让AI在企业里生长

各位董事长/CEO ，您们好。

过去几年，我们深度陪跑了30多家中国龙头企业的系统性变革，见证了他们的高质量发展，也为多家企业做过战略及AI升级相关的变革与赋能。

尤其是今年，我越来越强烈地感受到一个现象：

很多企业家一见面就会跟我说：

“我们公司已经在用AI了。”

到现场一看，确实在用。

用AI写文案、做海报、查资料、写方案、做报价......看起来热热闹闹。

但我通常会追问一句：

“这些能力，人离开了企业，还在不在？”

很多时候，对方会沉默。

因为大家心里都清楚：

金牌销售摸索出来的AI用法，并没有变成全公司可复制的打法；最优秀项目经理的交付经验，仍然藏在他的脑子里、电脑里、聊天记录里；某个部门试出来的AI使用好方法，也没有沉淀成组织能力。

人一走，经验就走。

这就是今天很多制造企业使用AI的真实处境：看起来很热，实际上很散；看起来在用，实际上没有形成组织能力。

这不是技术问题，而是土壤问题。

一粒种子要长成大树，不能只靠种子本身。它需要土壤、阳光、水分，也需要支架和修剪。AI也是一样。

AI要在企业里真正生长，需要的不只是一个工具、一个模型、一个应用，而是一整套让它扎根业务的环境：战略、治理、流程、权限、安全、数据、知识沉淀和组织协同。

这些东西本身不是AI，但它们决定了AI最终是长成一片森林，还是枯死在一个个部门的小花盆里。

我们认为真正关注的是：

如何改变企业AI成长的生产关系，让AI有组织地在企业里生长。

换句话说，AI不能简单作为工具装进企业，而应作为能力在企业中生长出来。

下面这十条纲领，不是理论推演，也不是概念包装，

读完它，你会更清楚地看到：

为什么你的AI用不起来，以及下一步该做什么。

最近三年，中国制造业企业采购了大量AI工具——智能客服、AI质检、预测性维护、RPA、大模型应用、智能体。我见过用得很好的，也见过买了就吃灰的。差别在哪？

用得好的企业，不是AI选得好，是土壤准备好了。

土壤有三层：

• 第一层：AI战略。 你的AI到底要解决什么经营问题？三年后AI在你企业里长成什么样？没有这张蓝图，每个人种自己的花，开不出组织的花园。

• 第二层：AI治理。 谁来决定上什么AI？谁对AI的输出负责？AI犯了错追究谁？没有这套机制，AI就是无主之地——出了事人人推，出了成绩人人抢。

• 第三层：AI环境。 数据打通了吗？权限体系建好了吗？TOKEN谁管、怎么管、安全吗？没有这个底座，AI就是用公共WiFi传公司机密——你以为在加速，实际在裸奔。

三层缺一层，AI扎不了根。

先解决"生产关系"，再释放AI生产力

——顺序不能错

蒸汽机没有改变世界，工厂制度才改变了世界。

很多企业上AI，第一个问题是"AI能做什么"。错了。正确的问题是"AI不该做什么"。

AI不该做的三件事：

• 第一，AI不该替你拍板。 AI告诉你"这个合同条款有87%的概率触发交付风险"，这是它的价值。但签不签，你拍板。AI算的是概率，你担的是后果。

• 第二，AI不该在没数据的地方硬做判断。 数据不全、不准、不连续的业务环节，AI就是瞎子。让瞎子上路，不如不用。先治数据，再用AI。

• 第三，AI不该越过人直接跟客户交互。 尤其在制造业——合同谈判、报价解释、交付承诺、投诉处理。客户要的不是"正确答案"，是"有人负责"。AI可以备稿、辅助、实时提示，但最后说话的那个人必须是人。

AI最该做的三件事：

• 第一，把隐性风险变成显性信号。 合同漏洞、报价异常、交付偏差、回款逾期的苗头——过去靠"老师傅的直觉"，等发现往往已经晚了。AI擅长在信号还很微弱的时候就把异常标红推到你面前。不是替你判断，是让你早判断。

• 第二，把个人经验变成组织能力。 你最好的销售、项目经理、工程师，他们的经验散落在邮件、微信、大脑里。人一走，经验就走。AI可以把这些隐性知识——决策方式、判断标准、历史数据、模版、关键KCP——变成可调用的Skill，让新人站在老人肩膀上起步。这件事不性感，但这是AI在制造业最值钱的应用。

• 第三，把重复劳动变成自动流程。 报价审批、合同比对、开票触发、回款匹配、KCP合规检查——消耗大量人力，几乎不需要创造性判断。AI做这些又快又准又不知疲倦。把人的时间释放出来，去做AI做不了的事：理解客户、判断取舍、建立信任。

  
  

