：卡住AI的常常不是模型，是企业自己的数据、知识和组织形态。大模型有通用知识，但没有你的企业知识；很多企业经验沉在人脑里，没变成数据；很多内部数据是给人看的，AI用不了；很多指标口径不统一，人理解都费劲，更别提AI；很多系统只支持人操作，AI插不进去干活。所以安克提出"全面AI友好化"——流程要能被拆解、被调用、被反馈；数据口径要统一，业务含义要说清楚；工具不能只会分析，还得能调用去干活；人才要从执行者，慢慢转向定义问题、校正结果、担责任的角色。

对很多中小企业来说，安克的规模未必能照搬，但启发挺直接：别把AI建设当成一次工具采购。工具好复制，底座不好复制——别人可以用同一个模型，但很难有你这套流程数据、业务知识和经营规则，这才是企业AI能力的护城河。

流程不改，AI只能当个助手；数据不通，AI只能给通用建议；经验不沉淀，AI变不成组织能力；工具不打通，AI停在分析这一层，进不了行动层。全域AI说到底，不是把AI铺到每个岗位，是让企业的关键流程长出感知、判断、执行和反馈的能力。

把几位嘉宾的分享串起来看，这不是几个散落的AI案例，是一套企业AI经营系统的三个层次：

第一层，业务链路——AI要先钻进用户、产品、营销这些创造顾客价值的主链路，不然就只是个外围工具，改变不了经营。

第二层，组织承接——AI进了业务之后，组织得重新接住这份新生产力，旧流程、旧分工、旧审批不调整，AI会被压回工具层。

第三层，全域底座——企业得让流程、数据、工具、组织和人才一步步AI友好化，没有底座，AI只能做场漂亮的演示。

这三层合起来，就是从"用AI"到"AI经营"的迁移：用AI图的是效率，从买个工具就能开始；AI经营图的是价值创造、组织承接，得回到顾客、流程、数据、组织这些根上。

这也是为什么AI时代的创始人，不能光当个工具推广者。真正该做的，是想清楚企业里哪些环节最值得被AI重做：哪一条业务链路离顾客价值最近？哪一个流程对经营结果影响最大？哪一类数据最该被结构化？这些问题，比"我们要不要用AI"重要得多——未来企业之间的差距，可能不在会不会用AI，而在谁更早把AI变成自己的经营系统。

AI不会自动让企业变好，它会放大企业原本的能力，也会放大企业原本的混乱。顾客认知本来就模糊，AI只会更快地产出不准确的内容；数据和业务规则本来就不稳，AI只会更快给出通用建议；组织本来就依赖旧流程旧审批，AI只会让人更忙。

所以AI时代的创始人，不光要学工具，更要重新审视自己的经营系统：AI进主业务链路了吗？企业沉淀自己的上下文了吗？组织跑出真实的人机业务回路了吗？流程和数据开始AI友好化了吗？这些问题，可能比"用了哪个模型""买了哪个工具"更值得想清楚。

科学创业，不是追新词，是用更有效的方法减少不必要的试错。放在AI时代，这句话多了层意思：别把AI当一阵风，把它变成企业经营系统里可验证、可迭代、可沉淀的一部分。这事不轻松，也急不来，但已经是创始人绕不开的经营命题。■