ARTICLE · 1010258
别再拿AI忽悠老板了:数字化基础,不可能靠AI弯道超车
别再拿AI忽悠老板了:数字化基础,不可能靠AI弯道超车最近跟一些企业的朋友交流，发现一个挺有意思的现象。这两年AI火起来以后，企业里开始出现一种新的声音：“以前做数字化，得花三五年把系统、数据、流程一点点搭起来。现在有了AI，是不是可以直接跳过去？” 甚至有一些新上任的CIO，本身就是AI背景，上来以后第一件事就是告诉老板：“过去那套数字化建设太重了，现在AI时代，没必要再走老路，我们完全可以利用AI实现弯道超车。” 这句话听起来特别有诱惑力。谁不希望少花几千万、少走几年弯路，直接进入AI时代？ 于是，有些企业开始出现一个挺奇怪的现象：以前数字化做不动，大家觉得是基础没打好。现在AI来了，反而有人觉得基础不用打了。系统不用那么完善了，数据治理可以先放一放，流程标准化也没那么重要。甚至有人认为，ERP、CRM、数据平台这些东西都可以慢慢淡化。反正以后有大模型、有Agent、有MCP，AI什么都能干。 作为一个在企业IT里干了二十年的人，我反而越来越警惕这种观点，因为我认为：AI确实改变了数字化的建设方式，但它没有取消数字化的基本规律。 更准确一点说：AI可以改变企业“怎么做数字化”，但不能让企业“不做数字化”。这两个概念，看起来只差几个字，实际差得非常远。
我并不反对弯道超车，恰恰相反，我认为AI时代，企业一定存在大量“换道超车”的机会。 过去一个企业要做客户经营，可能需要CRM、营销自动化、会员系统、数据平台、BI、标签体系……，现在一个Agent，确实可能把过去很多人工复杂的操作串起来。 过去做经营分析，需要数据仓库、ETL、报表开发、指标体系、BI平台。现在管理者直接问一句：“为什么这个区域这个月利润下降了？”，AI可以自己找数据、做分析、发现异常，甚至继续追问。 这些确实是巨大的变化，但AI改变的是“实现路径”，不是“业务事实”。客户还是客户，订单还是订单，库存还是库存，收入还是收入，成本还是成本，门店还是门店，供应商还是供应商….. 这些东西不会因为来了一个大模型，就突然消失。更不会因为AI能够理解自然语言，企业就突然拥有了准确的客户、准确的库存和准确的财务数据。所以我特别提示不能一种简单的逻辑陷阱： 以前需要数字化建设→现在有AI→所以前面的建设都不用做了。这其实是把两个完全不同的问题混在了一起。
我越来越认为，AI真正带来的革命，不是把企业数字化的地基拆掉，而是让过去那一层非常重的应用建设方式发生变化。以前企业做一个业务应用，往往是： 需求分析 → 产品设计 → 开发 → 测试 → 上线 → 培训 → 迭代。 一个看起来不大的业务需求，可能就要几个月。为什么？因为机器不知道你想干什么。所以我们必须把人的需求，一层层翻译成系统功能。 AI出现以后，这个过程正在发生变化。 你可以直接告诉AI：“帮我找出最近三个月客户流失率最高的门店，分析原因，然后给出整改建议。” AI可以自己拆解任务、找数据、分析，包括通过调用系统继续执行。 这意味着什么？过去企业数字化最大的成本之一，就是把“人的意图”翻译成“软件功能”，而AI正在把这层成本大幅降低。 所以未来真正会被AI冲击的，很可能就是过去大量围绕“系统功能建设”的数字化工作。这一点，我非常认同。但是有一个前提：AI得有东西可以调用。你让AI查库存，它得有库存数据。你让AI分析客户，它得知道谁是客户。你让AI分析利润，它得知道收入和成本。你让AI自动给客户发券，它得有客户身份、营销规则和执行渠道。你让AI修改订单，它得有订单系统、权限和业务规则，……等等这些数字化基础。 所以你会发现一个非常有意思的事情：AI越往企业核心业务深入，对企业数字化基础的要求反而越高。
很多企业老板会问：“既然AI这么厉害，那我们是不是不用再花钱做那么多系统了？”，这个问题其实要拆开来看。有些系统，确实没有必要再按照过去的方式建设。但是有些基础，非做不可。 比如： 客户是谁？ 门店是谁？ 员工是谁？ 供应商是谁？ 商品是什么？ 组织是什么？ 这些最基本的东西，如果企业自己都没有搞清楚，AI又怎么可能搞清楚？ 再比如业务规则： 什么叫有效客户？ 什么叫一次成交？ 什么叫复购？ 什么情况下可以打折？ 什么情况下必须审批？ 什么叫库存积压？ 什么叫异常订单？ 这些东西，如果企业自己都没有定义清楚，难道指望AI替你定义？ 还有流程。 谁发起？ 谁审批？ 谁执行？ 谁负责？ 谁承担结果？ 这些东西没有形成规则，AI最多帮你“建议”。它不能替企业承担管理责任。再往下，就是数据质量，如果销售一套数据，财务一套数据，运营又一套数据。三个部门对“收入”的定义都不一样。这个时候你接一个最先进的大模型，它也只能非常努力地帮你制造一份看起来很漂亮的错误答案。所以我一直觉得：AI不是数字化基础的替代品，它更像是数字化基础的放大器。基础好，AI把你的能力放大，基础差，AI把你的混乱放大。
