作者信息

丁杰，贝恩公司资深全球合伙人、大中华区总裁

辛海燕，贝恩公司全球专家合伙人、AI业务中心负责人

内容提要：

· 大多数企业认为自己正在领导一场AI转型，但实际上管理的只是一批试点项目，这两者并不是一回事。

· 领先企业不只是利用AI在同一条赛道上跑得更快，而是构建起能持续积累优势的专有智能（Proprietary Intelligence），让每一次AI部署都成为一次能力提升。

· 真正区分领先企业与落后企业的，是七个必须主动做出的决策：战略定位、聚焦领域、数据底座、技术架构、运营模式、学习体系和治理机制。

· 机会窗口正在打开，但需企业尽快行动。专有智能产生的复利效应会持续积累企业能力，进一步扩大竞争差距。

领导AI转型，还是管理AI项目？

如今，大多数CEO都会说自己高度重视AI。他们批准预算、启动试点、成立AI专项小组，并向董事会解释这些举措将如何帮助企业避免掉队。

但很多企业实际上只是在管理一个AI项目组合：一些试验、几个概念验证，以及分散在各部门的效率工具。项目数量不断增加，企业的竞争方式却没有改变。

贝恩最新CEO调研显示，约80%的CEO对AI转型进度感到不满；82%的CEO表示，AI转型目前至多实现了部分预期，只有18%认为已经实现了大部分或全部目标。问题往往不在于技术本身，而在于企业的推进变革的专业知识、推进方式和规模化应用能力。

图1

图2

领先企业采取的是另一套逻辑。

它们在董事会层面明确：AI将在哪些领域改变企业的经营逻辑；它们从零开始重新设计工作流，而不是把AI简单叠加到旧流程上；它们把数据、智能体能力和组织学习机制视为战略资产；它们的投资周期，瞄准的是未来数年，而不是下一个季度。

什么是企业专有智能？

企业只有把竞争对手难以复制的三大要素融为一体，才能打造出专有智能：

1、独家专有数据

这是企业长期积累的客户、运营、交易、质量和业务结果记录。它们不是抽象的行业数据，而是企业在真实经营过程中留下的独特轨迹和独特理解。

2、编码化工作流

企业在实际运营中沉淀下来的组织知识，包括判断标准、例外处理、审批规则和成功经验。这些知识不能只存在于少数专家的脑中，也不能只停留在流程文件里。它们需要被沉淀为可调用的工具、技能、规则和智能体工作流。

3、组织学习架构

学习架构不是一套培训课程，而是一套让人与AI持续反馈、让经验进入系统的机制，让每一次部署都比上一次更加智能，持续沉淀成能力优势。

三大要素连接起来，就会形成一个持续增强的飞轮：

图3

专有数据优化智能体；智能体提升员工能力；员工重新设计工作并把新工作流编码固化；新的工作又产生更优质的数据。

贝恩公司的消费者洞察引擎的设计，就是基于这样一套专有智能飞轮，将大量的一方数据和三方社媒和电商数据结合，利用AI挖掘消费者需求：什么时候需要、为什么需要、希望解决什么问题、愿意接受什么形式，以及什么体验会让他们继续购买。把消费者原声源源不断地转化为何处竞争、如何取胜的经营决策。以消费者为中心，重塑新品创新、产品组合和营销策略工作流。并在采取业务动作之后，从新的消费者反馈中，持续地做数据追踪、分析复盘、理解提升和策略调整。

这才是一个完整的闭环。如果这条链路每年只运行一次，它是一项研究项目；如果它持续运行，它就开始成为企业的专有智能。

这是当前战略格局中一个关键的不同点。AI智能体，和企业以往使用过的系统工具完全不属于同一类软件。智能体可以规划多步骤任务，通过应用程序接口（API）在各类系统中执行操作，在长周期交互中维护状态，并代表企业在获权范围内自主运行。从落地第一天起，就能借助强化机制不断累积优势，这是以往的技术浪潮不曾具备的特点。

