这一篇讲业务层——参考模型最上面的那一层,也是给下面所有层赋予意义的那一层。
第一篇文章里说过:"AI"不是一个东西。它是一个由八个层次组成的栈,分布在四个分层里。组合方式本身,就是战略。这一篇,聚焦在最上面的业务层——也就是员工真正接触到 AI 的地方,以及你公司的专业能力被沉淀为可复用技能的地方。但在讨论这两件事之前,有一个问题必须先回答,而且几乎从来没有被认真回答过:AI,到底要为你的业务做什么?
这听起来像是每家企业都早就想清楚的问题。但实际上,几乎没有。大多数企业买了 AI、搞了 AI 试点、任命了 AI 负责人——但很少坐下来认真问过:AI 到底是为哪一个具体的战略目标服务的?而业务层的形态——你需要什么样的触点、应该沉淀什么样的技能——完全取决于对这个问题的回答。是为了效率,还是为了创新?
如果 AI 是为了效率——目标就是"用更少的资源做现在已经在做的事"。每项任务花更少的时间。每份产出需要更少的人。每单位工作成本更低。在这种情况下,业务层是围绕你现有的运营模式来设计的。你要找的是那些常规的认知性工作——起草、总结、分类、检索——发生在已经存在、也不会变化的流程里的地方,让 AI 去吸收这些工作。要沉淀的技能,是员工已经做得很好的日常任务,只是变得更快、更稳定。触点这一层通常用厂商现成的产品就够了(Copilot、ChatGPT Enterprise、CRM 自带的助手)——因为工作本身足够通用,厂商默认值已经覆盖了大部分。这是一个合理的战略目标。也是大多数企业的默认选择——有时候确实是对的答案,有时候只是因为它最容易跟董事会说明白。如果 AI 是为了创新——你追求的就是另一回事:改变你做什么,而不仅仅是做同样的事要花多少钱。- 产品或服务上的创新——用 AI 提供以前给不了客户的东西。比如,财富顾问的智能助手让每一个零售客户都能享受过去只属于私人银行的咨询质量。比如,医疗设备能够自己解读自己的读数。比如,一家咨询公司能开展过去因为人力成本算不过账而做不了的分析品类。
- 运营模式上的创新——改变工作怎么组织、谁做什么、人机的边界在哪里。一个经典的例子:过去一家销售组织每个大客户经理需要十个业务开发代表,现在只需要两个,因为 AI 接手了业务开发代表原本做的资质审核和外联工作。产品没变,但公司为了交付这个产品而长成的样子变了。
- 业务模式上的创新——最雄心勃勃的版本,也是最少见的。在 AI 之前不可能存在的、创造和获取价值的新方式。新的收入来源。新的客户群体。新的经济结构。公司变成几年前还不是的样子。这里也是大多数尝试失败的地方——通常是因为低估了"业务的其他部分也要跟着变"这件事。
这四种目标——效率、产品/服务创新、运营模式创新、业务模式创新——不是成熟度曲线上的四个点。它们是四种不同的赌注,有不同的风险结构、不同的时间表、对组织也有完全不同的要求。而没有这个决定,业务层就没法被一致地设计。下面的每一层,也都没法被一致地设计。决定之前,先画两张图
在确定战略目标之前,有两个画图练习值得认真做一做。不是因为它们在理论上多优雅,而是因为它们能让会议室里的对话变得诚实得多。我是 Alexander Osterwalder 的商业模式画布(Business Model Canvas)的拥趸——那个由九个模块构成的框架,要求你明确写出:客户群体、价值主张、渠道、客户关系、收入来源、关键资源、关键业务、重要合作、成本结构。这个画布有一个我特别看重的特质:它强迫你把整个业务放在一张纸上,并且把九个模块之间的关联可视化出来。