拥抱AI，从寻找“最优解”开始丨2025 ITValue Summit 前瞻对话「AI落地指南特别篇」⑨

2025年，ToB企服领域讨论最多的一个话题就是——如何实现企业级AI应用落地。尤其是对于企业CIO来说，在从数字化转型，向着数智化转型转变的过程中，企业CIO充当什么样的角色？需要发挥什么样的作用？成为当下所有CIO需要思考和面对的话题。

在钛媒体2025 ITValue Summit前瞻之AI落地指南系列直播中，钛媒体集团联合创始人、钛媒体研究院院长万宁与中顺介入CIO杨森林围绕企业如何落地AI应用，如何将业务与IT实现融合，寻找企业数字化转型“最优解”等话题展开了讨论。

杨森林在讨论中表示，当前企业都在追求降本增效的时代，如何通过算法驱动，利用数字技术实现这一目标成为关键。但在实施的过程中，企业面临了很多误区，其中最为“致命”的一个误区就是——工具和业绩增长之间有个天然的鸿沟，而IT团队并不理解业务，导致了IT提供的工具在业务场景并不好用，“业务要的是业绩增长，IT提供的是工具，但工具无法直接解决增长问题。”杨森林进一步指出，“数字化转型最难的从来不是技术，而是打通业务、财务与公司管理层，首先解决思维方式的问题。”

杨森林分享了中顺洁柔在数字化方面的些许经验，他指出，中顺洁柔基于算法（决策AI的神经网络机制），打造了高潜模型，以及高危门店模型，通过对门店数据的汇集和分析，让业务少跑无效门店，等效于多铺5倍人力，还能将生意的经营控制在良性发展之中。

在此基础上，杨森林表示，企业若想在数字化和AI应用方面取得成果，寻找到销售额和利润的最优解是关键抓手。针对此，中顺洁柔还推出了控盘分利的模型，实现精准花费。“通过循序渐进的推进，我们实现了从由原先传统的经验决策，向算法驱动的决策转变，将海量信息重新通过算法进行归类，进而在分析，并模拟优秀员工的经验，形成智能体，在辅助员工进行决策。”杨森林介绍到。

此外，在谈及CIO职责的时候，杨森林认为，CIO的使命是帮老板减少决策纠结，减少选择困难症发生的情况，而非增加选项。同时，CIO不需要与老板谈技术，而需要将ROI告诉老板，从而获得老板的支持，“比如AI投入500万，能否提升100人的工作效能，或发掘新增量的机会，产生大于500万的收益。”杨森林举例道。

面对当前CIO为何是“高危职业”，频繁被换的提问时，杨森林指出，很对企业的CIO对于业务都不了解，“因为如今每个企业都希望数字化有成果，但大多数的CIO因为不懂业务，所以并不敢承诺结果，这也导致了频繁的被更换。”杨森林指出。

不仅于此，杨森林认为，对于CIO来说，需要明白两件事，一个是，凡事都要尽力寻找最优解；另一个是，掌握麦肯锡提出的MECE方法论。

附上本期直播时间轴，帮你快速跳转感兴趣的部分

00：04：40 头部企业在市场挑战中的应对策略

00：28：13 通过算法驱动，实现门店拓展、业务增长

00：32：53 中顺洁柔应用AI过程中的挑战与“解”

00：41：33 控盘分利模型与企业“最优解”分析

01：16：17 企业数字化转型，从改变思维开始

以下为对话实录，经钛媒体APP整理：

万宁：目前中顺洁柔面对的市场的复杂度在哪里？

杨森林：中顺洁柔是目前国内生活用纸四大头部企业之一，曾经我们一度认为，我们可以达到超过50%的占比，不过近几年发展遇见了瓶颈，今天生意最大的困境就是用户分散、渠道分散，以及经营方式上的改变。

在2016年前后，中顺洁柔吃到了时代增量的红利，才得以达到百亿规模的生意。这个时代，是因为我们在高端用纸方面，找到了合适的赛道，而不是因为我们做的很好。找到合适的赛道之后，中顺洁柔“大干快上”，只要在空白地带进行铺货，就能产生销售额。