我亲眼见过一家年营收20亿的制造企业，市场部一个员工用自己的ChatGPT账号上传了公司未来三年的产品路线图，让AI帮他做竞品分析。

这不是个案，这是正在大面积发生的日常。

当你的员工用个人账号、公共AI工具处理公司业务时——你的数据在裸奔，你的IP在泄露，你的客户数据在不可控的第三方服务器上流转。

制造业企业家最值钱的三样东西：客户数据、核心技术/工艺参数、定价/报价策略。

这三样通过AI泄露出去，不是严不严重的问题，可能是影响企业生存的问题。

有组织的AI应用，第一天就要管好四件事：

1. 数据——哪些可以喂给AI？哪些绝对不行？画红线。

2. 权限——谁可以用AI做什么？不同岗位、不同级别，权限不同。

3. TOKEN——调用量谁管？预算谁控？有没有熔断机制？

4. 审计——每一次AI的关键输出，必须可追溯。

这不是IT的工作，是CEO的工作。安全不是技术问题，是战略问题。

个人用AI：打开网页，输入问题，得到答案。

组织用AI：打开平台，权限校验通过，调用企业知识库，匹配业务Skill，在安全边界内输出结果，全程留痕。

两种完全不同的物种。中间的差异就是一个字：平台。

智能体平台之于AI，就像电网之于电力。没有电网，电力到不了每一个车间和工位。没有平台，AI到不了每一个业务场景和岗位。

平台解决三件事：

• 复用——一个部门建的Skill，全公司调用，不重复造轮子。

• 管控——权限、安全、合规、TOKEN，统一治理。

• 规模——从3个人试点到3000人使用，平台是桥梁。

你不需要自己建平台，但你必须有一个平台。

很多企业家跟我说："AI的ROI不好算。"我说：不是不好算，是你没用对尺子。

制造业只认四把尺子：

• 效率——同一件事，有AI比没AI快了多少？用秒表说话。

• 成本——同样的产出，省了多少钱？用财务数据说话。

• 质量——良率、稳定性、客户满意度提升了多少？用SPC曲线和NPS说话。

• 增长——AI有没有帮你打开过去做不到的业务？用订单说话。

每一把尺子都必须有签字的基准数据和目标数据。不是"感觉有提升"，是"提升了几个百分点"。

三个月内一把尺子都量不出正向变化——就地关停。

制造业不养闲人，更不养闲AI。

很多企业家上来就问："AI能替代多少人？"

我的回答是：这个问题本身就是陷阱。

员工不是傻子。当他知道你上AI是为了替代他，只有两个反应——要么抵触，让AI用不起来；要么藏私，绝不把自己最好的经验教给AI。这两种反应都合理，你把他当敌人，他凭什么帮你？

正确的问法是："AI能让多少人变得更值钱？"

让质检员借助AI看到肉眼看不到的缺陷——他变值钱了。让销售借助AI看到自己看不到的商机——他变值钱了。让项目经理借助AI看到自己看不到的交付风险——他变值钱了。

当"让人变值钱"成为目标，抵触就消失了。员工会主动把经验教给AI——因为他知道，教会了AI，自己就能做更有价值的事、拿更高的回报。

这就是"人智共存"。不是替代，是进化。

从手工作坊到跨国集团，企业形态变了一万次，有一件事从来没变：企业的本质是为客户创造价值。

AI不改变这个本质。它只改变一件事——谁和谁协作。过去是人与人，现在多了人与AI。多了一个伙伴，北极星纹丝不动。

AI转型的起点永远不是"该上什么技术"，而是：

我们的客户还需要我们做什么？我们和AI一起怎么做，能比现在做得更好？

我见过太多企业家说"等想清楚了再做"。

这是我听到的最危险的话。AI这个领域，你不可能"想清楚"，它的变化速度按周算。你等一年，竞争对手已经跑了50个试点、踩了100个坑、积累了200个Skill。你"想清楚"的方案还没上线就过时了。

AI转型不需要你想清楚全部，只需要做对四步：

• 第一步：选一个最痛的场景。 不是最有"AI感"的场景，是你每天醒来最担心的那个——合同风险？报价失控？回款逾期？交付延迟？就选一个，只选一个。

• 第二步：用10周跑一个闭环。 从"AI辅助"到"人验收"到"产生结果"到"数据反馈"——跑通一个最小闭环。不追求完美，追求完成。

• 第三步：把结果变成组织能力。 试点成功不是终点。把沉淀的Skill搬到平台，让全公司能用——这才是终点。

• 第四步：在奔跑中换轮胎。 每3个月复盘：战略要不要调？治理要不要改？平台要不要升？不是等一切就绪再出发，是在出发中让一切就绪。

  
  

这十条归结为一句话：

AI不在你的企业里生长的唯一原因

是你的企业没有准备好让AI生长的土壤。

所以，你不是在决定“要不要用AI”。

你是在决定：

未来十年，你的企业是AI时代的智能组织，还是旧时代的经验孤岛。

改变土壤，就是现在。

让AI有组织地生长，就是未来。

TransClaw

新一代企业级智能生产力平台