AI就是技术部门的事？就是降本增效（裁员）？

没有大数据，就搞不了AI？

全员会用AI，就是AI组织了吗？

如果你的答案有一丝犹豫，那么，你可能正站在被时代淘汰的边缘。

今天上午，混沌创新领教、Al创新院导师沈攀，为大家拆解了从L1到L5的AI落地增长路径，说透了六大业务场景的变革之法。这不仅是效率革命，更是一场关乎生存的范式重构。

AI落地核心框架 - 从L1到L5的增长路径

有多少人预见到它们在几年后会成为颠覆商业模式的巨头？其实回看中国消费二十年图谱，可以发现互联网产业渗透到了方方面面，已然成为驱动中国消费发展的重要动力。2010年支付宝推出扫码支付，2012年天猫成立，2013年微信支付上线、支付宝用户过亿，2014年微信红包推出，2015年拼多多成立，2016年抖音上线、淘宝直播上线，2018年李佳琦直播间日销售已经过亿，2020年直播电商破万亿，2023年店铺自播已经日常化。回到2015年，我们应该要干直播了，因为你已经知道即将开启的就是短视频和直播的时代。那么在当下，我们能不能预测未来？

很多人说世界是流变的，是乌卡的，无法预测。但很多看似无法把握的问题，都是源自于见识不够或想得不透。就像开车在路上遇到堵车，你可能不知道前面发生了什么，但如果爬到高楼上俯瞰城市全貌，就自然会知道哪里堵车，要怎么通过。在非连续性的发展时期，我们之所以感觉到跳跃和断裂，根本原因往往是技术革命。

每一次技术革命的早期，首先改变的是现有价值网——岗位、业务、产品和技术。因为在初期，人们还看不清它的远期潜力，所以往往先用来增收提效。比如瓦特改良蒸汽机后，先驱动的是纺纱机，服务于当时正在发展的领域。L1就是把它当作一个新工具，赋能岗位职能。L2是把它当作一种新能力，应用于业务场景。L3是把它视为一种新技术，实现产品创新。当它的第一性原理越来越清晰以后，L4原生产品和L5原生平台就开始浮现，打造出一个新的价值网。

L1 - 岗位赋能：AI作为新工具提升个人效率

L1立足于岗位，是通过掌握AI工具，提升个人工作效率。关于AI落地的误区之一就是先降本增效。如果先盯着成本，员工会觉得这是“削减”和“压缩”，自然抗拒。但如果先把收入做起来，大家看见了新机会，再去提效和降本，就是“锦上添花”，大家才会去拥抱这个变革。企业不是靠省钱走出来的，而是靠赚钱泡出来的。

本文仅占课程内容的1/10

所以AI落地的时候，先从销售、市场、策划品牌这些部分能够创收的部门做起，有了收入以后大家就会拥抱这个事儿。很多企业习惯从AI提效部门入手，比如说HR、设计或者财务等等。人事部门承担着组织管理和内部润滑的功能，过度削减会导致企业运转受阻。设计部门确实容易被AI代替，但是设计并不是一个创造财富的部门，从费用上节省不了多少，反而可能让公司陷入大幅度裁员的讨论中。财务部门则掌握了大量数据，现阶段的AI在精准度上还存在不足，贸然代替反而会带来很多麻烦。

L1部分最重要的有三个方面。第一，要掌握一些常见的岗位级AI工具，并整理成属于自己的工具集。这些工具有的用于作图，有的用于数字分析，有的用于PPT制作，并且在反复的迭代后，上手都非常容易，能够大幅提升日常工作的效率。

第二，要掌握多维表格。多维表格把数据汇总、AI分析、可视化整合到了一起。比如现在要分析各类爆款文案并进行仿写，只要把不同平台的文案链接导入到飞书的多维表格中，系统就可以提炼出点赞、评论、分享等数据，并用大模型分析背后的卖点、使用场景、用户群体和爆款结构，批量复制爆款内容。再比如在巡店的场景中，过去巡店人员线下了解店面情况，拍照发群里，整理起来可能要一个星期，现在直接把照片同步到多维表格，AI几分钟就能自动识图核对信息。多维表格还可以打造销售管理者分身，迅速整理好销售报告，客户跟进记录也可以实时汇总，在话术调整方面也可以作出指导。同时，多维表格还可以根据数据自动生成可视化的图表，企业可以根据柱状图、饼状图、折线图等等一眼看出趋势，大幅提升决策质量。

