范厚华：如果都用AI做降本，谁来为企业价值负责？

编者按：

9月19日，在中国科学技术大学科技商学院&管理学院举办的数智共创营，传世智慧范厚华老师受邀发表《策略和方法正确，才能让AI成为业务增长引擎》主题演讲，现场近100位企业家群体参与，谨以此文，与所有正在探索AI转型的企业家、管理者共勉。以下根据演讲整理。

文章篇幅略长，但我相信，对于当前企业AI转型的困惑，以及具体如何落地，大家看完定有收获，同时欢迎大家留言讨论。

企业AI转型真正缺的， 是正确的策略和方法

首先，我要感谢中国科学技术大学科技商学院&管理学院举办的数智共创营，感谢陈金炳教授邀请，同时也感谢今天来参与的近100家企业家和管理者。

最初，我给这门课程起的名字是“如何用AI做增长的新引擎”。但在认真思考之后，我在前面加了一个非常重要的前提：

策略和方法正确，才能让AI成为业务增长引擎。

如果企业的策略和方法不正确，即使买了很多模型、建了很多智能体、投入了很多预算，也可能是在做无用功。

我们从现场的近15个行业，60家企业，近100家企业董事长、CEO、CIO以及AI研究院负责人。从他们的反馈中做了一次系统归类，跑出来的问题高度集中：

所以今天很多企业面临的，不是不重视AI，而是不知道从哪里下手，即使下手，也是个人行为。

董事长很焦虑，业务部门很焦虑，IT部门同样焦虑。大家都知道AI很重要，但变化太快，不敢决策；担心今天刚做完，明天技术就变了；担心钱花出去，却只留下几个演示效果不错的智能体。

这种焦虑很正常。但企业不能因为看不清，就停在原地。

尤其是行业龙头，不能总想着“先看别人怎么做，我再跟着学”。如果你已经是行业第一，你还能跟谁学？领先企业必须先用、先试、先获得感知，才有可能把领先优势继续扩大。

AI转型对企业而言，已经不是一道简单的技术选择题，而是一道经营和战略必答题。

如果全公司都在做降本， 谁来创造客户价值？

我先讲一件让我很难受的事。

前不久我见一位上市公司董事长，他开口就说：“我听说你们AI搞得好、变革也搞得好，请你过来，帮我把人大幅裁下来。”

我当时就说：这个出发点是错的。

如果全公司都在思考用AI怎么降本、怎么裁人、怎么提高局部效率，那么——谁来做企业的价值创造意识？谁来做客户价值创造的意识？谁来找新的增长？谁来做价值定价？

这两年我到过很多企业，90%的企业，用AI都在干同一件事：降本、减员、提效。

我把这叫做战略出发点上的重大错误。

节流是有边界的，成本不可能无限降，人不可能无限减，做到某个程度就做不动了。而开源的空间是广阔的：新客户、新产品、新市场、新商业模式、新的盈利结构，都可能被AI重新打开。

我做咨询这么多年的管理基线有一句话：让开源把业务做大，再让节流提高效率。新技术首先要用在增长上，而不是只用来缩减成本。

我们分析华为的年报来看，这几年在极端外部压力下，它的研发投入占收入的20%以上，净利润率8%-12%左右，毛利率仍然保持在45%以上，这里面有大量的是AI产生的效益，AI赋能了算力中心，AI赋能汽车，AI赋能数字能源，AI赋能业务和管理......；同时，把相当一部分利润投入研发和组织能力上。

