AI熱潮下，何如讓AI真正進(jìn)入業(yè)務(wù)？

點(diǎn)擊上圖▲了解更多

5月27日—5月29日，激蕩書院年中特別場——暨“AI+制造”實(shí)戰(zhàn)研修營·第二模塊X激蕩講堂·專題課，共同探索AI與商業(yè)結(jié)合的真實(shí)現(xiàn)場。

文 / 巴九靈（微信公眾號(hào)：吳曉波頻道）

你現(xiàn)在最想用AI解決的，到底是哪件事？

在“AI+制造”實(shí)戰(zhàn)研修營第一模塊的現(xiàn)場，私董導(dǎo)師吳畏把這個(gè)問題拋給了所有企業(yè)家。

問題不復(fù)雜，但現(xiàn)場很快安靜下來。因?yàn)閷?duì)企業(yè)家來說，AI已經(jīng)不是一個(gè)陌生詞。大家都知道AI重要，也聽過不少案例，真正難的地方在于：

把AI結(jié)合到自己業(yè)務(wù)時(shí)，究竟應(yīng)該先做哪里？投多少錢合適？用在研發(fā)、生產(chǎn)、銷售、客服，還是內(nèi)部管理？什么是值得做的機(jī)會(huì)，什么只是看起來熱鬧的消耗？

這也正是這門課程要回答的問題。在硅基流動(dòng)聯(lián)合創(chuàng)始人楊攀、“AI增長戰(zhàn)略”開創(chuàng)者周龍、非凡產(chǎn)研創(chuàng)始人吳畏3位導(dǎo)師的帶領(lǐng)下，來自不同行業(yè)的企業(yè)家齊聚上海，參訪了上汽通用、羚數(shù)智能2家先進(jìn)AI應(yīng)用企業(yè)，完成了一次從認(rèn)知、場景到落地的AI系統(tǒng)學(xué)習(xí)。

本次課程學(xué)習(xí)全程，被反復(fù)追問的，只有一件事：當(dāng)AI真的走進(jìn)工廠，第一步到底應(yīng)該先做什么？

“AI+制造”實(shí)戰(zhàn)研修營學(xué)員參訪上汽通用

認(rèn)知：AI真正的起點(diǎn)，不在工具，在業(yè)務(wù)

第一模塊開場，來自楊攀老師的主題分享，他并沒有講AI有多強(qiáng)，而是告訴企業(yè)家該如何重新理解AI。

在很多老板的認(rèn)知里，AI仍然容易被看成一個(gè)效率工具，寫文案、做PPT、生成方案、整理會(huì)議紀(jì)要。

但楊攀老師認(rèn)為，如果AI正在成為一種新的生產(chǎn)力基礎(chǔ)設(shè)施，企業(yè)要思考的就不只是能不能提效，還有資源、組織、流程、數(shù)據(jù)資產(chǎn)和業(yè)務(wù)節(jié)奏都會(huì)發(fā)生變化。

AI在數(shù)字世界里的工作速度，可能是人的幾十倍甚至上百倍。過去一周完成的工作，現(xiàn)在可能幾個(gè)小時(shí)完成，但是，速度并不天然帶來結(jié)果。

一家制造企業(yè)如果沒有把合同、圖紙、工單、客戶溝通、生產(chǎn)記錄、售后問題這些數(shù)據(jù)沉淀下來，那么AI能做的，只是“回答問題”，而不是“參與業(yè)務(wù)”。

所以，他反復(fù)提醒在場學(xué)員：AI進(jìn)入企業(yè)之前，企業(yè)家先要盤點(diǎn)自己的數(shù)字資產(chǎn)。

楊攀老師在課程現(xiàn)場分享

這些數(shù)字資產(chǎn)可能散落在員工電腦里、微信群里、CRM里、工單系統(tǒng)里，也可能還停留在老員工的經(jīng)驗(yàn)里。

一個(gè)老工程師知道某個(gè)工藝參數(shù)為什么這樣調(diào)，一個(gè)銷售知道某類客戶為什么遲遲不下單，一個(gè)售后知道某個(gè)產(chǎn)品最容易在哪個(gè)環(huán)節(jié)出問題。

如果這些經(jīng)驗(yàn)沒有被記錄、結(jié)構(gòu)化、調(diào)用，AI能發(fā)揮的空間將會(huì)非常有限。

因此課程開場，我們真正解決的不是該用哪個(gè)AI工具，而是幫企業(yè)家建立一套判斷標(biāo)準(zhǔn)：我的企業(yè)現(xiàn)在處在哪個(gè)階段？我的數(shù)據(jù)是否能夠被調(diào)用？我的業(yè)務(wù)里，哪里有真實(shí)瓶頸？我有沒有能力把一個(gè)AI場景推進(jìn)下去？

場景：AI在真實(shí)工業(yè)場景如何工作

認(rèn)知建立之后，更重要的是走進(jìn)真實(shí)場景，看AI到底在工業(yè)現(xiàn)場解決了什么問題。

在上汽通用、羚數(shù)智能等AI應(yīng)用現(xiàn)場，很多抽象概念很快變得具體。智能化、數(shù)字化、大模型、工業(yè)智能體等詞語，放在PPT里都成立，但到了工業(yè)現(xiàn)場，企業(yè)家更關(guān)心的是：

