夜雨聆风当所有人都能使用相同的AI模型时，那些利用这些模型建立竞争对手无法复制的优势的人才能最终获胜。
“如果每个人都很特别，那就没有人是特别的了。”这句改编自电影《超人总动员》的台词，精准地概括了当今人工智能面临的一个关键问题。尽管人工智能的应用呈爆炸式增长（近九成企业已在至少一项业务功能中使用人工智能），但大多数公司部署的都是相同的大型语言模型（LLM）来提高生产力。如果每个人都拥有相同的优势，那就称不上真正的优势。
我们以前也遇到过这种陷阱。在数字化转型浪潮中，企业竞相开发网站和应用程序，但竞争优势——即企业创造的、难以复制的独特资产和运营模式，这些优势能够随着时间的推移带来超额回报——却并未随之而来。例如，我们对银行业进行的分析表明，2018年至2022年间，各公司移动应用程序的普及率有所提高，但领先者并未扩大其相对于落后者的优势。真正拉大差距的是将数字化和人工智能融入整个客户旅程，从而减少摩擦，这不仅推动了在线销售，也显著提升了总股东回报率。
教训是：应用程序和工具可以被复制。真正的价值来自于构建竞争对手难以复制的优势——也就是竞争护城河。对于首席执行官和董事会而言，在考虑如何从生成式人工智能带来的巨大价值中分得一杯羹时，牢记这一点至关重要。
为了更好地聚焦这一思考，我们确定了六项战略和三项能力，它们能够提供竞争优势。这些战略和能力对企业领导者来说应该并不陌生，但人工智能改变了每项战略和能力的动态。理解这意味着什么，是实现从将人工智能视为基本要求到将其视为持久竞争优势的关键所在。
战略护城河
战略护城河虽然难以被他人复制，但它也应该代表企业已经拥有优势的领域。这种观点可以帮助首席执行官们确定应该重点关注的领域以及如何进行投资。
规模经济：利用速度和规模的基础设施
人工智能在许多领域最根本的经济影响在于大幅降低边际成本，尤其对那些认知劳动成本占比高的行业影响尤为显著。过去可能需要15美元人工成本的客户服务互动，如今只需极少一部分成本即可完成，而且这一成本还将继续下降。能够大幅降低每位客户服务成本的企业，将获得单位成本优势。
尽管某些技术要素（计算、存储）的启动成本正在下降，人工智能的经济效益也处于不断变化之中，但要实现价值规模化，仍需要更广泛的技术能力。战略护城河在于将认知工作转化为基础设施——数据管道、精细调整的模型、集成的工作流程、治理层——这些基础设施可以以极低的增量成本进行扩展。此外，反馈循环和利润增长还能带来更多收益，这些收益可以再投资于更优的模型、更广泛的分发渠道或收购。
这种影响在服务行业尤为显著，人工智能正在取代曾经的可变劳动力成本。尽管新进入者或规模较小的竞争对手由于获取劳动力管理软件的成本相对较低且遗留技术问题较少，进入门槛较低，但基础设施壁垒依然存在。
美国和澳大利亚人寿保险公司Resolution Life就是一个很好的例子，它展现了这种护城河的形态。该公司的AI平台能够自动完成精算、市场营销和财务工作，使公司能够以远低于以往的成本推出更多保险产品。此外，该平台还能在15秒内完成理赔分拣，而不是像以往那样耗费数周时间，从而使理赔评估人员能够在理赔量不断增长的情况下，专注于处理复杂的案例。2一旦模型和集成到位，同一技术栈即可支持通过并购获得的额外业务，并通过固定基础设施推动更大的业务量。
这对您意味着：如果认知工作在您的业务中成本高昂，那么您需要重点关注如何构建基础设施，从而充分利用人工智能带来的规模经济效益。高层领导应考虑整合跨业务部门或地域的业务量，构建共享的人工智能平台，或通过并购将更多业务量整合到同一人工智能架构中。