所以AI的价值排序必须重新理解

首先是效益（经营回报层面，产品与方案的客户价值创造，收入、利润、现金流、资产回报、品牌长期价值等）

其次是效能（目标与成果层面，业务能力、质量、成果有效性、人才能力、组织、流程、数据等）

最后是效率（资源投入层面，时间、人力、工时、单位投入产出等）

AI要做效益和效能，不能只做效率。

如果你的AI没有和经营规划、业绩目标连在一起，这笔钱就要谨慎投。否则你收获的，只是一堆"局部效率提升"的漂亮报告。

每个人效率都提升了十倍， 但公司业绩一点没动

从应用深度看，我把企业的AI分成三层。

第一层，工具层。 AI帮个人写报告、做纪要、写代码、查资料，目标是省人、省事、省时间。这是目前90%以上企业所处的阶段。

第二层，能力层。 AI开始增强企业能力：经营决策、市场洞察、产品定义、研发、销售、供应链、组织协同。到了这一层，AI不再只是个人助手，而是企业能力的一部分。

第三层，业务引擎层。 AI进入核心业务流程，重构产品、业务、组织和商业模式，创造新的增长。

我去过千亿规模的企业，问他们AI研究院院长和最高层："你们的AI战略是什么？"回答就一句：给我降本，给我提效。

我不好说他不对。但如果全公司就这一条，前面那个问题就又回来了。

美国企业这三层都在用，而且大量企业已经进到第三层。我最担心什么？美国制造业最大的问题是招不到人，过去人才都去了金融、咨询、美国“七姐妹”。如果他们把具身机器人全部装上AI，在工厂里像人一样干活，那中国最强的工厂自动化能力，很快就会被复制过去，我们的一块核心竞争力就被削弱了。

可现实是，90%的企业还卡在工具层。工具层的典型特征是什么？全是个人行为。

我到企业去，看到几百个人在用AI，每个人都报告说效率提高了五倍、十倍。但从组织上看，业绩没动。

症结就在这里：有没有企业级平台？有没有嵌入业务流？有没有有组织的场景？有没有打通数据知识库、业务系统和客户触点？

我在标杆做变革的时候画过一张图，今天送给大家。

一条价值流，地面是坑坑洼洼的。你在某一个点上挖得很深，水照样流不过去——前面一个坎，后面一个坎，这里就成了堰塞湖。正确的做法是一层一层地挖，挖一层，再挖一层，让水能顺畅地流动。

很多公司用AI Coding，60%的代码是AI写的，这一个点挖得很深。但如果需求管理、架构评审、测试验证、发布流程没有同步改变，更快生成的代码，只会把压力转移到后面的环节，甚至形成新的堵点。

所以我说，怎么把AI从个人行为变成组织行为，再变成战略行为，这是企业里的重大改变。没有这一层改变，一切都是空的。

这就像我去很多企业谈国际化战略，老板都说"很重视"。我说那把公司级的战略文件给我看看——没有。等到要在某个区域建平台、要找伙伴、要申请政策的时候，领导说"再讨论嘛"，讨论几个月，那个机会就死掉了。

在老流程上"加AI"， 不叫转型，四刀重构

很多企业今天的做法，是在原有流程、原有岗位和原有角色上增加一个AI工具。

这种做法只能带来有限改善。

真正的AI转型，是先重新审视业务流程和岗位角色：哪些工作应该由人做，哪些工作可以由AI做；哪些决策必须由人负责，哪些执行、分析和流转可以交给智能体。

我把企业增长概括成一个公式：

业务增长＝业务重构 × 组织重构 × AI技术能力

注意，这里用的是乘号，不是加号。

因为任何一项接近于零，整体结果都可能接近于零。

只有AI技术，没有业务重构，AI就停在工具层；只有业务设想，没有组织和责任调整，方案落不了地；只有组织变革，没有数据、算法和平台，新机制也跑不起来。

怎么重构？四刀。

第一刀：重构流程

这是最容易被跳过、也最要命的一块。

大量企业做AI，是在原流程节点上"挂"一个工具：这里加个写作助手，那里加个摘要工具。流程没变，角色没变，审批层级没变。这叫加AI，不叫重构。

重构流程是三件事：

一是重新切分人和机器的边界，哪些AI干完、哪些人拍板、哪些人机共做，一个节点一个节点地过；

二是把人和智能体一起装进流程形成闭环，不能AI在旁边出个东西、你再手工搬进系统，那还是两张皮；

三是分清两类闭环——自主闭环（AI跑完，人处理异常）和人智共同闭环（关键节点人决策）。

举个我们跑起来的例子——产品立项和需求管理。

以前是什么样？材料走到IRB评审会上，老专家一看，一句话："你这个是个狗屁。"为什么？靠人做的时候，有些流程他不走，有些字段他跳过去，你也看不见，到评审才发现要返工。

重构之后：每一个执行步骤都由AI来做，上面的人只做判断、做沟通。同时定了一套标准，AI先给你打分，60到80分以上才有资格上评审会。

有研发人员反馈："范老师，用了这个之后我的工作变重了。"我说，对了，你的工作就应该变重——因为质量提高了，返工少了，资源浪费也少了。

AI不是让人少做应该做的工作，而是让人不再重复做低价值的工作。

第二刀：重构岗位和角色

企业里的角色，是不是还是原来那些？我认为不完全是。

要通过AI重构研产供销服、人力资源、财经里的原有角色。关键一条：这些老角色不再自己干执行的活，只做判断、只做指导、只做授权。人去做创造性的、批判性的、决策性的工作。