第三，要掌握RPA，舆情或竞品监测机器人。只要你选好要采集的数据种类，它就会像一个机器人一样，模拟人类点击、复制、粘贴、搜索、汇总、下载、核对的动作，按照步骤自动重复执行。利用RPA，我们可以轻松做到店铺数据采集、直播间弹幕汇集分析，甚至自动回复直播间中的评论，实现无人值守的直播间。

L2 - 业务赋能：AI驱动六大业务场景变革

L2是掌握场景应用，主要有业务战略、客户增值、产品创新、品牌营销、全域运营和组织效能六大业务场景。

一、业务战略

（一）业务本质洞察

AI赋能下的业务战略中很重要的一个模块就是业务本质洞察，对业务本质的理解决定了整个生意逻辑。德鲁克说过，战略不是研究未来做什么，而是研究现在做什么才有未来，他有一个经典三问：我的业务是什么？我的业务将来是什么？我的业务究竟是什么？

一个业务的市场边界是由客户选择和价值认知决定的，是一种战略判断。增长边界是由营销覆盖、服务运营、产品延展、生态连接这些执行中的能力决定的。隐含边界则与价值假设相关，取决于一个企业的价值观和创始人的领导力。

以宠物食品业务本质为例，首先要问的就是：人们为什么要养宠物？有人说，每当工作一天回到家里，伸出胳膊抱奔过来的狗狗时，压力和疲惫都消失了。有人说，每当加班非常疲惫时，回过头和不远处的猫咪对视一会儿，就莫名感到快乐，仿佛又有继续工作的能量了。还有人说，5岁儿子悉心照顾生病的小猫，那一瞬间感觉他一下子长大了。陪伴解压、爱心责任、教育培养……这些就是人们养宠物的原因。

如果把宠物食品仅仅视作狗粮，那么消费者追求的就是性价比和方便。但当你看到宠物作为家庭成员的本质后，宠物食品就需要营养、健康、多样化，就像为自家孩子挑选食物一样，省钱不是核心了。这与母婴行业高度同构，这两个行业的商品使用者和消费者都是分离的，买的人不直接使用，他们的判断依据就来自于品牌和口碑。很多狗粮有DHA配方，小狗吃DHA，这个需求完全来自于家长。换句话说，宠物食品的真正消费者是宠物主人，理解这一点，行业的本质就完全不同了。

再比如卖手机壳，一个手机壳三十块钱，一年卖出一百万个手机壳，收入在三千万左右。如果要做到一个亿，就必须出海。出海后同样的手机壳可以卖到十几美金，同样的销量就可以上亿。那如果目标是三亿以上呢？客单价就必须提升到五六百，甚至七八百块。到了这个价格它就不单是手机壳了，就像CASETiFY，它的图案基本上是和艺术家一起创作的，已经成为年轻人表达自我和展示创意的平台，其销售额在2022年就突破了三亿美金。这就是业务本质决定了业务天花板。

因此，洞见业务本质的核心问题就是：为什么消费者会为产品付费？对以上回答再追问“为什么”？从根本上说该产品究竟是什么，而不是什么？价值创造的核心是什么？业务逻辑主要建立在什么关键假设上？与传统的共识认知有什么不同？哪些假设在AI时代可能正在被打破？总结提炼为一句话：XX产品的本质是？

很多企业在思考业务本质的时候会觉得很难，但在AI的辅助下，这个问题就变得简单了。有一位做有色金属型材与复合材料的学员，他的目标客户是消费电子、新能源企业。AI得出的结论是：该业务的本质是为消费电子和新能源企业提供“高性能、定制化”的有色金属型材及复合材料解决方案，作为终端产品“功能实现的底层载体”，赋能其核心竞争力，如轻薄、续航能力、能效比等等。这个同学大受启发，过去他们不断和客户强调性价比和成本问题，陷入了低价竞争，但如果把业务方向定为帮助对方提升核心竞争力，这件事情就完全变了。

