乐于分享
好东西不私藏

AI时代,真正值钱的能力藏在哪里?

AI时代,真正值钱的能力藏在哪里?


一、

那张让会议不再争吵的表格

在某大型国有集团的数字化转型过程中,有一个场景让我印象深刻。
集团每个月都会召开月度经营分析会,汇总分析各部门当月的经济运行情况,并对下一个月进行预测和指导。
但每次开会,各部门领导几乎都会争论不休。
原因说起来并不复杂:数据的时间窗口不统一,统计口径不一致,确认标准和条件各说各话。尤其是财务部门和业务部门之间,财务语言和业务语言是两套完全不同的系统,数字摆出来,各方都觉得自己是对的。
领导坐在主位,左右观望,脸上写满了疑惑。会议效率极低。
后来,数字化转型小组提出了一个方法:在每次月度经营分析会召开之前,要求集团每一个业务部门必须填写一张数据表格。
这张表格设计得非常巧妙。它把各部门都需要关注的核心数据放在同一个结构里,让每个业务部门的负责人在开会之前,就能看到其他部门的关键数字,提前对齐认知。
效果是立竿见影的。开会时,这张表格一拿出来,大家对上面的数据基本都是认可的。那些旷日持久的争论,消失了。
但这张表格不是拍脑袋想出来的。
它的背后,是一套完整的调研过程:先用价值流方法论访谈各个部门,把每个部门的数据需求和痛点摸清楚;然后对每一个工作流的层级进行细分;再把各部门的流程整合起来,形成总的价值流和工作流;最后才反推出这张表格的结构。
这张表格,是整个组织隐性知识的一次集体显性化。
它让散落在各个部门、各个岗位、各个人脑子里的经验和判断,第一次变成了一个共同可见、共同认可的结构。
这件事,就是我今天想谈的核心——业务上下文能力

二、

那个"老人"的秘密

在很多企业里,化解这种跨部门数据争论的,往往是一个在企业里待了十几年的"老人"。
会议室里气氛剑拔弩张的时候,他站出来,一句话就能把分歧化解:"这个数字财务口径是X,业务口径是Y,差的这部分是预收,下个季度会确认进来,不影响判断。"
全场点头,会议继续。
但你有没有想过——这个"老人"的能力,从来没有被定义过,从来没有被写进任何岗位说明书,从来没有被当作一项需要培养的技能。
组织对它视而不见。
它只是在某些人身上自然生长出来的东西。那个老人退休了,这个能力就带走了。下一个人来,又从零开始摸索,又用十几年时间把自己磨成下一个"老人"。
就这样,一代一代,低效地传承。
这种能力,从来没有被精准命名过。
直到AI时代来了,它突然变成了最稀缺的东西。

AI为什么会在这里"失明"?

大模型很聪明。它能写报告、能分析数据、能生成图表、能总结会议纪要。
但它有一个致命的盲区:
它不知道你的数字从哪里来。
它不知道这个"营业收入"是财务口径还是业务口径。它不知道这笔预收账款背后,服务交付进度是多少。它不知道为什么这家企业要在会前填一张表,而不是直接开会。
你把一份Excel扔给它,它会认真地分析,漂亮地输出。
但如果数据的定义本身是模糊的,它给出的分析,只是在错误的地基上建了一座漂亮的楼。
这就是为什么很多企业引入AI之后,发现效果不如预期——不是工具不好,是喂给工具的"上下文"残缺不全。
AI需要有人告诉它:这个数字是什么意思,它从哪个业务环节产生,经过了什么处理,在这家企业的经营逻辑里代表什么信号,在这个决策场景里应该被如何解读。
这,就是业务上下文。
没有它,AI是盲人。有了它,AI才能真正落地。

