內容來源：量子教育，企業人才培養優質內容及創新解決方案服務商。 分享嘉賓：董俊豪，原Facebook高階軟體工程師，一念星球創始人兼CEO。
高階筆記達人 | 天朗明月 責編 | 柒 排版 | 拾零 第 8899 篇深度好文：9988 字 | 21 分鐘閱讀
宏觀趨勢
筆記君說：
就在前幾天，DeepSeek突然低調升級V3模型：編碼能力顯著提升，聊天語氣更像人類。
這讓很多AI從業者感到興奮，但對於企業來說，企業究竟應該用何種姿勢擁抱AI大時代？如何做才能真正讓AI成為企業生產力？
這不是選擇題，而是一道生死命題。
或許，我們可以從今天的這篇文章中找到答案。
大家好，今天我們分享的內容是企業AI應用的落地，以及如何以正確姿勢擁抱AI大時代。
我們都知道最近DeepSeek爆火了，今天我們藉著它爆火的背後，瞭解AI界到底發生了什麼？
1.2022到2023，個人好奇，企業觀望
AI在ChatGPT剛出現的2022年11月30日，剛開始時大家對其態度較為冷淡。對個人而言，認為這個東西與我無關，似乎只是一個玩具。
比如，很多人會詢問它明天福利彩票的中獎號碼，或是如何掙到人生中的第一個100萬等各類問題。
對於企業而言，可能距離變得更遠，認為其商業價值有限。有時與它交流存在溝通障礙，甚至感覺它在一本正經地胡說八道。
產品的質地僅停留在這裡，有時候與他說話還說不明白，或者他一本正經胡說八道，在這種情況下，企業並非是擁抱它的最佳時機。
所以，那時嚐鮮的人非常少。
2.2023到2024，AI開始祛魅，更卷更務實
在2023年，許多龍頭企業紛紛下場，認為這是一個全新的AI時代。他們投入大量資金，致力於訓練自身垂直領域的大模型。
當時，許多企業紛紛宣佈，要麼選擇本地部署自有模型，要麼依託自身在垂直領域的優勢，自行訓練模型。
隨著時間推移，大家發現模型迭代的速度非常快。以ChatGPT為例，在其3.5版本釋出後的短短數月內，OpenAI便推出了GPT4。相較於3.5版本，GPT4的效能提升顯著，其能力遠超前者，足以支援商業化應用。
在這種情況下，企業發現，與其花費大量成本部署模型，在實際效果上還不如DeepSeek等工具出色，即便在自身擁有資料優勢的垂直領域也是如此。
因此，從2023年下半年到2024年，大模型的概念開始在企業端去魅。企業不再盲目追求花費巨資部署或訓練模型，而是更加註重如何充分利用現有模型。在此基礎上，企業透過掛載RAG知識庫、梳理業務流程等方式，使AI發揮更大的作用。
這一轉變過程中的一個標誌性事件是DeepSeek引發的變革。2024年5月，DeepSeek宣佈大幅降價，其對標GPT4的大模型DeepSeekV2的價格降至每百萬token輸入一元、輸出兩元，約為GPT4價格的三十分之一。
隨後，各大廠商紛紛跟進降價，包括位元組、百度、阿里巴巴等，以此爭奪B端使用者和開發者市場。如此一來，中國企業能夠以更低的成本使用這些大模型的API，這在很大程度上得益於DeepSeek的率先降價。
DeepSeek的降價推動了國內先行者更加務實地利用AI，他們不再侷限於過去的大模型訓練，而是透過提示詞、智慧體、微調以及RAG知識庫等手段，利用免費資源，使AI發揮更大效果，更加務實。
3.2024到2025，大廠各自選路，Agent也分兩派
從2024年到2025年，模型經歷了一段時間的發展與迭代。一些公司意識到，大模型的訓練不僅耗時長，而且成本高昂，難以支撐全面的發展。於是大家紛紛選擇了自己的方向。
