《CEO AI挖矿指南》合思创始人兼CEO 马春荃著
第 9924 篇深度好文：6040 字 | 10 分钟阅读
AI很热，但企业真正用它赚到钱了吗？
不少企业尝试将 AI 嵌入产品做局部提效，却发现客户不愿为此付费，根源在于仍沿用旧软件思维看待 AI——AI 作为全新生产力，其价值边界不在于模型能力，而在于人的认知。
企业用好 AI 的核心，是厘清 AI 的权责边界、重构人机协作模式，挖掘被低效与组织结构所掩盖的利润，这正是 AI 时代企业重构利润的转型之路。
本文把复杂的AI转型拆成找矿、采矿、炼矿、分矿四个看得懂、记得住的动作。企业在 AI时代重构利润的完整路径，如图 1所示。
1.产品创新的两条路径
如果我们把企业 AI落地比作一场价值“找矿”，那么最先要辨别清楚的就是矿脉的分布类型。回望电气化革命的历史，两种截然不同的创新路径恰好为今天的企业 AI转型提供了清晰的底层参照，如图2所示。
①延展式创新
一种路径是沿着电网架设电灯，可以叫作“延展式创新”。
电的普及带来了无数看似微小却体量巨大的商业机会：看到灯泡在发光的同时会发热的特性，人们发明了烤箱和电暖器；有了灯泡照明产生的光影，由传统的皮影戏衍生出了银幕上播放的电影；后来人们想把电影装在盒子里带回家，于是就有了电视；再后来又有了手机和平板电脑，直到今天的新能源汽车，整个社会的电气化已经无处不在。
这些五花八门的终端应用，才是真正创造巨大商业价值、改变人们生活的关键。
电灯这种延展式创新的逻辑是，沿着已经铺好的“数据网络”去找矿，寻找 AI应用落地的产品创新点。哪里有电网，哪里就可以安灯泡；哪里有对灯泡的高密度需求，就在哪里率先铺设电网。
AI的商业创新亦是如此，哪里数字化程度高，哪里就是 AI创新的富矿。
②跨越式创新
另一种路径是点对点安装设备发电报，可以叫作“跨越式创新”。1858年第一条跨大西洋电缆铺设成功之前，纽约交易所和伦敦交易所之间的行情传递完全依赖跨大西洋蒸汽船，单程就需要 10～ 14天。一条从伦敦发出的棉花价格消息，等到达纽约时已经完全失去了时效性，无数商人因为信息差倾家荡产。
正是这种极端迫切的高时效性需求，催生了电报这种跨越式创新——它不需要等待全国性电网的建设，甚至不需要统一的电力标准，只要解决了点对点的通信链路问题，就能直接产生巨大的效率提升。
电报这种跨越式创新的逻辑是，无须等待数据完备成熟，只要价值足够大，就可以为企业提供跨越式破局的可能。在高价值场景中深耕研究，寻求点对点突破，也可以找到 AI应用的富矿脉。
这两条路径不是二选一的关系，而是互补的。电灯式创新从已有优势出发，在成熟的基础设施上做确定性高的应用创新，适合稳扎稳打、步步为营。电报式创新从价值机会出发，在高价值场景中做跨越式的单点突破，适合开辟新战场、建立新壁垒。
前者是“顺着电网点灯”，后者是“为了通信架线”，但它们有一个共同点：都必须扎根在具体的业务场景里，解决真实的问题。
2.延展式创新的必要条件
AI的发展依赖三个要素：算力、算法和数据。
当前的 AI产业格局中，赚得最多的是大模型厂商和英伟达（NVIDIA）这样的算力供应商。这就类似于电气化革命早期，最赚钱的是修发电厂和铺电缆的人，所有东西都在按电量计价，这是基础设施建设期的必然现象。
但长期来看，发电厂虽然重要，但如果没有灯泡这样的终端应用，发电厂根本不会普及，也没有真正的使用场景。
麦肯锡 2018年发布的一份关于 AI产业应用现状的报告显示：预计到 2030年，AI将为全球经济贡献高达 13万亿美元的增量价值，其中垂直行业应用将占据最大份额。
制约 AI发展的瓶颈已经转移到了第三个要素：数据。更准确地说，是数据的完备性、规则的清晰性和适配场景的规模这三个必要条件决定了“数据电网”的建设质量。