（二）行业研究

对业务本质有了清晰认知后，就进入到AI赋能下的业务战略中另一个关键模块——行业研究。过去大家常用柱状思维，按照固定的增长率进行营收预测，去年业绩八千万，今年业绩一个亿，那么明年的业绩数据大概就是一点二个亿。这种算法有一定的道理，但如果一个企业三年前营收一个亿，按照50%的复合增长率推算五年后应该有10个亿，但如果整个行业规模才70个亿，它显然不可能独占七分之一。因此，柱状思维并不能指导大家进行远景的思考。

很多企业就像一只小鱼，只能看到周围的同类，但不知道自己是在鱼缸里还是在大海里。这就需要利用饼状思维以空间推导未来。第一，观察市场规模，看看取决于用户需求的蛋糕有多大。第二，思考市场份额，企业的核心能力决定了我能吃多大。第三，计划限期达成，任务计划决定怎么能吃下蛋糕。饼状思维要求我们跳出单一业务去研究整个行业，否则要么误以为行业没有前景过早离开，要么死守一个下滑行业越做越难。

基于使命愿景和战略意图，行业分析通常对六个板块进行洞察。第一，行业定义。行业的界定标准是什么？明确具体的类目和细分领域。第二，驱动因素。行业的底层规律是什么？是政策、技术、消费趋势，还是历史路径？第三，发展空间。行业的未来空间有多大？增速、集中度、成熟度、渗透率如何？一个行业集中度如果很高，那么创业者的机会就很少了。第四，产业链条。行业的关键瓶颈在哪里？要分析产业链的构成环节，业务模式的价值链，各环节的比重、利润率及关键能力。第五，外部环境。行业的利好因素有哪些？宏观政策、经济趋势、地缘政治都会影响行业走向。第六，典型企业。行业的标杆企业怎么做的？像体检一样，将自身的关键指标，如销售额、成本、人员结构、研发投入等与行业标杆对比，才能快速定位差距和提升方向。今天AI工具大大降低了做行业分析报告的门槛。以秘塔搜索为例，只要你输入了行业或业务，它就能自动生成分析框架，补齐数据缺口，并且把数据转化为可视化的图表。

（三）会议决策

在AI赋能下的业务战略中，还有一个关键模块就是决策。决策里面一个常见的场景就是会议。很多企业会议都存在开完就散、说了就忘的现象，每一场会议都在消耗时间、精力和协作成本，讨论缺乏结构，问题没有聚焦，任务无法落地。更遗憾的是，真正的好观点、好建议、好洞察没有被沉淀，最后陷入“开会——培训——再开会”的恶性循环，工作效率反而越来越差。

我设计了一个会议复盘智能体，把会议原文记录导入智能体中，就可以生成完整纪要，自动整理会议背景、议题、共识与分歧，梳理散落的行动计划，明确责任人、时间节点和成果要求，还可以检查常见的遗漏，比如行动计划缺乏截止时间、细化任务等等。同时，它还能够提炼出会议中的好问题、好洞见，让优秀的观点被看见。最终，这个智能体还能生成思维导图，帮助直观呈现会议逻辑。

二、客户增值

复购率要提升、做新的产品、实现营销破局等等，最为重要的就是满足用户需要。满足用户需求需要回答三个问题：需求是什么？用户是谁？如何满足？洞察需求的基本框架是“用户+任务+期待+障碍”。用户就是判断谁是核心用户，谁是潜在用户。任务就是分析在什么场景下完成什么样的任务。期待是指要实现什么目的，在意哪些指标。障碍是指被什么困扰，有什么麻烦。

随着中国供应链的成熟，产品性能好、价格低、耐用性这些功能价值已经基本实现了。因此，今天的用户购买产品的时候，除了关注功能价值以外，还会看重情绪价值，追求产品的内核，以及其带来的社交体验和价值认同，从注重性价比转变为注重心价比。每一个人都为自己的意愿买单，就像有人愿意买700块钱的手机壳，有人愿意买几万块钱的镜头，你眼中所谓的智商税，可能恰恰是另一群人的刚需。