隨著DeepSeek的爆火，選擇細分領域的DeepSeek，如上圖所示，率先在全球免費APP排行榜上佔據首位，顯示出其在特定領域的領先地位。
第一，多模態與單模態之爭
在這個階段，一些公司如豆包和OpenAI，他們去賭多模態，致力於在多模態方面取得進展，特別是在音訊和影片處理上。然而，也有公司如DeepSeek和Kimi，他們就賭單模態，更專注於文字模態。
具體來看：在多模態方面，比如OpenAI，之前釋出了Sora，釋出時轟轟烈烈，但到了年底，實際使用效果並未達到預期。相比之下，國內的一些多模態產品如海螺AI，用起來就非常好，這是走多模態的方向。而走單一模態的DeepSeek和Kimi也推出了自己的推理模型，使用者體驗也非常好。
第二，Agent的SOP與LLM兩派之爭
Agent技術也分為兩大派別：SOP驅動派和LLM大語言模型驅動派。
以Coze為代表的SOP驅動派認為，企業的知識和流程是大模型所不瞭解的，因此需要將企業的流程梳理出來，並在智慧體搭建平臺上進行復刻，實現流程的AI化。
而Manus所代表的LLM大語言模型驅動派則相信，大語言模型能夠找到最佳的路徑，從而簡化甚至省略中間過程，直接完成任務，當然，也有人認為Manus也是內建工作流和提示詞的中間狀態，未來將會出現模型即產品的Agent局面。
比如，當給予Manus特定指令後，它能夠迅速蒐集資料、整理資料並作出響應。
群友提供了這樣一個例子，假設希望Manus能解釋下“強化學習概念”任務，這是AI模型訓練中非常重要的概念，要求它並非藉助技術手段及底層語言進行講解，而是透過AI生成的網站，以清晰的圖示詮釋強化學習的各個概念、主要演算法及其原理。
令人驚豔的是，它竟然還生成了一個強化學習互動小遊戲，使使用者在遊戲中逐步理解強化訓練的本質，以及大模型訓練的實際情形。
這便是Manus的顯著優勢所在。
綜上所述，以上便是2023年到2025年AI界發生的事情。而DeepSeek也僅是在單模態領域發揮自己的專長，率先製作出驚豔世界產品的一家公司。
1.DeepSeek在使用時要重視的3個問題
問題1：隨機性問題
下圖是朋友發給我的截圖，這是他在網上看到的一組圖片，我們可以看到：
問豆包strawberry裡有幾個R，豆包說2個R。問GPT4o相同的問題，答案也是2個。隨後問DeepSeek，得到的答案是有3個R。
基於此，朋友得出結論，認為DeepSeek的效能最為優越。他問我是這樣嗎？我回答他：為什麼你不親自試一試？如果你親自試一試，就會產生疑問。
比如，豆包可能會在他的測試中回答也是正確的，或者他可能只是運氣好，恰好DeepSeek這次回答出現錯誤。因此，大語言模型的輸出本身具有隨機性。
針對這個問題，我在各個平臺上進行了超過1000次的測試。每次講百人場時，我都會讓大家拿出手機測試。事實上，平均出錯率大約為10%，即每十次測試中，大約有一次會出現錯誤。
所以，當DeepSeek變得流行後出現大量熱點內容時，你一定要具備鑑別能力，如何鑑別？就是親自上手試一試。
問題2：幻覺問題
我曾計劃撰寫一篇關於中美AI對比的文章，並期望藉助DeepSeek查詢相關論據以及提供文章框架。具體如下圖所示：
