观点

AI 入企的总结篇

虑得先生 · 2026-11-11

AI入企的几篇文章已出完,今天这篇来个总结。

最近已经从概念到落地拆了一遍(文末有系列全文导航,可按顺序通读)。这篇不重复任何一篇的细节,只干一件事:把散着讲的五件事,摆成一张图。

《孙子兵法·谋攻篇》有一句:"知彼知己,百战不殆。"《礼记·大学》有一句:"物有本末,事有终始,知所先后,则近道矣。"前一句讲胜负来自把两边都看清;后一句讲万物有本有末,把先后摆对,就离正道不远。AI 入企这盘棋,恰恰是把"知彼知己"的一部分活路交给机器,而老板要做的,是把"本末先后"摆对。


一、先把全景摆出来:企业 AI 决策中枢的四块拼图

把企业 AI 真正用起来的那套完整系统,业内叫法不一,方向是一致的:企业 AI 决策中枢。它由四块拼图组成——

拼图 比喻 是什么 谁提供
大脑 模型 能听懂人话、能推理的通用能力 租来的,同质化
地图 企业本体 人、客户、产品、订单、合同、审批、规则及其关系 企业自己立的
导航 实时上下文 地图上每天发生什么,按时间记录并送达 企业自己长的
操作系统 调度、执行、接入、控制 谁调谁、谁干、接哪些系统、哪一步必须人签字 企业自己建的

四块里只有第一块是公共品。后面三块——规矩、事件、机制——都是这家企业自己的东西。这正是"数据决定上限"落到企业身上的样子:模型决定地板,本体、上下文与机制决定天花板。

【虑得讲透】 老板们都认为先采购最贵的模型。恰恰相反。据麻省理工学院《生成式 AI 鸿沟:2025 年商业人工智能现状报告》,企业 AI 转型里内部自建路线的成功部署率约在三成上下,大致只有外部战略合作路线的一半——失败的多数不是模型不够聪明,而是系统没接进企业的工作流、上下文、数据流和反馈回路。还有一个更朴素的对照:容易部署的场景(会议纪要、文案初稿、内部问答)推起来阻力最小,对损益表的影响也最小;真正改得动财务报表的场景(跨部门定价、供应链优化、产品创新)利益相关方最多、风险最大,需要最高层级的组织授权。真正的预算,该花在能贯通全局的那套机制上,而不是散装的效率工具。


二、企业本体:给这门生意画一张地图

本体这个词听着玄,做的事很朴素:把企业这门生意里所有重要的东西——人、客户、产品、订单、合同、审批流程、业务规则——以及它们彼此的关系,清清楚楚定义出来。定义完了,就得到一张企业地图。地图分四层往上摞:最底层是数据来源,往上是数据模型,再往上是业务规则,最上层是语义——同一个东西一个叫法,同一个指标一种算法。

此前两篇已经把概念和落地分开讲透:口径词典管"叫什么、怎么算",一页纸业务地图管"有什么、谁跟谁、按什么规矩办、谁能看谁能改"。这里只补一条与全景图的关系:地图是后面三块拼图的地基。没有地图,上下文的事件不知道该挂在谁身上,飞轮回流的规则不知道该写到哪里,智能体的权限不知道该卡在哪一步。

这一代模型真正的突破,恰好落在输入端:模型能听懂人话。这意味着最懂业务的人自己开口就能建图、随时改图,这才是一张活地图——而不是一份立项半年、画完就过期的蓝图。

【虑得讲透】 把公司资料一股脑塞给模型,不但不会让它变聪明,反而可能让它更混乱——文件记的是过去发生过什么,地图说的是现在该怎么判。企业要的从来不是一段流畅的文字,而是一个可追溯、可核查、可承担后果的判断。所以本体的投入产出不在"图好不好看",在"歧义有没有定义清楚":"老客户给5个点"这七个字拆不拆得成可判定的条件,决定了机器是照规矩办事还是凭语感补一条。


