脉脉创始人林凡：AI不是极速降本神器，不是强劲增长引擎，不是创新突破原点|meta|人工智能技术|创新者|工作流|引擎|林凡|编程|脉脉

12月18日，由亿欧主办的WIM2024创新者年会在北京威斯汀酒店正式拉开帷幕。

本届WIM创新者年会以“AI For X 未来产业范式跃迁”为主题。这是中国第一场专门聚焦“未来产业”的千人峰会——会议邀请了来自未来产业界的100+位头部企业专业嘉宾、超过2000位行业从业者齐聚一堂，共同总结2024年未来产业创新成果，预测2025年最新创业创新趋势。

本次大会在北京、上海、深圳三地举办，三城联动、持续三天（12月18日-20日），会议以独立演讲、圆桌论坛、报告首发、百人晚宴、榜单发布等多种丰富形式，为大家带来一场商业视听盛宴！

2024年是世界创新者年会（World Innovators Meet，WIM）走过的第十个年头。十年来，中国科技创新动能澎湃，新兴产业风起云涌。

主论坛环节，脉脉创始人林凡发表了《企业如何找到AI应用落地的关键环节》主题演讲。

以下为演讲内容整理：

很高兴能在亿欧WIM创新者年会上，和大家做一个分享。

在过去一两年时间里，脉脉在企业内部进行了大量的AI应用和创新探索。也有很多AI圈的朋友，有很多的实践经验，所以今天和大家分享一下，到底在企业内部用AI能做到什么，不能做到什么，有哪些关键的节点。分享下我们的观察和思考。

AI大模型刚出来时，大家还有很大的焦虑感，很多人都有疑问，新东西出来以后，我怎样抓住它，怎么把握它，有很明显的焦虑。

简单来讲，大型企业是害怕在这轮浪潮里落后，中型企业希望降本，小型企业希望借机会弯道超车，这都是今天能看到焦虑和想要达到的目标。

这两年实践下来，会发现AI在技术上明显还有一些短板。今天和大家讲清楚，AI做不到什么。我们观察有三点：

首先，不是急速降本神器，还做不到马上节省公司一半人力成本；

其次，不是强劲增长引擎，希望通过AI帮助业务快速实现100%提升，这也是不现实的。

最后，不是创新突破原点，有一些TO C创业者，想要搞个大事，实现颠覆性创新，但AI目前还做不到。

同时，AI能做到什么？现在AI是朴实无华但有效的，不讲国内企业，我们以国外企业来看。

比如Meta，Meta最重要是利用AI优化广告定向、内容推荐和广告创意，最终广告回报提升了32%，平均单次点击费用降低了28%。如果关注Meta财报，会看到AI应用部分广告增长速度是非常快的。

再来看领英LinkedIn，领英主要利用AI生成用户Profile和工作描述，最终会员收入和招聘收入，实现了10%至15%的提升，是比较大的增长和成功。

最后是知识产权方向创业公司，他们是利用AI收集材料撰写律师函，成本也实现了大幅降低，客户主要包括很多奢侈品公司和知名律所。

什么样的公司适合应用AI？

AI本质是生产力提升的工具，所以我们认为，只要不是纯体力劳动的公司都可以用好AI。

比如，大公司做增收的事，创业公司做突破的事，其实每家公司都可以做提效的事。现在，行业普遍应用的是编程辅助、文案撰写、设计海报等。

比如编程辅助，大概能提升程序员10%-20%的效率。今天很多公司文案已经开始使用大模型了，基本上至少能提效10%，当然，有些创意还需要自己提供。

最近几个月，有更多公司开始尝试视频制作，这些都是确定性的趋势，不用研究，直接去应用。

下面展开来讲，AI在企业内部应用，要具备的一些基础知识。

今天讲的核心是规模、场景、技术层面，企业到底哪些地方适合应用AI。先来看几个概念，包括工作流、任务节点、创收、降本等。

先来看场景，简单介绍一下，大家知道，蓝领有流水线，比如汽车的装配，每个工人负责一个环节，白领就变成了工作流。因为AI还是一个脑力工作者，脑力生产力的提升需要把今天白领做的事情，把工作流拆出来。