这可能是我最近越来越强烈的一个感受，过去企业遇到问题：流程不清楚，组织职责不清楚，数据不统一，系统不连通，标准没有建立。大家会说：“数字化还不够。”。 现在AI来了以后，有人开始说：“没关系，AI可以解决。” 这其实特别危险，因为很多问题根本不是技术问题，而是管理问题。 甚至有些问题，是老板自己都还没有想明白。比如：“帮我用AI提升门店工作效率。”，听起来很高级。 但第一件事情其实不是找一个Agent。而是应该问：到底是哪一个环节效率低？是获客？是预约？是接诊？是报价？是成交？是复诊？是排班？还是店长管理？如果连这些问题都没有定义清楚，AI最后一定会变成一个：什么都能做一点，但什么结果都没有的东西。
AI时代对CIO提出了一个新的要求，以前CIO最重要的能力之一，是把企业业务翻译成IT来执行。业务说：“我要一个系统。”，CIO要知道后面需要什么架构、什么数据、什么系统、什么团队。 未来可能反过来了。业务说：“我想解决客户流失的问题。”。CIO首先应该判断：这是流程问题？数据问题？组织问题？规则问题？传统系统问题？还是AI问题？ AI只是答案之一，而不是所有问题的标准答案。这可能是AI时代CIO和普通“AI负责人”最大的区别。真正成熟的CIO，不应该看到一个问题就问：“这个能不能做成Agent？”，而应该先问：“这个问题到底是什么？”然后再判断：哪些必须靠管理解决，哪些必须靠数字化基础解决，哪些适合传统系统解决，哪些才真正适合交给AI。这才是真正的企业AI落地。 如果一定要给“AI弯道超车”下一个定义，我愿意这样理解：不是跳过数字化，而是跳过过去数字化建设中那些低效、重复、重开发的部分。这才是AI真正给企业带来的机会。 过去需要三年建设的很多应用，现在可能一年甚至几个月就能完成。过去需要十几个人维护的一些流程，现在可能几个人加上一组Agent就能运行。过去需要大量产品经理、开发、测试反复沟通的需求，现在可以直接通过自然语言、Agent和工作流快速验证。这些，都是AI带来的“换道”。 但客户、订单、商品、财务、供应链、组织、权限、流程、规则、数据这些基本盘，不能因为AI来了就不要了，恰恰相反：AI越深入企业核心经营，对这些基础的要求越高。 所以真正的问题不是“数字化还要不要做”，而是：哪些基础必须做？哪些应用没必要再按照过去的方式做？这才是现在企业真正应该讨论的问题。 数字化时代，我们习惯的是： 业务需求 → 系统建设 → 数据沉淀 → 应用产生价值 AI时代，这个逻辑正在发生变化： 业务目标 → 意图 → 数据与规则 → AI能力 → 工作流 → 业务结果 变化非常大，但你仔细看就会发现：底下的基础并没有消失。消失的是过去那种“大量堆功能、堆系统、堆开发”的建设方式。所以说这两件事千万不能混为一谈。
做了二十年企业IT，我越来越相信一件事：数字化没有捷径，AI有捷径。AI可以让我们少写代码、少做重复开发、少建一些没有价值的系统。也可以让过去需要几个月验证的事情，几天甚至几个小时就完成。这是真正的“弯道”。 但企业经营的基本规律没有变：客户不会因为AI消失，库存不会因为AI消失，财务不会因为AI消失，流程不会因为AI消失，管理责任更不会因为AI消失。所以，AI时代真正需要改变的，不是：“数字化基础还要不要做？”而是：“哪些基础必须扎扎实实做，哪些过去的数字化建设方式应该彻底淘汰？” 我觉得，这才是CIO真正应该回答的问题。下一篇，我们就聊这个话题：哪些数字化基础，AI时代依然必须扎扎实实做？哪些东西，又真的已经没有必要按照过去那套方式建设？这个问题，可能比讨论“哪个Agent最厉害”，更值得企业认真想一想。 -—————————— 往期热文： FDE时代，产品经理会消失吗？——AI正在重新定义产品、开发和业务的边界 FDE之后，IT组织也要变--从“项目制IT”走向“业务战队制IT” 别急着招FDE：真正需要升级的，是你现在的工程师 FDE来了：企业真正需要的，已经不是仅仅会“写代码的工程师” 当AI将一个情感博主被蒸馏之后 AI Native 时代的人才画像 到底什么是 AI Native？ 十年后，职场真的只剩两类人？ 半年了，企业AI建设到底踩了哪些坑？ Agent OS第二篇：企业AI最值钱的数据，不是知识库，而是意图库 从一次看病的小插曲，暴露了线上AI医疗和线下医院的真实断层 点关注👇，下一篇继续聊；