三、实时上下文:把地图点亮在时间轴上

地图是静的,企业是活的。每一天,报价在变、库存在动、账期在拉长、审批在流转。如果没有一套机制把地图上每天产生的事件按时间顺序记录下来、并在第一时间送到相关实体手上,模型就只能盯着一张静止的地图干活。这套机制,就是实时上下文。

它带来的质变在时间维度:判断不再局限于某一个横截面,而是能在业务时间轴上追因溯源——这单为什么亏、这个客户什么时候开始变的、那笔逾期是从哪个决定引出来的。

还有一笔被长期浪费的家底。过去的管理系统只认结构化数据,而真实业务里最值钱的信息大量藏在非结构化的角落:会议录音里的一段语气、协作文档里的一条批注、报销与差旅记录里的行为习惯,都在结构化表格之外。今天的模型已经能对这些不同形态的信息统一读取、统一理解、统一分析。它们被唤醒之后,才轮到数据飞轮说话。

【虑得讲透】 上下文的价值不在"记下来",在"送达"。事件记录了却送不到该知道的人和系统手上,等于没记。所以这块拼图落地时,该先问的不是买哪家平台,而是:我这家企业里,哪些变化必须当天到达谁的桌面?把最要紧的那几个先打通,比全量上线实在。


四、数据飞轮:让系统越来越聪明的那个正反馈

本体给了地图,上下文给了时间轴,接下来是进化机制。一家运行中的企业每天都在生成数据;这些数据喂给 AI 决策中枢,中枢变得更好用,帮企业拿到更多、更好的数据,再回头优化系统——转起来,这就是数据飞轮。它不是任何一次采购,是这家企业持续进化的集体智能,最终沉淀在中枢里,别人抄不走。

此前讲过转速差:同样一柜子资料,一年翻十二次和翻五十二次,是两家公司。飞轮的一圈 = 业务产生数据 → 数据回流成规则 → 规则让下一次决策更准。中间断一处,飞轮就只是摆在地上的轮子。差距也不是算术增长:三年后回望,分野不在谁买了更强的模型,而在谁的系统已经跑过上千次真实的业务闭环。

【虑得讲透】 飞轮是护城河的上半身。过去企业护城河有三个经典来源:用户粘性、品牌溢价、技术优势。模型平价之后,第三样会被一一抹平,前两样也在被重新定义。用 AI 给企业带来新能力、新增长、新护城河,落点就是这半身——差距会被飞轮不断放大,整个行业的节奏被迫加快,而 AI 自身还在进步。晚启动的代价,不是少一个工具,是少转了几百圈。


五、AI 原生企业:另一半护城河叫组织代谢

飞轮让系统越来越聪明,还有一半是组织本身:让组织架构越来越适配这套跑法。这就是组织代谢能力。

改造成什么样?落地那篇画过一版画像:财务部的编制只剩"专家+DRI+Agent"——专家定规则,DRI 扛指标,Agent 跑执行,这套架构,在企业的其他部门同样适用。再往深一层看,成熟的企业会同时管理两支劳动力队伍:人力劳动力和智能体劳动力。智能系统正在成为下一代生产要素,而每一种新生产要素进企业,从来不是一笔单向支出——就像人力成本从来不只是工资,企业还要建培训、绩效、福利那整套体系;智能体这支队伍同样要配套调度、评估、权限与控制,这会成为企业长期固定的运营成本。

组织代谢换来的不只是效率。当大量执行工作由智能体员工承担,企业内部因人而产生的政治阻力、沟通延迟、意图曲解、信息过滤和部门壁垒会被大量消解,整个企业的运转效率上一个台阶——AI 把人解放出来,去做真正需要判断力和创造力的工作。

【原文】 《国务院关于深入实施"人工智能+"行动的意见》(国发〔2025〕11 号):"鼓励有条件的企业将人工智能融入战略规划、组织架构、业务流程等,推动产业全要素智能化发展"。目标写得直白:"到 2027 年……新一代智能终端、智能体等应用普及率超 70%"。

