ARTICLE · 1324711
AI很聪明,然后呢?
AI很聪明，然后呢？
共话智能体时代的机遇与挑战
2026年10月24日，MBA山东同学会AI主题闭门交流活动在上海陆家嘴举行。
当人工智能越来越聪明，一个更现实的问题也摆在我们面前：AI除了回答问题、写文章、做PPT，究竟还能为个人和企业创造什么价值？
围绕这一话题，本次活动以「AI很聪明，然后呢？」为主题，邀请十余位来自制造、法律、广告营销等行业的校友参与交流。
MBA山东同学会前副会长、Happen AI副总经理侯秉政结合个人实践、行业观察与企业AI应用案例，分享了对人工智能发展、个人工作方式变革以及企业AI落地的思考。
整场交流既有技术发展趋势，也有真实业务案例，更有校友们围绕自身行业展开的讨论。
PART 01
知趋势· 行转变
从会回答问题，到能帮我们做事
如果说过去几年，AI最令人惊讶的是它越来越会“思考”，那么现在更值得关注的变化，是它开始具备执行任务的能力。
从实际使用方式来看，AI正在呈现三种典型形态。
第一种，是问答式助手
我们提出问题，AI给出答案。无论是查阅资料、撰写文章、分析文件还是讨论方案，它都能够提供帮助。
但这种工作方式仍然高度依赖人的持续指挥，需要不断提问、补充信息和检查结果。
第二种，是能够使用工具的AI
AI开始可以调用浏览器、数据库、外部接口和各类软件工具，不再局限于生成文字，而是能够协助搜索资料、整理文档、处理数据甚至操作部分业务系统。
第三种，是智能体（Agent）
智能体进一步把任务规划、工具调用和执行反馈组合起来。在适当的系统和权限支持下，它可以把一个较复杂的目标拆解成多个步骤，逐步完成工作，并在遇到问题时尝试调整执行路径。
过去，我们可能需要反复告诉AI下一步做什么；现在，某些任务已经可以交给智能体持续执行，最后由人检查和验收。
这让AI从单纯的信息工具，逐渐向能够参与实际工作流程的数字助手发展。
不过，智能体并不意味着完全自主，更不意味着不会犯错。尤其涉及资金、合同、客户承诺和重要经营决策时，人仍然需要掌握最终控制权。
未来值得期待的，不是人完全退出工作，而是人能够带领AI完成过去难以独立完成的任务。
PART 02
个人如何开始
先建立自己的“第二大脑”
现场不少校友关心的问题是：对于不懂编程、不从事技术工作的人而言，应该怎样开始使用AI？
侯秉政结合自己的工作经验，提出了一个建议：从建立个人的“第二大脑”开始。
所谓第二大脑，并不是简单地给AI提供几个提示词，而是逐步建立一套能够协助自己思考、查找资料、处理事务和积累经验的工作体系。
例如，将日常工作中形成的资料、行业知识、项目记录、重要决策和经验方法，按照实际任务整理起来，让AI在处理新问题时能够找到相关背景和可靠依据。
在此基础上，可以尝试几个具体做法：
从零散聊天转向持续协作。复杂任务按项目管理，让AI能够利用相关背景和历史成果。
从保存文件转向管理知识。不只是把资料放进文件夹，而是让知识能够检索、核验、更新和重复使用。
从单一工具转向组合工具。根据任务需要，让AI配合搜索、文档处理、数据分析等工具工作。
从偶尔使用转向融入工作习惯。例如利用语音输入、会议整理、方案讨论和任务检查，降低使用AI的门槛。
值得注意的是，第二大脑不是建好之后便可以一劳永逸。信息会过时，判断可能改变，AI也可能产生错误。
只有持续更新知识、纠正错误并保留重要资料的来源，第二大脑才能真正成为可靠的工作助手。
对于多数职场人士而言，与其急着追赶每一个新的AI产品，不如先把身边最常见、最耗时的工作流程改善好。
PART 03
AI进入企业
难的往往不只是技术
圆桌讨论：校友围绕AI应用边界与落地难点各抒己见