这种现象不仅存在中顺洁柔，而是存在于整个快消品行业，在2015年到2020年之间，所有快消品行业企业都是赚钱的状态。但时至今日，竞争格局正在改变，我们没有办法利用“大干快上”疯狂的掠夺市场的方式，进行企业经营了。过去，我们依靠品牌效应就能获得很大的市场，但就今天来讲，实用经济的时代，我们面临最大的竞争，已经不是大品牌之间的竞争了，而是无数个“白牌”和新品牌的“撕咬”。比如，一个新的品牌可以依靠抖音一个赛道，快速达到10~30亿的规模，快速崛起的OEM，以及极致的供应链效率和粉丝经济效应，这些战略的调整，新品牌可以在一年内完成，而对于洁柔这样的大企业来说，一年的时间，可能刚刚走完流程。

洁柔今天最大的困难就是：渠道和流量过渡分散，以及一些新锐品牌进入市场侵占和极致价格策略下，头部公司如何应对这种“游击队”式的打法？一方面，企业不能失去自己的风格，不能与这些新品牌打价格战，同时还要保质保量保品牌，确保自身独有的优势，我们称之为“塑料时代”，打法已经与原先完全不一样了。

万宁：从两个方面想请您分享一下。首先，在增量时代，中顺洁柔做对了什么，才在当时获得了成功？

杨森林：从两方面来看，第一个，我们先回顾一下中顺洁柔整个的成长经历。2016年的时候，洁柔才20多亿的规模，属于华南地区的一个区域品牌。在由区域品牌向国内头部品牌进化的过程中，首先是要获得消费者的“人心”，获得认可。在2016年到2022年这段时间内，中顺洁柔首先要做的就是将品牌植入消费者心中，我们当时推广的理念是：湿水不易破。

当时市场上的纸巾，在沾水之后都容易碎掉，韧性不够。这时候，中顺洁柔第一个提出了湿水不易破的概念，让消费者可以像用毛巾一样，擦水、擦汗，这就给用户带来了很好的感官和体验。而这个概念也让我们打入了高端纸巾的市场，树立了行业“湿水不易破”的标杆。时至今日，基本上所有的纸巾都会有一个标签——可湿水面巾，其实中顺洁柔在那个时代，提高了整个行业的技术门槛。

当时，很少有同行跟进我们，因为这就意味着成本投入增高，质量追求更高，配方的改变。从原材料角度出发，我们叫针叶和阔叶，一个负责韧性，一个负责柔韧度。柔韧度提高了，纸巾可能就厚了，就会变脆。如果阔叶变多了，相对针叶变少了，那么效果又是不一样的。配方的改变，也代表了企业投入的改变，这个在那个时候是一种重资产投资，风险很大。

在解决了品牌，产品的问题之后，我们再解决扩张度的问题。在增量时代，尤其是2015年到2019年之间，我们吃的是房地产的红利。中国的经济与国外不同的是，国外是从蒸汽时代、工业化时代、电气化时代，从而逐步进入了现代化，中国其实是反过来的。通过人口进城，带动了房地产发展，房地产又带动了地铁的兴建、楼宇的兴建，进而又带动了人们的衣食住行。中国用40多年的时间，走完了欧洲走了近200年的路。

在那个时代，因为房地产带来的红利尚未消失，企业怎么做都是赚钱的，但到了现在，经济增速逐渐放缓。

万宁：除了产品的升级之外，就像您说得，用户和渠道的分散也是对中顺洁柔的考验，在这个时候，中顺洁柔如何通过信息化、数字化的手段，完善了企业管理，从而实现成功的？

杨森林：在增量时代，有了好品牌、好产品之后，大家核心的竞争力不是脑子，不是数字化，而是勤奋，以及销售的执行能力。在这个过程中，所有头部的快销品牌拼的就是“大干快上”，这个过程中不需要数字化。