战略护城河来自于将认知工作转化为基础设施——数据管道、精细调整的模型、集成的工作流程、治理层——这些基础设施可以以非常低的增量成本进行扩展。
CEO们关注的关键问题：人工智能正在降低我们行业中的哪些交易成本和摩擦点？这对边际成本、规模经济和市场结构有何影响？我们是否会与竞争对手展开规模化竞赛？
特权数据：将数据视为一种资产类别
当人工智能模型利用特权数据提供竞争对手无法提供的产品和服务时，例如更精准的推荐、更优的风险评分或性能更佳的工具，特权数据便能成为一道护城河。如果架构合理，每一次人工智能交互都会生成更多带标签的行为和结果数据，这些数据反过来又会用于模型训练，从而形成数据飞轮。最有价值的数据集是累积且受保护的，例如历史交易数据或遥测数据。
亚马逊的成功案例表明，在封闭的生态系统中，专有数据如何转化为强大的竞争优势。在其零售和电商平台业务中，亚马逊大规模地收集了关于搜索行为、产品浏览量、购买行为、物流配送和广告响应等方面的专有数据。这些数据能够显著提升推荐、需求预测、广告定向和平台优化等方面的效率，而那些缺乏类似行为和交易数据的竞争对手则难以复制。亚马逊的广告业务充分体现了这一优势的经济价值，其2025年营收预计将达到680亿美元，这充分展现了专有商业数据如何转化为不断增长的高价值资产。3
这对您意味着：将数据作为战略资产进行管理。首先要优先考虑支撑您差异化优势的数据，并建立相应的系统来大规模地捕获、丰富和维护这些数据。展现负责任的数据管理，例如采取严格的数据保护措施，以避免未来受到监管限制。
CEO 的关键问题：我们可以捕获、标记或生成哪些独特的数据（包括我们以前无法使用的非结构化数据）（例如，通过客户使用情况），从而提高模型性能，以比竞争对手更快的速度创造价值？
竞争对手可能会开发出哪些专有数据，从而获得相对于我们的优势？我们该如何应对？
嵌入式：增加切换成本
当人工智能解决方案嵌入核心工作流程时，它便从便利工具转变为必需品，重塑工作方式，从而以更具竞争力的价格提供更优质的产品或服务。这一点在人工智能代理协调供应链、驱动销售和服务流程或在电子健康记录中生成临床文档时尤为明显。替换它们将需要耗费大量精力和成本，包括重建集成、重新设计工作流程、重新培训员工，甚至可能牺牲已积累的绩效成果。
形成这种护城河需要三层“嵌入性”，而且随着时间的推移，它们会不断累积：
各项功能直接集成到核心和复杂的系统中（例如客户关系管理 [CRM]、企业资源规划 [ERP]、生产力套件和行业平台），使得工作流程迁移成本高昂。
这些系统通过反馈循环从专有数据中学习，随着时间的推移变得越来越有价值。
员工逐渐习惯并依赖这种解决方案。改变会带来摩擦、暂时的生产力损失以及组织内部的阻力。
虽然日益复杂的智能体将改变嵌入式的定义（例如，通过抽象化传统的用户界面并创建直观的界面），但这些智能体的能力可能会创造它们自己的嵌入式程度。
微软 Dragon Copilot（前身为 Nuance DAX Copilot）就是一个很好的例子。该工具不仅可以采集患者就诊时的环境音频，并直接在电子健康记录 (EHR) 中生成临床笔记，而且还与多家医疗机构的 EHR 基础设施和工作流程深度集成。例如，在超过 150 家使用 Epic EHR 软件的医院部署该工具后，文档记录时间减少了约 50%，临床医生的职业倦怠感也显著降低。一些网站报道称，安装 Microsoft Dragon Copilot 后，医生每天会多接诊几位病人。
当人工智能解决方案融入核心工作，并改变工作方式，从而以具有竞争力的价格提供更好的产品或服务时，人工智能解决方案就从便利变成了必需品。