个人使用AI，可以从一个人的工作习惯开始改变；企业使用AI，则需要面对更复杂的现实。
一项AI应用即使在演示中表现出色，也不代表它能够顺利进入真实业务。
分享中，大家重点讨论了三个层面的挑战。
首先，是企业知识和数据
很多企业并不缺资料，缺的是准确、统一、可持续更新的知识体系。
制度文件可能已经过时，部门之间存在不同的业务解释，真实操作和书面流程不完全一致，关键经验又往往掌握在少数资深员工手中。
如果把这些未经梳理的信息直接交给AI，AI可能只会更快地产生看似合理、实际却不准确的答案。
因此，企业知识库建设的关键，不是上传了多少文件，而是哪些知识可靠、谁来负责维护、出现冲突如何处理。
其次，是业务流程和系统
企业真正需要的往往不是一个单独的聊天机器人，而是AI能够与已有工作流程衔接。
它需要知道从哪里取得信息、依据什么规则判断、把结果交给谁、发生异常怎么办，以及最终由谁负责。
涉及ERP、CRM、财务系统和客户数据时，还需要解决接口、权限、安全和系统稳定性等问题。
最后，也是非常重要的一点，是组织中的人
管理层关心投资回报，中层管理者需要调整协作方式，一线员工则可能担心工作变化甚至岗位替代。
这些顾虑不能简单依靠技术培训来消除。
企业需要让员工参与流程设计，明确人机分工，并通过实际结果逐步建立信任。
尤其值得重视的是，企业最有价值的知识，很多时候不是外部能够购买到的通用经验，而是内部长期积累的客户理解、业务规则、问题处理方法和协作经验。
这些知识只有经过梳理、验证和沉淀，才有机会转化为组织可以反复使用的AI能力。
PART 04
从实际问题出发
三个企业AI应用案例
AI究竟怎样进入真实业务？
分享中，现场介绍了三个来自不同行业的实践案例。
案例一：跨境外贸企业——让AI参与客户服务与销售跟进
跨境外贸企业经常面临多语言、跨时区、大量重复咨询等问题。
通过将企业产品知识、常见客户问题和销售沟通规则与智能体结合，AI可以协助回答客户咨询、识别需求、收集关键信息，并支持后续销售跟进。
相比传统的问答式客服，这种方式更关注完整的客户沟通过程。
它的意义不仅在于减少重复工作，也在于提高客户响应能力，让销售人员有更多精力处理复杂需求和重要客户。
当然，客户体验、实际转化效果及人工接管机制，仍然需要在真实业务中持续检验。
案例二：大型连锁企业——AI辅助培训考核与管理
对于拥有近3000家门店的大型连锁企业而言，人才培养、培训考核和管理标准的一致性，是一个长期存在的经营课题。
在相关培训管理场景中，通过把既定评价标准转化为AI可以执行的规则，系统能够辅助批阅员工提交的培训作业，并识别异常内容和需要人工关注的问题。
这样一来，管理人员可以从大量重复性审核工作中抽身，把更多精力用于真正需要经验判断和沟通辅导的环节。
值得关注的是，这一案例并不意味着AI已经在全部门店全面部署，而是展示了AI在大型连锁企业标准化培训管理中的应用价值。
案例三：精密电子上市公司——从业务诊断寻找AI落地路径
大型制造企业通常部门众多、业务链条较长，不同岗位对AI的需求也不尽相同。
有的部门希望提高文档处理效率，有的关注内部知识查询，还有的希望改善跨部门协作和管理流程。
如果不加区分地同时推进，很容易出现需求分散、项目边界不清、投入难以衡量等问题。
在相关项目中，首先通过跨部门调研，梳理业务需求，再对问题进行归类、分析和优先级排序，形成分阶段的AI应用规划。
这一案例反映的，是企业AI落地中常常被忽视的一项重要工作：在动手开发之前，先判断什么问题真正值得解决。
三个案例分别涉及客户服务、培训管理和企业需求诊断，所处的实施阶段并不完全相同，但共同体现了一条思路：
从业务问题出发，找到可以验证的应用场景，再逐步让AI进入实际工作流程。