在2015年前后，很少有企业说：我要做数字化转型，因为用不到。大家甚至连一个Excel表都不需要，就能干好这个生意。

那个时候，生意的增长取决于，好的品牌、好的产品、合理的价格、合理的促销政策，以及在这个阶段，企业拼的就是销售的执行力。

但后来拐点出现了，我认为，中顺洁柔的拐点出现的还算比较晚，我们的拐点出现在2022年之后，这个时候我们意识到我们的红利时代消失了。

新锐品牌的出现，将产品极致的细分。原先，一包纸巾什么都能擦，现在不行了，有专门擦鼻子的，在擦鼻子的里面还进一步细分敏感型的，不是敏感型的等等。甚至连厕纸都分成了湿厕纸、干厕纸，卷纸、抽纸....这些都功能性的极致的细分。比如出现湿厕纸之前，大家都用卷纸，但是湿厕纸出现之后，就挤压、抢占了卷纸的市场。这种情况下就出现了，过去，一包纸就能养活一个企业，现在，会出现有十个企业抢占赛道，产品细分了，场景细分了。

另一方面，渠道也发生了翻天覆地的变革，比如抖音的火爆，让用户对于卖点，以及娱乐性的感知更强了。比如一些新锐品牌可以通过抖音头部，或者肩部的主播，以极低的成本快速占领用户心智。抖音最大好处是，能够让卖点非常直观的暴露在消费者面前。这些也就是如今出现的产品细分、渠道细分的局面。

此外，纸有个天然的缺陷，纸是一个用户忠诚度极低的领域。很难说有一个消费者只用洁柔的纸，消费者只能分得清，这个纸好用，甚至只能分得清四大家族的纸，还是非四大家族的纸。这就导致了我们出现了“不促不销”“大促大销”“小促小销”的行业，甚至我们如果不将产品放在超市显眼的地方也会导致销量不好。这种情况下，所有的促销费、陈列费就成为了企业的重要成本。

这些情况加一起，就导致了行业出现拐点——用户的分散、渠道的分散，以及新锐品牌占领细分赛道。过去大标准货品没有，现在全是细分货。

以渠道为例，当前消费者可以通过多种渠道买东西了，比如电商、OTOO、社区团购等，甚至连电商都细分成了传统电商和电商+线下的模式。而这些渠道细分、场景细分也让我们开始探索以决策AI驱动生意增长，因为人脑已经跟不上时代的发展，现在我们整个纸巾市场的吞吐量是核弹级别的，但我们的脑子确实小卖铺级别的。因为同样的一套经营策略，在OTOO与传统电商，以及内容电商之间的打法完全不一样。这些因素加起来，就让我们不得不依赖数字化的方式，进行判断。因为数字化推断、计算出来的结果比人脑更快，更准。

回看中顺洁柔一路走来，在增量时代，我们还算成功，在缩量时代，我们第一反应是要寻找到这个时代最合适我们的经营方法。这个过程中，洁柔花了2~3年的时间，一直在探索我们应该怎么办。

一直到今年半年度财报的时候，显示我们经营的还不错，回到了2023年的峰值，回到了我们经营比较好的状态下。这也证明了中顺洁柔数智化的手段已经初见成效。因为我们不仅止住了颓势，还实现了逆势增长，这就是我们数智化第一阶段的成果。

万宁：在市场进一步细分化、个性化的背景下，中顺洁柔围绕智能决策等方面，又有哪些具体的举措呢？

杨森林：坦白的说，在中国，企业的数字化转型的成功率并不高。目前为止，我们只是将工具端做的比较好。为什么说中国企业的数字化转型做的并不好呢？因为很少有听说哪个企业，因为做了数字化转型，企业赚到钱了，所以说企业的业绩增长、销售额和利润的提升，与工具之间还存在天然的鸿沟。

这种时候就出现了一个问题——给谁用？比如，一名员工对业务理解能力是60分，对数字化理解能力是20分，给他80分的工具，还是120分的工具都没有差别，因为他业务理解就60分，数字化理解就20分，这也限制了你给他多少分的工具，他的理解也都是20分。

这个时候，企业就要明白，业绩增长与工具之间还涉及到一个内容——想干嘛？比如业绩，我们需要将销售额和利润进行分解，对于企业CEO来说，如何分解生意，如何将生意与渠道建设、业务体系关联起来。需要将生意切分成不同的渠道，再切分成不同的场景，最后才能发现场景里的痛点，然后在提供相对应的工具。

