第七章：谁该转型？谁不该？
第七章：谁该转型？谁不该？
两种CEO
我见过两类CEO。 第一类，花500万上了AI系统。签约那天意气风发，在高管会上讲了一个小时AI如何改变行业格局，讲得所有人热血沸腾。然后呢？他把系统交给了CTO，说："这个东西你来管，每季度给我汇报一次进展。" 六个月后，我去回访。CTO很尴尬地告诉我，系统还在跑，但基本没人用。AI产出的分析报告，没有一份进入过经营会议的议程。预算花完了，但效果——"怎么说呢，算了解了AI吧。" 这位CEO最后得出一个结论：AI还不成熟，等两年再看。 第二类CEO，凌晨两点还在和AI经营班子对话。不是加班狂，是他发现了一个供应链的隐患——上游某个关键原材料价格在三个月内悄悄涨了12%，但采购部还在按老价执行合同。AI经营班子交叉分析了采购数据、市场价格数据和库存周转数据后，把这个风险标红了。 第二天早上开会，采购总监惊讶地发现CEO比他更早知道这个问题。更让他惊讶的是，CEO还带着一份AI生成的三种应对方案——提前锁价、分散供应商、调整产品定价——每种方案附带了量化的成本测算。 两位CEO的区别是什么？不是预算——第一位花了500万，第二位只花了不到100万。不是技术水平——第一位手下有30人的IT部门，第二位连CTO都没有。不是行业——两人都在制造业。 区别在一件事：一号位的参与深度。 第一位CEO把AI当成了IT项目——买系统，让技术部门管理，定期汇报。和买一台服务器没有区别。 第二位CEO把AI当成了经营伙伴——自己用、自己问、自己在凌晨两点发现那个让采购总监脸红的数据。 核心洞察：AI转型最大的变量不是技术，不是预算，是CEO本人。一号位不深度参与，再好的AI系统也会变成昂贵的摆设。 这是我过去两年见了近百位CEO之后得出的经验规律。把成功的AI经营班子案例和失败的做对比，技术水平、行业类型、公司规模、预算金额全都不是决定性因素。唯一100%相关的变量，是CEO本人花了多少时间在AI上。 一个简单到残酷的结论。
不是所有企业都适合——这不是示弱
在中国的商业文化里，说"你不适合"很冒犯。每个AI公司都会告诉你"我们的方案适合所有企业"。因为说"你不适合"等于说"我们不想赚你的钱"。 但我必须说这个。 我在作业盒子的时候，见过太多学校花大价钱买了系统却用不起来。不是系统不好，是那所学校的管理团队、教师的信息化素养，都还没有准备好。创办目的涌现之后，我决定做一件不同的事：在签约之前就筛选客户。 一个不适合的企业强行上AI经营班子，浪费的不只是钱，还有团队对AI的耐心。一次失败的尝试，会让组织在未来三到五年都对AI产生免疫——"我们试过了，没用"。这个伤害远大于合同金额。
理想客户画像
Must-have——缺一不可： 一号位深度参与。 不是说CEO要自己写代码，而是说CEO要亲自使用AI系统、亲自提出业务问题、亲自看AI的产出并做判断。不是派中层去"试试看"，不是让助理代为"研究一下"。AI经营班子的核心逻辑是辅助经营决策——而经营决策只有一号位能做。CTO代替不了CEO去问"下个季度应该进入哪个市场"这种问题，因为CTO没有那个决策权限和业务上下文。 有基本的数据基础。 最低要求：核心业务数据是电子化的。销售数据在CRM里，财务数据在ERP里。如果核心经营数据还在纸上、在个人电脑的Excel里、在销售总监的微信聊天记录里——AI巧妇难为无米之炊，它无法分析不存在的数据。 有真实的经营痛点。 "想提效"或"缺人"是最强的动力。如果CEO告诉我"我就是想试试AI"，我会问"试了之后你期待什么结果？"答不上来，说明还没有找到痛点。AI经营班子不是可以无目的地"玩一玩"的东西，它需要一个明确的经营问题作为锚点。