它為我提供的內容大致如下：中國AI工程師總量達85萬人，其中系統最佳化佔比32%。根據Linked in的資料顯示，華裔AI工程師回國任職比例高達17%。此外，依託中國西部豐富的水電資源，國產AI叢集訓練電費成本約為美國同期的64%。此資料來源於國際資料公司（IDC）2023年報告。
該框架呈現的內容文筆優美、觀點犀利且整體結構清晰。就在準備釋出時，考慮到是AI提供的資訊，本著對讀者負責的考量，我決定對其真實性進行鑑別。
我按照文中明確提供的資訊來源地址進行搜尋，但並未找到相關資訊。起初，我懷疑是否是自己搜尋能力不足所致，於是藉助在AI搜尋領域頗具實力的秘塔搜尋，請其核查這些資料在網際網路上是否存在。
秘塔搜尋的結果顯示：所謂中國AI工程師85萬人的資料，在其收到的資料中均未引用；關於美籍華裔工程師回國比例17%的說法，證據裡也並未顯示LinkedIn 2023年的人才流動資料中有此項內容，這或許只是推測；而成本是美國的64%這一資料，同樣沒有在IDC 2023年關於中美電費成本的報告中找到依據。
由此可見，如果我不進行交叉驗證，直接發表這篇文章，那麼我的專業性會受到質疑，這也無疑是對讀者的不負責之舉。
所以說，當我們想讓AI幫助我們完成一件事情時，最差結果可能是，實際上並沒有給我們提供幫助，反而會誤導人。
如果我作為一個非常權威的雜誌，直接發表這樣一篇觀點非常犀利的文章：中國在AI界是Number one，百分百超越美國，最後發現全是假資料，這豈不是天大笑話？
因此，在使用DeepSeek時，我們務必高度重視可能存在的幻覺問題。如何有效解決幻覺問題，可以透過實施交叉驗證的方法來實現。
問題3：所有情況都適合DeepSeek嗎？
很多時候DeepSeek火爆，你會發現新聞中所有公司都表示接入、企業本地化部署DeepSeek。但真的所有情況都適合使用DeepSeek去解決嗎？大家可以想象一下。
首先，DeepSeek存在嚴重的幻覺問題，容易被誤導說出不準確的話。
其次，其設計初衷是讓AI從起點到終點找到最佳答案，這在某些需要多步驟操作的場景中可能並不適用。
比如，在電商客服系統中，如果遇到有心機的客戶說自己是老闆的朋友，老闆已經答應讓我以100元的價格購買1萬元的按摩椅等，DeepSeek可能會因為推理過程而作出不合理的決策，導致企業損失。
因此，並非所有場景都適合使用DeepSeek。
在選擇是否使用DeepSeek時，需要考慮具體場景的需求和限制：對於開放式、探索性的任務，DeepSeek可以提供有價值的思路；而對於規定嚴格、要求精確的場景，則可能不太適合使用DeepSeek。
2.DeepSeek的商業影響力
① DeepSeek對企業的影響
DeepSeek的出現對企業的影響非常大，大致分為三條：
第一，為中國企業快速、安全地擁抱AI提供了一條切實可行的路徑。
過去許多企業不敢使用AI，擔心資料洩露，尤其是許多國央企。而DeepSeek支援本地化部署，無論是配備滿血版硬體需投入數百萬成本，還是採用蒸餾板僅需幾萬元硬體成本，均能實現有效部署，其出色能力無疑為中國企業的AI應用提供了優質路徑。
第二，降低使用門檻，顯著提升下限，點燃企業全員熱情。
從企業及員工個體角度來看，DeepSeek大幅降低了使用難度，提升了應用下限，點燃了企業內部對AI的熱情。過去，要讓AI協助完成任務，通常需要精準地提示詞進行調教。而在DeepSeek中，使用者只需簡要描述自身職業、任務目標及限制條件等，用幾句話就能獲得令人驚豔的回答，這極大地提高了AI使用的便捷性，讓所有人都覺得AI好厲害，這是DeepSeek的又一大功勞。