第一阶段是，IT时代，我们需要解决的是信息传递的问题，也就是从销售到仓库，如何将信息传递过去，这个时代已经过去了，但我们在这个阶段留存了大量的数字资产（数据）。

第二阶段是解决数据应用的问题，企业希望基于数据，能够进行一些分析，并将分析的结果辅助企业进行决策。

以中顺洁柔的思考为例，在缩量时代，我们记录的门店仅仅几万家，但是我们预估我们实际的门店不会低于40万家。这个过程中是工具不好用么？并不是，其实通过Excel表格的方式也能记录下来这么多，但是人家不用，为何不用？因为人家要的是业绩增长，但是你提供的工具带不来业绩增长，这就出现了信息差：你要的，不是人家要的，人家要的，你又给不了。我相信90%的企业都卡在了这里。

综上，企业如何解决呢？第一个要进行改变的是：改变自己。首先要问自己：懂不懂业务？能不能对业务介绍说：“我又几个办法，几个方向，几个资源，能提升销额，带来增长。”首先需要数字化的人员，要懂业务，精通生意，这种思维的改变是首要的。

改变自己之后，进而才去看，我们40万个门店，带来了线下近50亿的生意，那么，如果100万家店，能带来多大的生意？200万家门店呢？进而，我们再寻找方法，有没有可能通过只铺50万家门店，就能达到200万家的效果？在此背景下，我们基于算法，决策AI，推出了我们第一个模型——高潜模型。实现了同样的铺货量，在普通门店只能卖1000块钱，但是在拥有高潜模型的门店，就能卖3000块钱。

我们对高潜模型进行了分类。第一类，当我们平局单店产出在1700块钱的时候，我们做了第一个高潜模型。第二个高潜模型是2500多，第三个高潜模型是5000多。而这个思考并不是结束，我们继续推进了决策AI应用。

原先门店的倒闭率很高，大概在30%左右，一家门店的损失，可能需要新开十家门店才能弥补，在此背景下，我们就坐了第二个模型——高危门店模型。分析强势市场如何打，弱势市场如何打。所以我们总结了高危片区、高潜门店，以及高危门店，就能让业务人员跑业务的时候，戴上一双眼镜去经营，通过数字化操盘，让业务少跑一点，200万个门店，其实业务跑五分之一的门店就已经能解决问题了，让业务跑的门店更为精准。

在此基础上，我们还推出了控盘分利的模型，实现精准花费。这样一套下来，我们才尝到了数字化的甜头。由原先传统的经验决策，向算法驱动的决策转变，将海量信息重新通过算法进行归类，进而在分析，并模拟优秀员工的经验，形成智能体，在辅助员工进行决策。

这个时候，就会发现，效果很不错。我们发现并不是人越多越好，而是聪明的人越多越好。我们发现一个规律，20%的人力成本，贡献了80%的业绩，我们让80%的员工，听从20%优秀员工的决策，80%的员工只负责执行就可以了。

如何让20%优秀的人，领导80%的人呢？在此基础上，我们用算法模拟了一个基于决策AI的智能大脑。让80%的员工听从这个决策大脑的领导，去推进业务就可以了。

总体来看，其实目前很多工具都是够用的，只不过工具与业务之间出现了空档，如何将工具更好地与业务结合，是企业需要花费时间去探索的问题。

万宁：控盘方面，因为要结合业务场景和销售管理等经验，更为复杂，在控盘方面，中顺洁柔有何思考可以进一步分享一下？

杨森林：确实，控盘是我经历过的项目中，要求最高的。项目要求技术、业务、洞察，以及全方位的能力。简单来说，通过这个项目，最终实现了销额和利润共同达成下的最优解。

这里面涉及了很多东西，举个例子，我想花钱，因为需要花钱之后，才能让人进货去卖出去，如果没有各种激励费用的话，经销商不进货。激励的模式很多，首先可以通过打折，这就涉及了价格类的各种流程。其次是活动类的，比如在某个区域联合别的品牌做一些活动，通过活动吸引消费者。第三是费用类的，比如超市的陈列费。

以一个场景为例，比如长春市某经销商申请将其中一个产品“破价”，需要进100万的货，这100万的货会触发副总裁审批，对于副总裁而言，批不批是个难题。批了，可能带来销量，但价格会跌；不批，因为经销商比较有实力，是进货的头部客户，不批就容易给合作带来隐患。

除此之外，还存一个隐患。因为中顺洁柔经销商有2000~3000个，领导不可能对每个经销商都十分熟悉。在审批的过程中，每个产品如何批才能确保其合理性，也是一个不小的挑战

