2025年AI学习所感
正和岛AI学习小结
A-方向篇
A1-剑桥博士分享：企业AI转型的驱动力是战略而非技术，同时要分清主次，要定位所在企业的本质是什么：是制造业基因，还是互联网基因，不能本末倒置
A2-陈春花老师分享：AI时代的共生新内涵，技术穿透到认知跃迁，AI不仅仅只是工具，是重构战略，流程，体验的核心驱动力。
A3-用友致远分享到：AI新时代的新职业：数字员工/数字员工主管/AI数据专家/AI业务流程顾问
A4-剑桥博士分享到：AI新时代下的智能组织：重塑人机关系，激活组织活力。企业AI转型的预算30%给到技术，70%给到组织和人
B-落地篇
B1-老师分享到：我们该不该上AI，可以先进行企业AI应用成熟度小测试，如附件PDF B2-老师分享到：我们该不该上AI，经过AI问卷调研后，有针对性的选择AI落地场景
B3-老师分享到：企业上AI时，要弄清以上截图5个问题
B4-老师分享到：如何选择AI厂商
C-建议篇
[if !vml]
[endif]
不支持该协议取消重新上传
C1-360周总分享到：企业要正确认识AI的能力，既不要低估AI的潜力，也不要高估AI的能力。不要追求用一个大模型或智能体解决所有问题，而要用垂直模型和专业智能体解决专业问题。通过分阶段实施，小切口、大纵深，从简单的智能体开始做起，逐步实现从单点优化到流程再造的跨越。
特别需要强调的是：AI转型必须以一线业务人员为主导，让“听得见炮声的人”做决策。此外，AI并不能代替IT系统，而是需要以现有信息化架构为基础，数据作为AI的燃料，企业信息化程度越高，AI转型的成功率也就越高。
[if !vml]
[endif]
不支持该协议取消重新上传
C2-360周总分享到：传统企业面临人员AI能力参差不齐的情况。要顺利推进AI转型，需要培养企业全员的“AI素养”，提升企业“含AI量”。
一方面，要通过培训、实操等方式推动全员用AI、懂AI，尤其要优先提升业务人员的AI应用能力；
一方面，要建立“用中学、干中学”的长效机制，员工在实践中使用AI越多，越知道哪些流程适合用AI优化，哪些不适合，从而精准把握AI的上限和下限。使用AI并不是人类与生俱来的天性，因此可以建立一些AI的考核机制，使员工强化养成使用习惯。
[if !vml]
[endif]
不支持该协议取消重新上传
C3-360周总分享到：确定AI在企业中的应用场景。AI与业务场景深度融合才能发挥能力。在场景选择上，首先要寻找业务中的卡点、堵点、难点、痛点，优先选取企业中无法实现自动化、必须依赖人工操作、流程繁琐、链条长、成本高的场景。
随后判断流程中的卡点与堵点能否通过大模型与智能体解决，以及现有业务系统是否具备数据与知识沉淀基础，最终以实现“效率提升十倍、体验优化十倍、成本降低十倍、人力缩减十倍”为目标，确定AI的具体切入环节。
[if !vml]
[endif]
不支持该协议取消重新上传
[if !vml]
[endif]
不支持该协议取消重新上传
C4-360周总分享到：在企业使用AI过程中，同时也要注意信息安全，数据安全，个人隐私等。企业第1步可以使用公有云上的免费AI模型，第2步等企业使用到一定规模时，建议搭建企业自己本地AI服务器，确保数据安全第一。
[if !vml]
[endif]
不支持该协议取消重新上传
C5-360周总分享到：当多个智能体开始时作为帮助员工解决问题的有力工具，在流程中实现单个节点优化和改进，进而取代某个岗位，成为“数字员工”。企业应用AI并深度应用AI，会提高运营效率，降低运营成本。
1: 建议基于外部标杆及行业特点构建和完善自己的AI框架，可以做简单点，但可以持续改善，以下是海信的案例。基于外部成熟的经验，快速复制和导入。
要关注这两类企业的推进进度和最佳实践：美的、TCL、海信等To C制造业，还有一类立讯、歌尔、蓝思、领益。
[if !vml]
[endif]
不支持该协议取消重新上传
2：行业目前成功点：
To
C，主要在营销段导入AI比较成功，能实现90%少人化。全球化企业导入飞书等AI会议系统效果显著，可以解决异地协同开会和会议记录的问题。
软件自动编程等一些本身就是与数据、信息打交道的岗位。
我们可以关注外部的通用智能体，选择适合的使用，比如财务、HR、流程、会议等
总体上如果与业务获得相关度高的，应该快速导入。如果只是对内提效，可以看清楚再上，因为可以通过购买快速补齐。这是敢为先和敢为后的区别。
[if !vml]
[endif]
不支持该协议取消重新上传
3：对公司内部的要求
我们的管理层要从传统管理者升级为具备数字化能力的管理者，具体来说，要关注AI对岗位工作方式的颠覆，要思考用AI提升部门的QCD，习惯使用AI工具。数字化能力不是IT部门的事情，是业务部门升级效能的一次变革，所以是业务部门必须拥抱。
公司的数据质量和保存很重要，这个方面IT要作为技术专家主导推进，提前做好数据治理的基础。
内部应该具备能力把外部相对匹配的智能体和内部结合，目前智能体还不太成熟，不可能那么匹配公司的业务，需要和供应商共同解决问题。
AI导入的顺序：业务–>业务流程–>协同方式–>组织管理
4：总结–不要停，不要急。
不停去类似企业学习最佳实践，这样能保持认知更新，也能避免早期浪费和路线错误。
不停使用各种小投入的RPA和AI工具，提升大家对AI的兴趣和认知。
不停做好AI建设的基础工作，不管开什么车，先把路修好，比如数据采集和质量优化
如果影响业务的，一定要急。
外部有较好效果的，一定要急着去学习和复制。