在AI时代“找矿”，如果选择“沿着电网点亮灯泡”这条路径，企业自身的这张“数据电网”一定要建好，不然有灯泡也点不亮。
“数据完备”是延展式创新的第一个必要条件。一项业务如果没有完成数字化，就无法通过 AI激活价值。数据不存在，AI就无从下手。数据完备不仅要求“有数据”，还要求数据的质量、格式、连续性和可获取性都达到了 AI可用的标准，业务全流程能够形成闭环的数据链路，并且数据沉淀充足、质量可靠。
第二个必要条件“规则清晰”是 AI能在企业中稳定运行的保障。规则清晰就是，什么被允许、什么被禁止、操作的边界在哪里都有清晰成文的标准，不依赖个人经验，不依赖主观判断，不存在模糊地带。数据是 AI的土壤，清晰的规则是 AI生长的框架。没有明确的规则边界，即便数据再完备，AI也容易出现逻辑混乱，带来效率和风控的双重漏洞。
第三个必要条件可以描述为“规模够大”，这是确保 AI落地具备经济可行性的前提。一个应用场景如果数据完备、规则清晰，但一年只发生十几次，AI落地的投入产出比就过低。值得 AI介入的场景必须是发生频率高、覆盖面广、涉及大量重复性劳动的业务实践。
采矿：从 SaaS到 RaaS的商业模式变革
1.AI让软件的价值透明化
2026年春节，几家 AI大厂搞了一轮大规模补贴，发放了各种红包、优惠券，试图拉动用户使用自家的 AI应用。效果怎么样呢？大量用户领了补贴之后，用 AI干的最多的事情无非尝试一下“帮我点杯奶茶”。
他们没有因为 AI应用发了补贴就改变自己的消费习惯，平时该用哪个外卖软件还是用哪个，该在哪家店点奶茶还是在哪家。补贴一停，这些用户就消失了。
传统的用户增量已经见顶，流量也越来越贵。在一个存量市场里搞补贴大战，烧的每一分钱换来的都不是真正的用户增长，而是用户暂时的注意力，一种脆弱、容易消散的东西。
各行各业的价格战都是一样的。你把价格打到极限，抢来了一个客户，但这个客户不是因为认可你的价值才选择你，只是因为你的价格便宜。明天出现一个更便宜的，他就会走，你并没有建立起真正的市场优势。
说了这些行业顽疾，画面看起来挺灰暗的，低价竞争的局面真的无解吗？我想说：AI时代的到来，让我们看到了这个死结被解开的希望。
原因很简单：AI让软件的价值变得可量化、可验证了。
2.AI重新定义市场格局
产品的 AI能力升级和按结果付费的商业模式变革，组合到一起产生了化学反应，实现了一个我们追求的战略目标：把 AI能力从合思的费控系统中解耦出来，如图 3所示。
我们曾经尝试的路径是“费控 +AI”，客户要用合思的 AI智能审核，就必须先买合思的费控系统，整个销售逻辑是捆绑的：我们的 AI能力基于我们自己的平台，离开这个平台就无法使用。
这意味着每拓展一个新客户，都需要先说服他把现有的费控系统换成合思的，然后才能用上AI。这个门槛很高，很多企业的财务系统是和 ERP系统深度绑定的，牵一发而动全身。常见的结果是我们的AI能力确实很好，但大量潜在客户因为系统切换的成本太高而被挡在门外。
解耦之后，逻辑完全变了。新客户不需要采购合思的费控系统，他可以根据自身的具体情况，选择最需要合思先帮他解决的那个问题所对应的产品。客户现在最头疼的是审核效率？那先上智能审核 Agent。客户的痛点是商旅管控？那先上商旅 Agent。
这极大地降低了新客户的进入门槛。过去是“全家桶”式的销售，现在是“单点切入、逐步扩展”。我们可以先用一个最轻、最急需的产品同客户建立信任和合作关系，后续再根据客户需求逐步展开其他合作。
“按结果付费”的逻辑降低了客户的决策门槛和试错成本，让合作得以从小处开始，从信任开始。
3.要做“懂客户”的基础设施