【转述】 "融入战略规划、组织架构、业务流程"这几个字,写的就是 AI 原生企业——不是把 AI 当外挂塞进现有流程,而是按 AI 的能力重新设计组织怎么分工、流程怎么走。普及率目标意味着这是多数企业绕不开的课题,区别只在动手的早晚。

【虑得讲透】 数据飞轮和组织代谢,合起来才是 AI 时代的完整护城河:飞轮让系统越来越聪明,代谢让组织越来越适配。而企业做 AI 转型的时间窗口,比多数人意识到的要窄——数据复利是指数增长,不是算术增长。同行把规矩写下、把飞轮转起来之前,就是你的窗口;今天每晚一天,当天产生的报价、审批、例外处理都在没规矩的状态下流走,事后补不回来。


六、委托代理:管理的百年难题,第一次有了技术解

最后一块拼图,管的是"看清"。委托代理问题的底层逻辑一句话:委托别人做事,被委托方总掌握着你看不到的信息,也就总有动机把信息优势变成私人利益。这跟道德关系不大,是结构给了人投机的空间。

几百年来人类想了三种办法:股权激励、审计监察、KPI 考核。各有软肋——股权覆盖不了全员,审计滞后又只能抽查,KPI 一旦变成考核目标就触发古德哈特定律,行为开始表演指标。管理学其实早就把病灶看穿了:兰西奥尼的团队五障碍、达利欧的极度透明,底层都是信息不对称;只是透明与记录的成本,人力时代付不起。

【原文】 财政部《会计信息化工作规范》(财会〔2024〕11 号,2025 年 1 月 1 日起施行)第十六条:"系统自动执行的业务流程应当可查询、可校验、可追溯。"第六条:"单位负责人是本单位会计信息化工作的第一责任人。"

【转述】 "可查询、可校验、可追溯"这七个字,落到管理上就是一句话:承诺与产出要留痕,出了结果查得到依据。这不是 AI 时代才冒出来的新要求,是会计信息化的既有规范——只是过去靠人和软件流程兜着,如今机器把记录的成本降到付得起。

【虑得讲透】 AI 第一次把透明与记录的成本降到普通企业也用得起:持续、客观、全体——不是年底突击审计,而是每天在发生;不是主观评价,而是数据记录;不是抽查几个倒霉蛋,而是对所有人生效。当每个人清楚自己的承诺和产出在被持续、客观地记录,投机取巧就失去生存的土壤。这种制度性诚实,恰恰是人类组织很难稳定做到、而机器可以稳定执行的。要把它定位为"照亮最该被看见的人",用记录替代审问——这套数据是用来看的,不是用来考的,一考就又落回古德哈特的陷阱。


写在最后:一张图,三条起步

五样东西,一张图:企业本体是地图,实时上下文是时间轴,数据飞轮让系统越来越聪明,组织代谢让组织越来越适配,委托代理的收窄让老板第一次真正看得清。模型只是租来的大脑;这五样,才是企业自己的资产。三年后的差距,不在谁买了更强的模型,而在谁的系统已经跑过上千次真实的业务闭环。

📌 三条起步清单

  • ✅ 先立规矩再接模型:挑一个离钱近的场景,把对象、关系、规则、权限画成一页纸,规则写死三条再谈接入。
  • ✅ 给飞轮定节拍:把复盘从"有空再说"改成日历上的固定时段,每轮真改一条规则、留一条痕。
  • ✅ 把记录的定位说在前面:让干得好的人被数据看见;这套数据是用来看的,不是用来考的。

《大学》讲物有本末、知所先后。本立住了,末自然生;顺序摆对了,AI 入企这盘棋,就离正道不远。

——虑得先生


FAQ 问答块

Q1:AI 入企是不是就是买个大模型,把公司资料喂进去?

