当前位置: 首页 > 岭南商道

行者视角丨用AI赚“认知以外”的钱

2026-11-15 来源:本网
分享:

  2025年春节期间,DeepSeek横空出世后,笔者所在单位广东省中小企业发展促进会(下称促进会)开始反复思考:AI(人工智能)对制造业中小企业,到底意味着什么?

  对一家协会而言,这个问题并不抽象。促进会服务着成千上万家制造企业,清楚地看见它们的焦虑:技术越强大,落地越困难;老板大都认同AI重要,但具体如何使AI成为企业的能力,效果却往往不如人意。于是我们决定,与其站在岸上喊话,不如自己先下水,蹚出一条路来。

图片

本文刊载于《中国中小企业》杂志,作者系广东省中小企业发展促进会会长谢泓。

01

初探:三条路,都没走通

  最初,我们看到的是一条看似现成的路:把AI服务交给第三方机构。

  几年前ChatGPT火了以后,市面上冒出一大批为企业开发智能体的服务机构。但这些机构大多由IT背景团队创办,或带有明显的技术公司基因,对制造业的场景并不真正了解,做出来的东西贵、周期长,还常常切不中企业的痛点。开发一个智能体,动辄耗时数月且所需费用不菲,中小企业根本扛不住。

  第二条路,是企业自己养团队。一些有IT基础的企业,索性内部招人搭建智能体。但问题依旧:IT团队会不自觉地陷入原来的IT思维,依然要花以年为单位的周期去熟悉业务场景。对企业来说,这条路既不快,也不便宜。

  于是我们尝试第三条路:自己下场做。我们开发了“研发降本智能体”,把沉淀十余年的线下研发降本服务搬上线。一开始效果很惊艳——拆解一张BOM(物料清单)表,几秒钟就清清楚楚;跨行业找知识,连医疗、汽车、消费电子的做法都能调出来。但很快,问题接踵而至:信息太多、幻觉不少、BOM太复杂、满血版怕泄密、本地部署成本又太贵。

  我们这才真正体会到:一家企业要真正用好AI,比想象中难得多。真正卡点不完全在于技术本身,更多来自场景理解深度、迭代速度,以及组织能不能跟着改变。

图片

02

破局:让懂业务的人开发

  蹚过几趟“浑水”,我们开始重新追问:智能体到底应该由谁来开发?答案来自一个朴素的观察。

  大模型带来最大的改变,是把IT开发的门槛降到了几乎为零——自然语言编程,让不会写代码的人,只要能把需求描述清楚,就能借助AI生成工具。这意味着,开发智能体的主体,第一次可以从“懂技术的人”转向“懂业务的人”。

  于是我们换了一个思路:不再替企业开发智能体,而是教会企业里最懂业务的人,自己动手开发。我们和百度共建了“AI创新实验室”,做的第一件事就是培训。对象是那些来自产线、质检、财务、销售、外贸等一线的业务骨干,让他们用低代码、自然语言工具,亲手解决自己岗位上的痛点。

  效果远超预期。生产人员搭出了自动喷涂智能助手,设备维修工沉淀了运维知识库,销售人员做出了智能报价工具,财务人员两个小时做出了过去以为要几个月才能做的报表系统,船务人员做出以前需要十个人天天加班的船务管理智能体;广州一家电子企业要把两千多款产品的代码迁移到新平台,按传统方法累计要一万个小时,引入AI后整体压缩到五个小时。2025年10月以来,AI创新实验室在8家企业落地,均取得实实在在的业务成效。

  随着AI大模型不断升级迭代,企业员工开发应用智能体成本更低,落地效率进一步提升。项目推进过程中,我们观察到明显变化:早期服务的第一家企业,好不容易才做出1个智能体;到今年8月,一家企业一口气开发出20多个智能体,直接成本主要是Token(词元)费用与企业发给参与员工的奖金。变化背后,一方面是大模型迭代加快;另一方面是培训组织方式也在调整,我们尝试从IT部门主导逐步调整为HR部门主导。实践表明,只有企业把AI当成组织使命时,AI才真正开始落地。

  更让我们惊喜的是,一批年轻员工冒了出来,成了企业里真正的“智能体应用开发工程师”——我们把这类既懂业务、又能驾驭AI的复合型人才,称作“紫领人才”。

  一条高效、廉价、可大规模复制的AI转型路径,就这样浮出了水面。

图片

03

从用AI到重构认知与组织

  完成智能体搭建、拿到效率收益,只是AI转型的前半程。用得越深,我们越意识到,AI落地真正的门槛不在工具,而在企业认知模式与组织体系。

  先谈认知层面。走访中我们发现,绝大多数企业对待AI还停留在“工具思维”:在旧流程上叠加一个新工具,效率略有提升,组织的骨骼却纹丝不动。由此,我们提出“AI原生思维”概念:不是问“AI能帮我做什么”,而是问“如果从零开始,AI能让企业做什么以前根本做不到的事”。沿着这个思路,AI在企业内部应用可以划分为五个递进层次:当工具、嵌入流程、重新定义能力边界、重构组织,直至“元认知”——让组织看见自己是怎么思考的。

  一家做精密加工的企业让我们印象深刻。它原本不懂医疗行业,直到偶然发现自家生产的精密部件可以跨界到相机、航空与医疗等看似毫不相干的领域。借助AI,它可以系统梳理产品在各领域的应用场景,去赚“认知以外的钱”——从规模红利走向场景红利。这正是AI原生思维最朴素的模样。

  往深里想,这背后是理念的转向:传统数字化是规则驱动,让人成为系统的附庸;AI则是价值驱动,让系统成为人的延展——AI负责算力与记忆,人负责判断与创造,最终走向人机协同共生。

  再看组织层面。我们愈发确信一个判断:企业做到几个亿靠技术,做到几十亿靠系统,做到一百亿要靠组织。工具、课程、平台都不会自动产生结果;真正产生结果的,是企业有没有把方法变成组织能力。同样的精益培训平台,有的企业无动于衷,有的企业把它纳入考核、晋升、薪酬之后效果显著——差别不在平台,而在组织力。

  这也解释了我们这一路的反复,为什么最后是“让懂业务的人开发”走通了——因为它既激活了场景,又倒逼了组织。

  路,是人一步步走出来的。AI之于制造业,也是如此。我们愿意做那个先探路的人,把这一路走来的坑与光都记下来,给同行留一份参考。