衡量成果时，也不能只看节省了多少人工时间，还应关注工作质量、客户体验、收入机会、管理能力以及投入产出是否合理。
PART 05
AI是能力放大器
也可能是风险放大器
AI能够提升工作效率，但同样可能放大错误。
当一项任务需要经过多个步骤，前面的错误如果没有被及时发现，就可能被后续流程不断引用。
尤其当AI拥有操作业务系统、修改数据或对外发送信息的权限时，潜在风险也随之增加。
因此，企业不能只关注AI能完成什么，还需要明确它不应该擅自做什么。
例如，AI可以起草合同，但正式条款需要专业审核；可以分析付款资料，但不能在未经授权的情况下完成资金支付；可以为客户拟定回复，但涉及价格、责任和商业承诺时，需要适当的人工审批。
分享中还特别讨论了信息可靠性问题。
随着网络上AI生成内容越来越多，错误信息、营销内容以及缺乏依据的观点，都可能进入AI的检索结果。
如果缺少来源核验，AI可能把不可靠的信息组织成一份看似专业的分析报告。
所以，AI时代不仅需要更强的工具使用能力，也需要更严格的事实核查能力。
对于企业而言，理想的AI系统不仅要能执行任务，还应能够说明信息来自哪里、关键判断依据什么、哪些内容存在不确定性。
效率与可靠性，必须共同考虑。
PART 06
比使用AI更重要的
是重新设计工作方式
当AI开始参与越来越多的实际工作，一个更深层的问题随之出现：未来企业的组织方式，会不会发生改变？
传统的工作流程通常围绕岗位和部门设计，AI更多只是附加在原有流程上的工具。
但随着智能体能力的发展，一些企业可能逐渐转向更加灵活的人机协作方式。
由人负责目标设定、关键决策、创造性工作和责任承担，由AI协助信息处理、资料分析、流程执行和标准化任务。
这并不意味着未来所有企业都要以智能体为中心，更不意味着人可以退出企业管理。
真正值得重新思考的是：哪些工作必须由人完成？哪些可以交给AI？哪些环节需要共同协作？怎样设计流程才能创造更大价值？
对于企业经营者而言，AI转型不应成为一场单纯追逐新技术的竞赛。
与其一次性建设庞大的AI系统，不如先选择一个具体、价值明确、风险可控的业务场景，通过小范围试点检验效果，再决定是否扩大应用。
真正的转型，不是让每个员工都拥有一个AI账号，而是让组织形成新的、更有效的工作能力。
PART 07
一次共同探索的开始
让交流持续发生
技术的变化很快，不同行业面对的挑战却各不相同。
在现场交流中，校友们结合自身工作和经营实践，就AI的应用边界、企业落地难点、个人工作方式以及未来组织形态等话题展开讨论。
对于制造企业，可能首先关注生产管理和内部协作；对于法律服务行业，信息准确性和专业责任尤为重要；对于广告营销行业，AI则可能改变内容生产、客户研究和创意工作流程。
不同场景之间既存在差异，也有许多可以借鉴的共同经验。
活动尾声，与会校友还提出筹办同学会“AI俱乐部”的倡议，希望今后能够持续开展主题分享、实践交流及企业参访，让更多校友有机会了解AI、尝试AI，并分享各自行业的探索经验。
MBA山东同学会一直是校友相互连接、交流经验、共同成长的平台。
面对人工智能带来的新变化，这种跨行业、跨专业的交流显得更加有意义。
没有人能够仅凭一次分享就完全理解AI的未来，但通过持续学习、实际尝试和彼此交流，我们可以不断缩小技术变化与现实应用之间的距离。
真正值得期待的，不只是AI变得越来越聪明，而是我们能否借助这项技术，创造更有价值的工作方式、更高效的企业，以及更多新的发展机会。
本期分享嘉宾
侯秉政
MBA山东同学会前副会长、Happen AI副总经理，关注企业AI落地、智能体应用与组织工作方式变革。
编辑：王桂枝
欢迎扫码加入我们MBA山东同学会