第三，加速了中國企業AI化程序，倒逼企業加快AI轉型步伐。
事實上，DeepSeek的出現顯著加快了中國企業的AI發展程序。在2023年企業著手推進AI賦能工作時，許多企業起初既無緊迫感也缺乏對AI的瞭解，也不明白AI的含義以及擁抱它的原因。
然而DeepSeek火爆之後，所有人的問題已經不再是是否需要和為什麼，而是如何擁抱AI以及如何利用好DeepSeek。這大大加速了中國企業AI化程序，倒逼企業加速AI轉型的步伐，使中國企業的競爭力在全球市場得到提高。
② DeepSeek對個人的影響
第一，個人AI學習曲線變得更加平緩，上限更高。對於企業中的個體而言，我們的學習曲線更加平滑。然而需要明白，一個更好的模型意味著更高的上限。
第二，AI表達力的重要性變得更高，需要更強的分辨能力。當AI的表達力及提示詞能力得到提升時，能夠更有效地推動模型輸出接近上限。以往AI無法完成的任務，如今藉助DeepSeek等工具得以實現。
第三，技術迭代的速度，倒逼個人需要加快對於新變化的學習。
在AI時代，唯一不變的便是持續學習與跟進AI的發展。在此過程中，有一個核心理念可供參考，即“遇事不決問AI的念頭和意識”，即第一念原理。
具體怎麼做？首先思考AI能否協助完成、如何完成以及能達到什麼程度。其次，若AI能直接出色地完成任務，則無需人工干預；最後，若AI產出的結果為基礎水平，則可考慮在此基礎上進行最佳化，透過人機協同將成果從60分提升至80分甚至90分。
希望在AI時代，大家都能養成“遇事不決問AI的念頭和意識”的好習慣。
1.搞清楚為什麼要擁抱AI？
最近DeepSeek很火爆，然而作為企業，我們似乎並未感受到實質性的變化。僅僅是每個人的桌面和手機上多了一個DeepSeek的應用程式，但整體運營效率並沒有顯著提升，也未實現企業級的變革。
在探討這個問題之前，我更傾向於從企業的角度出發，先提出一個問題：要不要擁抱AI？
正如我所說，今天你的答案非常清晰，就是要。但你是否深入思考過，既然你希望擁抱AI，那麼背後的原因是什麼？如果你的動力和原因不足以支撐你去完成這件事，那麼你背後的動作和決心就會變形。
回顧去年我們服務的眾多企業，我們發現一個現象：我們的陪跑服務週期平均為三個月，但有些企業將這一週期延長至六個月，甚至最長達到八個月。
為什麼會出現這種情況呢？原因在於，AI對他們來說是一個可有可無的好東西，但是它不是關鍵且必須擁抱的東西。
至少在去年，AI火爆之後，許多人認為必須擁抱它，但是否從商業底層思考為何要擁抱AI？
很多人提到降本增效，我們真的需要降本增效嗎？降本增效當然好，假設我能夠為你每月節省20萬的成本，這無疑是一件好事。然而，這真的是必要的嗎？如果不減少這20萬的成本，你的企業會倒閉嗎？答案似乎並不確定。
比如，如果你的企業利潤豐厚，每年盈利一個億，那麼每月節省20萬、一年節省200萬對你來說可能並不重要。在這種情況下，你是否還需要擁抱AI呢？
我們必須明白這個問題，才能在之後的決心和行動上給予更好地支援。
2.思考擁抱AI的核心原因
案例1：諾基亞與iPhone的興衰
在蘋果iPhone 1代問世之際，諾基亞的市場佔有率高達49%。當時，諾基亞在全球手機市場中佔據絕對霸主地位，幾乎每兩部手機中就有一部是諾基亞的產品。
