过去两年，AI成为企业管理者讨论最频繁的话题之一。从模型能力突破，到各类AI应用快速涌现，技术本身的发展速度令人瞩目。不过，技术能力的突破，并不意味着企业经营中的难题会迎刃而解。
当企业开始部署AI应用，一系列问题随之出现：哪些业务流程值得重新设计？组织能力能否适应新的工作方式？AI投入带来的价值如何衡量？在释放AI潜力的同时，又如何建立有效的安全治理体系？
围绕这些问题，贝恩公司资深全球合伙人、大中华区总裁丁杰与亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松展开了一场对话。作为一家全球性管理咨询机构，贝恩长期从战略与组织变革的视角，追踪技术变革对企业增长逻辑的深层影响；亚马逊则是一家长期强调客户导向和创新文化的企业，正在探索如何利用AI重新设计产品体验、业务流程和组织协作方式，同时，作为技术服务提供者，亚马逊云科技也在帮助大量企业客户推进各自的AI转型。
两家企业，一个从观察与陪跑中积累方法论，一个从自身实践和客户服务中沉淀经验，恰好构成了理解AI落地难题的两种互补视角。
在这场对话中，两位管理者有一个共同的判断：AI的价值不只是提高效率，更重要的是推动企业重新思考价值创造的方式；未来企业之间的竞争，将不只是技术能力的较量，更是组织学习能力和创新机制的比拼。
从局部提效走向业务重构
丁杰：过去一年，AI模型能力快速突破，越来越多企业开始探索AI在业务中的应用。从企业实践来看，AI是否已经进入规模化应用阶段？当前企业推进AI转型最大的挑战是什么？
储瑞松：从企业应用情况来看，不同企业目前处于不同的发展阶段。
我们观察到，企业应用AI大致可以分为三个阶段。第一阶段，是利用AI优化部门级流程，实现自动化。很多企业目前正在探索如何通过AI提升某些具体业务环节的效率，例如减少重复性工作、优化流程执行。
第二阶段，是企业整体具备AI ready能力。这不仅意味着引入技术工具，更重要的是企业需要做好数据、技术基础、人才能力以及组织机制方面的准备。只有这些基础条件具备之后，AI才能真正进入企业级应用。
第三阶段，则是AI native，也就是企业不只是将AI应用于已有流程，而是利用AI重新设计业务模式和价值创造方式。
目前很多企业还在第一阶段，一些已经接近或达到AI Ready，真正做到AI Native的很少。因此，AI应用确实在快速成熟，企业之间的进展却参差不齐。越早做好准备、向AI Native演进，就越有机会让AI在价值创造链条中发挥更大作用，获得发展的加速度。
丁杰：这与贝恩观察到的情况一致。企业普遍对AI的期望很高，也部署了很多AI应用，但真正重新思考业务逻辑的企业仍然有限。亚马逊自身也在转型，这种变化体现在哪些方面？
储瑞松：首先是创新逻辑。我们的CEO安迪·贾西在《致股东信》中提出，要“回到起跑线”。不能在原有体验上加一个AI“外挂”，就认为完成了AI化；需要回到一张白纸，重新构想业务流程。比如，Alexa已经拥有数亿活跃用户，但我们仍然利用AI重写了它的“大脑”和架构。这需要很大的决心，而用户的感受是：它更聪明，也更懂我了。
这种重新设计，也发生在组织运作中。亚马逊有“双披萨团队”的理念，强调小团队的快速创新。充分利用AI后，团队还可以更小。在一次模型服务的引擎开发中，按原来的做法，可能需要40个人做一年；工程师与AI智能体协作，6个人用了76天就完成了。这让我们进一步思考，工作流和团队应该怎样组织，才能更好地发挥人与AI协作的能力。
