对话汤侗:传统企业的AI数字化转型实战

当ChatGPT、DeepSeek等大模型席卷职场，员工自发使用AI工具写文章、做PPT、写代码已成为常态。这种个人零散的AI应用虽然培养了全员的AI意识，但也带来了一个隐患：大量重复建造，形成离散的智能体，无法实现企业级的整体协同。

汤侗老师指出，企业AI转型绝不能停留在单点狂欢，必须纳入顶层设计。优先梳理企业全业务与行政场景，按照急用先行的原则，集中精力解决最耗费人力、精力的痛点问题。

在顶层设计阶段，AI和数字化必须紧紧围绕企业的经营发展战略展开。如果企业的战略目标是营收翻倍，就需要反推需要哪些类型的新项目，再反推数字化需要如何配合。优先服务企业新的业务增长点，传统业务升级放在第二位。只有在高层支持下，加上清晰的任务分解，才能将各部门的人员、数据、能力拧成有机整体，避免形成数据孤岛。

单点AI可以帮助个人提升单点效率，但无法覆盖完整的工作流程，也难以将个人的隐性经验复制转移给他人。当企业面对复杂的业务流时，简单的RAG（检索增强生成）技术已经捉襟见肘。

汤侗老师以工程设计行业为例进行了深度剖析：“一个住宅楼的设计，需要建筑结构、给排水、暖通动力、电器等多个专业协同，还要覆盖方案制定、绘图、校审审核的全流程。”

面对这种复杂的协同需求，单个智能体根本无法胜任。未来的解法是：多个智能体组团形成“智能员工”。这需要企业与行业供应商深度合作，打造覆盖多专业协同和全流程工作的组团智能体，让AI真正融入生产的核心环节。

对于央企和国企而言，数据安全是不可逾越的红线。企业落地生成式AI，首先要平衡业务提效与数据安全的需求。

汤侗老师分享了其所在单位的实践：根据业务数据的保密级别决定部署方案。对于不能上网的数据，他们选择了本地部署满血版DeepSeek，通过内网运行，彻底解决安全隐患。但他也坦言，通用版大模型在垂直行业的深度思考上存在局限，难以满足创造性设计工作的需求。在资金、人力充裕的情况下，优先打造垂直领域的行业大模型是更优解。

强行业属性领域的大模型落地策略：

● 切忌贪大求全：不要一上来就啃最难的问题，自研垂直大模型成本极高。

● 小场景试水：先找一个可落地的小场景（如纯文本方案设计、合同生成与审核），周期短、投入小、见效快。

● 管理预期：打破管理者“输入一句话就能完成全部工作”的不切实际预期，适配业务场景需要海量的调整工作。

很多企业在引入AI后发现，系统沦为了锦上添花的摆设。核心原因在于供需错配：懂AI技术的团队不懂业务，懂业务的团队没有AI技术能力。

汤侗老师强调，必须组建“业务+AI”的联合团队，在真实场景中挖掘需求。直接照搬外部企业用得好的智能体，大概率会水土不服。因为AI智能体必须基于企业自有数据才能发挥作用，没有适配企业数据的智能体，只是一个空框架。

在需求甄别上，CIO和产品团队必须具备极强的业务意识。先定性判断需求是否符合业务发展战略，过滤掉业务部门为了“抢占资源”而提出的伪需求，然后再对真实的痛点需求进行具体的ROI（投资回报率）分析，避免无效的资源浪费。

搭建企业级RAG知识库是很多公司的第一步，但往往死在“数据收集”环节。传统方式要求员工手动萃取经验、整理知识，结果是员工既不知道怎么写，也不愿意分享自己的核心经验（教会徒弟饿死师傅的心理）。

汤侗老师提出了一套极具实操性的“无感收集方案”：

通过日常办公工具（如飞书等协作软件）实现无感收集。员工在完成日常工作时，系统自动将所有文件、会议资料保存到企业服务器。随后，由AI自动萃取原始痕迹中的知识并存入企业知识库，员工只需做最终确认即可。

对于历史数据，则通过企业制度配合，例如采用共享云桌面的方式统一存储历史工作文件。坚持一年，就能积累出足够庞大且极具价值的可用知识库。

数字化转型最难推进的阶段，往往是初期的“统一认识”。转型必然会打破员工的舒适圈，面对抵触情绪，企业该如何破局？

汤侗老师给出了一个非常现实且通透的观点：数字化转型不需要强制推动所有员工转型，只服务愿意转型的人。

社会变革永远是少数愿意改变的人带领多数人前进。落地路径应该是：先让主动愿意改变的员工先行试用，做出成果后，通过环境影响逐步带动其他员工。至于那些坚决抵触新技术的员工，工业革命的常规规律会给出答案——他们会逐步被行业淘汰，企业不需要强行扭转。

传统企业AI人才梯队搭建法：

● 建立全员AI意识：要求员工遇到问题先想“AI能解决哪部分”，不需要全员都会开发。

● 内外结合模式：企业团队负责业务需求，外部专业团队负责技术开发，在项目中逐步向外部学习，提升内部掌控力。

● 拒绝盲目挖人：不要盲目从大厂高薪挖AI人才，如果没有足够的工作量，招进来就是闲置和浪费。

访谈最后，汤侗老师对IT从业者的职业发展发出了深刻的预警。虽然五年内AI不会替代所有职业，但冲击已经显现。目前已有软件公司35%-40%的编程工作由AI完成，意味着三分之一的人力可以被替代。

当AI已经能替代基础编程，纯编码的IT人将面临巨大的生存危机。破局的方向在于从编码转向产品思考。IT人需要提升产品能力，学会调动AI完成产品开发，这比自己亲自敲代码更重要。