AI 会改变其中一些模块,但不会改变其他模块——画布是看清"哪些会变、哪些不会"的最清晰的工具。如果你追求的是效率,画布会告诉你关键业务和成本结构里哪些是目标,哪些不要碰。如果你追求的是产品或服务创新,它会告诉你价值主张会怎么变、客户关系会怎么变。如果你追求的是运营模式变革,你在重画的是关键业务、关键资源、重要合作。如果你追求的是业务模式创新,你画的就完全是另一张画布了——而把"今天的画布"和"提议中明天的画布"摆在一起看,是把"真正的战略动作"和"PPT 上的愿望"区分开的关键。我们在咨询服务里会把画布作为一项任务的产出物。这里就不展开九个模块了——这是工作坊的内容,不是一篇文章能讲透的。但任何一个对这个问题认真的高管,我都强烈建议:找一个靠谱的引导师,花一天时间认真画一次。价值在哪里被创造?在哪里被消耗?哪些流程是重复的、定义清晰的、量大的——天然的效率改造目标?哪些流程涉及客户真正在为之买单的判断——可能是要被保护的,也可能是要被 AI 增强的,取决于你的战略意图?哪些流程今天就是不好,一直在等一个合适的时机被重建?大多数企业以为自己知道自己怎么运转。然后画完图,发现管理层脑海里的那张图,和一线实际发生的事情对不上。这个差距本身,就是一个发现。而在这张图画出来之前,你的AI 方案往往是针对的是症状,而不是病根。两张图——商业模式画布,和当下运营的实际地图——给了你一个有底气回答战略问题的基础。没有它们,答案就是个猜测,而 AI 栈的其他所有层,都是建立在这个猜测之上的。技能跟着战略走
业务层里的技能,是把你公司独有的工作方式沉淀为可复用单位。它们的意义在于:让你公司独特的专业能力,不再只存在于资深员工的脑子里,开始可以被任何人——人或者 AI——在需要的时候调用。这里有一个大多数企业容易忽略的点:你应该沉淀的技能,不只是公司今天已经有的技能。也包括——有时候是主要包括——为了达到你刚刚定下的战略目标,公司需要新获得的技能。举个例子。一家中等规模的制造企业,决定 AI 让它有可能进入过去服务不了的国际市场。这时候相关的技能,不是它在国内做了三十年的那些东西。是在公司毫无品牌存在感的市场上做数字营销。是在销售团队从来没用过的语言和渠道里做海外线索拓展。是跨境合规解读。是区域客户旅程设计。这些技能,没有一个今天躺在公司资深员工的脑子里。一家企业获取一项新技能,过去有三种方式。可以招——找已经有这个技能的人进来。可以买——通过收购或合作。可以自己培养——花时间把现有员工训练起来。现在,有了第四种:编码——把这个技能用 AI 能执行的形式捕捉下来,通常是和外部专家深度合作,把方法萃取出来,然后系统化。第四种方式,是这件事变成"AI 战略对话"而不是"通用能力建设对话"的原因。编码下来的技能,从写下来那一天起属于整个组织——人走了不会丢。能瞬间扩展到公司任何一个需要的角落。能集中更新。而且——这是对雄心勃勃的战略最关键的部分——它让公司可以严肃地追求一个在传统能力建设的时间表里根本无法完成的战略动作。关于技能——具体是什么、怎么沉淀、哪种获取方式什么时候合适——我会在系列后面专门写一篇。这里要强调的是结构性的一点:战略先想清楚。两张图先画出来。然后"需要什么技能、需要什么样的触点把这些技能交付出去"这件事,就从猜变成了可以具体说出来。这一篇留下什么
业务层不是一个技术决策。它是一个穿着技术外衣的战略决策。
下一篇,我会聚焦智能体层——战略意图清楚之后,AI 究竟怎么把工作做完。但只有先回答了这篇文章真正在问的那个问题——AI 到底要为你的业务做什么——下一篇的讨论才会真的有意义。
夜雨聆风