A1:这是眼下最常见的误解,顺序正好反了。模型是租来的同质化资源,今天你租得到,对手也租得到。喂资料也有讲究:把公司文件一股脑塞给模型,不但不会更聪明,反而可能更混乱——文件记的是过去发生过什么,规矩说的是现在该怎么判。先立规矩(企业本体)、再接数据、后谈模型,才是正序。

Q2:本体、上下文、飞轮这些词,跟我的生意有什么关系?

A2:都是大词小用:本体,是把"老客户给个点"这类口头规矩写成谁都能照着办的一页纸;上下文,是把报价、审批、账期变化按时间记下来,出问题能追到源头;飞轮,是每复盘一次就真改一条规则,一年改几十次和改十几次是两家公司。三件事都不要求先上系统,一张纸、一台电脑就能起步。

Q3:公司不大,也要搞"AI 原生企业"那套组织改造吗?

A3:不必照搬大厂的编制,但要看清方向:把执行类的活逐步交给智能体,人往判断和创意上收。中小企业真正的优势恰在于组织轻、改得快。起步动作很小:挑一个场景让 AI 接手执行,人留审批与拍板,跑一个季度再看要不要扩第二个场景。

Q4:AI 真能解决委托代理问题?团队会不会觉得老板在监控?

A4:"解决"的准确说法是"收窄"——把信息在层层汇报里的损耗空间压小,让投机失去土壤。抵触多半来自"记录用来追责"的定位;把出发点换成"让干得好的人被数据看见",再讲清这套数据是用来看的、不是用来考的(一考就触发古德哈特定律),接受度会高很多。

Q5:预算有限,先花在哪?共享财务总监跟这事什么关系?

A5:先花在"能贯通全局的机制"上,而不是散装效率工具——会议纪要类场景好部署,对损益表没感觉;真正改得动财报的是定价、供应链这类跨部门场景,它们要的正是本体、上下文、飞轮这套底子。共享财务总监这种模式,说白了就是不占编制的财税外脑,按经营节点介入,把业务口径与会计口径对齐、把规则写成全公司认的一页纸——本体里"规则与权限"两栏,本来就是财务的看家活。这种陪伴式企业服务不替老板做决定,先把真实情况摆出来,再决定怎么走。


站内相关文章


延伸阅读

政策与权威来源

AI 入企系列(前八篇,按发表顺序)

  1. AI 时代的"本体论":买了大模型用不起来,缺的是一本"口径词典" — 概念篇:语义规范与口径词典
  2. AI 重画组织架构图:财务部的编制只剩"专家+DRI+Agent" — 组织篇:编制怎么改
  3. 当 AI 像水电一样便宜,你和对手手里的智能体一模一样——你靠什么赢? — 护城河篇:数据才是差异
  4. 公司越大越乱、效率越低?这是组织的"熵增定律",AI 数字员工是那股负熵流 — 组织篇:熵增与负熵流
  5. 企业本体怎么落地:不建大平台,从一页纸业务地图到第一个 AI 智能体的四步路线图 — 落地篇:一页纸地图+四步路线图
  6. AI 也上了、数据也攒了,为什么还是打不过同行:差在数据飞轮少转了几轮 — 飞轮篇:转速差与复利
  7. 利润表好看,不等于报表健康:AI 改善财务报表的四个出血点 — 财报篇:四个出血点
  8. 企业管理中的百年难题:委托代理,看 AI 如何收窄这个管理中最大的信息黑洞 — 管理篇:委托代理与信息黑洞

先把规矩写下来,再谈 AI 战略:业务规矩写死了,智能体才有得执行。先体检,后合作:一次财务体检,把真实的家底与风险点摆出来,再决定怎么往前走。接不住的,直说——缺成本票、纯代记账这类不接。虑得团队深耕企业信息化、企业财税领域二十年,税务师与中级会计师班子,只接兜得住的活。

了解共享财务总监 预约免费诊断

返回观点

想了解更多?欢迎与我们深入交流

我们的顾问团队随时准备为您答疑解惑。

联系我们