南方财经21世纪经济报道记者施诗李依农报道

　　当前，生成式AI正在快速进入企业经营的各个环节，从辅助工具逐步变成参与流程甚至影响决策的关键变量。企业一方面在加速投入AI，希望借此提升效率、重构业务；但另一方面，却普遍感受到一种新的现实焦虑：不用AI担心被落下，用了AI又担心用错、投入了但产出不了效果，甚至带来新的风险。同时，传统降本路径（裁员、外包、压缩成本）难以持续，降本与增效的矛盾日益凸显，数据安全、决策伦理、组织重构等新挑战接踵而至。

　　本期的《典实成金——首席会科厅》，南方财经首席记者对话了IBM咨询大中华区合伙人、企业运营服务总经理吕行，以及IBM咨询大中华区合伙人、AI数字化服务总经理叶剑，围绕企业在AI落地过程中的真实困惑展开讨论：如何在AI加速应用的背景下避免“用错AI”的风险？为什么很多企业“降了本但没增效”？以及，企业如何重新定义AI时代真正该降的“本”与该提的“效”。

　　叶剑指出，企业的焦虑本质并不在于是否使用AI，而在于“用了之后价值如何真正体现”，而吕行则提到，很多企业的问题不在技术，而在于一开始没有把场景、数据和投入产出想清楚，导致后面越做越乱。

　　AI正从辅助工具进化为效率引擎与决策变量，深刻改变企业成本结构、效率本质与管理体系。但真正的难点已经不只是技术能不能用，而是企业能不能把AI真正嵌入业务流程，并且让它稳定产生结果。正如受访者所强调的，AI时代的降本增效，关键不是单纯省钱，而是让决策更快、更准，让执行更确定。

　　《典实成金——首席会科厅》是由《21世纪经济报道》与IBM共同打造的高端圆桌对话栏目。

　　拆解“AI焦虑”本质

　　21财经：现在有一种很真实的情绪：不用AI会焦虑，用了AI也焦虑。二位怎么看待“AI焦虑”？这种焦虑本质来自哪里？

　　吕行：我们正处在一个信息爆炸的时代，资讯传播的速度非常快。每天铺天盖地的新闻都在告诉你：AI 几乎已经可以完成和人类一样的工作。这样的声音听多了，难免会让人焦虑——“我的工作会不会被 AI 取代？”但实际上，这里面其实存在不少误区。我们需要更理性地去甄别，AI 现在真正做了什么样的工作。

　　叶剑：焦虑确实是存在的。我看到IBM研究院的一份报告，采访了全球大量 CEO、CTO。接近 70% 的受访者都认为，在 2030 年之前，AI 带来生产效率的大幅提升几乎是毫无疑问的。但与此同时，有不到 25% 的管理者对“在此之前具体该往哪个方向走”感到非常焦虑。

　　我认为，大家的焦虑并不是“要不要用 AI”，而是“用了之后，价值该如何真正体现”。基于这样的观察，我自己的初步建议是，对于还没有真正开始使用 AI 的企业来说，应该优先选择那些流程成熟的场景，先把 AI 快速启动起来。而对于已经在使用 AI 的企业来说，要回到自身的价值域，进一步深化与AI 的融合，提高可控能力。

　　21财经：从企业运营角度看，这种焦虑会不会反而导致企业开始乱投钱？

　　吕行：我看到过一个很典型的例子。有位朋友说，他们公司上午刚通知全员用 AI 辅助工作，到了下午又发邮件道歉，说发现数据管理有漏洞，建议先不要使用。这其实很真实地反映出，很多企业面对 AI 时有些不知所措。

　　对企业而言，像IBM这样的咨询公司，能够帮助企业先做梳理，制定清晰策略，避免出现这种上午通知下午就改变的情况。

　　企业运行本身就很复杂，引入 AI 一定要想清楚，投入要花多少钱，能带来多少收益，这些收益会体现在研发、营销、运营还是后台支持。因此，需要通过系统性的梳理，帮助企业做出清晰的投入产出分析，看清楚 AI 到底投在哪里，对自己来说最有效。

　　有些人会担心，这样的战略梳理可能要花几个月时间，那这几个月是不是就会跟不上形势。我的看法是不会。恰恰相反，只有先把自己的思路想清楚，后面的每一步棋才会走得稳。

　　增效的本质是释放组织能力

　　21财经：很多企业把AI理解成“降本增效”的工具，这样的想法是不是有些窄了？

　　叶剑：我其实是同意这个思路的，但也不仅仅是如此。

　　从 AI 在短期内能带来的收益来看，它确实可以起到一个降本增效的作用。就拿 IBM 自身的实践来说，我们和很多市场上的咨询公司不太一样的一点在于，我们在几年前就已经启动了AI的内部实践，把自己当成“零号客户”。

