当"降本增效"成为几乎所有企业拥抱 AI 的口号时，一个更本质的问题却被忽略了，如果做事的流程和方法本身就是错的，AI 只会让错误以更快的速度发生。
这正是在近期的一场小型闭门会上，国际 AI 专家 Danilo McGarry 抛出的尖锐观点。
近日，在联合国 AI 讲师、金融时报董事会 AI 导师 Danilo McGarry 首次访华之际，虎嗅智库邀请 Danilo 与模型企业代表、森马等产业嘉宾，分别从技术供给方、方法论沉淀与产业实践三个视角，共同深入探讨当大模型进入深水区，企业真正需要变革的，究竟是技术、方法论，还是组织。
Danilo：拥抱 AI 是对的，但快速做意味着快速错
技术供给端的突飞猛进，正以前所未有的紧迫感，倒逼企业向" AI 原生"组织形态演进。作为 AI 创新能力的源头，大模型企业率先以身作则，把自身变成了重构生产力的样本，要求内部员工每年最年实现 50 到 100 倍的人效突破。
这种来自技术源头狂热与人机协同的颠覆性潜力，无疑让传统企业倍感焦虑。然而，技术在高速进化，并不意味着产业端的可以盲目跟进。
Danilo 认为当下全球企业正身处一场由 AI、机器人、量子计算等技术共同推动的"完美风暴"中，但面对技术的巨大变革，而组织适应速度远远跟不上。
尽管大家都在积极拥抱 AI，大多数企业的方法是错的。
"快速做，往往意味着快速错。" Danilo 强调企业最大的误区是直接把 AI 叠加到旧流程上。如果原有流程有问题，AI 只会把错误放大 500 倍。
Danilo 直言，面对 AI 浪潮，大量的管理层将率先会被解雇，因为很多人没有完全理解 AI，也没有在其战略中给予足够的优先级，无法为公司制定出转型为" AI 优先"组织的正确路径。
那，正确路径应该是什么？
首先先重构流程，深入每个部门，明确哪些工作交给机器，哪些工作必须由人完成；然后再把流程固化进 Workflow System 工作流系统；然后建立匹配的数据结构；最后才是引入 AI。
" Workflow是骨架，AI 只是运行在骨架上的能力。"在 Danilo 看来，负责任的企业不会允许 Agent 脱离工作流独立运行的。
森马 AI agent 的效率突围：流程再造 × 组织激活 × 数据驱动
如果说 Danilo 提供了顶层方法论，那么森马展示的则是一家传统企业如何真正把 AI 落地业务。
森马 AI 应用专家林建霞认为，如果企业谈 AI，不能停留在"降本增效"上，数字化和 AI 的本质必然是重构价值链。
基于此，森马总结出自己的落地公式"AI agent的效率突围 = 流程再造 × 组织激活 × 数据驱动。"
流程再造，需要先梳理业务场景，再判断哪些工作高频、可标准化，然后借助 AI 把业务断点连接成闭环。以门店导购练货场景为例，森马将 8000 多家门店导购培训后的交作业环节 AI 化，通过练货系统自动评分，并把结果与 KPI 打通，实现培训、反馈与考核的业务闭环。
其次，森马用文化、赋能、先进、激励、兴趣等多种手段，让 AI 成为新的工作方式，在业务一线遍地开花，林建霞强调，内部组织推动 AI 的重点并不是工具部署，而是形成组织心智。
最后是数据驱动，逐步推动员工从离线文档到使用在线文档，再到每个部门设知识库管理员，反向校验和修订文档，森马逐步实现从个人提效到管理进化和组织创新。
圆桌探讨：AI 落地最后一公里，到底卡在哪
围绕" AI 落地最后一公里"，现场讨论最终集中到三个问题。
当 Agent 进入企业，产生业务价值后，组织会发生什么变化？ 元气森林零售业务总经理陈晓昕认为，"AI时代组织只需要两类人，能在 AI 上做决策的人，和能和客户做对接的人。
用友数智平台解决方案总监刘岩补充，企业 AI 落地，存在技术、组织、业务、数据四种负债。构建 AI 体系必须从下往上，先解决数据标准、权限、流程这些基础问题。
当 Agent 接管业务流，企业敢放权到什么程度？陈晓昕坦言放权的前提是清晰的边界、端到端的可视化，以及对业务的完整思考。
多点数智合伙人任中伟，则直言决策碎片化的零售企业就面临这种放权困境，不授权价值创造少，授权怕出战略错误。他的解法是，沉淀多家顶尖企业的经验，打造垂类行业小模型。"未来，随着行业模型完善，放权给 AI 带来的损失，绝对比让 100 个店长自行决策更小。"
当 AI Native 公司不断涌现，传统企业如何跟上？ 松雷集团总经理宋忻垚自嘲作为二代被迫回来接班，一边做信息化基础建设、数字治理的同时，一边引入 AI Agent。她认为传统企业没必要等标准化全部完成再做 AI，而应该边建设、边落地、边迭代。
针对以上问题，Danilo 总结，中国和国外企业在落地 AI 时面临的挑战高度相似。员工最大的顾虑都是—"我被要求用 AI，但最终 AI 会取代我。"
那最有效的激励方式是什么？
首先，"把‘拥抱 AI ’写进每一个员工的年度目标，并跟调薪和晋升直接挂钩，"Danilo 说。
其次，在架构上，不要全公司只设一个 AI 团队，并指望这一个 AI 团队去解决所有人的问题，每个部门都应有自己的创新团队，快速做 POC，并严格遵循开发测试流程才能上线。
同时，企业必须设立全职的首席 AI 官（CAIO，Chief AI Officer）。他做了一个形象的比喻，用 AI 重塑公司，就像在赛车激战中拆换引擎，必须有全职 CAIO，而不能让 CEO 或 CTO 兼任。
至于谁适合做首席 AI 官？Danilo 的答案出乎意料。
不是学术派的 AI 工程师或专家，而是过去做过自动化、RPA 提效项目，现在转型到 AI 领域的人。因为这类人更懂流程、懂管理和转型。
最后，Danilo 强调，企业必须建立（CoE）卓越中心，面对全公司可能同时推进的 200 个 AI 项目，CoE 的目标就是排除万难，死死盯住最具战略价值的前 5 到 10 个核心头部项目，确保其绝对交付。
结语
回看整场讨论，一个很明显的变化正在发生，AI 竞争正在从底层模型竞争，进入组织竞争。
模型能力仍在快速提升，但真正决定企业差距的，已经不是接入了哪个模型，而是谁更快完成流程、组织与工作方式的重构。
AI 落地的最后一公里，从来不只是技术问题，它最终考验的是，企业是否愿意重新改造自己。
七星配资平台提示：文章来自网络，不代表本站观点。