面對蘋果iPhone 1的出現，當時諾基亞認為這只是一個玩具。它不耐摔，認為它無法在市場上立足。
然而，隨著時間的推移，我們都知道了後來的故事：五六年後，諾基亞的手機業務被收購了。
如果讓諾基亞重新選擇一次，你認為它會如何選擇？
這與AI非常相似，如果今天我不擁抱AI，那麼我可能不會生存嗎？可能短期不會，就如同你的競爭對手，只是比你減去一年200萬元的成本，你一年賺兩個億擔心什麼？
但是，你有沒有想過，當他成功降低成本後，他可能會擴大生產規模和品牌影響力，甚至將節省下來的成本直接讓利給消費者，或者用於品牌推廣，從而擠壓你的市場空間。
現在，也許你活得很好，可能不擁抱AI，但是一年、兩年、三年、五年後，我們的企業將會怎麼樣？
案例2：瑞幸9.9元戰略下的生存抉擇
舉一個我身邊朋友的例子，我有一個經營奶茶店的朋友，他的品牌在全國擁有超過一百家分店。這些店鋪的客單價大約在十幾元，每單的利潤有兩三元，儘管如此，他的生意依然紅火，並且品牌持續擴張。
然而，就在這種看似一帆風順的擴張過程中，他突然宣佈關閉全國所有門店。大家可能會好奇，這是哪一天發生的？那一天發生了什麼事情？
那天，瑞幸咖啡宣佈推出9.9元的咖啡產品，並強調這將成為其長期戰略的一部分。這一訊息一下子讓他慌了。儘管喜茶和奈雪等競爭對手也推出了類似的低價產品，但他並不擔心，因為都是引流品，為的是後端的一些產品。
然而，當瑞幸以9.9元的價格仍能盈利時，情況就不同了。瑞幸不僅擁有強大的品牌影響力、良好的使用者體驗，還具備價格優勢，這使得我的朋友意識到無法與之競爭。因此，他果斷決定關閉所有門店。
所以，我想和大家交流的是，雖然你現在沒有擁抱AI，但是未來一年、兩年、三年後，當你還在尋求增長和擴張時，可能會突然發現整個市場不存在了，你的商業模式遇到了問題，這是非常有可能發生的。
這正是我們需要思考擁抱AI的核心原因。如果你能想到這一層，那麼我相信你的決心和動力都會十足。
企業應用AI實際上是雙輪驅動，第一是全員AI化，第二是業務流AI化。所謂全員AI就是人人懂AI，業務流AI化就是事事有AI，這聽起來非常簡單。
1.全員AI化：人人懂AI
先來講全員AI化這件事。
根據埃森哲的一份報告，具體如下圖所示：
當前人工智慧（AI）在工作領域的替代能力，從行業角度來看，平均約為31%。在銀行、保險等辦公密集型行業中，AI的影響程度尤為顯著。而在體力勞動為主的工業、化工及自然資源領域，其影響力相對較低。然而，整體行業的平均值仍維持在31%左右。
按崗位型別劃分，如上圖所示，情況也頗為相似。辦公室支援和行政支援等職位的AI替代率甚至超過50%，而保潔、維護等崗位則不足10%。無論是按行業還是職業分類，平均替代率均在31%左右。
這意味著，如果企業全體員工能夠深度利用並掌握AI技術，理論上可以實現20%至30%的效率提升。這一結果是顯而易見的。
全員AI化的好處遠不止於此，但其推廣並非易事。實際上，實現全員AI化需要一定的時間。例如，藍色游標和安克創新等上市公司早在GPT釋出之初就提出了全面AI化的理念，並且已經實施了超過一年的時間。
因此，推動全員AI化是一個逐步的過程，需要我們逐漸將AI融入組織文化中，使組織逐步實現AI化。
全員AI化主要分為以下4個階段：
① 思維轉變
我們強調，思維轉變至關重要，它是變革的起點。有了思維轉變，基本上已經成功了一半。我們要做的事情是讓企業員工都能對AI感興趣，不牴觸AI並充分擁抱它。
