当答案越来越容易生成，企业更需要重新理解选择、取舍与承诺

今天，AI已经可以扫描行业与政策信号，整理客户和竞争对手信息，完成情景推演，甚至在很短时间内生成一套结构完整的战略方案。过去耗费数周的分析工作，现在可能几小时就能得到初步答案。也正因为如此，一个更基础的问题变得无法回避：如果分析、预测和方案都能被快速生成，战略到底是什么？

我的基本判断是：战略，是企业基于对未来和关键挑战的判断，围绕为谁创造什么客户价值、如何形成竞争优势并获得持续收益，作出一组相互一致且有代价的选择，并把这些选择转化为能力配置、资源承诺和协同行动。

AI没有改变战略的这一基本功能，但正在改变客户价值的具体内涵、战略形成与验证的过程、企业可以调用的能力，以及战略执行中的任务、流程和责任边界。

研究说明

本文提出的是华夏基石AI领导力学院关于AI时代战略的工作性定义与框架。现有实践能够说明AI正在改变部分战略工作，但尚不能证明企业因此形成了更高质量的战略。相关判断仍需通过真实企业场景、资源取舍与经营结果持续验证。

AI能生成目标、计划和分析，但它们都不是战略

企业谈战略时，常常把几类不同的东西混在一起。增长百分之多少、进入行业前三，是目标；推出多少产品、建设多少系统、完成多少项目，是计划；行业规模、政策趋势、竞争格局和客户画像，是分析。它们都可能是战略的重要输入或结果，却都不能单独构成战略。

目标只说明想去哪里，没有回答凭什么到达；计划列出了要做的事，没有说明为什么是这些事、哪些事决定不做；分析呈现了环境和选项，没有替企业完成选择。AI可以显著降低这三类工作的成本，却不会自动补上它们之间缺失的因果链。

这也是为什么一份论据丰富、图表严密、选项齐全的报告，仍然可能没有战略。它或许回答了“可能发生什么”，却没有回答“企业决定做什么、放弃什么，并愿意为此投入什么资源”。

AI可以降低形成答案的成本，却没有降低作出选择、放弃机会和承担后果的难度。

战略的本质，是面向未来作出一组有代价的连贯选择

经典战略研究从不同角度回答过“战略是什么”。迈克尔·波特强调独特定位、取舍和相互适配的活动系统；理查德·鲁梅尔把好战略的内核概括为对关键挑战的诊断、指导方针和协调行动；科利斯与鲁克斯塔德要求战略说清目标、范围和优势；汉布里克与弗雷德里克森则提出，完整战略需要回答进入哪些领域、以什么方式进入、如何形成差异、按什么节奏推进，以及靠什么经济逻辑获得回报。

这些观点表述不同，却共同揭示了战略的几个基本要素。

第一，战略始于对未来和关键挑战的判断。企业不可能拥有关于未来的完整信息，只能在不确定性中判断什么正在改变、什么问题最关键、哪些假设值得下注。如果连真正需要解决的挑战都没有识别出来，后面的目标和行动越完整，偏离也可能越远。

第二，战略必须回到客户价值。企业要回答为谁创造什么价值，客户为什么选择我们而不是替代方案，以及这一价值如何带来收入、利润、现金流或其他可持续收益。客户价值是外部锚点，价值获取则保证企业有能力持续创造这种价值；只讲客户价值而没有收益逻辑，战略无法长久，只讲收益而没有客户价值，增长也缺少根基。

第三，战略意味着选择与取舍。进入一个市场，往往意味着放弃另一些市场；坚持一种价值定位，也会限制产品、渠道、成本结构和能力建设。资源有限不是AI能够取消的约束，真正的战略一定会让企业对一些看似合理的机会说“不”。

第四，战略必须形成一致的能力与活动系统。一个孤立优势很容易被复制，真正的竞争优势通常来自一组相互强化的选择：客户选择、价值主张、产品与服务、交付流程、组织能力、合作生态和收益方式彼此匹配。局部最优如果破坏了整体一致性，可能提高一项指标，却削弱企业的长期竞争力。