未来 AI编程构建产品的能力会越来越强，我估计再过不到 10年，除了 AI技术本身的提供者，可能没有人会再用传统意义上的“软件”了。大家用的应该是各种各样的 AI智能体，AI的底座能力来自大模型厂商，而中间那些做应用层软件的公司，如果不完成转型，就会被夹在中间，两头承压。
面对这种局面，软件厂商怎么活下去？我认为有两条路:一方面深耕客户需求，积累行业 know-how（技术诀窍），把 AI审核的准确率和场景覆盖率做到极致；另一方面持续投入底层能力研发建设，确保我们的系统在底层是可靠的、精确的、经得起检验的。
上层用 AI做灵活的智能处理，下层用确定性的代码做精确的逻辑保障，我相信这种“AI+基建”的组合才是软件厂商最坚固的护城河。
我们谈的主要是商业模式转型，在转型的过程中，我越来越强烈地感受到一件事：产品和商业模式的变化一定会倒逼组织革新，如图4所示。
产品变了，商业模式变了，市场生态关系变了，组织不可能不变。如果组织的能力、结构和文化不匹配，再好的产品和商业模式都会在执行层面变形走样。
1.组织重构：前线深耕与前沿探索
AI时代的到来，数据的获取和处理方式在变，流程的形态在变，算法的调用逻辑在变。如果底座变了，而我们还站在原来的位置上，那么做出来的产品、搭建出来的组织都会与新的现实脱节。
要理解 AI时代的组织变革该怎么做，就得理解一个更底层的问题：从“流程驱动”到“模型驱动”，中间到底经历了什么？ 这个演进可以分成三个阶段，如图 5所示。
第一个阶段是流程驱动。
在流程驱动模式下，员工要办什么事，就知道“这个单子该找谁审批签字”；到了数字世界，我们的管理软件也是根据每个企业的管理流程来设置节点和程序，员工填完一个单子就转移到他的上级主管那里审批，层层递进。流程驱动的管理软件提升了企业各层级之间信息流转的效率，也减少了人为的疏漏，降低了随意性。
但它的局限也很明显：流程是固定的、线性的、单向的。一旦业务场景发生变化，比如新增了一个审批层级、调整了一个费用标准，就需要去修改软件平台上的流程配置，整个系统的灵活性受限于流程设计的精细程度。
第二个阶段是数据驱动。
数字化时代带来了一个根本性的变化，数据开始替代流程中的部分人工环节。数据驱动的核心逻辑是让数据自己说话，减少人在流程中的介入。但本质上，数据驱动还是在流程的框架内做优化。流程还在，只是其中一些人工节点被数据自动化替代了。
第三个阶段是模型驱动。
当 AI不再是一个附加功能，而成为组织运转的核心枢纽时，就从数据驱动进入了模型驱动阶段。这是一个质的变化。过去的流程驱动是线性的、单向的，填好表格，沿着固定的流程线走一趟，每个节点的人看一眼、签个字。整个交互是一次性的，信息传递是结构化的。
但模型驱动完全不同，模型就像一个枢纽，它会识别、推理、分发、决策和控制。每次交互不需要填写复杂的结构化表单，三言两语让模型理解了意图，它就自动去做下一步动作，该调用什么数据就调用什么数据，该触发什么规则就触发什么规则，该转给谁就转给谁。
2.组织管理：从岗位进化到管理升维
转型必然伴随阵痛：AI的不确定性、人的路径依赖、尝试后的预期落差，都可能构成转型的负向循环。而穿越阻力的核心终究要回归人本：激活懂业务的核心人才，以深度连接替代流程管控——技术越向前，管理越要回到人本身。
理论是理论，落到实践中，我逐渐形成了三个具体的思考维度，如图 6所示。
第一个维度：AI优先。
这几个字说起来容易，做起来要考虑两个层面。
第一个层面是使用习惯，能用 AI的时候就用 AI，让它成为日常工作的默认选项而不是可选项。这一点现在越来越多人开始接受了。