22年前的一个雏形

让我再讲一个更早的故事。
2005年,我被安排到重庆市水利投资集团,负责建立资金管理系统。水投集团作为市八大头集团之一,资金来源极其复杂——中央财政、地方财政、政策性银行融资、商业银行融资……项目多、资金多,原有的财务管理方式已经完全跟不上。
为了推进这个系统,财务部领导召集了企业各个业务口的精英,开了一次又一次的业务流程梳理会议。
但每次会议都以争论收场,没有任何结果。不欢而散。
问题出在哪里?
不是因为这些人不懂业务。恰恰相反,他们太懂自己那一段了。每个人都在自己的岗位上按习惯做事多年,知道"下一步该怎么做",但从来没有人思考过整个链条是怎么咬合的。
更深的真相是:那个完整的业务流程,在那之前,并不存在于任何人的脑子里。
后来,我带着Visio走进了那个会议室。
我没有主导讨论,我只是把大家说出来的每一句话,实时地画成流程图。一边讨论,一边在屏幕上呈现,一边修改。
神奇的事情发生了——当那些散落在每个人脑子里的经验,第一次变成了一张所有人都能看见的图,争论开始有了方向,分歧开始有了焦点,共识开始慢慢浮现。
会议不再不欢而散了。
等业务流程完全定型,我把这张图交给金蝶的实施顾问,系统很快就跑通了。
那一刻我意识到:我做的这件事,不是画图,是把隐性的东西第一次变成了显性的结构。
这,是我对业务上下文能力最早的感知。

什么是真正的业务上下文能力?

经过这两个案例,我可以给出一个精准的定义了。
业务上下文能力,不是简单地"懂业务"。
它是一个人能够把企业真实经营活动中的——目标、流程、数据、规则、角色、约束、风险、异常、判断标准——全部串起来,并且把它们转化成可以被理解、被分析、被执行的结构化信息。
换句话说:
把人脑里隐性的经营经验,变成可以被使用的决策背景。
它包含三个递进的层次:
第一层:结构性知识——画地图。这家企业的钱从哪里来、往哪里去,业务链条是怎么运转的,哪个环节产生什么数据。没有这张地图,所有分析都是盲人摸象。
第二层:转译知识——编词典。同一件事,财务怎么说、业务怎么说、管理层想听什么说法。不同语言之间的对应关系,是消解争论的核心武器。
第三层:情境判断——练语感。在这个时间点、这个决策场景下,这个数字应该被怎么解读,哪些信息重要、哪些可以忽略。这一层只能靠真实场景磨,无法被快速复制。
地图可以学,词典可以积累,但语感只能靠二十年的真实摔打换来。
22年前,我用Visio对人做的那件事,和后来用价值流方法论设计那张表格——本质上是同一件事:把混沌变成结构,把隐性变成显性。
今天,同样的事需要对AI来做。
工具变了。但那个核心能力,从来没有变过。

为什么这种能力从来没有被重视?

因为它是隐性的。
会用Excel,可以考证。懂Python,可以考证。TOGAF企业架构师,可以考证。
但"能把财务语言翻译成业务语言"——没有证书,没有岗位,没有培训课程,甚至没有一个被广泛接受的名字。
它只能靠时间磨,靠踩坑积累,靠在会议室里一次次见证数据被误解、被争吵、被拍桌子,然后慢慢悟出来。
正因为它从来没有被定义,所以它从来没有被重视。正因为从来没有被重视,所以它至今仍然稀缺。
而AI时代的到来,第一次让这种稀缺被照亮了。
当所有人都在学提示词、学调模型的时候,真正的竞争优势,悄悄藏在那些懂业务、懂数据流转、懂把隐性经验结构化的人身上。
AI再强大,它没有办法自己走进那个会议室,没有办法感知那些从来没有被说出口的经验,没有办法自己把混沌变成结构。
它需要一个人,替它完成这件事。

结语

以前,你可能知道某个人很厉害,但说不清楚他厉害在哪里。
他能在会议室里一句话化解争论,能设计出一张让所有人开会前就对齐的表格,能在一片混沌中把流程第一次画出来,能让AI输出的分析真正落地、真正有用。
现在,我们可以用精准的语言描述这种能力了:
这不是会用几个高级工具的能力。
这是真正的业务上下文能力——把人脑里隐性的经营经验,变成AI可以理解、可以分析、可以执行的决策背景。
AI时代,最稀缺的不是工具能力。
是那个站在财务、业务、数据和组织之间,能把混沌变成结构的人。

推荐往期文章