　　IBM 是从最通用的流程开始入手的，比如 HR 流程。我们内部有一个叫 AskHR 的项目，面向全球几十万员工。我们先把核心的工作流程梳理出来，大概整理了一百多个关键流程，然后沿着这些流程，一步一个脚印地去推进 AI 的应用。

　　在这个过程中，我们积累了大量关于自助、沟通和互动的经验。慢慢地，员工开始习惯和 AI 打交道，通过对话去解决日常工作中的问题。随后，这样的实践又逐步扩展到了采购、财务、供应链等更多领域。

　　经过这几年的持续实践，我们也把这套经验带给客户。我觉得这在很大程度上打消了他们的焦虑。因为以 IBM 这样几十万员工体量的企业，都可以完成这样的变革并取得成效，那么对于其他企业来说，同样可以从这里开始起步。

　　21财经：很多企业成本降了，但效率没提升。为什么会出现这样的情况？

　　吕行：我认为，不应该把“降本”和“增效”分开来看。“降本增效”这四个字，本来就是要放在一起理解的。

　　降本的目的，本质上是为了增效而来。当效率真正提升之后，带来的不仅仅是成本下降，更重要的是企业在运营过程中变得更加顺畅、更加高效。比如面对新的场景、新的业务，企业可以更快、更好地去适应，反应速度更快，业务运转更加流畅，增长也就更具持续性。从这个角度看，降本和增效其实是一体两面的事情。

　　AI 的工具可以替代大量重复性的劳动，但我们需要去判断 AI 产出的结果是否真的是我们需要的；在运行过程中，一旦 AI 作为 IT 工具出现问题，也需要有人去负责排查和修复。所以，并不是把人都“变成 AI”，工作就能自动完成。恰恰相反，是需要更多更高级的复合型人才，与 AI 协同工作，才能把整个端到端的流程真正做好。

　　因此，在降本的同时实现效率提升，才是核心目标。而“降本增效”也绝不是一件简单的成本压缩工作，而是一项非常系统、非常复杂的工程，需要被认真、清晰地规划。

　　叶剑：现在一提到增效，大家往往第一反应就是“人效比”之类的指标。我自己的观点是，增效更重要的是把原来被占用的人力资源释放出来，让他们去做更多以前没有精力覆盖，或者因为资源不足根本无法投入的，比如创新性的工作。

　　这样一来，企业一方面可以继续把原有必须要做的业务稳定运行下去，另一方面通过人和 AI 的协同，把很多流程化、标准化的工作交给 AI 去处理，或者通过“人+AI”的方式完成——类似于一种业务流程外包（BPO）的逻辑，只不过现在这个“外包”不再只是交给人，而是人和 AI 的结合。在这样的模式下，大概百分之六七十的常规性工作是可以被覆盖的。而真正释放出来的价值，是让人力可以更多投入到创新型业务，以及过去没有能力覆盖的新业务场景中，“增效”就会体现出来。

　　21财经：你们服务的客户当中有没有立竿见影的例子？

　　吕行：在我们服务的客户当中，其实有很多已经在用 AI 工具来实现降本增效了。我们在国内外服务了大量客户，可以看到一个比较明显的特点，就是这些企业在上下游之间，比如对下游供应商、对上游客户，已经有比较成熟的电子数据交换和数据联通机制。这样的企业，用起AI来会非常顺畅。因为企业的数据基础通常都比较干净，AI 在这样的数据基础上进行学习和应用，非常容易就可以发挥效果。

　　叶剑：确实有一些企业做得比较好，包括汽车行业、制造业，还有快消领域都是这样。大致的逻辑是，这些企业在两年前其实就已经开始做一些点状的AI实践，有一些局部的尝试。然后从去年年终到现在，逐步进入到一个新的阶段，就是由高层一把手来推动，把企业内部的核心价值域拿出来，做整体性的AI推进。在这个过程中，效果是比较明显的，也能看到一些比较好的结果。

　　企业正从“追新模型”转向“追收益”

　　21财经：企业是不是要不停地去“追新”？

　　叶剑：从今年开始，越来越多的人开始对“新”这件事有了新的思考。

　　前年和去年，大家更多是在追模型，因为模型迭代的周期越来越短，那时候关注的重点往往是“我有没有用到最先进、最大的模型”。但从去年下半年到今年，其实有一个很明显的变化，大家开始重新思考模型真正进入企业之后到底能带来什么价值，即模型应用到业务里，会改变什么。

　　所以在这个阶段，重点已经不再是“追新”，而是回到一个更核心的问题——工程化。把大模型的能力真正用起来，把企业内部的数据、流程，以及现在越来越重要的数字员工和治理体系，这三件事情融合在一起。谁来牵头做这件事？实际上需要一个战略层面的梳解，把业务价值和推动路径先理清楚，把这几件事统一起来，从“追新”转向“追收益”，让AI真正融入企业的整体价值体系中。