在過去服務的很多企業中，上同樣的課、做同樣的專案、做同樣的工作方式，不同企業的感受完全不同。有的企業認為收穫很大，有的企業認為這事跟我沒關係，我也不用好好聽。即使你講得課再好，人家也不聽，那你有什麼辦法？
因此，整個思維轉變是第一步，我們首先要把全員的思維準備好，全員的意識要覺醒，要認識到AI是我們必備的能力，不進則退。
② 能力構建
在這個時代車輪滾滾向前的時候，唯有擁抱AI才是明智之舉，抵抗只會讓我們陷入被動。
試問，將自己置於AI時代潮流的對立面，對公司未來趨勢視而不見，這真的對你有益嗎？答案顯然是否定的。
當員工想明白這個道理，有了思維上的轉變，我們就可以藉此機會培養他的AI使用能力。隨著能力培養和意願提高，他們逐漸形成了一個正向飛輪。
一旦有使用場景，他們就會喜歡使用AI。由於AI能力不錯，效果也非常好，因此使用次數越來越多，越使用越好，越好用我們就越使用，從而形成了這樣的一個正向飛輪。
③ 習慣養成
隨著你不斷使用AI，逐漸養成AI使用的習慣，這是我們所說的第一念原理。
④ 文化重塑
當第一念原理已深深植根於組織成員心中，且先進者引領後進者逐步養成AI使用習慣時，組織文化便得以重塑，並被打上AI的標籤。
此時，新成員加入會發現，若不擁抱AI，將陷入脫節困境——他人用AI兩分鐘完成的任務，自己卻需耗時兩小時。
因此，他不得不擁抱AI。如此，組織便實現了真正的AI化。
當一個組織AI化後，它的創新力、效率和敏捷度完全不同。只有這樣的組織才能夠在AI大時代下立於不敗之地。這就是我們所講的全員AI化。
2.業務流AI化：事事有AI
① 什麼叫業務流AI化？
什麼叫業務流AI化？其實就像服務用友公司一樣，它並不是每個銷售都需要深度學習AI的使用能力。
雖然我們進行了培訓，但效果更好的是我們基於業務流程進行梳理。在梳理完成之後找到AI的應用結合點，開發出AI工具直接供他使用，相當於將AI工具嵌入到原有業務流中。
這樣在他不需要掌握太多AI技能的同時，能夠享受AI帶給我們的結果。
當然，想要真正理解業務流程化的概念，還需要看看是怎麼看待AI的。大家覺得AI是什麼？是一個工具，或者是一個搜尋引擎，亦或是什麼東西。
我們認為，不管你過去把它當什麼看，現在轉換視角，AI其實是另一種生命。
當我們以生命的視角看待AI時，你會發現整個組織發生了很大變化。傳統組織縱向深入，橫向不打通，效率非常低下。而網際網路組織進一步實現扁平，效率得到提升。
AI時代的組織應該是什麼樣的？AI時代的組織不一定全部由人組成，AI一定是矽基生命和碳基生命共存的組織。
未來我們一定會跳脫原有組織形態，生長出（上圖所示）這樣的共生型AI流式組織，這個組織里有碳基生命和矽基生命。
如果現在問你企業多少人，你會說300個人，未來你可能會回答我有20個碳基生命和30個矽基生命。
因此，當你把AI當作一個生命時，整個感覺完全不同。
當你有了這種意識後，就會知道業務流AI化的好處。
第一，人力資源顯著降低。
第二，擺脫人的能力波動。
今天人的狀態可能不好，明天生病了等都會對工作產生影響，但AI不會。
第三，賦能前端，快速響應，決策效率非常高。
過去，我們如何進行決策？基層人員首先觀察到變化，然後將資訊逐層上報至領導，接著進行討論，再將指令逐層下達，最終作出決定並實施改變。整個過程可能需要一天、一週甚至一個月的時間，具體時長取決於組織的響應速度。