最好的锚点通常是："这个分析我每周花10个小时但还是做不好"。 愿意投入3-6个月的耐心。 AI经营班子需要学习你的业务、积累行业知识、适应你的决策风格。至少需要3个月。如果CEO期待"上线一周就看到ROI"，那他买的是工具，不是伙伴。工具可以即插即用，伙伴需要磨合。 Disqualify——不适合的信号： "你们帮我搞定就行，我不参与"——最强的Disqualify信号。把AI当外包，决策者不在场，辅助谁？ "先买个工具试试"——典型的L1思维。市面上有大量便宜好用的AI工具，不需要花30万。 核心数据全在纸上——先做数据电子化和数据治理。你不能在沙子上盖高楼。 "我们行业特殊，AI不懂"——每个行业都觉得自己特殊。AI不需要像你一样在行业干了20年才能帮你——它需要的是数据和一个懂行业的人来引导。当CEO说"AI不懂我们行业"，他真正在说的是"我不想花时间教它"。这是参与意愿的问题。
客户分级：S级、A级、B级
基于上面的标准，我们把潜在客户分成三个级别：
档位 特征 适合的路径 S级 CEO亲自推动 + 数据基础好 + 有明确痛点 直接上AI经营班子（全套方案） A级 CEO有意愿 + 数据基础一般 + 痛点模糊 先做诊断 + 选1个场景验证 B级 CEO派中层 + 数据基础差 + 没想清楚 暂时不适合，先做数据建设
S级客户签约即启动，3个月内能看到第一个成功案例。A级客户需要引导——先做一次经营诊断，帮他找到痛点。如果诊断后他发现"原来我最大的问题是每周花两天时间准备经营分析会议，AI可以把这个时间压缩到两小时"，那他会自己变成S级。B级客户我们会诚实地告诉他：现在不是时候。我们会给一份建议清单：先把核心数据电子化，先让CEO自己花一个月使用AI工具建立体感，先在内部找到推动变革的人。 有些同行觉得我们"挑客户"是在放弃收入。但从结果来看，我们的客户续约率远高于行业平均水平——签约的客户真正用起来了，看到了效果。那些"强行签约"的案例，几乎100%会在半年到一年后流失，还带来负面口碑。
创智人才
2026年初，曾鸣教授在一次交流中提出了一个概念来替代"知识工作者"——创智人才（Creative-Intelligent Talent）。 传统"知识工作者"——搜集信息、整理报告、分析数据——正在被AI快速替代。AI做这些事比人更快、更便宜、更不会出错。那人的价值在哪里？ 他把未来最有价值的人才分成三类： 顶级专家——创造新知识的人，在人类认知边界上开拓新领域，而非搬运或整理已有知识。跨域连接者——打破现有认知结构的人。他们的价值在于能把A领域的方法论用到B领域，产生意想不到的创新。AI擅长在既定框架内分析，但不擅长打破框架。领导者——在人+AI的混合组织里定义方向、分配资源、做最终裁决。 这三类创智人才的共同特质：强元认知——知道自己知道什么、不知道什么；抽象建模能力——能把复杂现实简化为可分析的模型；High Agency——自驱、主动突破，遇到困难不是等待而是想办法。 CEO本身必须是创智人才才能用好AI经营班子。你需要强元认知——知道哪些决策AI能帮你、哪些必须自己判断。你需要抽象建模能力——把"我们的市场策略对不对"这种模糊问题翻译成AI能分析的数据问题。你需要High Agency——在AI给出超出预期的建议时，敢于追问、敢于挑战、也敢于采纳。 好消息是：创智人才的特质可以培养。从最简单的事开始——每天花30分钟和AI对话，把当天遇到的一个业务问题扔给它，看它怎么分析。然后问自己：它的分析哪里让我意外？哪里不如我的判断？这就是在训练元认知。 一个月后，你会发现提问质量显著提升——不再问"今年销售怎么样"，而是问"华东和华南的新客获取成本差异在过去三个季度的变化趋势是什么？如果差异在扩大，可能的原因有哪些？"这就是抽象建模能力在提升。 三个月后，你会主动用AI去探索"不确定是否有问题"的领域——比如让AI交叉分析客户投诉数据、复购数据和NPS数据，发现高价值客户流失率在悄悄上升。这就是High Agency——你不再等问题暴露，而是主动发现问题。
