《AI 时代的企业转型》：一本务实不务虚的 AI 转型手册（在线可读）
我写了一本书，讲企业到底该怎么做 AI 转型。它现在已经上线，可以免费在线读：
一句话说清这本书
市面上关于 AI 的内容不缺，缺的是能落地、又经得起推敲的判断。这本书想立住的，就是一句话：
数字化把"流程"交给机器；AI 转型的本质，是把"判断"交给机器。
而做得好的企业，不是用 AI 最多的，是最清楚"哪些能交给机器、哪些必须握在自己手里"的。整本书，都是围绕这条线展开的。
为什么还要再写一本 AI 的书
因为大多数同类内容，要么是工具罗列（很快过期），要么是"拥抱 AI、赋能业务"这类正确的空话（说了等于没说）。我想写一本相反的，于是给自己定了两条硬规矩：
- 反废话：拒绝正确的空话。每个论断都要挂上一个具体场景、一个数字或一个反例；每个案例、数字都必须有可点开的出处——查不到出处的，宁可标一个缺口，也绝不编。
- 耐久优先：把"原理层"（机制、判断、边界）写厚，把"工具层"（具体产品、型号）写薄——力求三年后依然成立，而不是变成一本"某年 AI 工具说明书"。
书里有什么
全书十二个部分，按读者分层，从"看清本质"一路走到"能动手"：
- 认知篇 — AI 转型到底在转什么、能做什么不能做什么、价值从哪来
- 战略与判断篇 — 该不该投、怎么算账、怎么花钱、以什么节奏下注
- 对外重构篇 — 内部提效之外：重做产品、开辟新收入
- 组织篇 — 谁来负责、人才、人机协同、组织形态、文化与激励
- 落地篇 — 路线图、数据、技术选型、Agent 体系、试点到规模化、护栏
- 运营篇 — 衡量、运维、成本、迭代与治理
- 合规治理篇 — 数据合规、算法责任、AI 伦理落到制度
- 场景篇 — 分职能、分行业的真实案例
- 失败案例篇 — 三个端到端死因复盘（全书最务实的一块）
- 服务商与创业篇 — FDE、创业机会、企业未来形态
- 宏观与未来篇 — 经济、社会、行业的趋势判断（全程标注"推测"）
- 参考手册 — 检查清单、模板、反模式速查、术语表
两个我自己最看重的部分
一是失败案例篇。 成功的故事各有各的运气，失败的教训却往往相通。我拆了三个有公开记录的真实翻车——Zillow 的算法买房（亏损超五亿美元）、IBM Watson 的肿瘤项目（花了四年、六千多万美元后叫停）、亚马逊那套学会了性别偏见的招聘 AI——每一个都追到出处，把死因拆到本质。这是全书最该反复看的一块。
二是贯穿全书的那些"深度议题"。 它们不单独成章，而是作为暗线织进各处：判断一件事该不该交给 AI 的四条边界、哪些边界会随技术松动、哪些永远不会、以及为什么"责任"这件事，无论 AI 多强都交不出去。这些是想通了就不太会过时的东西。
它是怎么写出来的（有点特别）
这本书是在 AI（Claude）辅助下完成的，但方式可能和你以为的相反：我提供原创判断和方向，AI 负责把它结构化、联网核实案例、成文，并且扮演"怀疑我的 CTO"逐段挑刺。 凡是查不到一手出处的案例，一律标注缺口、不拿印象充数。
某种意义上，写这本书本身，就是书里那句话的一次亲身实践——把"判断"握在自己手里，把"生成与核实"这类活交给机器。
在线阅读
全书免费、可全文阅读，托管在 GitBook：
👉 https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/
如果你是企业里推动转型的人——创始人、高管、数字化负责人，或是做 AI 落地的顾问、服务商、创业者——希望它能帮你在喧嚣里，找到一把不太会过时的尺子。