在人工智慧時代，智慧體（Agent）直接接收並處理資訊。資料是構建AI的基礎，整個資料集是相互關聯的。一線的智慧體能夠全面瞭解所有資料，並具備足夠的思考能力。因此，此時的決策可以在秒級內完成。
相較於過去需要數日、數週乃至數月才能做出的決策，現在能夠在幾秒鐘內觀察到變化便可以迅速做出決策，這就是業務的流AI化。
第四，正如我們所講，我們不需要每個人都深度掌握AI的使用能力，只需要將AI工具開發給使用者使用即可。
這是業務流AI化的概念。
比如，在短影片製作方面，原有的流程是：獲取使用者畫像、確定產品賣點、撰寫初稿、進行初審、修改為二稿、再次稽核、輸出檢測，直至最終定稿。
當我們將這一傳統流程梳理清晰後，實質上就是利用AI技術對其進行了全面重構，透過AI工作流實現了業務流程的自動化，這便是我們的業務流AI化，即一旦此流程趨於固定且具有高度重複性，我們即可採用這種方式實施。
②如何做到業務流AI化？
我們說業務流AI化有三重境界，即最佳化、重構和掀翻。
具體如何理解？這涉及到對現有流程的梳理，並思考如何透過AI技術進行最佳化、重構乃至掀翻的思考。
首先，考慮在現有流程不變的情況下，哪些環節可以與AI技術相結合；其次，如果流程發生變化，但輸出保持不變，那麼在AI時代是否有可能對整個流程進行重構；最後，探討流程輸出本身是否已不再適用，以及如何在AI時代設計新型流程，嘗試利用AI能力重塑我們的業務流程。
以電商產品圖為例，如上圖所示。左側是在小紅書上的圖片，客戶認為非常好，現在需要將右側的產品拍攝成左側的樣子。
原來可能需要實景拍攝，現在利用AI如何復刻？具體下圖所示：
我們先將AI納入其中，使用AI生成左邊的內容。因為AI無法判斷產品的外觀，所以使用AI生成的極限即為左邊這張圖。當AI能力不足時，我們可以利用人工智慧加入PS技巧，製作出右側這張圖片。
這正是以AI為中心的流程設計思路。然而，僅僅重構流程是否足夠？我們是否能夠做出更大的改變掀翻業務流？AI時代的業務流的輸出真的有效嗎？是否有可能輸出本身就是錯的？我們是否考慮過過去生產的文案、海報和影片在AI時代是否是最高效地傳遞資訊方式，是否有更好的方式去完成這些事情？
這些問題的背後其實都是未被滿足的需求點。所以，新機會點的本質是需求未被滿足。當我們梳理出流程後，透過最佳化、重構和掀翻業務流的方式，就可以更好地找到AI時代的新機會。
即整個業務流AI化的關鍵點在於找到關鍵業務流程。透過精準嵌入AI並非廣撒網式的隨便找個AI的結合點開發一個智慧體嵌入流程，我們的目標是找到那些高重複性且對企業有重大幫助的業務流程。
最後，我想與大家分享，這是一個嶄新的時代，百年難遇的技術革命已然降臨，而我們有幸在這個年齡親歷這場革命。
實際上，AI本質上是一場效率革命，它並非簡單的降本30%的效率提升，而是一場10倍速的效率提升，可能從2小時變成5分鐘。
當效率達到極致時，商業模式將發生變化，這是一場極其罕見的效率遊戲。整個世界的資源都會因效率的不同和高低而重新分配，所有資源都會向高效傾斜。
希望大家從今天開始以更開放的心態擁抱AI，對於企業而言，我們要做好雙輪驅動，更好地理解和擁抱AI，真正讓企業插上AI的翅膀，在新的時代展翅飛翔。
以上就是今天的分享，謝謝大家！
*文章為作者獨立觀點，不代表筆記俠立場。
主辦方簡介——
好文閱讀推薦：
分享、點贊、在看，3連3連！