这对您意味着什么：对于供应商而言，要了解深度工作流集成的关键点，并确保服务具备反馈机制，以便随着使用不断提升性能和价值。对于客户而言，您将每个工作流交给嵌入式人工智能系统，都是在押注供应商的发展路线图、定价策略以及能否持续运营。因此，务必提前协商数据权限和可移植性，确保您能以某种可用形式保留对这些学习成果的访问权限，并遵守数据保护标准。
CEO们面临的关键问题：我们如何才能将我们的产品或服务融入到系统中，使其极具价值，以至于客户不愿将其关闭？我们的供应商如果过度融入系统，未来会不会让我们失去重要的自主权？
网络效应：人工智能作为网络架构师
当每一个新用户或每一次互动都能提升平台对后续用户的价值时，网络就能成为强大的护城河。人工智能重塑了这种动态，它使网络更容易构建，并随着规模的扩大而变得更有价值，从而为快速开发和扩展网络提供了额外的动力。
首先，人工智能可以缓解长期以来限制新网络发展的“冷启动”问题。它可以生成初始内容（例如列表、内容或产品描述），并通过从一开始就提供个性化推荐，缩短新用户获得价值的时间。自动化内容创建和互动工具可以进一步帮助用户贡献和消费网络内容。
其次，人工智能通过改进参与者匹配和价值呈现方式来增强网络效应。随着网络规模的扩大，人工智能会对内容进行排名、推荐、验证和过滤，确保合适的参与者彼此找到，并使高质量的互动从嘈杂的信息中脱颖而出。信用卡网络就体现了这种动态：人工智能会将优惠匹配给最有可能兑换的客户，并精确衡量绩效，从而提高参与度并吸引更多合作伙伴。网络的深化不仅源于其规模的扩大，更源于其智能的提升。
TikTok 展示了人工智能如何加速用户互动。它的推荐引擎确保用户能够立即看到相关内容。
随着人工智能代理越来越多地参与网络交互（例如，代表用户进行搜索、比较和交易），信息发现的方式也从人类浏览转向算法决策。据估计，到2030年，智能商务有望在美国零售业中占据高达1万亿美元的份额。5优势将转移到那些学会在这个智能体世界中有效运作的平台，要么拥有智能体层，要么被智能体选中。
这对您意味着：寻找那些您之前因成本过高或风险过大而放弃的网络效应创造机会。如果您已经拥有一个网络，请确保您的模型在每次交易中都能提高匹配质量、减少噪声并增强信任度。随着越来越多的交易通过人工智能代理进行，务必明确代理的所有权以及交易时价值的分配方。
CEO们面临的关键问题：人工智能通过构建新网络或提升现有网络的质量，有哪些变革性增长机遇？在日益由代理机构主导的市场和生态系统中，我们将如何参与竞争？
商业模式颠覆：客户所有权和价值定价方式的转变
当现有企业面临渠道冲突、经济制约或组织壁垒时，商业模式颠覆通常会形成竞争优势。人工智能主要通过以下两个方面加速这种颠覆：
客户关系。随着商业“代理化”，我们正进入一个去中介化的新阶段，人工智能代理正在掌控客户关系。在商业保险和人寿保险等经纪市场中（第三方分销商分别占销售额的85%以上和50%以上），6）或抵押贷款（在澳大利亚，约 75% 的抵押贷款是由经纪人促成的），人工智能代理可以复制经纪人的功能，并可以直接进行销售。
例如，NEXT Insurance公司打造了一个人工智能平台，让咖啡馆老板或电工无需人工经纪人，即可在大约十分钟内完成报价、购买保险并下载保单。目前已有超过60万名企业家使用这项服务，一项针对1500名小企业主的调查发现，约60%的小企业主已经完全在线购买保险，无需代理人。7
随着 ChatGPT 和 Claude 等第三方应用的集成，这种去中介化趋势也在发生。当用户通过智能代理界面预订服务时，人工智能会捕获用户关系和数据，而供应商则变得可以随意替换。人工智能代理还会积累跨应用的行为数据，培养用户的新习惯，并增加用户的转换成本，从而影响整个生态系统的需求。