情绪价值往往通过文化、概念、互动附着在产品上，因此品牌需要建立一个三轮驱动系统。第一，内容阵地。围绕即时兴趣，在小红书、抖音、INS、TikTok等平台做内容种草。第二，生意阵地。围绕战略意图，在天猫、京东、抖音电商、线下门店等渠道完成转化。第三，品牌数字私域。私域的核心不是卖货，而是关系经营。通过和消费者大量的产品互动、文化探讨，甚至吐槽和建议中，往往能够推动产品改善，激发新品灵感。在私域运营中，AI应用已经可以通过和用户的对话，将用户标签化，分析用户需求，帮助前台和运营团队更加精准地管理用户关系。

最终，内容阵地、生意阵地和品牌数字私域这三轮形成的是品牌资产和用户资产。在实时反馈消费者洞察、数据驱动产品研发、柔性供应链、全域精准营销这一套闭环完成后，企业才能拉长用户生命周期价值，提高爆品成功率。过去要跑通这一整套闭环，小公司几乎是做不到的。但在AI的加持下，补齐短板变得可行。未来的竞争，将从产品竞争走向体系与认知的高维度竞争。

三、产品创新

产品创新的整个流程包括用户需求洞察、竞品分析、产品设计、价值主张、市场分析和数据分析。这条链路中的很多部分都可以使用AI进行加持。比如在需求洞察中，传统人工翻看评论的方式费时费力，而现在用工具进行数据采集，就可以自动爬取用户的抱怨和差评，有针对性地进行产品改善。

四、品牌营销

AIGC的创作模式与过去习惯的广告设计流程完全不同。“以往是打磨创意、草图排版、深化建模、完稿，现在就是想法、结果、结果迭代。”在过去的链路中，小公司根本无法完成，大量工作需要外包，耗时耗力。而现在从需求洞察，到产品设计、品牌搭建，再到传播内容、数据分析，都可以依靠AI快速完成。像用户洞察这部分，我们就可以用RPA去搜索评论，确定好产品的功能需求和情绪需求后，再利用AI生成品牌故事，并且利用MidJourney等工具生成品牌LOGO、包装等等。过去产品创新可能要五六个月才能完成，现在大概四五周就可以做到。

AI还可以辅助制作营销日历，列出一份可预期的热点清单，把企业的营销活动，不管是公关活动还是促销活动，在年头就规划好。情人节要做什么，520要做什么，母亲节要做什么，双十一要做什么，到节日当天，所有的内容和物料都已经准备好了，就可以进行快速投放了。像西贝、可口可乐这样的大企业就会做一个全年的营销规划，而很多企业过去没有这个能力，现在有了智能体之后，把产品卖点输入进去就可以自动匹配合适的节日，最多一个小时就可以基本完成整年的规划。

在宣传内容上，AI更是高效。即梦现在上新了一个智能体模式，只要你清楚地把要做的事情描述给它，它就能迅速生成一组图片，并且可以根据需求不断修改，就会连贯起来，而这一整个流程下来不到十分钟就可以完成，并且非常高质。

产品价值主张的本质是你想客户承诺的独特价值，它回答一个核心问题：为什么用户要选择你？传统描述往往聚焦于“产品功能”或“企业视角的亮点”，而真正有效的价值主张应该做到从用户视角出发：不是我们想卖什么，而是用户想要什么。比如你说我这个景区环境优美，但是对于用户来说要的是出大片，轻松刷爆朋友圈。对于高端手机壳，卖点是双层钛合金结构设计，而买点是不怕摔，五年不坏，手机更安全有质感。

所以我们就可以有一个卖点变买点的智能体，让标语能够更好地击中用户。比如Livehouse演出的宣传从明星多、环境好转化为“不是看演出，而是加入演出”，宠物项圈标语设计为“上班也能看毛孩子拆家，AI项圈让你不错过它的每一刻”，让用户更容易产生共鸣。

五、全域运营

在企业的销售流程中，华为提出过一个经典模型——LTC（Lead to Cash），即从线索到回款，包括发现销售线索、培育线索、转化为订单、订单执行、回款整个流程。过去这些环节需要大量人工投入，现在AI正在成为新的生产力。以线索管理为例，过去展会和小程序导入的上千条线索，通常需要五天才能整理完，很多优质线索在分配前就已经流失了。但是AI可以根据品牌型号、区域覆盖、利润区间等逻辑自动生成评分维度，快速完成线索分配，甚至会说明分配原因，并提供销售话术。