不过，这还不是价值创造的全部。更重要的是重新定义客户体验。以购物为例，我们都有过这样的经历：脑海里想买一件东西，却在搜索框里搜得很费劲。AI能够理解真实的购买意图，帮助用户更快找到心仪的产品，让购买过程更加顺畅。
所以，企业需要从客户体验出发，重新思考自己的核心业务。如果今天从头设计，它应该是什么样子？
丁杰：听您这么讲，我有一个很深的感受：那些原本就以客户为中心、愿意拥抱变化、具有敏捷文化的企业，更容易抓住这波机会。贝恩其实也在把更多基础数据收集和分析工作交给AI，让咨询顾问有更多时间与客户讨论战略问题、推动组织变革。AI加速了分析，也让我们更需要思考如何帮助客户完成业务模式的重塑。
让创新机制产生复利
丁杰：亚马逊在不同阶段都能完成业务升级，背后究竟是什么机制，让这种创新持续发生？
储瑞松：一个核心是Day One文化，也就是把每一天都看作创业的第一天。在技术快速变化的时候，最大的风险往往不是看错技术，而是低估变化的速度。
而要应对这种变化，光有心态还不够，还需要机制。
我们首先让整个公司直面真相。既看日常追踪的数据，也看具体案例。案例与数据不一致时，就要深入追问：是没有衡量到该衡量的东西，还是出现了新的情况？开会时，越靠近一线的人越先发言，职级越高的人越晚发言，让大家有机会把真话讲出来。
了解真实情况，才能从客户需求出发做实验。实验可能成功，也可能失败，失败没有关系，但一定要复盘：为什么没有成功，下次怎样提高成功的概率？组织更加扁平，也是为了让学习、实验和迭代的闭环转得更快。
有了实验的反馈，我们才有依据在不确定性中下注。不会只看短期投入产出，而是通过验证形成判断：有足够依据就加码，不成功就敢于叫停，也要有耐心承担长期不被理解的压力。
因此，持续创新不能只依靠某一个聪明的领导者或一项完美的策略，而要靠渗透到组织各层的文化与机制。
丁杰：您提到的学习机制，与贝恩最近提出的“企业专有智能”（Proprietary Intelligence）理念不谋而合。大模型竞争你追我赶，但真正创造价值的，还包括企业的专有数据、专有工作流程和内部学习机制。复利飞轮一旦建立，企业之间的差距就可能越拉越大。怎样让这种复利真正发生？
储瑞松：复利不会自动发生，它来自经验、数据、流程和组织能力的积累。
起点是敢于重新设计流程。只在现有流程上打补丁，获得的提升未必能持续叠加。流程改造之后，还要建立应用、反馈、迭代、再应用的闭环：收集AI执行过程中的判断和决策，追踪最终效果，把这些反馈带入下一轮改进。
我们都希望员工做完一件事，无论成功与否，都能复盘，让下次做得更好。但很难让每个员工都养成这样的习惯。在AI参与的流程中，可以通过机制把这一闭环建立起来。它还可以跨越业务线，例如安克创新将五个业务线的业务流程数据统一到一个平台上，实现跨业务线的学习。
越早开始尝试，也就越早理解哪些场景适合AI、怎样评价效果、如何协作和管控风险。这些经验会让下一次尝试更有效，飞轮也就能更早转起来。
重新定义
人与AI共同工作的方式
丁杰：当AI能够执行、判断，还能参与持续改进时，企业就需要重新考虑岗位和能力。但我们看到，改变过去习以为常的工作方式往往很慢。怎样推动这种整体变革？
储瑞松：首先要改变管理者的认知。AI智能体是企业未来的数字员工，能够理解意图、规划、执行，也可以复盘和改进。如果仍然只把它看成一个很厉害的工具，就很难打开组织设计的新格局。
过去，AI试点常由IT部门或CTO驱动。认识到它是数字劳动力后，管理者就需要从管理人的执行，转向编排人和AI的协作。组织层级、中层管理者的角色，也要随之调整，因为部分上传下达的工作越来越容易由AI系统承担。