举个例子，以K12在线教育部分工作流为例，所有员工都在一个工作流上配合，比如营销团队做各种营销工作，然后把线索转到私域里，私域里有班主任转化，在体验试听后，销售再跟进、转化购买。

某一个任务，在不同的工种中间，反复流转的过程，我们定义为工作流和工作节点。所有的工作流和工作节点，我们要用AI去优化。

今天，AI还不具备做全局规划的动作能力，所以会把每一个工作节点拆开，在每个节点上，可以通过AI实现优化增强。比如，帮助程序员提升工作效率，在每个节点拆开后，AI都有可能提升工作效率。当然，并不是说每个节点都应该投入，这要评估有多大的合理性。

很多刚接触AI的公司，想到AI落地的第一落点是智能客服。我有一个朋友创办的企业，整个公司有三个客服，就算三个客服全部用AI替代，或者AI复制他们的能力，服务更多的人，拥有10人团队、20人团队等效的战斗力。那又怎么样？

想自己研发技术，而不是用合作伙伴的技术，自研客服大概需要1千万的技术投入，但带来的收益仅相当于10人、20人客服团队的成本。其实，是很不划算的事情。所以很多时候，我们看AI一定要带上成本概念和收益概念，才能更好地选择应用场景。

接下来是技术相关概念。AI解决所谓单轮交互、多轮交互的时候，技术难度不一样。单轮交互是做销售线索的识别，比如每个用户都会进来，是一个一次的交互，录进来以后，可以转给哪个销售，这是一次性的交互。

而多轮交互就是销售的转化，我要说服客户买产品，就需要了解客户犹豫的原因，提供更好的引导，这些是多轮次反复聊天。

另外，还有文科任务、理科任务，所谓文科任务主要包括常说的营销文案、销售话术、客服话术，理科任务是数据分析和评估、代码编程。大家用的豆包、ChatGPT等大模型，输入文字后，输出图像、视频、音频等多种模态，要比文本复杂好几倍。

在这样情况下，我们得出在企业内部什么场景下该用AI、不该用AI，有三个核心原则：规模、场景、技术。

这个表是最核心的，这是一个很简单的技术评估方式。

首先，如果已经有很大规模的业务体量，在企业内部“必须做”AI，技术上涉及单轮交互形式加上文科应用场景，那么在技术上需要每年100万的投入，如果有1亿以上的业务体量，不管是创收或降本，大概变化量要超过10%，这是非常值得投入做的事。

另外，如果有较大规模的业务，在内部是“可以做”AI。举个例子，假设用脉脉招聘，今天行业已经有几十亿的收入规模，我们招聘时，会发现业务本身是比较成熟的，但从复杂度来看，如果涉及理科、单轮次理科，或者多轮交互、文科，转化成私域以后，从私域用AI机器人把最后足够高转化概率的同学转成销售线索，这件事情在业界已经非常普遍了。不仅是在k12行业，只要最后能带来收益，就值得投入。

当然，“谨慎做”是还没有成熟的业务，收入规模和体量还没有真正验证，至少别人还没有干出来，又涉及到很多复杂技术，在这种场景下，大家尽量谨慎，不要做这个事。

这是几个案例，比如“必须做”的LinkedIn，用AI生成用户Profile和岗位描述，低难度创新，但成果显著，会员收入增加了约2亿美元，招聘收入增加了约3亿美元。业务收益非常明显。

再比如“必须做”的Meta，很多大公司有很强的广告创意优化能力，但是中小公司并没有，Meta最知道自己喜欢什么样的广告，通过输入广告素材，再输出优化后的广告素材，这个广告素材更能打动用户。

用AI优化广告创意和人群定向，帮助广告主提升了32%广告回报，平均单次点击费用降低了28%，拉伸自身广告收入20亿-30亿美元。这是实打实从AI上赚到钱的。