中欧AI论坛归来:三位老板的大实话——AI转型,难的从来不是技术

消费品、制造、软件，三个行业，三本真实账单｜Martin · AI转型实战笔记

#AI转型 #企业AI #中欧 #人工智能 #数字化转型 #AI实战

昨天参加中欧校友会组织的企业AI应用论坛，三位来自消费品、制造业和IT软件的企业家，罕见地没有讲“成功学”，而是把各自组织AI转型的真实账本摊开来讲——

有人设计产能翻了近10倍，但瓶颈转移到了制造交付；有人AI用得最彻底，千万级项目成本却翻了一倍多；有人360岁了还在“小步快跑”，两年只覆盖三成业务。

作为一个长期研究企业AI转型的人，我把这三段实战和背后的共性规律整理给你。如果你是企业家或管理者，这篇内容可能帮你避开几个价值百万的坑。

三位企业家、三个行业，一场关于AI转型的实话实说（AI生成配图）

一、先认识这三家公司

Zippo（消费品）：1932年创立于美国宾州，以防风打火机闻名全球。中国是其最重要的单一市场——论坛披露中国营收约占全球65%，业务覆盖上游材料研发、中游全渠道经营、下游物流与客户服务的全价值链。

东软集团（IT软件）：1991年创立于沈阳，中国第一家上市的软件公司，业务覆盖医疗健康、智慧城市、汽车电子与对日软件外包。

圣戈班 Saint-Gobain（制造业）：1665年创立于法国，全球领先的建筑材料与高性能材料集团，也是全球历史最悠久的企业之一，2016年即启动数字化转型。

（公司背景为公开资料整理；案例细节均来自论坛现场分享。）

二、Zippo：AI把设计产能放大10倍之后，瓶颈去了哪里？

Zippo分享了两个让我印象极深的数字：未用AI时，设计师一年产出4000–6000个新设计；用AI后，飙升至3万–4万个——接近10倍的数量级跃升。定制化产品从需求进入系统到交付，最快只要7小时。

但接下来这句话才是重点：单点效率的提升，不等于经营结果的改善。客服等环节的效率，对手用同样的AI工具后已经趋同；真正拉开差距的，是上游创新和用户交互中人的判断。而AI释放出来的巨量设计产能，正在把瓶颈推向下游——制造和交付体系必须系统性重构，才能接得住。

我的解读：AI不是让某个环节变快，而是把价值链的瓶颈不断“挤压转移”。谁能看清瓶颈的新位置，谁才有竞争优势。这与麦肯锡的判断一致：对消费品公司来说，Agentic AI真正的回报不是降本，而是增长——在品牌与零售关系日益复杂的今天，把流失的销售重新抢回来（McKinsey, 2026年10月）。顺带一提，麦肯锡2025年底的调研显示，营销预算占营收比重已从9.1%降至7.7%——预算更紧，AI就必须更“会花钱”（McKinsey Re:think, 2025年11月）。

AI驱动的消费品设计工位：从年产出数千个设计到数万个（AI生成配图）

三、东软：AI用得最彻底的一家，成本为什么不降反升？

东软可能是全场“AI化程度”最高的：对日业务100%AI化，金融领域初级开发团队必须AI化，内部70%–80%的交付代码由AI完成。这符合Gartner的预测：到2028年，75%的企业软件工程师将使用AI编码助手，而2023年初这一比例还不到10%（Gartner, 2024年4月）。

但东软分享了最扎心的一笔账：千万级复杂项目的综合成本不降反升，增加了一倍多。原因有三：初级人员减少，但懂AI、能做判断的中高级人员工资上涨；大模型Token费用持续攀升；市场零增长甚至只有10%以内增长，而交付成本持续上涨——商业平衡本身成了护城河。

这与Gartner今年6月的预测惊人一致：到2028年，AI编码成本将超过程序员的平均薪资——按量计费模式下，Token消耗正在挑战成本合理性（Gartner, 2026年6月）。

更值得玩味的是组织实验：东软把一个65人的部门取消三层架构，只留一名负责人，打散成65个“战队”，如今已衍生出近300个。结果是一半战队运转良好，另一半熄火。但最大的收获是：65个人承担起了原本只有负责人一人扛的150个需求方向的责任。

还有地缘维度：对日业务要求AI化，却因政治和市场原因不能用中国大模型。而Gartner预测，到2027年，全球在AI组合中纳入中国大模型/多模态模型的企业占比，将从2025年的5%升至50%——技术选择，正在变成地缘选择题（Gartner中国，2026年）。