基于结果的定价。虽然基于结果的定价并非新概念，但人工智能使其更具可行性。人工智能可以更准确地实时衡量结果，从而扩展持续优化的能力，并提高预测定价的准确性。
例如，米其林的 EFFIFUEL 计划可在多年合约期内保证燃油节省。它利用真实世界的数据分析和远程信息处理技术来跟踪燃油使用情况，并与合同约定的节省目标进行对比。8这造成了长期的合同锁定，强化了数据和嵌入式优势，使竞争对手难以撼动。
那些经济模式和激励机制建立在按小时或按日计费基础上的服务行业，很容易受到这种价格冲击，因为它们内部对改变原有模式存在抵触情绪。而那些以人工智能为先导、以结果为导向的竞争对手，则能提供更具吸引力的条款。
这对您意味着什么：如果您身处经纪市场，请确定人工智能如何帮助您与客户建立联系，并评估渠道冲突问题。如果您面临被去中介化的风险，请确定您的经济杠杆点，以保护和加强客户关系。如果您按时间或吞吐量计费，请确定如何转向基于结果的定价模式。
CEO们面临的关键问题：我们可以在哪些方面利用人工智能绕过中间商、直接掌控客户关系，或者按结果而非投入收费？资金雄厚的攻击者会针对我们发起怎样的商业模式攻击，以利用我们产品和服务中的摩擦和成本套利？
受限资产：人工智能与物理世界的碰撞
随着人工智能降低数字智能的边际成本，竞争格局将更多地转向现实世界。那些能够掌控并优化现实世界瓶颈的企业将拥有最强大的护城河。大型实体资产——例如矿山、港口、机场、发电厂、数据中心和分销网络——本身就具备有效的护城河。
然而，对于那些实体资产优势不那么明显的公司而言，当它们将对现有或新增实体资产的控制与人工智能驱动的优化相结合时，战略护城河便会形成。将人工智能融入已有竞争优势的实体资产（例如供应链物流、医疗设备或现场作业）的公司，可以进一步增强这种优势，例如创建竞争对手难以快速复制的全新专有数据集。复制这些数据集不仅需要软件，还需要资本投资、运营专业知识、工作流程重新设计，而且通常还需要获得监管部门的批准。
亚马逊的物流网络就体现了这种动态。它的优势不仅在于软件，还在于庞大且战略布局合理的仓储物流基础设施，并借助人工智能进行库存摆放、路线规划和机器人操作。
随着人工智能降低数字智能的边际成本，竞争格局将更多地转向物理世界。
类似的逻辑也适用于物理工作流程中的人机协作生产系统。从财富管理到制造业，许多活动仍然需要人类的判断、现场参与或监管责任。
约翰迪尔展示了人工智能如何与难以复制的实体资产相结合，从而构筑起强大的竞争优势。其“感知喷洒”（See & Spray）技术利用计算机视觉和机器学习技术，在田间作业设备上实时识别杂草并选择性地喷洒除草剂。这项优势不仅源于该模型，还得益于约翰迪尔庞大的设备装机量、农艺数据、经销商网络以及与实际农场运营的深度整合。竞争对手不仅需要复制软件，还需要复制田间作业设备、服务能力、客户关系以及多年积累的运营经验。9
这对您意味着什么：随着人工智能将知识商品化，您应该专注于公司所掌控的、竞争对手难以复制的物理系统。目标不仅仅是将人工智能应用于现有资产，而是构建物理网络，使其价值在与智能结合时倍增。
CEO们面临的关键问题：随着人工智能使数字智能变得廉价且丰富，我们业务中哪些稀缺的有形资产、运营资产、无形资产或受监管资产变得更有价值？将人工智能与难以复制的资产（基础设施、现场服务团队、供应链、已安装基础或许可证）相结合，可以在哪些方面创造出仅靠软件的竞争对手无法匹敌的优势？
能力护城河