它到底解決了哪個(gè)問題？節(jié)省了誰的時(shí)間？減少了哪類錯(cuò)誤？有沒有人兜底？成本能不能算得過來？

其中的一個(gè)典型場景是圖紙。

在制造企業(yè)里，圖紙往往是業(yè)務(wù)流轉(zhuǎn)的核心。設(shè)計(jì)、采購、生產(chǎn)、質(zhì)檢、交付，都繞不開它。過去，工程師需要人工識(shí)別圖紙里的標(biāo)注、表格、符號(hào)，再把信息錄入系統(tǒng)。這個(gè)過程慢，也容易出錯(cuò)。

AI介入后，圖紙可以被切片、識(shí)別、結(jié)構(gòu)化，轉(zhuǎn)化成系統(tǒng)可以調(diào)用的數(shù)據(jù)。在圖紙變更捕捉場景中，AI可以識(shí)別不同版本圖紙的變更點(diǎn)，并通過人機(jī)協(xié)作提高準(zhǔn)確率；在圖紙校驗(yàn)場景中，AI可以對(duì)尺寸、形位公差、表面粗糙度等進(jìn)行校驗(yàn)，最終自動(dòng)生成Excel文件。

這類細(xì)節(jié)的價(jià)值，不在于它聽起來多么先進(jìn)，而在于它切中了制造業(yè)長期存在的痛點(diǎn)：大量關(guān)鍵工作依賴人工經(jīng)驗(yàn)，流程里有許多斷點(diǎn)，信息在不同部門之間傳遞時(shí)容易損耗。AI真正有價(jià)值的地方，是把這些斷點(diǎn)重新接起來。

另一個(gè)典型案例來自一家大型造船企業(yè)。

造船是典型的傳統(tǒng)制造業(yè)，業(yè)務(wù)復(fù)雜、鏈條長、周期長，內(nèi)部環(huán)境相對(duì)封閉，原本與AI的距離并不近，但恰恰是這樣的企業(yè)，更能說明AI落地的現(xiàn)實(shí)難度。

該企業(yè)的AI建設(shè)，并沒有從一個(gè)“萬能系統(tǒng)”開始，而是從設(shè)計(jì)研究院切入。它先處理了大量歷史語料，比如設(shè)計(jì)手冊(cè)、船舶規(guī)范、技術(shù)文檔、歷史船型資料等。因?yàn)橥ㄓ么竽Ｐ屠斫獠涣撕芏嘣齑袠I(yè)的專有名詞和專業(yè)語境，企業(yè)就要先做自己的語料庫，再訓(xùn)練更貼近業(yè)務(wù)的垂類模型。

這其實(shí)給了制造企業(yè)一個(gè)很現(xiàn)實(shí)的啟發(fā)：很多AI項(xiàng)目的起點(diǎn)，并不一定在生產(chǎn)線上。

結(jié)束參訪后，我們第一時(shí)間組織了場AI私董會(huì)。在討論中，一個(gè)明顯的變化是，企業(yè)家學(xué)員們不再只是問AI能做什么，而是開始追問我的企業(yè)里，哪一個(gè)問題最值得先被AI解決。

吳畏老師帶同學(xué)們做復(fù)盤

一位企業(yè)家提到團(tuán)隊(duì)溝通和多任務(wù)管理，另一位制造企業(yè)負(fù)責(zé)人提到企業(yè)知識(shí)庫，還有位做燈具的老板提到產(chǎn)品設(shè)計(jì)……這正是私董會(huì)的價(jià)值。白天看標(biāo)桿，是看到別人怎么做，之后的私董會(huì)是逼自己想清楚：我的企業(yè)能做什么，先做什么，為什么是這件事。

標(biāo)桿企業(yè)不是答案本身。它更像一面鏡子，讓企業(yè)家看見自己的差距，也看見自己可以行動(dòng)的第一步。

落地：AI不會(huì)替你決策，只會(huì)放大你的決策

看過場景之后，問題最終還是要回到企業(yè)自身：AI到底該服務(wù)于什么目標(biāo)？

周龍老師的分享，把AI從“效率工具”拉回到企業(yè)增長和戰(zhàn)略判斷上。他反復(fù)強(qiáng)調(diào)一個(gè)觀點(diǎn)：AI不會(huì)替你做決策，只會(huì)放大你的決策。

方向錯(cuò)了，AI會(huì)加速錯(cuò)誤。方向?qū)α耍珹I才是杠桿。

課程現(xiàn)場，周老師現(xiàn)場用AI生成了一套“xxx品牌辣椒炒肉照明標(biāo)準(zhǔn)化方案”。這個(gè)方案不是簡單寫幾頁P(yáng)PT，而是圍繞餐廳擴(kuò)張中的菜品視覺呈現(xiàn)不一致、照明標(biāo)準(zhǔn)缺失、翻臺(tái)率與氛圍之間的矛盾，輸出了一套完整解決方案。