第三刀：重构能力——99.9%的企业缺能力视角的AI

这是传世智慧提出的新方法，也是我今天最想讲的一块。企业的智能体应该分三类来规划：

第一类，岗位智能体。 面向具体岗位，人发起任务、AI提供协助，比如销售助手、法务助手、研发助手。它提升的是个人效率。

这里要特别提醒：岗位智能体不等于数字员工。只要还依赖人主动发起、持续操作，它本质上就是助手。今天大量企业把岗位助手当数字员工汇报，这是概念错位。

第二类，流程智能体。 这才是真正意义上的数字员工。被装进业务流程，由事件或流程驱动，能执行任务、流转信息、反馈结果、形成闭环。

它又分两种：半自动型，关键决策由人来做，比如重大项目投标、报价决策、产品立项、商业评估这类高权限高风险场景；全自动型，规则清楚、风险可控，AI自主执行闭环，人只处理异常，比如商机跟进、竞品监测、需求结构化澄清、开票跟踪、简历初筛。

真正的数字员工，不是会回答问题，而是能被事件触发、执行任务、反馈结果、持续闭环。全自动这一类，今天大部分企业一个都没有。

第三类，能力智能体。 它不服务于某个岗位，也不绑定某条流程，而是把企业的专业能力沉淀下来，供全组织调用。内部再分两层：

业务能力智能体：封装一项完整的业务能力，比如市场洞察、竞争分析、产品定义、投资决策支持。背后是企业顶尖专家的经验、判断逻辑和业务规则。

AI原子级能力/技能层：封装最小颗粒度的通用能力，比如分析模型、数据清洗、指标计算、结构化提取、文档比对、内容生成。它是构成上层能力的"零件"。

我跟美国的AI专家交流过，99.9%的企业没有能力视角。

没有能力视角会怎样？大量企业把流程一个一个拆、一个一个打造，最后搞出成千上万个智能体，互相重复、互相打架。而如果先把业务能力和原子能力梳理清楚，上层的岗位智能体和流程智能体都去调用它们——最后你可能只需要三分之一的智能体，就能把企业运作好。

这里我想说明，智能体的规划和构建的方法很重要。

这里必须再提醒一条：你的智能体，到底是谁打造的？

原子能力智能体，从外面下载、采购都可以。但业务能力智能体如果也从外面下载，就出大问题了——它一定是搞软件的人开发的，没有业务属性。你能下载，别人也能下载，你凭什么有竞争力？

怎么验证？你买两个"市场洞察智能体""战略解码智能体"回来，让你的销售、研发、供应链的人自己去用，看输出有没有业务属性，一试就知道。

所以很多头部企业的AI负责人跟我讲的共识是：企业必须有自己的AI工厂、智能体工厂、skill工厂。把内部各专业最强的能力拿出来做成自己的skill，至少比别人领先半年，你才有竞争力。

还有一句话：愿意把智慧贡献出来的专家，你要给他钱、给他新岗位、给他价值承认。否则他凭什么给你？

第四刀：重构数据和底座，但别急着砸掉原来的IT系统

过去的业务系统是记录系统，未来是AI系统，中间要建新的基础设施。

但有一条建议非常明确：ERP、CRM、PLM、SRM、HR这些老系统，不能一次性干掉。谁跟你说要全部重塑，代价是巨大的。至少未来8到10年它们不会消失，只会慢慢弱化。

正确做法是：让AI能读取它们的数据，有些系统可以让AI写；所有新产生的数据，直接进新的AI数据库。

平台怎么建？一定要以销售、战略、研发这些AI业务工作台为目标，而不是先建平台再找场景。底座必须有：中央控制塔（管模型、管授权、管数据、管接口、管安全等）、员工客户端、交换平台（让Agent、Skill和数据能流动），再加一个能力中心管skill和三类智能体的创建。

新的生产力，一定会打碎旧的生产关系。你自己不改，竞争对手会逼着你改。

案例一：让AI进入经营，而不是只做一个驾驶舱

经营系统和业务系统没有任何真正的连接。最大痛点是：每个月要到13号、15号才能出经营报告，报告出来时上个月已经过去了。所有数据都是事后数据，所有决策都是事后决策。