六、组织效能

在投标环节，智能体也能可以发挥作用。过去团队谈完需求之后，可能要两三天才能给到客户一个方案，现在拿个录音笔把对话录下来交给AI，几分钟就可以分析出刚才谈话的这些人到底谁是最终决策者，谁是采购决策的支持者，谁是否决者，用这种方式了解到每个人的核心诉求。在投标现场，甚至可以利用十分钟的休息时间，和小伙伴们一起商讨一下，就可以给甲方提供应对方案，极大地提升了专业度和中标率。

L3 & L4 - 范式转变：从增强式创新到AI原生产品

技术革命总是从这里开始——更快、更省、更便宜。当然，如果革命止步于此，那就只是更高效的旧世界。“旧市场”加“新技术”等于“增强式创新”，增强式创新是对旧模式的优化，而原生式创新，才是对旧世界的颠覆。这就像在刚进入汽车时代的时候，人们还是热衷于如何让马跑得更快。

淘宝和京东从Web网页时代进入到移动互联网时代，并不是移动互联网的原生产品，因为它只是把网页上的功能缩小到了手机上。用户在手机上能做的事，在网页上同样能做。但是拼多多就是移动互联网的原生应用，它没有Web页面，而是依托社交关系，通过微信分享、及时下单得以形成。拼多多一度发展超过了京东，甚至去年有一段时间超过了阿里，大家才反应过来这是一个新物种。

移动互联网的第一性原理就是连接效率，它强调的是随时在线、即时交互、即刻消费。微信、头条、滴滴、美团、抖音、拼多多、小红书，这些都是移动互联网的原生应用。在这些平台上逐渐孵化出微商、社群、自媒体、网约车司机、工厂店、网红达人等生态。这背后有一条清晰路径：从技术革命到赋能传统场景，到推动范式转变，再到诞生原生产品，最后演化为新平台和生态。同样的范式，会再来一遍。

你会发现，很多企业正凭借AI原生产品走向高速增长。比如AI约会助手Plug AI，只要上传对话截图，就会给用户分析可以怎么高情商回复，帮助钢铁直男避免尬聊，月收入达到百万级别。马斯克点赞过的AI床垫，切入全球最大的健康焦虑领域，能够自动记录并调整睡眠习惯，年销售额已经达到数十亿。

如果大家关注苹果最近的发布会，Air Pods已经不只是耳机了，它可以联动心率和身体的各项数据，全方位地对你的健康进行侦测和洞察，完全知道你的身体状况，并可以随时来提醒你。这正是AI原生产品的典型特征：从底层架构、核心能力到交互体验，全面围绕AI技术构建，并将其作为产品本体逻辑的驱动引擎，而非在产品中“加AI插件”。

从核心驱动力看，传统软件依赖预定义规则与逻辑，AI原生产品则以AI模型与数据来驱动。从功能迭代看，传统软件依赖人工更新代码，AI原生产品通过数据学习自动进化。从交互方式看，传统软件多采用按钮、表单等传统界面，AI原生产品支持自然语言、多模态交互。从价值交付看，传统软件提供工具和功能，AI原生产品直接交付业务结果。从适应能力看，传统软件流程固定，难以适应新场景，AI原生产品具备动态适应新场景和需求的能力。从成本模型看，传统软件按功能模块收费，AI原生产品按结果和价值收费。所以AI原生产品的本质是以AI为骨骼、数据为血液、场景为肌肉、进化为生命，最终实现“用智能代替流程，用结果代替功能”。

而在生成式AI的范式冲击下，平台将面临一轮深刻变革。电商、短视频、OTA、出行、本地生活，我们在此之上的生存模式会发生改变。过去移动互联网时代的基本逻辑是提供琳琅满目的商品，让用户自己挑选。但AI时代的逻辑是用户提出需求，系统来完成比较和推荐。比如淘宝上线的万能搜，用户可以直接问苹果手机和华为手机哪个好，系统就自动给出对比和建议，并且可以根据进一步的需求交流推荐产品。

价值捕获方式的变革体现在传统模式下通过“卖流量”和“卖广告”获取收益转变为AI代理模式下通过“卖意图匹配效率”和“卖智能代理服务”获取收益，卷流量就没有太大价值了。搜索引擎优化（SEO）正在被生成引擎优化（GEO）取代，未来用户通过AI提问、分析推荐后，可能直接跳转至独立站下单到货，平台的中介价值就会被削弱。