能力护城河是一种难以构建的组织优势，它使公司能够反复地将人工智能转化为可持续的优势。
重塑速度：提高学习和部署速度
由于人工智能的性能会随着实验和数据的增长而提高，因此，学习和发展速度持续快于同行的组织可以建立竞争优势。
我们的研究表明，软件开发速度排名前四分之一的公司，其收入增长速度比排名后四分之一的同行快四到五倍，股东总回报率高出 60%。10智能人工智能已经展现出显著加速开发和部署周期各个阶段的迹象，将开发周期（或冲刺）从两周缩短到 24 小时。
要建立高速学习和执行优势，企业需要重塑其运作方式。这远不止是培训开发人员如何使用智能工具。它关乎构建一套连贯的能力体系：一项旨在创造变革性价值并重塑端到端工作流程的战略；顶尖的技术人才；围绕小型、快速响应的跨职能团队构建的运营模式；灵活的技术平台；嵌入业务的数据；以及可重用以推动采用和规模化的系统。
根据麦肯锡最近的分析，重组后的公司通常能将其 EBITDA 提高 10% 到 30%，平均提高 20%。11这些能力产生了飞轮效应，导致近年来领先者和落后者之间的差距扩大了约 60%。12
星展银行的案例生动地展现了业务重组如何提升效率。过去十年间，星展银行转型为以“旅程式管理”为核心的跨职能团队运营模式，清理并优化了数据，并构建了人工智能平台，实现了模型标准化，便于后续模型复用。这些举措是其更广泛的业务重组计划的一部分，该计划帮助星展银行将人工智能解决方案的开发和部署时间从12至18个月缩短至2至3个月。
由于人工智能的性能会随着实验和数据的增长而提高，因此，学习和发展速度持续快于同行的组织可以建立竞争优势。
这对您意味着：将组织速度视为战略差异化因素，而非运营指标。衡量从构思到验证价值再到规模化部署的转化速度，并消除阻碍其发展的瓶颈。真正希望重塑组织的公司必须首先在整个高管团队中建立信念，瞄准自身具有经济优势的领域，并投入真正的资源和顶尖人才来领导转型。
CEO们的关键问题：如何消除决策瓶颈和部署摩擦，从而每年开展数量级更大的实验？哪些措施对缩短学习周期影响最大？如果竞争对手的学习速度比我们快五倍，会造成什么影响？
监管与合规：融入人工智能解决方案
随着人工智能在敏感数据和自动化决策方面的应用日益广泛，各市场的监管审查力度也在不断加大。欧盟《人工智能法案》对人工智能模型生成的数据和内容的使用，制定了版权保护、安全性和透明度等方面的条款。
当监管合规性融入解决方案开发流程和技术架构时，战略护城河便得以形成：内置审计追踪、可解释性、数据沿袭追踪、偏差监控以及人机协同控制。如果一家公司拥有监管许可（例如，Waymo 在某些地区获得了自动驾驶汽车的许可）或专利（例如，一些制药公司拥有其胰高血糖素样肽-1 [GLP-1] 的专利），那么在竞争对手还在寻找克服障碍的方法时，该公司便拥有了获利的窗口期。构建这些能力需要法律专业知识、风险管理基础设施、治理流程和资本缓冲——而这些资产，受监管行业的现有企业往往已经具备。
虽然攻击者可以利用LLM来规避监管和合规要求，或利用监管的“灰色地带”，但随着时间的推移，执法力度往往会跟上。届时，优势将转向那些已经构建了可扩展合规基础设施的公司。
这对您意味着：将合规性视为战略基础设施，直接将可审计性、透明度和治理机制嵌入到您的人工智能系统中。这有助于监管合规性随着您的业务增长而扩展。明确您的价值主张中哪些部分依赖于受监管的活动，以及您可能在哪些方面面临灰色地带的竞争。
CEO们面临的关键问题：在我们的市场中，哪些监管灰色地带会给攻击者创造暂时的机会？我们如何才能将合规性、可审计性和治理转化为产品功能，使我们比那些不够成熟的竞争对手更容易被接受或更值得信赖？