在这种协作方式下，人才标准也会改变。我们特别看重两点：持续学习的能力，以及对结果负责的主人翁精神。AI发展太快，员工要保持好奇心，把学习内化为能力；即使是一线员工，未来也可能带着若干AI智能体一起工作，不能只照着岗位说明书做事，还要思考怎样带领这个团队更好地服务客户。
当知识和技能更容易获得时，有价值的员工需要能够提对问题，为AI提供必要的上下文，判断它是否在做正确的事情，并善于通过协作取得业务结果。
因此，领导者既要定战略、建文化，也要给团队提供工具，允许快速尝试和试错。考核也要跟上：用了多少AI，并不是好的标准；用AI拿到了什么有价值的业务结果才是。未来的领导者，需要设计人和AI共同做好事情的系统与机制。
丁杰：您提到的好奇心和主人翁精神都很重要。我还想补充一点：推动变革，也离不开人与人之间的沟通。过去，我们很重视分析能力，但要让认知发生改变、让新的业务模式真正落地，还需要强化情商，做好变革管理。同时，既懂业务逻辑、又理解技术可能性的复合型人才，也会在流程再造中发挥更大作用。
储瑞松：没错。除了好奇心和责任心，建立人与人之间基于信任的连接，也是一项重要能力。
让治理成为AI转型的加速器
丁杰：这套体系要真正运转起来，安全治理是绕不开的。如何以安全可控的方式把数字员工带入企业？
储瑞松：AI是放大器，既能放大效率和价值创造，也能放大企业的薄弱环节。如果管理存在缺失，授权AI之后，这些缺失可能以机器的速度被放大。安全和治理因此是规模化应用AI的必答题。
治理是一个加速器。有明确的权限边界，行为可以追溯，人和AI的交互规则清晰，企业才更敢于放权。哪些事情可以交给AI，哪些需要监督，哪些必须由人决策，要先想清楚。
具体授权时，可以像对待新员工一样，给予渐进式的自主权。先看表现，确认判断是否可靠，再逐步扩大权限。出了问题，要及时纠正，必要时让它“下岗”。
这也意味着，安全要从设计之初就嵌入。在亚马逊，我们把安全称为“Job Number Zero”，它排在其他事情之前。对于AI，需要明确它可以访问什么数据、在多大范围内自主决策，能否追溯决策链路，以及出问题后如何纠正。面对用AI发动攻击的黑客，企业的防守也必须充分利用AI。
越早建立这些规则，就越清楚哪些事情可以放心交给AI，也越敢于让转型跑得更快。
丁杰：这显然不只是信息部门的职责，最高领导层也需要参与。如果中国企业希望把AI转型变成未来十年、二十年的核心竞争力，而不仅是点状项目，您会建议它们从哪里着手？
储瑞松：我对中国企业应用新技术的活力很有信心。对于企业领导者，我有几点建议。
首先，CEO需要亲自使用前沿的企业级AI。只有形成切身体会，才更容易理解AI已经能够做什么，并判断未来六到十二个月内，哪些核心流程需要重新设计，哪些角色可以授权AI决策和执行。原有部门通常围绕人类员工的工作方式设置，因此跨业务的核心流程重构，需要CEO亲自推动。
其次，建立能够获得复利的学习闭环。沉淀数据，衡量结果，获得反馈，再持续迭代，让下一次AI应用比上一次更快、更好、成本更低。
同时，要推动组织和文化变革，重新定义岗位、调整考核机制，建立人机协作的文化，容忍试错和走弯路。技术是起点，最终要改变的是组织方式和价值创造方式。
丁杰：我特别认同，AI转型是一把手工程。把它完全交给CIO、CTO或某个业务部门，很难释放全部潜力。真正达到AI Native的企业仍然很少，多数还在路上。但如果从客户价值出发，打好安全治理的基础，深入改造流程、提升员工能力、建立学习型组织，企业就有机会更早积累复利，在未来竞争中走得更快。
刘玥 | 文
联系方式
投稿、广告、内容和商务合作
newmedia@hbrchina.org
热门跟贴