因此，战略既不是一句宏大的愿景，也不是一套面面俱到的规划。它是一组关于未来、价值、取舍、优势和行动的连贯回答；这些回答最终必须进入企业的能力配置和资源承诺。

图1：从目标、计划和分析到战略

好的战略，不是选择更多，而是抓住关键挑战，形成一致行动

好战略的起点，不是列出更多机会，而是抓住真正重要的矛盾。鲁梅尔所说的“诊断”，不是把全部问题罗列出来，而是穿过现象，识别当前最制约价值创造的关键挑战。挑战判断错误，后面的资源就可能被配置到次要问题上；挑战过多，则意味着企业尚未形成优先级。

其次，它要有清晰且可验证的客户价值。这里的清晰，不只是写出一个客户群和一句价值主张，而是能够说明客户在什么情境下遇到什么问题，我们提供的结果为何更重要、更便捷或更可信，客户又会用什么行为证明这一价值真实存在。销售收入、复购、留存、溢价、使用结果或信任提升，都可能成为验证信号，但不能用内部工作量和内容产量代替外部结果。

再次，它要说清持续收益的逻辑。价值创造与价值获取必须相互支持：企业如何收费、如何控制成本、如何提高周转或复用、如何建立战略控制点，以及收益能否反过来支持能力积累。这里的“收益”不是短期利润最大化，而是企业得以持续投入并兑现长期承诺的经济基础。

好的战略还必须有真实取舍。企业是否愿意退出不再匹配的客户和业务，停止不能形成价值闭环的项目，把稀缺资源集中到少数关键事项上，是检验战略是否成立的重要信号。没有放弃的“战略”，往往只是愿望集合。

最后，好的战略要把选择转化为协调行动。客户价值、竞争优势、关键能力、业务活动、推进节奏和资源投向需要彼此一致。战略的质量，不只体现在会议室里的逻辑完整，更体现在组织面对冲突时，是否能够依据同一组选择采取行动。

战略工作可以被AI增强，战略选择与责任不能被外包

AI能够提高信息处理的广度与速度，也可以参与越来越多的战略任务，但它不能替企业决定什么结果值得追求。它可以生成不同情景下的增长方案，却不能替董事会和经营团队承担资源错配、客户信任受损或战略失败的后果；它可以提出取舍建议，却没有权力代表企业放弃一个市场、停止一项业务或重新分配核心资源。

因此，战略工作的边界需要重新划分：可以交给AI的，是扫描、分析、推演、生成和跟踪等任务；不能交出去的，是价值判断、机会放弃、资源承诺和后果承担。人和组织仍然是目标设定、授权、判断、复核、决策和最终责任主体。AI时代并没有让战略变成一个技术问题，反而让战略更清楚地回到经营者必须承担的责任上。

但“不变”不等于沿用旧答案。AI成为持续能力供给后，至少有四个战略变量正在发生变化。

客户价值仍是锚点，但它的定义和交付方式正在改变

客户价值仍是战略的外部锚点，但其具体内容不能再被视为静态前提。AI可能改变客户获取信息、比较方案和作出决策的方式，压缩服务响应时间，提高个性化程度，也可能让客户从购买单一产品，转向持续获得判断、建议或结果。

不同企业面对的变化程度并不相同。有的企业价值主张基本不变，AI主要改善内部效率；有的企业核心需求未变，但交付方式、体验和速度发生变化；还有一些企业可能连客户需求、付费对象和商业模式都被重新定义。战略分析因此不能只问“AI能替我们做什么”，更要问“客户正在因AI形成什么新的预期，原有价值主张是否仍然成立”。

战略需要持续验证，但不能变成持续摇摆

过去的战略工作往往依赖阶段性的市场研究和年度规划。AI可以持续扫描政策、技术、客户和竞争信号，比较多个情景，跟踪关键假设，让战略从一次性文件逐步转向经营过程中的学习机制。

