AI落地的战略选择:从降本陷阱到增长引擎

我爱免费

作者：微信文章
最近在学习和复盘各种新技术。🔋

💡每周每人交流一个新技术落地+经验教训已经1个月了，就来总结一下：

新技术的成功落地，关键点2个：
1️⃣最上层的领导发起，并坚持下去。
2️⃣新技术用于“开源”而不是纯“节流”

📈领导发起是成败的决定因素

Gartner的研究显示，CEO对AI治理的监督是生成式AI成功落地的最相关要素之一，在大公司中尤为明显。许多企业本能地将AI实施委托给IT或数字部门，但这往往成为失败的根源。因为从AI中获得真正价值需要的是彻底的转型，而非仅仅是新技术的部署，这涉及到成功的变革管理和资源动员，高管的领导不可或缺。

这个是绝对的深有体会，当年我们全球第一个AI项目（不是这两年的通用人工智能大模型，而是前一个版本，基于大数据的机器学习人工智能）就在大领导走了之后就停了。虽然停了，但当年和销售同事一起访谈一起工作一起测试的日子，还是学到了很多平的接触不到的知识和经验。（当然也忘不了各种各地美食

）

🎭降本vs增效：战略层面的不对等选择

麦肯锡最新调研揭示了一个残酷现实：尽管88%的企业已在至少一个业务职能中定期使用AI，但只有39%的受访者认为AI对其组织的EBIT（息税前利润）有影响，且多数认为影响小于5%。更令人警醒的是，Gartner预测超过75%试图通过生成式AI提升生产力进而降低成本的企业，最终会以失败告终。

举个Digital Twins的教训。当新技术用于节流，节省下来的钱可能只是新技术第一期的费用。主要原因在于工厂和生产过程本就是个cost center，已经无数次降本了（各种精益生产早就敲出了很多水分）。根据边际效应递减的规率，再减可能也不会比新技术的成本（可能第一年低，但第二年往后就没有这么好了）低更多。（说真，这个case个人觉得完全是找错了做孪生的对象。最应该做对象的，是最核心的竞争力，而不是人云亦云去监控机器。三一能成功，很大程度上是他监控的对象就是给他产生业务的核心竞争力。）

正如《AI领导力》中所强调的，AI在企业应用中的核心价值应该体现在对企业收入和品牌的影响上，而非简单的成本削减。

💰从利润中心里找增长

新技术的最佳应用场景，应当是企业的主营业务，尤其是那些能够"开源"的领域。当AI被用于创造新价值、提升客户体验或开辟新收入流时，其目标与企业的增长本能天然一致。

参考最近身边的各种案例，在“开源”方面的增效才能让新技术走得更远。毕竟“开源”和新技术的目标一致，就是要增效。例如训练个MJ，可灵，即梦，nano banana来做设计初稿、换装，降低的是费时的工作，提高的是快速反应的效率，对销售来说就起到加速器作用。

《AI大模型企业落地指南》也强调，企业应该寻找最易标准化的低效、重复且可用AI替代的业务环节，但更重要的是要将AI技术部署在能够驱动增长的主航道上。

🎯总结

归根结底，AI的落地是一场战略博弈。如果缺乏最高层的坚持，就跑不下去。但如果只专注于“节流”省人，可能财务成本也没办法支撑多久。

关注于“开源”+最高层支持，才是最近AI落地故事里笑到最后的贏家吧。

PS：说不定之后还有反转，咱继续观察吧