一個(gè)有意思的細(xì)節(jié)是，方案里針對(duì)辣椒炒肉的紅色呈現(xiàn)，提出使用2700K紅琥珀暖光色溫，讓紅油看起來更透亮。

這不是普通工具使用。它背后考驗(yàn)的是對(duì)客戶業(yè)務(wù)的理解。

他真正想讓學(xué)員看到的是：AI可以幫助企業(yè)更快做調(diào)研、更快搭框架、更快生成方案，但前提是，老板要知道自己到底要解決什么問題。

課堂上，周龍老師讓學(xué)員回答兩個(gè)問題：客戶為什么選我？客戶為什么不選我？

這兩個(gè)問題看似和AI無關(guān)，卻是企業(yè)做AI戰(zhàn)略時(shí)繞不開的前提。

很多制造企業(yè)老板談AI時(shí)，會(huì)直接跳到工具、系統(tǒng)、流程、降本。但一家企業(yè)最值得用AI解決的問題，往往藏在它的增長瓶頸里。

◎如果客戶不選你，是因?yàn)槟愫屯胁町惒磺澹珹I再怎么提高內(nèi)容生產(chǎn)效率，也可能只是更快地生產(chǎn)同質(zhì)化信息。

◎如果企業(yè)增長卡在老客戶無法轉(zhuǎn)介紹，銷售講不清價(jià)值，團(tuán)隊(duì)無法復(fù)制老板的判斷，AI就應(yīng)該優(yōu)先介入成交話術(shù)、客戶洞察、銷售訓(xùn)練、知識(shí)沉淀這些場景。

◎如果企業(yè)的問題是研發(fā)周期長、產(chǎn)品定義不準(zhǔn)、市場信息滯后，AI就應(yīng)該進(jìn)入調(diào)研、趨勢(shì)分析、產(chǎn)品方案和客戶需求洞察。

課程結(jié)尾，我們完成了一個(gè)重要總結(jié)：AI落地最終不是技術(shù)部門的獨(dú)角戲。老板往哪想，公司就往哪走。

同學(xué)們?cè)谡n程現(xiàn)場聽課

AI像100年前的電。通電本身不是最難的，難的是各個(gè)行業(yè)要基于電，發(fā)明出自己的燈泡、洗衣機(jī)、空調(diào)。

對(duì)制造企業(yè)來說，道理也一樣。今天的大模型已經(jīng)完成了“通電”。接下來，每個(gè)細(xì)分行業(yè)都要重新回答：我們自己的“燈泡”是什么？

答案不會(huì)從工具列表里自動(dòng)長出來。它來自老板對(duì)業(yè)務(wù)的理解，來自對(duì)真實(shí)場景的拆解，也來自組織能不能把判斷變成行動(dòng)。

三天課程結(jié)束，我們?cè)倩氐阶畛跄莻€(gè)問題：你現(xiàn)在最想用AI解決的到底是哪件事？

第一天，楊攀老師幫助企業(yè)家建立判斷標(biāo)準(zhǔn)；第二天，企業(yè)家們走進(jìn)上汽通用、羚數(shù)智能2個(gè)真實(shí)案例現(xiàn)場；第三天，周龍老師把AI放進(jìn)企業(yè)戰(zhàn)略和增長里，讓大家看到，AI真正發(fā)揮價(jià)值之前，老板必須先想清楚方向。

到這里，第一個(gè)問題有了初步答案，但新的問題是：想清楚之后，怎么動(dòng)起來？

下一次課程，我們將繼續(xù)推進(jìn)：從決策到執(zhí)行，構(gòu)建AI賦能企業(yè)的行動(dòng)框架。

5月27日—5月29日，我們邀請(qǐng)到海銀資本創(chuàng)始合伙人王煜全、華為智能制造軍團(tuán)首席顧問顏少林、非凡產(chǎn)研創(chuàng)始人吳畏，帶你深度參訪中國調(diào)味品行業(yè)龍頭企業(yè)海天味業(yè)、國內(nèi)首家以人形機(jī)器人為主業(yè)的上市公司優(yōu)必選、專注于通用智能機(jī)器人及行業(yè)場景解決方案的高科技企業(yè)眾擎機(jī)器人、專注數(shù)字生產(chǎn)力的大模型智能體平臺(tái)的探跡科技，以及專注于用AI賦能“無人工廠”的國家高新技術(shù)企業(yè)磅旗科技，獲取頂級(jí)專家的獨(dú)家趨勢(shì)判斷、周期分析與機(jī)會(huì)地圖，走進(jìn)AI實(shí)戰(zhàn)現(xiàn)場，幫你校準(zhǔn)認(rèn)知，減少誤判。

AI真正的分水嶺，不是會(huì)不會(huì)用工具，而是當(dāng)別人還在討論AI時(shí)，有些企業(yè)已經(jīng)開始把AI接進(jìn)業(yè)務(wù)、組織和增長里。

“AI+制造”實(shí)戰(zhàn)研修營，2大模塊，60天時(shí)間。從認(rèn)知升級(jí)，到場景落地；從方向判斷，到組織執(zhí)行，幫助企業(yè)真正跑出自己的AI應(yīng)用路徑。

5月27日—5月29日，我們深圳見。