然而，更快的反馈不天然带来更好的战略。如果企业把每一次技术变化、竞争动作或模型输出都当作方向转折，持续感知就会变成持续摇摆。AI时代的战略，不是在稳定与变化之间二选一，而是在相对稳定的价值方向上，持续检验实现路径和关键假设。

AI成为能力来源后，战略必须回答把什么建在组织上

过去谈战略资源，主要考虑资本、人才、技术、渠道、设备和供应链。现在，企业还可以调用通用模型、专用模型、算力、数据、知识库、Agent、工作流和外部生态。这意味着战略不仅要决定业务向哪里走，也要决定哪些复合能力必须建在组织上。

通用能力可以外购，某些专业能力可以与生态伙伴共同建设，但决定竞争差异、客户信任和关键经营判断的数据、知识与流程，可能需要沉淀为企业自己的资产。管理层需要分清什么可以随时购买，什么需要长期积累；什么只是阶段性的效率工具，什么会成为持续创造价值的能力基础。

AI进入战略执行后，任务可以重构，最终责任不能漂移

当研究、分析、生成、监测和部分执行任务可以由AI或Agent参与，原来的部门分工和流程接口就需要重新审视。战略要进一步说明哪些关键任务由人完成，哪些由AI增强，哪些可以交给Agent运行；AI能够调用什么数据和工具，何时必须由人复核，出现偏差由谁干预和负责。

任务是分析人机分工和战略落地的重要单元，但任务并不等于岗位，更不能自动成为工资、晋升和长期分配的唯一依据。岗位或责任角色仍需承载相对稳定的权力、责任、能力要求和基本回报。效率提升也不能以取消专业校验、风险制衡和人才成长为代价。

图2：战略工作可以被AI增强，战略责任不能被外包

AI越能增加战略选项，企业越需要明确优先级和主动放弃

AI会让企业看见更多市场、生成更多方案、尝试更多场景，但资本、时间、组织注意力和变革承载力仍然有限。甚至因为生成方案的成本下降，企业更容易同时启动过多项目，把人才、算力和管理资源分散在彼此竞争的方向上。

因此，AI越能增加战略选项，企业越需要明确优先级、集中资源和主动放弃。AI项目清单不能代替战略，技术路线图也不能代替价值选择。一个什么都想做的企业，表面上拥有更多可能，实际却可能失去形成独特能力的时间窗口。

这也是AI时代战略稀缺性的变化：信息和方案不再像过去那样稀缺，判断、取舍、承诺和责任变得更加稀缺。AI提供的是能力与选项，战略决定这些能力为谁服务、投入到哪里、哪些边界不能越过。

战略只有落到关键任务、资源承诺和责任主体，才真正进入组织

战略如果停留在定义、方向和方案中，就还没有真正进入组织。基于上述判断，华夏基石AI领导力学院提出“战略五问三落点”，作为当前课程研究和企业试验中的工作性框架。它不试图替代已有战略理论，而是帮助企业在AI成为持续能力供给后，把未来判断、客户价值、选择取舍、能力配置和动态验证连接起来。

未来问：未来发生了什么变化，我们真正面对的关键挑战是什么？ 企业要识别影响客户、竞争、技术和规则的关键信号，形成对未来的工作假设，并从众多问题中找出当前最需要解决的战略矛盾。

价值问：我们决定为谁创造什么客户价值，并如何获得持续收益？ 企业需要说清客户选择、价值主张、交付结果和价值获取逻辑，避免用内部活动、AI调用量和降本数据代替客户结果与经营结果。

取舍问：为了形成这一价值，我们做什么、不做什么？ 管理层需要明确进入哪里、退出哪里、优先什么，哪些看似合理的机会决定放弃，以及这些取舍如何共同形成独特定位。

能力问：实现这些选择，需要什么能力与活动系统？ 除了资本和人才，企业还要配置AI、算力、数据、知识、Agent、工作流和生态能力，并判断哪些关键能力必须形成组织资产。