四非原则：AI项目过滤器
在决定是否启动AI转型之前，用"四非原则"过一遍。据业内人士分享，这来自某大型能源集团在项目决策中的实践，完美适用于AI转型： 非建不可。 如果不做，最坏的结果是什么？如果是"慢一点"但不致命，也许可以再等。如果是"被竞争对手甩开一个身位，三年内可能失去市场"，那就是非建不可。 非你莫属。 AI转型是否必须在组织内部发生？答案几乎总是"是"——AI经营班子需要深入理解你的业务，外包做不到。但如果连一个能和AI系统对话的人都没有，这关过不了。 非常可期。 效果是否可预期？至少要说清楚："如果这个项目成功，我期待什么变化？"比如"决策周期从两周缩短到两天""运营人力从10人降到4人"。如果连期待的结果都说不出来，项目不可期。 非常有力。 关键资源不只是钱——更关键的是：CEO的时间（每周至少3-5小时）、一个懂业务又愿意学AI的内部协调人、3-6个月的耐心。哪一样缺了，项目都会夭折。 核心洞察：四非原则是CEO的AI项目过滤器：非建不可、非你莫属、非常可期、非常有力。过不了这四关的AI项目，不要开始。
三个反面教材
案例一：500万的昂贵摆设。 制造业CEO，年营收约5亿，在行业峰会被AI概念点燃，批了500万让IT部门建"AI智能决策系统"。系统六个月上线，大厅装了漂亮的可视化大屏——但没人用。CEO自己从不打开系统，生产总监不信任AI排产建议——"算法不了解车间实际情况"。销售总监觉得AI预测不如自己经验——"我干了20年，比机器更懂客户"。一年后项目悄悄终止。根因：CEO把AI当IT项目委派了出去，他发出的信号是"这个东西不重要"。 案例二：被降智的AI。 零售CEO用ChatGPT写邮件、翻译文档，决定"升级"到AI经营班子。但他的期待停留在L1——"帮我搜个数据""帮我算个数字"。当AI做出完整的竞品分析报告——市场份额变化、消费者行为趋势、三种竞争策略模拟推演——他说"太长了，我只想知道这个月卖得好不好"。一个L3级别的系统被当成了L1查询工具。根因：L1思维遇上了L3能力。CEO没有意识到AI能做的远比他以为的多。 案例三：CTO主导的无主孤儿。 金融公司CEO很有远见但太忙，把AI转型全权交给CTO。CTO快速搭了漂亮的系统，但遇到无解的问题：业务部门不配合。销售部不愿共享客户数据——"这是我的资源"。风控部不信任AI评估——"出了事谁负责？"运营部觉得多了工作量。CTO一个一个部门沟通，没人买他的账。因为他是CTO，不是CEO。跨部门的资源调配和利益协调，只有一号位能推动。 三个案例的共同模式：AI转型的失败，几乎从不是技术失败——而是组织失败。 AI系统没有情感，但组织有。组织的情感就是CEO的态度。
7S组织诊断
除了评估CEO本人，还需评估组织的AI就绪度。借用麦肯锡经典的7S框架，对AI转型有三个S必须到位： Strategy——CEO有明确的AI战略，清晰到能说出"用AI解决哪个经营问题，期待什么结果，愿意投入多少资源"，而非停留在"我们要用AI"的空洞口号。 Style——CEO亲自参与。如果CEO的Style是"授权型"——什么都交给下面做——AI转型会很艰难。AI经营班子需要"参与型"的CEO。 Skills——组织中至少有人能理解数据、解读报表、知道"这个数字意味着什么"。如果全公司没有人能看懂数据报告，AI产出给谁看？ 其他四个S（Structure、Systems、Staff、Shared Values）是加分项，可以在转型过程中逐步建设。 回看三个失败案例：Style缺失率是100%。 在AI转型的7S分析中，Style是权重最高的因素——它甚至可以弥补其他S的不足。Strategy不够清晰？参与型的CEO会在实践中逐步明确。Skills不足？他会推动团队快速学习。但反过来——Strategy和Skills再好，Style缺失的话，整个变革就是空中楼阁。