第二个层面更为重要，即从 AI带来的新生产模式出发，去思考新的机会点。不去思考“我现有的业务哪里可以用 AI优化”，而去思考“如果我从一开始就假设 AI的能力存在，我会怎么设计这个业务”。
这两个问题看似相近，答案却可能截然不同。前者是改良，后者是重构。
第二个维度：不做端到端的规划。
过去上线一套系统之前必须把流程全部梳理清楚，因为传统软件的开发成本高、试错成本高，上线后如果发现流程设计有问题，改起来代价巨大，所以必须设计得严丝合缝，而端到端规划是基本功。
但 AI时代完全不同。AI的能力恰恰在于它可以“截断式”地完成。哪里有问题就在哪里治理，不需要等一套完整的规划做好才动手。过去靠周密的前期规划来保障的可靠性，现在可以由快速试错来保证。错了就改，改了再试，试的成本极低、速度极快。
这个逻辑放到组织变革上同样适用，组织变革也要在动态中快速添加 AI的能力。
第三个维度：消灭比改善更有效。
这个观点受到资深财务专家付军华的启发，大意是：管理过程原来有很多环节，你在一个环节上提升 5%、10%，效率确实在提升，但其实最好的方法是把这个环节拿走。不是优化它，而是消灭它。
管理学界也有类似的洞见，省下5%很难，但省下 50%反而容易，因为省 5%靠的是在现有框架内抠细节，而省 50%靠的是重新设计框架、把不必要的环节直接砍掉。
到了 AI时代，“消灭”的能力被进一步放大了。过去很多管理环节存在的原因是“防止舞弊作假”，所以不同岗位之间要设置互相监督、层层审核的机制。但 AI不需要这些，只要让 AI去监控，它就会时时刻刻、不知疲倦地监控，不会漏掉，不会偷懒。
过去需要三个人互相牵制才能保障的合规性，现在一个 AI就能覆盖，而且覆盖得更全面、实时性更好。这意味着大量原本为了监督而存在的管理环节可以被直接消灭。
分矿：人本价值激励与人机共生社会
1.分解任务，为 AI服务
光能看清问题还不够，你还得能把问题表达和拆解清楚，AI才能真正为你工作。这就是 AI时代人的另一个重要技能：任务分解。
把一个大任务分解成足够小、足够聚焦的子任务，每个子任务的目标明确、边界清晰、验收标准清楚，AI的执行可靠性就会非常强。反过来，如果你甩给 AI一个模糊的大目标，例如帮我把这个报表做了，它大概率会做出一个看上去像那么回事但经不起检验的东西。
我们通常说 AI是为人类服务的，帮人干活、替人审核、给人做分析，但从另一个角度来看，也可以认为是人类在为 AI服务，帮助 AI进化得更完善。
AI时代对人的能力要求可以归结为一个链条：分析问题的本质→规划和分发任务→把任务翻译成 AI能理解的指令→不厌其烦地调试以找到驾驭 AI的合理方式。
2.人机共生时代的价值锚点
人和 AI各自创造的价值该怎么衡量？这是一个看似抽象但极其实际的问题。
当 AI成为人类普遍使用的生产工具，一个劳动者操控工具的能力本身就是一种价值创造。就像开车技术好的人可以当司机，用 AI写代码的人就是程序员，用 AI作曲的人就是音乐人。
当然，用 AI写的代码能不能跑通、用 AI谱的曲子是不是好听，这就是产品价值判断的问题了。
进入 AI时代后，对 AI工作成果的定价催生了新的商业模式。而对人与 AI协同能力的定价则决定了我们如何找到自身存在的意义，这其实是个存在主义哲学范畴的命题。
我并没有完全想清楚这个命题的内涵和外延，但有一个可能的思路是，我们要敢于定义自己的任何一份工作，就像瓦特定义了“马力”一样，每个行业的每个工作者，都需要找到定义自己工作价值的“马力”。
五、总结
AI不会让人变得多余，它会让人变得更加全能。组织不会因为 AI而瓦解，它会让组织变得更加高效。AI时代的商业逻辑改变的是人类与工具的协同方式，而企业追逐效益的永恒目标以及以人为本的价值导向始终不变。
*文章为作者独立观点，不代表笔记侠立场。