构筑专有智能的七大决策

企业能否打造专有智能、凭借AI赢得竞争，取决于七大核心决策：

1、战略定位

由CEO定调，并亲自向组织传达战略方向，同时配套多年的资金投入，而不是对每个试点项目都进行当年投资回报率考核。

2、聚焦领域

集中押注AI能改写企业经营逻辑的3-5个核心领域，而不是在各个部门分散开展数十个试点项目，却又未能形成足够规模、产生实质影响。

3、数据底座

将专有数据、统一业务定义和语义层视为竞争优势的基础，按照聚焦领域进行建设和规划，而不是等项目停滞后再补救。

4、技术架构

企业应掌握连接智能体、专有数据、业务系统和人员的编排层，避免将架构控制权完全交给单一供应商。模型可以更换，企业语义、工作流和业务规则需要一方能力沉淀。

5、运营模式

同步重构工作流与劳动力体系，而不是把AI生搬硬套到现有工作模式上。企业需要重新定义岗位职责、组织边界、审批机制和激励方式。

6、学习体系

架构设计要确保每次部署都让下一次部署变得更智能、更快速、成本更低，并从第一天起就内置反馈闭环、共享记忆、评估机制、运行监控。

7、治理机制

建立两套并行机制：一套负责日常经营，另一套负责推动业务变革；同时由企业最高层的一位领导者对AI风险、价值和组织影响承担明确责任。治理不能只是回答“禁止什么”，还要回答“如何安全地做成什么”。

完成这类转型所需要的能力建设，难度可能超出部分CEO的预期。过去二十年间，多数大企业习惯将开发工作离岸外包、优先采用SaaS模式，导致缺乏AI智能体所需的内部软件开发能力。专有的企业级编排层无法靠外购获得，只能自主搭建。但大多数《财富》500强企业中，这种自主搭建的能力大多已经退化。

领先企业CEO的不同做法

领先企业遵循不同的发展逻辑，也要求CEO展现出不同的行为方式。在我们研究过的每一位领导者身上，都一再体现出三种特质。正是这些特质，让七大决策彼此衔接、形成合力，而不是彼此脱节、各自孤立。

第一，躬身入局。

这不是划拨预算、挂帅项目，而是CEO躬身入局，把这场转型列为战略头等大事。这份决心体现在他们把时间花在哪、要求团队肩负什么责任，也体现在亲自使用AI工具，体验工作流被改变的地方，并向组织讲清楚企业和员工将如何共同发展。领导者要成为企业的首席叙事者，而不是替别人转述一套AI故事。

第二，极致聚焦。

领导者不是比竞争对手推进更多项目，而是在AI能改写竞争格局和经营逻辑的两到三个领域，集中资源开展数量更少、但影响更大的项目。

第三，着眼学习。

领导者把每一次架构和治理决策，都看作是竞争优势会持续积累，愿意投资语义层、企业级编排平台、共享记忆和评估机制等基础能力，因为他们知道：如果没有学习架构，第十个智能体只会是另一个孤立的项目。

机会窗口已经打开

对上述七大抉择表示认同并不难。但是否真正做出了这些决策，会体现在其他方面：日程安排、预算分配、各委员会的人员构成，以及向董事会汇报的内容。不妨问问自己：

· 当你向董事会汇报AI项目时，你会罗列正在推进的试点数量，还是会说明从重构最核心的工作流中收获的经验？

· 上周，你本人花了多少时间来使用团队所用的工具？

· 你的CFO能否指出，哪一项AI投资最不可能在当年实现回报，并解释为什么仍要为这项投资保驾护航？

· 当最近部署的智能体在Beta测试中表现不佳时，会议最后是汇报了进展，还是总结了经验教训？

· 如果你今天去问CFO、销售负责人、数据团队，在你的企业中“客户”是指什么，他们会给出一致的答案吗？

· 假如你最大的AI供应商明天宣布价格翻倍，你需要多久切换供应商？在切换过程中会有哪些损失？

· 如果竞争对手观察你的项目90天，他们会认为你是在真正下注，还是在保留退路？

这七项决策并不是所谓的最佳实践，而是往往经过深思熟虑的艰难抉择。正是这些抉择，将打造专有智能的企业，与看似忙碌、却未能形成实质能力的企业区分开来。任何一项决策都不能假手于人，每一项都必须由CEO亲自负责。面对这些决策，你会深思熟虑做出抉择，还是任由惯性替你决定？