三层诊断法
在决定是否启动AI经营班子之前，建议做一个系统的三层诊断。 第一层：业务诊断——找到最高价值的决策节点。 在你的经营流程中，哪些决策最耗时？哪些最依赖个人经验？哪些一旦做错代价最大？比如零售企业的"每季度选品决策"——选对爆款是几千万收入，选错是库存积压。比如制造企业的"原材料采购时机"——价格波动大，判断全靠经验。这些高价值决策节点，就是AI最能发挥价值的锚点。 第二层：组织诊断——评估现有架构能否支撑AI运作。 AI经营班子需要从各部门获取数据，分析结果需要各部门执行。如果组织是严格"部门制"——数据不共享、沟通靠开会——AI的运作会遇到很大阻力。 第三层：人才诊断——找到你的创智人才。 谁对数据有直觉？谁有跨领域思维——能把营销数据和供应链数据联系起来看？谁有主动性——不等指令就自己想办法解决？这些人就是AI经营班子在组织内部的"接口人"。 如果三层都有短板——别泄气，但也别硬上。先补短板。最容易补的是人才，最难补的是组织架构。但好消息是，AI转型本身也是推动组织变革的绝佳契机——很多CEO发现引入AI之后，组织的协作方式也被迫升级了。
审美与编排——AI时代的终极护城河
前面讲的创智人才回答的是你需要什么样的人。审美与编排回答更深层的问题：这些人需要什么样的能力。创智人才是选人标准，审美与编排是能力内核。一个CEO可能符合创智人才的画像，但如果审美水平不够、编排能力欠缺，AI经营班子在他手里仍然发挥不出应有的价值。 审美：你能不能分辨什么是"好"的？ 审美不是"会画画"或"懂艺术"。本质是：你见过世界上足够多的好东西，因此能分辨优劣。 一个读过上千篇分析报告的CEO，扫一眼就能判断一份报告有没有洞察力。 AI极大降低了"产出"的门槛，但没有降低"判断"的门槛。同样使用GPT-4，为什么有的人产出惊艳、有的人平庸？核心不是prompt，是审美。你不知道什么是好的，怎么可能让AI产出好的？ 你让AI写战略分析报告，它吐出三个版本。如果你没有"好的战略分析长什么样"的审美标准，你就无法判断哪个版本好、好在哪里、还缺什么。你最终会选一个"看起来还行"的版本——但"还行"和"真正有洞察"之间，差了十万八千里。 审美水平高的CEO看AI输出，三十秒内能指出问题，给精准反馈，AI第二轮产出质量大幅提升。反复迭代两三轮，最终输出远超普通人用AI做出来的东西。 审美是AI时代的第一道护城河。它决定了你能不能把AI用好——不是用起来，是用得好。 编排：你能不能设计系统？ 单个AI Agent谁都会用。但设计十个Agent组成的协同工作流——数据监控Agent发现异常触发分析Agent深度调查，分析结论推送给预警Agent生成SCQR报告，预警Agent通知调度Agent安排跟进，记忆Agent持续记录关键信息——这种多Agent协同编排，是完全不同的能力。 编排能力的核心不是技术，是系统思维。你需要想清楚：哪些Agent需要存在？它们之间怎么通信？什么触发什么？失败了怎么兜底？ 擅长编排的CEO通常以前就是好的组织设计者——他们能清晰定义角色边界、设计信息流转机制、建立反馈回路。这些人转型做AI编排是降维打击——他们已经具备系统思维，只需要把编排对象从人换成Agent或人+Agent的混合体。 