这一次，我想把中国企业AI转型的方法，写给全世界

《精益AI方法论：从数据驱动到智能体企业》将由 Springer 出版，计划于 2027 年面向全球发行。

今天，我想正式宣布一件对我意义非凡的事：我的新书《精益AI方法论：从数据驱动到智能体企业》（Lean AI Methodology: From Data-Driven Transformation to the Agentic Enterprise），将由 Springer 出版，并计划于 2027 年面向全球发行。

为什么是 Springer

Springer是全球最具影响力的学术与专业出版品牌之一。1842年，Julius Springer在德国柏林创立出版社，希望把自然科学与人文领域的新知识传播到更广阔的世界。180多年后的今天，Springer已经成为Springer Nature集团的核心品牌，与Nature Portfolio、Palgrave Macmillan、BMC、Apress等共同构成覆盖科研、教育、技术、商业与专业知识的全球出版体系。

Springer的影响力不只在于规模，更在于它所建立的全球知识传播网络。Springer出版物通过Springer Nature Link进入世界各地的高校、研究机构、政府部门和企业研发组织；一本书出版之后，还可以持续形成下载、引用和社会传播等影响力数据。对作者而言，这意味着一本书不再只服务于一次上市销售，而是有机会成为全球研究者、管理者和实践者可以长期发现、引用和讨论的知识节点。

因此，《精益AI方法论》由Springer出版，对我而言不是简单地把一本中文书翻译成英文，而是把来自中国企业转型现场的方法、案例和反思，放进全球企业管理与人工智能实践的知识坐标中。它需要经得起不同文化、不同产业和不同治理环境的检验，也要求我把“我们是怎么做的”，进一步写成“为什么有效、在什么条件下有效，以及什么时候不应该这样做”。

从《精益数据方法论》出发，但不止于数据

几年前，我出版了《精益数据方法论》。那本书的核心判断是：数字化转型不是多建几个系统，而是让数据真正进入业务、进入决策、进入组织运行。它来自我二十多年在企业一线的咨询、转型和交付实践，也得到了许多企业管理者和数字化从业者的认可。

《精益数据方法论》把精益思想引入企业数据管理，提出从业务目标和用户价值出发，识别价值场景，减少数据生产和利用过程中的浪费，以快速反馈和持续改善替代一次性的大规划。书中形成了精益数据宣言、精益数字化转型路径、数据驱动企业能力体系，以及原创的卡牌式精益数据共创工作坊，帮助业务、数据和技术团队在同一个现场统一目标、统一场景、统一路线和统一行动。

这本书由机械工业出版社出版，目前累计销量已经超过16000册，得到了来自IBM、SAP、Thoughtworks、腾讯云、中国信通院、DAMA China以及众多大型企业董事长、CEO、CIO和数字化负责人的推荐。比销量更重要的是，它已经进入许多企业的数字化战略研讨、数据治理规划和管理者培训现场。读者告诉我，这本书让他们第一次看清楚：数据治理不是清理数据的后台工程，而是围绕业务价值重新组织企业能力。

但大模型和智能体的出现，正在把企业推入一个新的阶段。过去，我们希望机器能够记录、分析和预测；今天，AI开始理解上下文、调用工具、协调任务，甚至在边界内采取行动。企业面对的问题也随之改变：数据如何成为AI可理解的上下文？Agent可以获得多大权限？谁来验证它的建议？错误由谁负责？一次成功的试点，怎样变成可复制的组织能力？

因此，这本新书不是对旧方法的简单改名，更不是推翻《精益数据方法论》。

精益数据是基础，精益AI是面向企业整体转型的上层方法，Lean-FDE则是把价值送进现场的交付引擎。

AI时代，真正稀缺的不是生成，而是验证

今天的AI可以在几秒钟内生成一份报告、一段代码、一套方案，甚至一个看起来完整的产品原型。生成能力正在快速商品化。但企业不能因为“AI能够生成”，就默认“结果值得信任”，更不能把一个演示成功等同于生产价值。

这也是全书最重要的一条主线：企业AI转型不是部署更强的模型，而是以业务价值流为中心，重新组织数据、知识、流程、决策权和人类注意力，让AI从“生成内容”走向“有边界地行动”，再通过持续验证形成可以规模复制的企业能力。

这本书要解决的，不是技术选型，而是五个管理问题

全书计划约28万字，共五篇十五章。它不会从技术术语开始，而会从管理者熟悉的冲突开始：为什么试点很多、进入生产的很少？为什么数据平台建成了，业务仍然找不到可用的数据？为什么模型越强，验证和治理反而越困难？为什么AI工具越来越多，组织的决策速度却没有同步提升？

这些书，其实在回答同一个问题

回头看这些年的写作，我越来越清楚地意识到，我并不是在追逐一个又一个热门选题。无论写数据、数字化领导力、高质量数据集，还是FDE和智能体企业，我始终在回答同一个问题：面对生产力的变化，企业怎样把新技术变成真正的业务价值，并进一步变成可以持续运行的组织能力？

