当 " 降本增效 " 成为几乎所有企业拥抱 AI 的口号时，一个更本质的问题却被忽略了，如果做事的流程和方法本身就是错的，AI 只会让错误以更快的速度发生。

这正是在近期的一场小型闭门会上，国际 AI 专家 Danilo McGarry 抛出的尖锐观点。

近日，在联合国 AI 讲师、金融时报董事会 AI 导师 Danilo McGarry 首次访华之际，虎嗅智库邀请 Danilo 与模型企业代表、森马等产业嘉宾，分别从技术供给方、方法论沉淀与产业实践三个视角，共同深入探讨当大模型进入深水区，企业真正需要变革的，究竟是技术、方法论，还是组织。

Danilo：拥抱 AI 是对的，但快速做意味着快速错

技术供给端的突飞猛进，正以前所未有的紧迫感，倒逼企业向 "AI 原生 " 组织形态演进。作为 AI 创新能力的源头，大模型企业率先以身作则，把自身变成了重构生产力的样本，要求内部员工每年最年实现 50 到 100 倍的人效突破。

这种来自技术源头狂热与人机协同的颠覆性潜力，无疑让传统企业倍感焦虑。然而，技术在高速进化，并不意味着产业端的可以盲目跟进。

Danilo 认为当下全球企业正身处一场由 AI、机器人、量子计算等技术共同推动的 " 完美风暴 " 中，但面对技术的巨大变革，而组织适应速度远远跟不上。

尽管大家都在积极拥抱 AI，大多数企业的方法是错的。

"快速做，往往意味着快速错。" Danilo 强调企业最大的误区是直接把 AI 叠加到旧流程上。如果原有流程有问题，AI 只会把错误放大 500 倍。

Danilo 直言，面对 AI 浪潮，大量的管理层将率先会被解雇，因为很多人没有完全理解 AI，也没有在其战略中给予足够的优先级，无法为公司制定出转型为 "AI 优先 " 组织的正确路径。

那，正确路径应该是什么？

首先先重构流程，深入每个部门，明确哪些工作交给机器，哪些工作必须由人完成；然后再把流程固化进 Workflow System 工作流系统；然后建立匹配的数据结构；最后才是引入 AI。

"Workflow是骨架，AI 只是运行在骨架上的能力。"在 Danilo 看来，负责任的企业不会允许 Agent 脱离工作流独立运行的。

森马 AI agent 的效率突围：流程再造 × 组织激活 × 数据驱动

如果说 Danilo 提供了顶层方法论，那么森马展示的则是一家传统企业如何真正把 AI 落地业务。

森马 AI 应用专家林建霞认为，如果企业谈 AI，不能停留在 " 降本增效 " 上，数字化和 AI 的本质必然是重构价值链。

基于此，森马总结出自己的落地公式 "AI agent的效率突围 = 流程再造 × 组织激活 × 数据驱动。"

流程再造，需要先梳理业务场景，再判断哪些工作高频、可标准化，然后借助 AI 把业务断点连接成闭环。以门店导购练货场景为例，森马将 8000 多家门店导购培训后的交作业环节 AI 化，通过练货系统自动评分，并把结果与 KPI 打通，实现培训、反馈与考核的业务闭环。

其次，森马用文化、赋能、先进、激励、兴趣等多种手段，让 AI 成为新的工作方式，在业务一线遍地开花，林建霞强调，内部组织推动 AI 的重点并不是工具部署，而是形成组织心智。

最后是数据驱动，逐步推动员工从离线文档到使用在线文档，再到每个部门设知识库管理员，反向校验和修订文档，森马逐步实现从个人提效到管理进化和组织创新。

圆桌探讨：AI 落地最后一公里，到底卡在哪

围绕 "AI 落地最后一公里 "，现场讨论最终集中到三个问题。

当 Agent 进入企业，产生业务价值后，组织会发生什么变化？ 元气森林零售业务总经理陈晓昕认为，"AI时代组织只需要两类人，能在 AI 上做决策的人，和能和客户做对接的人。

用友数智平台解决方案总监刘岩补充，企业 AI 落地，存在技术、组织、业务、数据四种负债。构建 AI 体系必须从下往上，先解决数据标准、权限、流程这些基础问题。

当 Agent 接管业务流，企业敢放权到什么程度？陈晓昕坦言放权的前提是清晰的边界、端到端的可视化，以及对业务的完整思考。

多点数智合伙人任中伟，则直言决策碎片化的零售企业就面临这种放权困境，不授权价值创造少，授权怕出战略错误。他的解法是，沉淀多家顶尖企业的经验，打造垂类行业小模型。" 未来，随着行业模型完善，放权给 AI 带来的损失，绝对比让 100 个店长自行决策更小。"

当 AI Native 公司不断涌现，传统企业如何跟上？ 松雷集团总经理宋忻垚自嘲作为二代被迫回来接班，一边做信息化基础建设、数字治理的同时，一边引入 AI Agent。她认为传统企业没必要等标准化全部完成再做 AI，而应该边建设、边落地、边迭代。

针对以上问题，Danilo 总结，中国和国外企业在落地 AI 时面临的挑战高度相似。员工最大的顾虑都是— " 我被要求用 AI，但最终 AI 会取代我。"

那最有效的激励方式是什么？

首先，" 把‘拥抱 AI ’写进每一个员工的年度目标，并跟调薪和晋升直接挂钩，"Danilo 说。

其次，在架构上，不要全公司只设一个 AI 团队，并指望这一个 AI 团队去解决所有人的问题，每个部门都应有自己的创新团队，快速做 POC，并严格遵循开发测试流程才能上线。

同时，企业必须设立全职的首席 AI 官（CAIO，Chief AI Officer）。他做了一个形象的比喻，用 AI 重塑公司，就像在赛车激战中拆换引擎，必须有全职 CAIO，而不能让 CEO 或 CTO 兼任。

至于谁适合做首席 AI 官？Danilo 的答案出乎意料。

不是学术派的 AI 工程师或专家，而是过去做过自动化、RPA 提效项目，现在转型到 AI 领域的人。因为这类人更懂流程、懂管理和转型。

最后，Danilo 强调，企业必须建立（CoE）卓越中心，面对全公司可能同时推进的 200 个 AI 项目，CoE 的目标就是排除万难，死死盯住最具战略价值的前 5 到 10 个核心头部项目，确保其绝对交付。

结语

回看整场讨论，一个很明显的变化正在发生，AI 竞争正在从底层模型竞争，进入组织竞争。

模型能力仍在快速提升，但真正决定企业差距的，已经不是接入了哪个模型，而是谁更快完成流程、组织与工作方式的重构。

AI 落地的最后一公里，从来不只是技术问题，它最终考验的是，企业是否愿意重新改造自己。