在此背景下，中顺洁柔在追求公式最优解的过程中，首先，不得不思考所有费用的合理性。其次，还需要考虑人效比（人的ROI），一个很厉害的员工能给企业带来更多的价值，这个过程中就要考虑人效比的参数。第三，还要考虑运费，如何确保下单、发货、运输整个流程的成本最低，效率最高。

综合来看，诸如折扣、活动等随便几个因素的动态组合，导致了每次审批的过程中，都需要重新进行思考。因为每次审批的时候，决策都不是领导说了算，而是“计算器”说了。现在，我做了一个“计算器”，能模拟整个生意决策的流程，在审批环节，审核销额和利润是否是最优的，如果是，就批准；反之，如果销额和利润都会受影响，就不批。将AI与人结合，通过人工智能告诉领导如何经营，如何调优。

当然，这个过程是需要依赖领导经验和数据达成共同决策的过程，因为生意不是算法完全能代替的，只是通过辅助，给我们带来一些新的增量的机会。

所以，任何数字技术都是为人服务的，人才是驾驭技术最核心的因素，技术永远都是辅助，并不是代替。虽然控盘分利模型很复杂，但我们只要记住最核心的一点是：模型是通过综合全量因素，考虑销额和利润共同达成下的最优解。通过“计算器”模拟了全量因素，解决了费用的精准花费。

原先，中顺洁柔一个渠道费用10~20亿元，通过控盘分利模型随便省省都是个可观的数字。

再回到生意经营商，我们又用一个新工具让区域经营，从直接铺货，转变为，综合考虑城市内铺哪些货？怎么搭配？其实这就是企业的变革——让业务人员思维发生转变。

万宁：在项目推进过程中，您觉得哪些点最难突破？

杨森林：这其中需要很多对生意的理解。第一个难点，需要操盘的人对生意有着深刻的理解。比如，理论上折扣越大，销量越高，但折扣大了利润就低了；反之，可以定价很高，毛利很高，但销量就不好。这其中就需要找到（售价和销量）平衡点的问题。此外，还要考虑所有因素，比如是否投广告？投了没转化怎么办？不投卖不动怎么办？有很多因素都是动态的。

比如有一个费用活动，如果经销商特别有实力，我们破价持续半年，但明年我一定能卖得好，就能把今年破价的钱赚回来。而且有些时候需要利用低价，吸引一些优质的经销商。在这种情况下，控盘分利模型有可能显示是“糟糕的”，就需要有经验的领导结合生意经营的经验进行思考。将所有的成功因子提炼出来，通过多个模型进行模拟。

万宁：确实，假若在算力无限供给的情况下，可能会模拟出亿万种答案，如何选择最优解呢？

杨森林：对，所以就需要算拆单的最优解、发货的最优解、选仓的最优解，抓住这三个点，进而再组合成一个关于运费的，以及整体发货流程的最优解。而这也仅是一个最优解，还有费用的最优解、人员的最优解，当我们想把所有都做到最优时，会发现并没有那个能力实现。所以我就需要有选择性的放弃掉一些，通过探索了两年，中顺洁柔得出：将最核心的折扣、促销、运费和各种费用的最优解抓在手里，将这几个最致命的抓住，就足够了。

通过两年的时间，我和我们CFO（精通算法的领导），通过一些精通财务、精通算法、精通生意的人，一起讨论了两年才能理解这些思路，做出一个简单的控盘分利模型。这里面最难的，我认为并不是技术，而是领导对于生意的理解和洞察。

比如业务只对自己领域的业务熟悉，并不会对整个公司全盘经营很精通，这就需要无数个业务人员凑到一起，才能达到对公司经营每个细节都能实现最优解的地步。而无数个业务人员一起讨论，可能会讨论出很多话题，这就导致了我们无法通过内部讨论得出模型。只能通过领导层自身想明白了，将这个模型做出来，进而再通过实践，不断的再错误中改进和优化。我们目前也仅仅是初见成效，离“百分百”做好还有些距离。

