AI时代的底层思考 02｜AI 转型用什么能力，解决什么问题
📚 本文是系列《AI 时代的底层思考》第 2 篇（共 8 篇）。全系列目录见文末。
上一篇说清了数字化转型的机制：用连接、存储、计算三种能力，让信息低成本地流动。也留了一个问题：企业里真正值钱的问题——客户为什么流失、合同有没有坑、下一步怎么走——没有固定规则可写，机器插不上手。
AI 时代的变化，一句话概括：
机器第一次可以参与知识生产和决策，而不只是执行规则。
这句话有点抽象。拆开看，AI 给企业新增了五种能力。每一种我都配一个真实发生、可查证的案例——不是因为案例好看，而是因为这五种能力的边界和代价，只有在真实案例里才看得见。
先给一个总框架：企业每天在干什么？
任何企业的日常运转，都可以抽象成五个环节：
感知 → 理解 → 决策 → 执行 → 学习
数字化主要优化了两头：感知（数据采集、报表、监控）和执行（流程自动化、规则引擎）。中间三环——理解、决策、学习——过去基本是人的专属领地。
AI 转型的主战场，恰恰是中间这三环。
能力一：理解——机器能"读懂"非结构化的东西了
数字化系统只认识结构化数据：金额、数量、日期。但企业里 80% 以上的信息是非结构化的：合同、邮件、会议录音、巡检视频、客户聊天记录。
大模型第一次让机器能低成本地"读懂"这些东西。
两个例子。摩根士丹利给 16000 多名理财顾问配了 GPT-4 助手，能直接用自然语言检索约 10 万份内部研报——过去顾问要么凭记忆、要么找研究部的人问。山东能源和华为合作的矿山大模型，用视觉能力审核井下卸压钻孔的施工视频，人工审核工作量降了 80% 以上，审核时间从 3 天缩到 10 分钟。
注意这两个案例的共性：AI 做的都是"核对与检索"，不是"拍板"。 理解能力最便宜也最稳的用法，是把人从"读材料"里解放出来，判断仍留给人。
能力二：推理——从已知信息推出没写出来的结论
客户在沟通里说了三句话：预算有限、决策链复杂、近期不着急。有经验的销售立刻知道：成交概率低，别在这个单子上压重注。
这类推断过去依赖个人经验，现在 AI 可以规模化地做。摩根大通财富管理部门的 AI 在市场波动期间帮顾问给客户生成个性化的应对建议，带动毛销售额增长 20%——本质上是把"这种行情下这类客户在担心什么"的推理批量化了。
但推理能力有个必须正视的暗面：它是五种能力里最容易"一本正经胡说"的。 德勤澳洲给政府交付的 44 万澳元报告里，AI 生成的文献引用和法院判词是编造的，被学者拆穿后部分退款。推理输出必须过人工核验，尤其是要署名交付的东西。
能力三：知识整合——把散落的经验变成"企业记忆"
企业最大的浪费之一：同一个坑，不同部门反复踩。因为知识散落在微信、邮件、文档和员工脑袋里，人走了，知识就没了。
AI 让"企业记忆"第一次可运营。麦肯锡自建的知识平台 Lilli，把全所百年积累的项目知识做成可对话的检索系统，全所 72% 的人活跃使用，检索综合知识的环节自述省时最高 30%。Moderna 更彻底：开放员工自建 GPT，两个月里一线员工自己动手做了 750 个小工具——实验记录助手、合规检查器——每一个都是某个具体岗位的经验被固化了下来。
给管理者的启发很直接：知识整合的起点不是买知识库软件，是回答"我们最贵的重复踩坑是什么"。 从那个坑开始建第一个 AI 助手。
能力四：决策辅助——从"发生了什么"到"该怎么办"
数字化时代的报表告诉你：销售下降 20%，库存上升 30%。然后呢？“为什么"和"怎么办"还是要开会。
AI 开始接管这一步。澳大利亚联邦银行用 AI 做反诈和可疑交易识别，客户被骗损失下降 50%、欺诈报案下降 30%——这不是报表，是系统直接判断"这笔交易有问题"并行动。沃尔玛用谈判 AI 直接和长尾供应商谈采购条款，64%-68% 的供应商谈成，平均拿到 1.5%-3% 的降价，不少供应商反馈"和 AI 谈更舒服，它不摆脸色”。
能力五：行动——从建议到直接执行（也是风险最大的一级）
前四种能力输出的都是"给人看的东西"，第五种不一样：AI 直接干活。
发现客户沉默 7 天 → 生成跟进策略 → 起草邮件 → 发送 → 预约会议，全程无人经手。Salesforce 的客服 Agent 一年多处理了 300 万次支持对话，约占全部客户交互的一半，年化节省 1 亿美元。深圳福田区上线 70 个"AI 数智员工"，公文格式修正准确率 95% 以上、审核时间缩短 90%。
但行动能力必须和另一组案例放在一起看：
- 加拿大航空的客服机器人向乘客错误承诺了退票政策，法院判决：AI 说的话，公司要照单认账；
- Klarna 用 AI 替代了大量人工客服，一年后公开承认服务质量下降，重新招人；
- 麦当劳的 AI 语音点单试了三年，准确率停在 80%-85%，全面撤回人工。
规律很清楚：能力等级越高，错误的代价越大。 理解错了浪费几分钟，行动错了就是真金白银和品牌事故。
所以，AI 转型解决的到底是什么问题？
回到开头的框架。数字化解决的是信息流的问题——传不动、存不住、算得慢。AI 解决的是三条新的"流"：
- 知识流：经验从个人脑袋流进组织，从老员工流向新员工；
- 决策流：判断不再堵在少数专家和管理者那里排队；
- 行动流：从"系统提醒人做"变成"系统自己做，人来验收"。
一句对照：数字化让信息流动，AI 让知识流动；数字化自动执行规则，AI 自动发现规则。
落地顺序：一个务实的建议
五种能力不是套餐，别一起上。按风险从低到高排：
