Danilo

當“降本增效”成為幾乎所有企業擁抱AI的口號時，一個更本質的問題卻被忽略了，如果做事的流程和方法本身就是錯的，AI只會讓錯誤以更快的速度發生。

這正是在近期的一場小型閉門會上，國際AI專家Danilo McGarry拋出的尖銳觀點。

近日，在聯合國AI講師、金融時報董事會AI導師Danilo McGarry首次訪華之際，虎嗅智庫邀請Danilo與模型企業代表、森馬等產業嘉賓，分別從技術供給方、方法論沉淀與產業實踐三個視角，共同深入探討當大模型進入深水區，企業真正需要變革的，究竟是技術、方法論，還是組織。

Danilo：擁抱AI是對的，但快速做意味著快速錯

技術供給端的突飛猛進，正以前所未有的緊迫感，倒逼企業向“AI原生”組織形態演進。作為AI創新能力的源頭，大模型企業率先以身作則，把自身變成了重構生產力的樣本，要求內部員工每年最年實現50到100倍的人效突破。

這種來自技術源頭狂熱與人機協同的顛覆性潛力，無疑讓傳統企業倍感焦慮。然而，技術在高速進化，并不意味著產業端的可以盲目跟進。

Danilo認為當下全球企業正身處一場由AI、機器人、量子計算等技術共同推動的“完美風暴”中，但面對技術的巨大變革，而組織適應速度遠遠跟不上。

盡管大家都在積極擁抱AI，大多數企業的方法是錯的。

“快速做，往往意味著快速錯。”Danilo強調企業最大的誤區是直接把AI疊加到舊流程上。如果原有流程有問題，AI只會把錯誤放大500倍。

Danilo直言，面對AI浪潮，大量的管理層將率先會被解雇，因為很多人沒有完全理解AI，也沒有在其戰略中給予足夠的優先級，無法為公司制定出轉型為“AI優先”組織的正確路徑。

那，正確路徑應該是什么？

首先先重構流程，深入每個部門，明確哪些工作交給機器，哪些工作必須由人完成；然后再把流程固化進Workflow System工作流系統；然后建立匹配的數據結構；最后才是引入AI。

“Workflow是骨架，AI只是運行在骨架上的能力。”在Danilo看來，負責任的企業不會允許Agent脫離工作流獨立運行的。

圖：Danilo提出的邁向自主型企業的路徑

森馬AI agent的效率突圍：流程再造×組織激活×數據驅動

如果說Danilo提供了頂層方法論，那么森馬展示的則是一家傳統企業如何真正把AI落地業務。

森馬AI應用專家林建霞認為，如果企業談AI，不能停留在“降本增效”上，數字化和AI的本質必然是重構價值鏈。

基于此，森馬總結出自己的落地公式“AI agent的效率突圍=流程再造×組織激活×數據驅動。”

流程再造，需要先梳理業務場景，再判斷哪些工作高頻、可標準化，然后借助AI把業務斷點連接成閉環。以門店導購練貨場景為例，森馬將8000多家門店導購培訓后的交作業環節AI化，通過練貨系統自動評分，并把結果與KPI打通，實現培訓、反饋與考核的業務閉環。

其次，森馬用文化、賦能、先進、激勵、興趣等多種手段，讓AI成為新的工作方式，在業務一線遍地開花，林建霞強調，內部組織推動AI的重點并不是工具部署，而是形成組織心智。

最后是數據驅動，逐步推動員工從離線文檔到使用在線文檔，再到每個部門設知識庫管理員，反向校驗和修訂文檔，森馬逐步實現從個人提效到管理進化和組織創新。

圖：森馬知識管理與AI演進的三個階段

圓桌探討：AI落地最后一公里，到底卡在哪

圍繞“AI落地最后一公里”，現場討論最終集中到三個問題。

當Agent進入企業，產生業務價值后，組織會發生什么變化？元氣森林零售業務總經理陳曉昕認為，“AI時代組織只需要兩類人，能在AI上做決策的人，和能和客戶做對接的人。

用友數智平臺解決方案總監劉巖補充，企業AI落地，存在技術、組織、業務、數據四種負債。構建AI體系必須從下往上，先解決數據標準、權限、流程這些基礎問題。

當Agent接管業務流，企業敢放權到什么程度？陳曉昕坦言放權的前提是清晰的邊界、端到端的可視化，以及對業務的完整思考。

多點數智合伙人任中偉，則直言決策碎片化的零售企業就面臨這種放權困境，不授權價值創造少，授權怕出戰略錯誤。他的解法是，沉淀多家頂尖企業的經驗，打造垂類行業小模型。“未來，隨著行業模型完善，放權給AI帶來的損失，絕對比讓100個店長自行決策更小。”

當AI Native公司不斷涌現，傳統企業如何跟上？ 松雷集團總經理宋忻垚自嘲作為二代被迫回來接班，一邊做信息化基礎建設、數字治理的同時，一邊引入AI Agent。她認為傳統企業沒必要等標準化全部完成再做AI，而應該邊建設、邊落地、邊迭代。

針對以上問題，Danilo總結，中國和國外企業在落地AI時面臨的挑戰高度相似。員工最大的顧慮都是—“我被要求用AI，但最終AI會取代我。”

那最有效的激勵方式是什么？

首先，“把‘擁抱AI’寫進每一個員工的年度目標，并跟調薪和晉升直接掛鉤，”Danilo說。

其次，在架構上，不要全公司只設一個AI團隊，并指望這一個AI團隊去解決所有人的問題，每個部門都應有自己的創新團隊，快速做POC，并嚴格遵循開發測試流程才能上線。

同時，企業必須設立全職的首席AI官（CAIO，Chief AI Officer）。他做了一個形象的比喻，用AI重塑公司，就像在賽車激戰中拆換引擎，必須有全職CAIO，而不能讓CEO或CTO兼任。

至于誰適合做首席AI官？Danilo的答案出乎意料。

不是學術派的AI工程師或專家，而是過去做過自動化、RPA提效項目，現在轉型到AI領域的人。因為這類人更懂流程、懂管理和轉型。

最后，Danilo強調，企業必須建立（CoE）卓越中心，面對全公司可能同時推進的200個AI項目，CoE的目標就是排除萬難，死死盯住最具戰略價值的前5到10個核心頭部項目，確保其絕對交付。

圖：Danilo提出的可擴展的“AI優先”組織架構

結語

回看整場討論，一個很明顯的變化正在發生，AI競爭正在從底層模型競爭，進入組織競爭。

模型能力仍在快速提升，但真正決定企業差距的，已經不是接入了哪個模型，而是誰更快完成流程、組織與工作方式的重構。

AI落地的最后一公里，從來不只是技術問題，它最終考驗的是，企業是否愿意重新改造自己。