信任：您维系客户关系的基石
在金融、医疗保健和身份认证等高风险领域，信任是一道战略护城河，因为它能有效把关新技术的普及应用。例如，在银行业，超过半数的消费者现在都在使用人工智能工具，并希望银行也能提供这些工具。几乎所有人都表示，如果他们目前的银行不能跟上这种技术变革的步伐，他们最终会转投其他银行。
当客户认为一家公司安全、公平且负责任时，他们更愿意分享数据并接受自动化决策。反过来，这种数据共享又能提升模型性能并提高转换成本。
然而，人工智能面临着独特的信任挑战。全球调查显示，全球只有约30%的人接受人工智能，而35%的人则拒绝接受。15建立信任的关键在于拥有可解释的人工智能模型、明确的用户许可、可审计性以及清晰的保障措施。将负责任的人工智能融入系统设计、部署和监控流程的组织，能够更快地扩展规模。人工智能表现优异的企业更有可能拥有正式的验证流程，而对负责任的人工智能进行充足的投资，则与获得显著的息税前利润增长密切相关。16
摩根大通已连续四年在 Evident AI 银行指数中排名第一。它是少数几家公开披露人工智能实际收益的银行之一，收益接近 20 亿美元。在监管严格的市场中，业绩和开放性的结合支撑着监管机构的信任和投资者的信心。
在金融、医疗保健和身份等高风险领域，信任是一道战略护城河，因为它起到了准入守门人的作用。
这对您意味着什么：成功的公司将信任视为加速发展的催化剂。识别您业务中信任的核心来源（安全性、公平性、可靠性、透明度），并通过自动化治理和策略即代码控制，将它们直接嵌入到您的人工智能系统中。在人工智能解决方案开发的早期阶段就整合风险和合规性保障措施。
CEO们最关心的问题：如何才能将可验证的AI安全性、公平性和隐私性转化为一项资产，从而助力客户和/或合作伙伴将其整合到他们最有价值的流程中？在哪些决策中，客户、员工、监管机构或合作伙伴会优先信任我们，而不是其他任何机构或个人——原因是什么？
将模型转化为护城河：早期行动
人工智能释放出的力量已经改变了竞争优势的格局。对于董事会和首席执行官而言，这意味着一个明确的议程：
明确你的护城河——并明确权衡取舍。领先的公司未必都构筑了全部九条护城河，但它们很少只依赖其中一条。许多护城河彼此强化。特权数据能够增强商业模式创新。信任能够解锁更深层次的数据访问权限。找出你拥有结构性优势的一到三条护城河，然后明确地调整策略并致力于发展这些优势。这需要持续的投资和做出艰难的权衡。
构建支撑战略护城河的赋能系统。明确能够随着时间推移不断强化战略护城河的赋能系统：数据采集方式、模型改进方式、解决方案扩展方式以及迭代速度。优先考虑哪些工作流程和功能集对于支持相关的端到端工作流程至关重要。
将护城河的构建视为核心业务的管理，而非一系列实验。护城河的构建是一个多年计划。董事会和高管团队应追踪与所选护城河直接相关的少量关键指标，例如单笔交易成本、网络流动性或人工智能介导的客户互动份额（嵌入式）。这能够确保持续的专注、合理的资源分配以及对结果的问责。
在人工智能时代，竞争优势并非来自拥有最智能的模型，而是来自能够比其他任何组织更快地将普通模型转化为独特的竞争优势。
注：本文来源于网络，内容仅供参考！
下载报告 请加入知识星球
欢迎加入陆家嘴金融科技俱乐部
科创金融交流群
银行金融科技交流群
金融科技投资机构群
资管科技（财富科技）交流群
金融科技合作群
人工智能+金融群
区块链+金融群
物联网+金融群
监管科技交流群
保险科技交流群
消费金融交流群
信托科技交流群
资本市场科技交流群
添加微信:DDKJZX5实名审核后邀请进群