更要命的是各部门数据不一样。业务一套、研发一套、区域一套、财经又一套，大家围着数据吵架，却定位不了根因。

我在标杆做财经变革时也遇到同样的问题，最后只能做一个坚定的决定：以后所有数据，以财经出的报表为准。靠这条政策才打通。

AI带来的机会，不是简单地把几张报表做得更漂亮，而是将业务数据、经营数据和管理动作连接起来，建立真正的经营闭环：

1. 自动识别关键经营异常；

2. 找到异常背后的证据链；

3. 对原因进行分析和预判；

4. 将问题持续向下钻取；

5. 明确管理取舍和责任人；

6. 形成行动任务并跟踪结果。

过去，管理层要看某个区域、某个产品或者某个项目，往往需要多个部门临时整理材料。未来，管理者只要提出问题，AI系统就可以调用相关数据，生成证据和分析，并继续追踪后续行动。

真正的经营驾驶舱，不是“展示数据的屏幕”，而是“推动经营闭环的系统”。

这里有个细节特别重要：统一经营语言，也就是做好"本体"的意思。我们去一家企业，发现他们的CEO在系统里有5个名字——本名、别名、化名、简称，AI根本不知道你说的是谁。更麻烦的是每家企业对"新产品""收入"的定义都不一样。这些语义必须重新梳理，做成管理实体，AI才能真正读懂这家企业。

企业最终要形成三个经营维度：成长性、盈利性、现金流的均衡管理

关于现金流我问一句：你们公司的回款总额，大于总收入吗？标杆是这样的，我的公司也是这样的，回款额天然应该大于收入。但很多公司回款都小于收入，每个项目默认"回80%就够了"——这是管理认知出了错。

我们在标杆提的三句话，至今还在用：要有收入的合同，要有利润的收入，要有现金流的利润。

案例二：研发怪销售，销售怪研发，怎么解决“产品投不准”

另一家高科技企业，研发投入占收入20%，业务在增长，盈利却上不去。老板的痛苦一句话：钱投了这么多，产品投不准。

销售说：“我覆盖了那么多客户、拿回那么多线索，可产品竞争力不足。”

研发说：“销售传回来的信息不完整、不准确，我没法形成判断。”

这个场景在多少企业里天天上演？标杆靠的IRB、IPMT、SDC一整套决策机构解决，但今天很多企业毛利率不到20%，养不起这么重的决策体系。

我们的做法是：先建细分市场智能体，把外部行业信息、竞争对手信息、客户信息和内部碎片信息全部归集，由AI完成归档、结构化和持续更新，沉淀成两类核心输入——细分市场信息和战略客户信息。

然后，同一套信息，同时进入产品立项和销售线索管理。

研发不再只靠零散需求立项，销售也不再只凭经验判断机会。技术竞争力、客户价值、投资价值放进同一个框架；大客户关系和窗口期融进线索管理。

这件事IT系统实现不了，只有AI系统能做，因为只有AI具备跨域的抓取、共享和分析能力。

顺带说一句铁三角。很多企业学了我的书《华为铁三角工作法》没学到真东西，讲的是客户铁三角和项目铁三角；我们在我们的客户上构建的是产品定制铁三角——一个行业总工、一个客户经理、一个产品定义人员，三个人一起做产品定义。所以他们每次定制都是行业级的大规模定制，做出来在整个行业可以复制。

铁三角是一种思想，要一企一策，根据行业、产品、属性不同，要重新设计，这才是铁三角的要义。

案例三：战略到岗位全是断点，AI最擅长补断点

很多企业的战略管理，表面完整：公司有战略，部门有目标，团队有任务，岗位有绩效。但跑起来，层级之间全是断裂的。

我在给某个客户做咨询的时候，董事长说：“我的战略很清晰，你去问我那几个业务一把手，他们肯定知道。”

我问完回来告诉他：他们说，我们都知道董事长讲的战略，但他今天说东、明天说西，天天讲战略，就是没有战略文件。

他听完说了一句：“哦，原来是这么回事。”

战略不是领导讲过几次就算形成了。真正的战略必须有：明确的规划、对应的目标指标、专项预算、责任组织、战略专题及推进机制、持续复盘。要白纸黑字，要走进IRB、走进IPMT、走进SDC销售决策会。

我们在深圳一家企业，用AI重新连接了战略解码、目标分解、预算管理、绩效承诺和结果验证。分工是：人做取舍、确认、决策；AI做汇聚、计算、分析、输出、流转；IT系统做数据承载、审批、沉淀。