- 先上理解和知识整合——错了有人兜底，收益立竿见影（读合同、搜知识、会议纪要）；
- 再上推理和决策辅助——输出给人看，人来拍板，同时积累对 AI 准确率的真实认知；
- 最后上行动——且只在"错误当场可见、当场可纠"的场景先行动（内部流程优先于对客户承诺）。
顺丰是这个顺序的好样本：语音录单让快递员当场能改、客服摘要让坐席当场能核，揽收效率提升约 30%——每个场景都把错误暴露在最便宜的位置。
什么时候不该急着上？ 如果你的场景是"错误要几个月后才暴露、暴露时已成事故"（定价、授信、医疗判断），今天的正确姿势仍然是 AI 建议、人拍板。Zillow 当年用算法直接出价买房，市场一转向，8.81 亿美元学费——那还只是比大模型简单得多的算法。
下一篇把镜头拉远：信息化、数字化、AI 化三个时代，机器分别替代了人的什么？以及为什么说 AI 转型的终点不是"上一个 AI 系统"，而是换一种组织。
参考资料
- 摩根士丹利 GPT-4 助手：CNBC https://www.cnbc.com/2023/09/18/morgan-stanley-chatgpt-financial-advisors.html
- 盘古矿山大模型：人民日报 http://paper.people.com.cn/rmrb/html/2023-07/21/nw.D110000renmrb_20230721_1-15.htm
- 摩根大通 AI 成效：AI News https://www.artificialintelligence-news.com/news/jpmorgan-chase-ai-strategy-2025/
- 德勤澳洲报告退款：Fortune https://fortune.com/2025/10/07/deloitte-ai-australia-government-report-hallucinations-technology-290000-refund/
- 麦肯锡 Lilli：McKinsey https://www.mckinsey.com/capabilities/tech-and-ai/how-we-help-clients/rewiring-the-way-mckinsey-works-with-lilli
- Moderna 750 个 GPT：AI Native Foundation https://ainativefoundation.org/ai-native-case-study-8-moderna/
- 澳联邦银行反诈数据：UXDA https://www.theuxda.com/blog/ai-gold-rush-21-digital-banking-ai-case-studies-cx-transformation
- 沃尔玛谈判 AI：Bloomberg https://www.bloomberg.com/news/articles/2023-04-26/walmart-uses-pactum-ai-tools-to-handle-vendor-negotiations
- Salesforce Agentforce：Fortune https://fortune.com/2026/04/18/salesforce-agentforce-ai-efficiency-revenue-growth/
- 深圳福田数智员工：新华网 http://www.news.cn/20250223/f775260987f94493906eed24619538d6/c.html
- 加拿大航空判例：CMSWire https://www.cmswire.com/ai-technology/ai-fails-lessons-learned-from-the-front-lines-of-tech-retraction/
- Klarna 回调：Computer Weekly https://www.computerweekly.com/news/366634565/Artificial-intelligence-helps-Klarna-double-revenues-with-half-the-staff
- 麦当劳语音点单终止：Ten Past Tomorrow https://www.tenpasttomorrow.com/blog/the-failed-mcdonalds-ai-drive-through-experiment
- 顺丰智能揽收：53AI https://www.53ai.com/news/LargeLanguageModel/2024083049562.html
- Zillow 亏损复盘：Full Stack Economics https://www.fullstackeconomics.com/p/why-zillow-is-like-my-bad-fantasy-football-team
📚 系列《AI 时代的底层思考》· 全 8 篇
- 数字化转型到底解决了什么问题
- AI 转型用什么能力，解决什么问题（← 本篇）
- 信息化、数字化、AI 化，机器在替代人的什么
- AI 是怎么一步步逼近人类能力的
- 把“能力”拆成三层，看清 AI 拿走了什么
- 企业 AI 转型，五条不会过时的判断
- 替代与新生，机器每拿走一样人长出什么
- AI 什么都能生成后，“真实”还剩什么
上一篇：数字化转型到底解决了什么问题 ｜ 下一篇：信息化、数字化、AI 化，机器在替代人的什么