万宁：在中顺洁柔制定数字化、AI战略的过程中，企业CFO、CEO、CIO扮演着什么样的角色？

杨森林：我们追求的是销额和利润共同达成下的最优解，简单来讲就是能达成KPI。这个过程中，（要考虑）全量因素。我们CEO、各个板块的负责人、副总裁都是成功因子。中顺洁柔每次会议，每个决策都是衡量因素，我们将所有人（领导层）对（数字化、AI）的理解，作为一个参数写进（战略）中，决定出哪些能改，哪些不能改。

从这个角度出发，员工与董事长之时职责分工不同而已，员工负责干活，董事长负责决策，员工尽可能不给董事长造成选择困难症（的局面）。

至于我们的追求，所有人各自负责各自的板块，比如财务负责财务的板块，CIO负责CIO的，业务的负责业务的，董事长也有董事长的，所有人各自形成了公式上的一个因素，从而完成销额和利润达成下的最优解。在此基础上，我们只有一个KPI——完成业绩，我认为，一切不以增长为目的的数字化都毫无意义。

基于此，我们与业务人员一起讨论业绩如何达成，业务人员不会拒绝，并且愿意与数字化的人员讨论。我们也与董事长讨论，在能达成销额和利润的前提下，我们需要怎样的支持......我们有一个最大的边界，只服务于业绩增长。

有很多企业存在这样一个误区：IT认为“我是做解决方案的”，我提供一个生成式AI的工具，能赋能业绩增长30%，就算是提效了。如果业绩不增长怎么办？能裁员吗？能回避风险吗？利润能涨吗？成本能降吗？......这时候就会发现，其实IT团队所谓的赋能和业务的理解不在一个频调上，业务唯一想要的就是完成自己的KPI，而IT人员要的就是，提供了一个工具，而工具达没达到效果就不管了。用得好是工具做的好，用得不好是业务人员能力不行。

这种时候就造成了对立冲突，就需要理解工具如何与业务结合，但这块是IT人员的盲区，因为IT人员不懂生意。如何解决呢？以运费最优解为例，首先IT人员需要这块业务在做什么，就需要IT人员到一线去看看整个运输流程是如何操作的，就会发现快速的物流流转过程中，是没有使用手机的机会的。这也是为什么好多IT系统落地不成功的原因（因为快速搬运过程中，没有看手机的场景）。如果IT人员不去一线观察，那么他们对业务的理解和实际使用者之间就出现了分歧。这是很多数字化项目落地过程中核心的障碍，洁柔也是这样一个一个项目的突破，但最终的目标都是实现业绩增长（业绩增长在我们KPI中占比很高）。

万宁：在让IT团队人员更懂业务（比如到一线去）的过程中，中顺洁柔是如何做的？

杨森林：第一个，我要求我的团队每个月都做车库撤销（这是我们快消品行业的一个职业动作）。跟着经销商一起去门店推销洁柔的货品。并且我们将车库撤销作为一项考核放在了我的团队的KPI中。通过走市场、跑供应链的过程，其实不是学习，而是IT团队也背负了类似业务的KPI，如果一天的销售额没有达成，就算是员工的失职。

我认为首先大家要改变自己的想法——我们将每个项目都当作一次创业，而不是坐在办公室里，盲目的，在一个理想环境下，进行策划。我在我的团队内部，要求所有人都需要带着老板创业的思维经营项目，每个人要为结果负责。

就好比，如果一个不懂业务的人，只会拿一个框架、一个PPT跟老板描述多好，老板肯定不会认同，但如果你十分懂业务（甚至在某些业务层面比老板还懂），才能说服老板认同你的方案。但这种情况也不是很绝对，比如企业想要涉足一个完全没接触过的领域时，请一个咨询的老师过来普及一下这个领域的基础性的知识，填补该领域的空白是可行的。但对于绝大多数企业而言，在数字化方面，最核心的需求是要解决问题。痛点很明显，比如业绩不增长了，想要通过数据分析等手段，实现业绩增长。

这时候就不需要从蓝图开始也老板们讨论了。而这也是现在很多咨询公司和实体企业之间的冲突。一个要增长，一个要方案，又不肯对赌，企业又不能要求一个做咨询的老师帮助其实现增长。