效果是什么？以前每月的绩效承诺书人人自己写，是真是假谁也不知道。现在AI自动告诉你：目标来自哪些项目、进度如何、完成情况如何，还把因果关系摆出来。

但我必须说一句：企业得先把管理逻辑想清楚。如果战略本身混乱，AI只会更快地放大混乱。

我做咨询有三个词，对今天的AI转型仍然关键：计划性（把计划做细做透）、一致性（同一岗位在任何地方都可重复可复制）、系统性（端到端拉通）。AI不是替代这三件事，而是让它们更快、更准、更大规模地运行。

要把AI转型当作正式的变革项目来做， 一把手工程，业务部门牵头

AI转型是一场系统性变革，不是IT部门的项目。四条原则：

第一，一把手定方向、定优先级、定责任。

董事长不必研究技术细节，但必须明确：为什么做、优先做什么、投多少、谁负责。没有战略牵引，AI就会沦为一场技术实验。

第二，当作正式的变革项目。

AI会改变岗位、角色、流程、权限和组织关系。只买工具不做变革管理，制度根本形不成。

这里我要多说几句，因为很多人低估了变革的难度。

当年为什么把我从海外调回总部管变革？理由很简单：让懂业务的人来做变革，并站在公司整体的角度思考。如果让业务部门自己变、自己管，第一，只敢拿小问题出来改；第二，真正的根因不敢碰——自己把自己的问题暴露出来，有多难，你知道吗？

我做变革的时候，业务的人说我是"业务的叛徒"，财经的人说我太站在业务角度。这恰恰说明站位是对的。变革只有一个站位——公司的利益。

还有一件事：变革需要时间。我变革做了三个月，就有人要把我撸下来。

为什么？因为一个千亿级企业，你做任何一个小政策的变动，都会影响全球。我们用了9个月方案才成形，一年时间才把方案汇报通过，老板说"这就是我想要的"，才开始落地。

但很多人等不及。如果没有一把手在战略上的定位和保护，AI转型根本做不下去。

第三，必须业务部门牵头。

我到很多公司，AI转型全是IT部门或AI研究院牵头，驱动不了。正确做法是：业务owner当一把手，IT当二把手，由董事长或CEO直接任命。因为真正知道业务痛点和结果要求的人，一定在业务。

第四，必须配置专项预算。同时建立与经营价值对应的评估机制——ROI不能只看省了多少人，还要看收入、利润、现金流、产品成功率和客户价值有没有改善。

基于这四条，回去可以立刻对照五件事：

1. 重塑AI战略——AI在企业中到底是办公工具、能力平台，还是业务增长引擎？定位不清，投资、组织、场景全乱。

2. 对准经营目标识别场景——从营收、利润、现金流，销售业务创新、产品创新、客户价值出发找卡点，而不是从"现在有什么模型"出发找应用。

3. 重构流程与人机分工——站在AI可执行业务闭环的角度，重新设计，重画业务流，而不是机械叠加。

4. 建立数据与知识治理——不只是数据治理，还有知识治理；同时明确哪些数据可进外部模型，哪些必须内部闭环；AI可以识别哪些知识，构建新的AI知识库。

5. 立即行动，引入外部智慧——去年我问头部企业一位高层在干嘛，他说：在上海和北京的研发中心搞封闭培训，所有高管都必须过AI这一关。

连头部企业都在用外部资源帮高管升级认知，其他企业更没必要关起门来摸索。

所以我想问各位董事长和企业家：你们的高管，过这一关了吗？一定要让他们过掉，否则他们就是阻力。

结语 向AI效益，向AI要效能，向AI要效率

过去几十年，我亲历过多轮技术路线切换。

从模拟交换机到数字交换机，再到IP和光通信，每一次技术变化，都会带来行业格局的重新洗牌。很多企业并不是不努力，而是在关键技术路线发生变化时，没有及时转身。

今天的AI同样如此。

对企业而言，最危险的问题不是“AI项目做失败了”，而是“因为担心失败，始终没有让AI真正进入业务”。

领先企业不能总是问：“我们这个行业有没有谁已经做成AI了，我去学习一下？”

如果你已经是行业领先者，如果你还在问别的企业有没有做成，那你本身思维方式就已经落后了。

企业要把AI从个人工具变成组织能力，从组织能力变成业务引擎；要把AI装进经营、研发、销售、供应链和产品之中，最终形成持续运转的业务闭环。

最后再强调一下：

AI要做效益，不能只做效率。

AI要进入业务，不能停留在工具。

AI要推动增长，不能只用于降本。

策略和方法正确，改变AI的生产关系，让AI在企业自然生长，AI才能真正成为企业的新生产力，成为下一轮业务增长的引擎。

谢谢大家。