在这样的背景下，未来即时零售会大行其道。2024年，中国即时零售的市场规模已经达到7800亿左右，预计2025年会有1.2万亿，到2028年大概在2到5.6万亿之间。即时零售的本质是“快”，许多企业已经将开设仓店作为战略重点，以快速将产品送达到消费者手上。

L5 - 未来展望：AI原生组织与新商业生态

组织就是一组被有机关联起来的能力，只要有两个人协同完成一件事，就会出现目标—分工—协作—激励的闭环。分工带来专业，专业沉淀为知识，知识形成认知，认知推动创新，创新又反过来迭代目标。那么，AI时代的组织会是怎样？AI首先改变了能力的边界，当岗位能力被AI显著放大，分工、岗位、激烈、架构都会被迫重塑。

比如小李是公司美工，过去每天做5张主视觉图，现在借助AI，每天能轻松出50张。产出提升了10倍，工资要不要涨10倍？小张做脚本策划，以前只负责写脚本、出创意，但现在直接用AI做图、出视频，一条龙搞定。那他现在还算“策划”岗位吗？设计和剪辑的工资应该给他吗？一系列新问题产生了，而企业主和员工都不知道合理的工作量和报酬是多少？

然而，这并不是历史上第一次“能力边界坍塌”。20世纪初生产效率大幅提升后，企业主觉得自己给多了，成本增加了，工人认为工资给少了，自己被剥削了。为了自保，工人普遍磨洋工，对抗裁员风险。这个时候一个大师就出现了，也就是科学管理学之父泰勒，他提出管理的中心问题是提高劳动生产率，当劳动生产率提高了，不仅工人可以多拿工资，而且资本家也可以获得更多收益，投入再生产，从而实现双方“最大限度的富裕”。在AI时代也是同样的道理，各位不要一开始就去卷成本、裁员，而是想我们怎么样用AI对外创造价值，挣更多的钱进来。

当岗位不再稳定、分工不再清晰、价值不再由工时决定，一个全新的问题出现了：组织到底该如何构建，才能真正驾驭AI？我们需要的不止是一个用上AI的组织，而是一个因AI而生的组织，必须从底层逻辑上就能与AI高度协调、共同进化。

产品开发的业务流程不会变，选品、设计、生产、制造等等，但是人与人、人与工具之间的接口已经发生改变。AI时代的组织形态由团队协作发展为“超级个体加智能体”。在AI的协助下，就可以完成市场调研、需求洞察、产品设计等多个岗位的工作。那么，与之相应的人才定义、培养、招聘都会发生改变，AI的使用成为岗位胜任力中的重要内容。

从集体到个体 - 时代背景下的战略抉择

未来十年，一方面是科技加速演进推动社会进步，另一方面是我们国家迈向第二个百年的奋斗目标的伟大征程，到2035年，我国将基本实现社会主义现代化。站在这样的历史尺度上，我们可以说：未来再大的格局上是确定的。国务院在2025年8月印发的《关于深入实施“人工智能+”行动的意见》里指出，到2027年，新一代智能终端、智能体等应用普及率超70%；到2030年，新一代智能终端、智能体等应用普及率超90%；到2035年，推动我国全面步入智能经济和智能社会。

这是人类历史上最后一次由人类主导的技术革命，再往后主导者将是AI本身。我们这一代人正站在范式更替的门槛上，而不是每一代人都有机会参与一次文明跃迁，更不是每一个人都能接住红利。因此，我们需要升维思考、降维行动。站在国家和社会的高度，重新审视技术、产品与行业，就能看清更大的确定性。与此同时，我们要让AI更好地做事，我们更好地做人，让AI承担繁重具体的工作，而人类肩负起价值创造和使命驱动的任务。

最后，与大家共勉一句话：初心要正，路子要野。初心正，方向才不会偏；路子野，才不至于固步自封。未来的商业与组织必定因AI而重构，在这个征程中，我希望大家都能够找到自己的定位，拥抱AI的时代，创造辉煌的业绩。

本文仅占课程内容的1/10