所以，公司自己的增长还是要自己负责，遇到卡点问题了，可以问问咨询的老师“需要你给我个工时，解决某个场景下的，某个问题”，然后再通过自己的努力，自主推进。

在IT需求方面也是一样的道理，如果IT人员在不懂业务的前提下，说“我能赋能业务”，业务凭什么听你的？

万宁：在AI的浪潮下，企业如何在资源有限的情况下，完成数字化建设？同时，您又通过怎样的管理办法，或者外部的技术公司支持，完成了公司给CIO制定的任务目标？

杨森林：综合来看，首先，所有的（项目）还是围绕着前面提到的公式推进，在这个公式下，我们先将目标分解——想干什么？AI就像是筷子，也是一种数字化工具。很多老板对于AI的认知是：用了AI之后，原先10个人完成的工作，现在一个人就能完成了，AI代表了裁员，这是很多企业明确的目标。

第二个，AI能够激发出新增量的生意机会。从原始角度来看，很多企业在这一步走入了误区。很多企业CIO不理解AI的机制和原理，以及AI不同架构之间的对比。大多数人都停留在：我会用AI应用，但这不应该是企业CIO的职责，而是要理解AI的原理，才能知道AI具不具备（相应场景下）功效。比如生成式AI目前解决的是以文字为基础的问题，探索新知识的盲区。而这个能力与老板理解的就存在了差异化。这时候，就需要CIO跟老板谈：你给我500万，进行AI探索，有可能会失败，但如果成功了，可能能为企业省掉100人的人力成本，或者带来一个新的增量生意的机会。我认为，这种提效不一定要具象化，不要一直说提效百分之多少，而是通过财报上的数字来阐述。进而，再看公司能否接受。

如果失败了怎么办？公司如果说失败了CIO的负责，那我不会做，因为创新很难，大概率会失败，而CIO担不起这个责任。如果公司说：你大胆去做，我绝对支持你，我要赌你做成给公司带来的机会。那么就可以继续探索。中顺洁柔就是这样的体制文化。

基于此，在继续往下分解整个AI工具，当你明白了原理，就知道了：解决什么问题，比如会议纪要的人员，就可以辞职了，因为人工记录的内容还没有AI记录的好；再比如，原先产品设计，三天出一个产品方案，现在可以一天出30个，甚至300个.....通过这些创新的理念就能给企业带来更多的启发，企业就能明白，哪些地方可以用AI赋能，进而慢慢推进。

关于中顺洁柔走到了AI决策的原因。首先，因为我是技术出身，我知道决策AI与生成式AI的区别。我们第一个挑战是：如果没有AI，我们如何进行决策？这里面又有很多误区，很多企业认为，一定要把数据治理好，然后再把这些“干净”的数据“喂”给AI，AI才能更聪明，帮助企业做决策。

这种情况下，我们就要思考一下，过去没有系统的时候，老板们的生意也可以经营的很好，今天有了系统，有了数据（甚至数据质量不是特别差），为什么大家还觉得做不了决策了呢？大家等着数据治理好，怎样才能治理好？这时候就会发现，以交付为目的，与生意经营又出现了分歧。

这个时候，我们就要通过决策AI，模拟人的决策过程中，一条一条的处理，不要想着一步到位，先解决AI不是那么智障，能模拟人类30%的决策重要链条。如果企业还停留在，我要买一个AI的思维中，就会存在一个问题：企业连AI原理和机制都不知道，就算买过来，企业也不会优化AI。企业不知道技术的边界，就只能完全听从卖给企业AI的公司的，而这个公司也不懂企业所在领域的业务，企图让他来帮助企业解决问题，并不能达到好的效果。

所以，企业想应用好，就要真的懂AI（原理和机制），而现在很多CIO不是技术出身，是偏管理、偏咨询出身，这就导致了市场上AI乱象频出，各种声音都有，企业很难扎根，对的东西不敢坚持，错的东西没能力改。

我认为，AI处在今天这样的局面，不是AI没有用，而是（企业）没有用好。

万宁：接下来的几个问题，首先，诸如控盘分利模型这样的方案，对数据的量和质量的要求是否很高？其次，这类模型对知识管理、知识体系的建设带来了哪些难点？从数据管理到知识库管理，是否是AI至关重要的点？中顺洁柔是如何解决的？

杨森林：首先，我不认为只有拥有了百分百的高质量的数据才能够做一些AI模型的落地，因为不可能存在百分百高质量数据，目前为止，哪个企业也做不到百分百高质量数据。我认为，相对干净的数据就可以。