如果把这几本书放在一起，它们构成了一条清晰的演进路径：领导者首先建立正确认知，企业再用精益数据方法夯实数据能力，把数据从资源转化为产品与资产，进一步建设能够支撑模型和Agent的高质量数据集，然后通过LeanFDE进入现场、完成验证，最终形成精益AI驱动的原生智能企业。

所以，《精益AI方法论》并不是孤立的新书，更不是为了追赶Agent热潮而进行的一次概念升级。它是我过去二十多年企业转型实践和多部著作的阶段性汇合，也是一次面向全球读者的重新表达：把中国企业在复杂场景、超大规模数据、组织协同和快速工程落地方面积累的经验，与全球精益管理、数据产品、AI工程和组织治理体系连接起来。

方法必须走进现场，也必须经得起失败

我一直相信，真正的方法论不是会议室里的完美框架，而是在现场遇到真实约束时仍然能够推动事情向前。为此，全书将以一家大型交通运营集团的异常处置为贯穿案例：从一堆互不相连的AI试点开始，进入调度现场，画出价值流，建设“Shipment Event”数据产品与企业知识体系，设计有边界的异常处置Agent，再通过历史事件评测、红队测试、受控实验和生产就绪评审，完成从概念验证到规模运营。

每一个框架都必须配案例、证据、适用条件和失败方式；每一个技术概念都必须回答“它改变了什么管理决策”；每一章都要讨论边界和反例。因为企业需要的不是又一套看起来正确的图，而是一套能够帮助管理层做选择、帮助团队减少浪费、帮助AI进入真实生产的方法。

为什么选择面向全球写作

中国企业在超大规模场景、复杂组织协同、公共数据开发利用、产业数字化和快速工程落地方面，积累了许多独特经验；欧美企业在基础模型、AI工程、安全治理和全球化产品方面，也形成了领先实践。企业AI转型不应该只有硅谷叙事，也不应该停留在中国经验的自我表达。

我希望借助 Springer 的全球出版体系，把来自中国企业现场的方法、案例和反思，放进一场真正国际化的对话中：与精益思想、Lean Software Development、Data Mesh、AI Engineering、企业本体、Agentic Operating Model等既有体系对话，说明我们继承了什么、扩展了什么，又在哪些地方提出不同判断。

这本书主要写给董事长、CEO、CIO、CTO、CDO、业务负责人、转型项目负责人、咨询顾问和FDE实践者。它不要求读者会写代码，但要求我们共同面对一个事实：AI已经不只是技术部门的新工具，而是在重新定义企业怎样工作、怎样决策、怎样承担责任。

这本书背后，是二十多年的企业现场

我职业生涯的起点是传统企业信息化，经历过BPR、ERP和大型核心系统建设；后来进入数据平台、云计算和数字化转型阶段，又亲历了数据中台、数据治理、企业架构和数字化原生组织的兴起。今天，大模型和Agent再次改变了企业技术与业务之间的关系。从IBM、埃森哲、EMC，到Thoughtworks、阿里云和凯捷，我在不同组织、不同技术周期和不同客户角色中反复看到同一种现象：技术总是在快速变化，但企业把技术变成价值的能力并没有自动升级。

企业并不缺少技术采购，也不缺少试点项目。真正稀缺的是能够把战略目标翻译成业务场景，把场景翻译成数据和知识，把模型能力嵌入工作流，再把工作结果变成可验证证据的人与机制。很多项目失败，不是因为模型不够聪明，而是因为没有明确谁是价值负责人、谁提供业务上下文、谁决定行动边界、谁验证结果、谁在出现异常时接管。

这也是我坚持写“方法论”的原因。方法论不是把复杂世界简化成几张万能模板，而是给管理者和一线团队提供一组共同语言、一套判断原则和一条可以持续调整的行动路径。当技术快速变化时，工具会过期，模型会迭代，协议会重构，但价值、浪费、现场、验证、责任和持续改善这些原则不会轻易过时。

我希望读者最终带走什么

如果你是董事长或CEO，我希望这本书帮助你判断AI到底会改变企业的什么，以及哪些事情必须由最高管理层亲自推动；如果你是CIO、CTO或CDO，我希望你能据此建立一条从数据与知识基础到Agent平台、治理体系和规模运营的企业路线；如果你是业务负责人，我希望你学会从价值流和真实工作出发定义AI，而不是被技术团队动员去“找一个场景”；如果你是FDE、产品经理、数据人员或工程师，我希望你能看清自己的工作不是交付一个功能，而是与业务共同交付一个可以验证的结果。

我更希望，这本书能够让企业少做一些没有结果的Demo，少建设一些没人使用的平台，少制造一些需要不断人工解释和维护的“智能库存”；把资源投入到真正值得改变的工作，把人的注意力留给高价值判断，把AI的每一次行动放进可以观察、验证、追责和持续学习的闭环之中。