编排是AI时代的第二道护城河。它决定了你能不能让多个AI Agent涌现出1+1>2的协同价值。 为什么审美和编排无法被AI替代？ 它们本质上是"人类判断力"，是AI需要人类提供的东西，而不是AI能够自己生成的东西。AI可以生成一千个方案——但"挑选"需要审美。AI可以执行工作流——但"设计"需要编排。AI是执行的引擎，审美和编排是方向盘。 核心洞察：AI时代的终极护城河是审美（判断什么是好的）和编排（设计系统让多个Agent协同创造价值）。它们决定了你能不能从"用AI"进化到"驾驭AI"。 如果两者都弱呢？先不要急着做L3转型，先从L1和L2开始。 审美来自大量接触好东西，编排来自实践——从编排一个简单的双Agent工作流开始，逐渐增加复杂度。但要诚实面对一个现实：培养需要时间，而AI窗口期不等人。最务实的做法可能是找到一个有这两种能力的搭档来帮你设计和运营AI经营班子。你不需要自己做制片人，但你需要找到一个好的制片人。
转型窗口期
很多CEO做完自检后的反应是："道理我都懂，明年再说吧。" 这让我想起2012年移动互联网爆发时。很多教育公司CEO看到了流量从PC向移动端迁移的趋势，反应是"等APP生态成熟一点再做"。结果？2013-2014年先行者占据了移动端流量入口，到2015年再进场的公司获客成本翻了5-10倍。窗口不是慢慢关闭的——它是"啪"一下关上的。 AI经营班子也有窗口期。先行者正在积累经营记忆，经营记忆是AI转型中最不可逆的要素。工具可以随时买，人才可以随时招，但12个月的经营记忆积累——你追不上。你只能从零开始积累自己的。
"还行"是最危险的
AI转型光谱上最危险的位置，不是最左端（完全没有AI），也不是最右端（全面AI原生），而是中间——"还行"的位置。 用AI写邮件、做数据整理，效率提升10-20%，觉得"挺好的"。但不知道有同行已经用AI经营班子做到了L3——AI参与战略决策、自动发现经营风险、模拟不同战略的ROI。那家企业的竞争力不是提升了10-20%，是发生了质变。 Jim Collins说："Good is the enemy of great."——L2水平的企业最危险。他们已经尝到了甜头，但甜头太小了，以至于觉得"就这样吧"。他们的参照系是"没有AI的时候"，而不是"用好AI之后的极致可能"。 我常用一个比喻：L1到L2是从自行车换成电动自行车——更快了，但还在同一条路上。L2到L3是从自行车换成飞机——进入了完全不同的维度。在骑车的维度里，差距最多两三倍。飞机和自行车差几百倍。 打破参照系的唯一方法，是亲自体验L3是什么样的。当你第一次看到AI经营班子用15分钟做出一份你的团队需要两周才能做的经营分析——而且深度和广度都超出预期——你对"还行"的容忍度会瞬间崩塌。
自检时刻
问自己三个问题： 第一：你本人愿意每周花多少时间在AI上？ 至少前六个月，CEO需要每周投入3-5小时。如果日程连这3小时都腾不出来，先解决时间管理的问题。 第二：你公司的核心经营数据现在是什么格式？ 全在纸上→需要至少12个月数据电子化。在Excel里→可以开始但起步慢。在业务系统里→已具备基本条件。系统间已打通→理想客户。 第三：你最想让AI帮你做的3个决策是什么？ 30秒内说出来→你有明确痛点。想了半天说"帮我整理数据"→还在L1，需要先提升对AI能力的认知。说不出来→先用一个月深度使用AI建立体感。 三个问题都有清晰答案的CEO，已经是S级客户了。三个问题都答不出来的CEO，不是不适合AI——是还没准备好。先从回答这三个问题开始，这本身就是转型的第一步。
CEO明天就能做的一件事： 拿出一张纸，写下上面三个问题的答案。回答这三个问题的过程，就是你AI转型的真正起点。