在决策AI中，存在很多算法机制，企业在用算法的时候，首先考虑的因素就是数据不干净（存在诸多干扰因素），比如一物多码，表面是一个产品，其实背后存在了多个产品都在使用一个码。很多企业都在追求极致的一物一码，但反过来想，难道真的要等一物一码实现了才能往下走么？并不是这样的，这时候就需要通过极致的算法进行过滤、筛选，而且不一定要将筛选做到极致的准确，能达到应用的目标就可以了。比如销售预测，预测准确度能到80%~90%才是最好的么？并不是，我觉得能到60%以上就是最优解了，这时候风险与机遇并存，因为60%的概率带来了增量的机会，这时候企业就可以下手去抢占市场了。如果等到80%在下手的话，虽然屏蔽了风险，但也屏蔽了机会。

回到知识库的角度，我认为企业一定要建知识库，但我认为不需要过度追求干净的数据。我们可以通过算法驱动，将数据变得相对干净就行了。比如经销商信息，1000个经销商信息，如果通过人工筛选，耗时会很大，但通过AI就能很快的筛选出来，并且这其中即便是错了几条，也不会影响整体的决策。所以，算法驱动的结果是有准确率的，但我并不认为，90%的准确率一定比70%的准确率带来的效益更大。因为（90%的）投入成本太高了。所以将机会、风险综合考虑进去，未尝不是一个好机会。

万宁：我理解的意思：企业需要再技术、数据基础等全方面因素之中，寻找一个平衡点，进而寻找到最优解，不知我这样的理解，杨总是否认可？

杨森林：是（像您描述）这样的。其实这次我更多想分享的不是AI产品、解决方案，而是作为CIO的思维理念。想要做一个有更大价值的CIO，一定要突破自己的就是最优解这三个字。这三字是贯穿我们产品全生命周期几十个节点的。

比如仓库中货物运输环节，采用AGV无人车运输一定是最优的么？不一定，车的采购成本很贵，可能一个搬运员工的成本要比采购车低很多，这时候人工就是最优的。但如果加上时效要求呢？这时候可能车就要优于人的方案。

这里面就有两个好的模型分享给大家，一个是最优解，所有的事情都要先探索最优解；另一个是，麦肯锡的方法论：MECE——相互独立，完全穷举。就是在企业应用AI之前，需要将所有包括背景、因素等在内的信息都考虑全面。比如，AI有关知识储备是否到位，员工对AI的接受程度如何？AI失败了怎么办？放在哪里部署？.......如果用MECE的方式，将这些因素全部列出来，企业就不会盲目的追求AI了。

基于上述两种思维模式下，我相信CIO做任何事都没问题。其实今天的CIO算是“高危”职业，因为如今每个企业都希望数字化有成果，但大多数的CIO因为不懂业务，所以并不敢承诺结果，这也导致了频繁的被更换。

如果想要往前走一步，或者说让老板真正认识到数字化转型是对的事，就需要CIO理解最优解，无论是对业务、对IT，还是对技术都没问题，只要思维到了，工具就不是问题。我认为今天数字化转型的问题都不在工具端上，而是在思维方面。

万宁：企业在落地AI应用过程中，您关注的问题有哪些？（面向企业CIO管理层）

杨森林：我认为第一个问题就是：大家懂AI吗？知道AI的原理吗？所以企业应用AI第一阶段需要将基础知识补齐。

第二个问题，寻找AI的应用场景的过程中，不要寻找泛泛的场景。AI首先应用的场景是以文案为基础的工作，比如设计，但AI又不可能替代设计，而是给设计师更多启发。此外，AI还能代替很多文职、文案类的工作，以及搜索的工作。所以我觉得AI的场景不要泛，而是要收窄、聚焦。

第三个问题，AI的ROI。比如将AI投入到了文案工作中，能通过这个裁掉多少人，而这个过程中，AI的服务器、技术外包等方面的投入又是多少。

第四个问题，分清楚决策AI与生成式AI。目前企业很多需求AI完成的效果，并不是生成式AI擅长的，而是决策AI擅长的。就好比文科生与理科生，生成式AI其实是文科生，解决的是生成式的内容；决策AI是理科生，模拟人类思维习惯。