　　吕行：“追新”本质上还是因为 AI 发展太快，不断会有新的点冒出来，而这些新的点一旦出现，就会迅速影响到大众。

　　比如前一阵子很流行短剧，突然之间你会发现，很多短剧开始变成 AI 生成的，而不再是真人。因为 AI 让制作成本一下子大幅下降，这就是一个非常典型的、AI 快速进入某个行业之后带来的颠覆性变化。

　　但问题在于，我们要不要一味去追这些“新”？我觉得还是要分开看。一方面，我们确实需要知道最新发生了什么，因为这些新东西可能会影响到我们的工作；但另一方面，这些新的技术或应用，是否能马上用到自己的企业里，是需要去思考的。

　　IBM有自己的研究院，一直在做对 AI 趋势的研究。在我们的历史长河中，出了很多位诺贝尔物理学奖、化学奖以及图灵奖等的得主。所以，如果企业请到我们，我们可以告诉他未来有哪些新的亮点。不用担心追不追“新”，跟IBM在一起你就知道未来哪个是“新”。

　　AI治理是企业必修课

　　21财经：那你们的研究院有没有预测到AI会带来哪些风险？

　　吕行：其实我们自己很早就有一个产品，叫watsonx，里面就有风险管理的内容，它本质上是一整套企业级的 AI 风险管理工具。因为在 AI 应用中，确实会涉及很多数据治理、数据规范，以及道德伦理等方面的问题。在帮助企业落地 AI 的过程中，我们有一套平台去支持他们。

　　叶剑：我们其实有一套方法论，会把整个 AI 的应用分成四层来看。前两层主要还是偏底层技术层，而到了第三层，就已经进入到数字员工和智能体的层面。包括前段时间大家比较熟悉的一些智能体应用，其实都会把一个核心问题暴露出来：你到底给它多大的权限，它在权限范围内做出的动作，如何被监控、被控制。

　　这里面其实涉及了非常核心的 AI 治理。我们专门的战略团队很早就开始把 AI 战略和 AI 治理作为两大核心的企业级能力，在全球范围内去推进。因为在 AI 应用过程中，如果没有对大模型和智能体设置相应的“围栏”，其实是很难控制它可能出现的自主推理和自主行动的。所以我们的建议是，在设定围栏的时候，可以给它尽量大的“球场”，让它有足够的发挥空间，但同时必须通过 AI 治理去设定清晰的权限规则。

　　这些规则包括人与 AI 的协同，也包括智能体之间的协同，甚至是一些“安全房”的机制设计。最终原则是很明确的：一旦涉及资金、或者安全等，必须还是由人来做最终的决策。

　　21财经：AI拥有多少决定的权限比较合适？

　　叶剑：其实重点并不是说不能给 AI 相应的权限，而是在整个人机互动的过程中，哪些边界是需要提前明确。

　　这也是为什么我一直强调，在一开始做这件事情的时候，战略设计和治理设计必须一起进入。这样一来，既可以把智能体在这件事上的目标和要求说清楚；另一方面，这个目标和要求，本身也就对应了它可以调用的资源和能力边界，把它和人之间的协作关系定义清楚。这样更容易去确定，在一个多大的“围栏”当中，在一个多大的业务范围内，去做多大规模的资源调配和任务分配。

　　吕行：AI能做什么、不能做什么，还是要回到企业运行逻辑中去判断：如果一件事本身风险不大，或者风险可控，那就可以交给AI去决定。因为AI本质上是对人的模拟，它学习更快、表现更好，在一些场景下可以做出比人更优的决策，那你就用它。比如在市场营销推广活动中，AI可以完成文案等工作，但活动最终的成败，不能由AI来决定。

　　AI时代真正要优化的是决策，而不是成本

　　21财经：其实有一些产品IBM自己也会率先实践，比如“零号客户”这个项目。在AI这件事情上，有哪些场景率先落地？

　　叶剑：关于“零号客户”，我刚才也快速提到了，人力资源是最先启动的一个领域，我们对一百多个核心流程进行了相应的重构。重构完成之后，无论是新员工还是老员工，全球员工都非常习惯这套新流程，最大的感受是每个人背后都有一个专属服务的HR专家或者助理。

　　所以我觉得最大的是交互模式的改变。它真正回归到了人希望交互的模式，而不是以前数字化、信息化带来的那种“我上多少个系统，在系统里面不停地点击按钮”的方式。有了这个改变之后，其他包括财务域、供应链域等等，也全面进行了相应的推动。整个带来的收益是非常大的，基本上一年能够达到40亿美元。