AI原生软件工程：小战队 + AI编码助手的新组织形态（AI生成配图）

四、圣戈班：360岁的公司，为什么选择“小步快跑”？

圣戈班2016年就启动了数字化转型，积累了海量数据，但受限于算力和模型能力一直没用起来。从去年开始拥抱AI，目前AI覆盖率约20%–30%，覆盖客服、研发、生产等场景。集团到每个事业部、每个国家都设了“AI推广官”来推动落地。

他们的策略很克制：传统制造业预算有限，买不起大量Token，也担心组织能力没建立就大规模投入造成浪费。所以选择“创业模式”——先在小模块取得单点成功，再从点到线到面。几个具体场景：

用AI模拟燃烧过程替代实际测试，再以节点验证，能耗节约立竿见影；

给销售团队配AI智能体，减少事前授信工作量、提升与合作伙伴沟通时的判断力；

最惊艳的：CEO用AI“手搓”酒店系统方案初稿只花两周，而研发负责人原估计需要6个月、额外预算和团队——该工具目前成功率78%，覆盖80多个国家1000多个地标项目。

这与Frost & Sullivan的数据形成呼应：先进制造与自动化到2030年将带来累计1120亿美元收入，工业基础模型将带来496亿美元，而中国及亚太正借国家智能制造倡议加速部署（Frost & Sullivan, 2026年2月）。Gartner对中国制造业的判断更激进：到2029年，60%的中国企业将把AI融入主要产品和服务并成为收入增长主驱动；到2030年，超过80%的企业将在设计、制造、产品和服务环节采用“物理AI”——而目前采用率不足1%（Gartner中国，2025/2026）。

智能工厂里的AI能耗模拟与数字孪生（AI生成配图）

五、我的四个判断

整场论坛听完，我形成了四个判断，也是企业AI转型最容易被忽略的真相：

判断一：AI转型第一瓶颈不是技术，是一把手。Zippo把数字化预算完全单列、直接汇报一把手、取消短期ROI考核——把它当投资而不是成本。圆桌共识很尖锐：一把手必须亲自用、亲自试、亲自验证，交给CTO或CFO代推，必然失败。Gartner的数据佐证：高AI成熟度组织中91%已设专职AI负责人，45%的AI项目能持续运行3年以上，而低成熟度组织只有20%（Gartner, 2025年6月）。

判断二：“成本不降反升”不是AI失灵，是转型的必经拐点。东软的账本戳破了“AI=降本”的神话。真正的问题不是要不要用AI，而是在哪些场景用、怎么治理用量。Gartner建议企业建立用例驱动的决策框架、模型分级路由、上下文工程与Token治理机制——这些恰恰是大多数企业还没建立的“AI经营能力”。

判断三：数据治理决定Agent上限。圣戈班反复强调：数据治理没做好之前，慎用智能体——否则垃圾进、垃圾出。Gartner调研同样显示，无论成熟度高低，数据可得性与质量都是AI落地的头号挑战；到2028年，中国企业对AI就绪数据的投资将达到2024年的20倍（Gartner中国，2025）。

判断四：确定性与不确定性，要分开下注。一旦确认AI能带来确定性成本下降，就全力快推；对效果不确定的场景，轻量高频地试，等成本拐点。同时每天保持全局视野——窗口期红利只属于动作最快的那批人。

六、给企业家的90天行动清单

第1–30天：一把手亲自用起来。AI工具的可用度已经不需要写代码，管理者先建立体感；同时盘点自家数据资产，把数据治理提上日程。

第31–60天：找到“少投入、可见回报”的爆破点。选一个能以小投入证明价值的场景单点打穿，像圣戈班一样从点到线到面。

第61–90天：设计组织与预算机制。预算单列、AI负责人机制、战队式扁平化试点——记住东软的教训：组织不改，工具白买。

写在最后

这场论坛给我最大的感受是：AI转型没有神奇的一招，它是一场关于组织、数据和一把手认知的系统工程。工具会越来越便宜，但“会用AI的组织”会越来越贵。未来两三年，企业之间的差距，不再是“有没有用AI”，而是“AI渗透进了多少决策链路”。

如果你正在思考企业AI转型，或在落地过程中踩了坑，关注我，欢迎在评论区聊聊你的场景。我计划把这个系列做成《AI转型实战笔记》，持续分享一线案例与方法论——也欢迎有企业AI培训需求的朋友私信交流。

注：三家公司案例细节均来自中欧AI案例应用论坛现场分享（2026年10月）；公司背景为公开资料整理。