验证问：哪些战略假设必须被检验，依据什么结果坚持、调整或退出？ 企业要事先明确需要观察的信号、验证的指标和调整的阈值，同时说清最终判断由谁作出、后果由谁承担。

五个问题不能停留在讨论层面，最终要形成三个组织落点：把选择转化为少数关键任务，把资本、人力、算力、数据、知识和管理注意力转化为真实的资源承诺，并为决策权、资源调度权、专业校验和最终结果明确责任主体。

图3：AI时代战略“五问三落点”闭环

这套框架形成的不是一次性线性流程，而是一个经营闭环：未来判断与关键挑战，连接客户价值和收益逻辑；价值选择形成取舍，取舍决定能力与活动系统；能力进入关键任务、资源承诺和责任安排；执行结果再反过来检验战略假设。需要调整的可能是实现路径、能力组合或资源配置，只有当关键假设被证伪时，企业才重新审视更上游的价值方向。

没有形成关键任务和资源承诺的方向，只是愿望；没有明确责任主体的任务，只是清单。

AI是否提升了战略能力，最终要由客户价值和经营结果证明

判断AI是否提升了战略能力，不能只看战略工作变得多快，而要看企业是否形成了更好的选择，并把选择变成了客户价值和经营结果。企业可以从一个具体战略问题开始试验，例如是否进入一个新客户群，是否改变一项产品的价值主张，是否把AI嵌入主营业务，或是否停止一批无法连接客户价值的AI项目。试验不以生成了多少报告、调用了多少次模型或建立了多少个Agent为成功标准，而要保留完整的判断链。

这条判断链包括：最初的未来和客户价值假设是什么，AI参与了哪些研究与推演，人作出了哪些关键判断，企业决定放弃什么，资源如何重新配置，最终形成哪些关键任务，责任如何落实。结果则应回到客户、经营和组织能力：客户价值是否被更准确地识别和兑现，资源是否真正集中，是否减少低价值项目，是否产生可观察的经营结果或能力沉淀。

这也是本文定义需要继续验证的边界。现有证据能够说明AI提高了部分战略工作的效率，却不能证明企业已经作出更好的战略选择。只有当选择进入资源配置、任务执行和责任体系，并最终接受客户与经营结果检验时，我们才有可能判断AI是否真正提升了企业的战略能力。

AI让答案越来越容易生成，也让企业拥有前所未有的能力选项。但真正决定企业未来的，仍然是它如何判断关键挑战，为谁创造什么价值，愿意放弃什么，把哪些能力建在组织上，并由谁承担选择的后果。

方案越来越容易生成，真正稀缺的仍然是选择、承诺与责任。

如果您的企业正在重做战略，或正在讨论AI应该进入哪些业务，不妨先选择一个真实问题，用“战略五问”检查判断是否完整，再看它是否真正落到了关键任务、资源承诺和责任主体。战略是否成立，最终不由方案的完整程度证明，而由客户选择、经营结果与组织能力共同证明。

• Michael E. Porter, “What Is Strategy?”, Harvard Business Review, 1996

• Harvard Institute for Strategy and Competitiveness, “Strategy Explained”

• Richard Rumelt, “Strategy in a Structural Break”, McKinsey & Company

• Richard Rumelt, “The Perils of Bad Strategy”, McKinsey & Company

• David J. Collis and Michael G. Rukstad, “Can You Say What Your Strategy Is?”, Harvard Business Review, 2008

• Donald C. Hambrick and James W. Fredrickson, “Are You Sure You Have a Strategy?”

• David J. Teece, “Explicating Dynamic Capabilities”, Strategic Management Journal, 2007

• Michael L. Tushman, Charles A. O’Reilly and J. Bruce Harreld, “Leading Strategic Renewal”, Harvard Business School faculty paper

 《AI时代高能企业的六大评估标准》

 《六大行业的小微高能企业标杆全景图》

 《传统企业如何从“低能体”进化为“高能体”》

 《新创业者如何成为“高能新物种”：少人高估值的创业密码》

 《政府、园区、投资人如何评估与识别“高能小微新物种”》

分享、点赞、推荐，3连3连！