　　吕行：“零号客户”，本质上是我们自己先做的一次基于AI的变革。

　　这个变革帮助我们把AI逐步应用到企业整体的运营层面。除了HR之外，我们在IT、财务、供应链等方面也都在推进。因为整个企业本身既有软件业务，也有硬件相关能力，其实有一套非常庞大的供应链体系。同时还包括前端的市场营销和销售支持等环节。

　　整个集团所有的部门，由CEO Arvind统一领导，成立了类似“人工智能领导小组”，来统筹推进IBM如何能够用最新的人工智能技术，把企业快速转型成一个AI驱动的公司，提升效率。

　　所以这是一步一步推进的过程，经过两三年的积累，AI这个时代的很多核心实践和精华都体现在IBM“零号客户”实践上了。

　　21财经：其实AI能落地的场景很多。但如果一家企业成本有限，只能落地一个场景，你们会建议什么？

　　叶剑：看一家企业目前的状态。如果是刚刚启动AI，我认为应该先选择最能够降本、或者人工占比比较高、流程也相对完整的业务域，比如财务、人力资源这些，这是最容易见效的。

　　如果企业在过去一段时间里已经做了很多尝试，那我觉得它的定位应该是要利用这一轮AI，包括智能体的快速发展去建立壁垒。而这个壁垒，必然要回到企业的核心价值和核心竞争力上来做体现。它其实是在着眼当前竞争的同时，也在为未来两到三年建立另一层壁垒。

　　21财经：AI时代企业真正要降的“本”是什么，增的“效”又是什么？

　　叶剑：这是一个“灵魂拷问”。这两年我确实和很多企业一起共创、一起面对类似的挑战和困难，也做了一些自己的总结。

　　第一，我认为真正要降的“本”，不是人力成本，而是决策成本。企业最贵的成本，其实是信息不透明、响应不及时、判断不准确所带来的隐形损耗。

　　第二，真正要提的“效”，也不是单点的个人效率，而是组织效率。AI要提升的，是端到端的组织运行效率。

　　如果用一句话来总结，其实就是：降的是从数据到决策的时间差，提的是从决策到执行的确定性。

　　如果一家公司真的能够做到这两件事，其实就不需要有那么多焦虑。

　　吕行：降本其实就是省钱，而省钱这件事，一方面是看得见的成本，另一方面是隐性的成本，这些都要能够被估算出来。把钱省下来，对企业老板来说，最终体现的就是利润，这也是最直接、最核心的驱动力。降本的目的就是为了增效，具体来说，就是在企业运营过程中，对任何流程都要比原来更快、更准确、更全面。

　　如果通过AI的方式，能够帮助企业更好地做到这两点，那么你的企业就会成长更快、赚得更多。

　　21财经：AI时代的降本增效加上AI的应用，会不会让中国企业变得更加有竞争力？

　　吕行：中国企业对于AI这一轮的发展非常积极，也很愿意用AI的能力去推动自身的高速发展，我觉得是很有前瞻性的。

　　中国的AI公司在这两年也快速增长，可以说是如雨后春笋般涌现，有的进入大众应用领域，也有的进入企业级领域，持续在探索如何帮助企业实现AI能力的落地。在这个过程中，我还是想补充几个关键点的感受。

　　第一是基础数据的问题，也就是企业是否具备完整、统一、可用的数据体系，这是非常关键的前提。

　　第二是安全性的问题，如何让AI在企业环境中安全运行，避免出现错误、合规风险等问题，这是必须要解决的基础能力。

　　第三是上下游协同的问题。很多企业本身规模很大，但上下游数字化程度可能不一致，甚至数据能力相对薄弱。如何带动上下游一起进入AI时代，而不仅仅是企业自身完成转型，这也是一个重要课题。

　　整体来看，我对中国企业是非常有信心的。我也相信，中国企业一定可以把AI真正用好，用得更快，帮助我们企业更好地领先全球。

　　叶剑：我非常坚定地看好中国企业在这一轮AI中的发展和信心。

　　第一，在整个AI时代到来之前，其实中国制造业的效率已经被拉到一个很高的水平。无论是创造力，还是整体供应链效率、制造效率，其实都已经形成了非常完善的体系基础。

　　在效率已经“拉满”的情况下，企业本身也确实遇到了一定的发展瓶颈。而AI时代的到来，正好在这个节点上衔接了新的需求。在原有企业主观能动性和高效运营基础之上，再叠加AI能力，我认为进一步提效和创新的基础是成立的。

　　第二，在这个过程中，企业一定会存在一定的焦虑，这是不可避免的。那么如何去缓解这种焦虑，我觉得从 IBM 的角度来看，可以用“业务流程外包（BPO）+ AI”的方式结合来推动。它的好处在于，可以把需要提效的业务，通过业务外包服务与AI能力结合的方式一起推进，从而帮助企业快速启动，建立起刚才所说的这种能力体系。