01

进入到AI时代，我想，我们每一个企业都应该注意到了AI带来的巨大机会，对吗？

根据麦肯锡的预估，AI将给全球经济带来4.4万美元的附加值。

这是一个巨大的数字，也是每一个企业想要抓到的机会。

但同时，这也意味着巨大的挑战，像福布斯统计有75%的企业至今没有在AI上的投资中取得回报，也就是每五家投资AI的企业中，只有一家取得了正向回报。

如果你的企业也正在向AI进化，或者是像我们一样正在打造AI增强型组织，我想，你应该做好应对一些挑战和挫折的准备。

当然，借助于我们已经实践过的经历，我把一些我们在企业AI过程中的挑战和经验分享给大家。

02

第一、追求更多、更好的大语言模型不是企业唯一的选项。

在DeepSeek的刺激下，今天的AI，准确点说是大语言模型（LLM）进化速度远超想象。

不管是DeepSeek、Open AI，还是百度、阿里、腾讯、字节都推出了最新的大语言模型，并且都选择了开源。

所以，对我们每一个人来说，可以选择的大语言模型非常多，但是，更多、更好的大语言模型并不是企业唯一的选项。

我们可能觉得今天的AI可以解决一切问题，任何看上去困难的事情对于AI来说，都可能比我们想象的容易得多。

但事实上，并不是完全如此。

我们的确有着惊人的AI，这些大语言模型可以比大多数人更好的生成代码、解决数学问题、写出优雅的段落，给出特定的回答。

但它们在一件事上存在极大的缺陷。

这恰好是作为人类，我们最擅长的事之一，也就是在一个总目标之下，把一件东西放在正确的上下文和环境中，从而让整个系统向着我们想要的目标保持正常的运行。

特别是当我们是某个领域专家的时候，我们总是可以立足于“整体需求”去审视和解决“部分环节”的问题，分辨出整体和部分的区别。

但AI还不行，今天的大语言模型依然是通用性助手，它强调的是便利性，当然，对个人来说，它可以让事情变得简单起来。

但是，对企业来说，假如我们想要达到的是差异化价值，是AI驱动整个业务的转型。

那么，尝试与结果之间的鸿沟，会比我们预想的要大。

AI也许可以解决某个特定工作环节上的效率问题，但它还不能理解这个环节对于整个业务，公司目标的意义。

除非我们输入足够多的上下文，把整体业务的逻辑和需求完整的告诉AI。

所以，先正确地整理和训练企业自身数据，想好自己要从AI那里解决什么样的问题，才是打造企业AI护城河的开始。

在过去的时代，规模是企业的护城河，在AI时代，从更长远的角度来说，数据才是每家企业新的护城河。

只有让AI能够处理和理解每家企业的数据，能够量身定制，企业才会有差异化的价值。

就像我们在专业营销AI系统文思子牙上，给每家企业的项目都搭建了一个属于自己的训练库，包括企业信息库、产品独特卖点库和企业关键词训练库。

这些都需要企业先进行训练库的填充，比如说公司基本信息、产品系列、产品独特卖点、关键词库，然后跟AI保持互动，文思子牙才会理解特定企业的特征和属性，站在营销的角度给出独到的创意。创造出目标对象所需要的专业、精准的唯一性内容。

这也是为什么我们很多牛商企业几个人，甚至2个人的团队就能打造出上百个账号，每天发布上千个视频内容的核心所在。

所以，不要在挑选通用大语言模型上浪费时间，更不要在无聊的问题上浪费时间，更好的选择是尽可能搭建自己的数据库，让AI了解公司的业务和目标。

当然，也可以让公司懂业务的人，整理出完整的上下文，从“背景—问题—需求”出发设计合适的提问词，把中间需要的那个问题留给AI去解决，这也是一个提高效率和精准性的选择。

03

第二、专业，是使用AI必不可少的条件。

使用AI，特别是大语言模型一个目前难以逃避的问题就是“数据幻觉”。

也就是AI生成的内容表面看上去全部合情合理、有逻辑，甚至部分内容是正确的，但实际上会存在错误的数据，包括不存在的内容和引用来源。

这些虚假的数据和信息，会和真实信息交织在一起，如果稍微不注意就可能带来完全错误的结论。

举两个我们遇到的例子，我们在了解中国企业使用哪些AI进行降本增效和业务转型的时候，很多AI都给出了合乎逻辑的回答，甚至具体到了企业和AI工具。

比如说瑞幸用ChatGPT优化日报，用Power Automate自动生成营销话术，海尔用百度飞浆视觉检测系统优化产能。

但实际上，对于专业的人来说，这些案例多看两眼就能知道是存在问题的，如果再向AI质疑这些生成的内容，AI又会立马改正，然后又生成一批真真假假的内容。

除非是给AI指出具体的信息来源渠道，把AI生成的内容一一修正，然后通过不断的交互训练，才能得到高质量的准确回答。

另一种情况，就是AI在处理大量数据的时候，会给出完全虚假的数据，哪怕是有了明确的信息。

就像我们曾经分析三星电子的时候，即使有原始的财报，有明确的提示词。

但AI依旧在关键数据上产生了幻觉，给出了完全不同的答案。

好在我们会读财报，能够找到正确的答案，但这带来的问题就在于我们不得不对AI的回答保持怀疑，然后一一对照进行分辨，最终在效率上可能还不如我们直接去分析财报来的快。

目前，这种AI数据幻觉的现象已经极为普遍，包括在搜索引擎、权威媒体都出现了数据错误，甚至连小学数学都计算错误。

当然，对普通人来说，这些数据幻觉可能无伤大雅。

但是对财经、金融、医疗各个行业，包括对我们每家企业来说，所有的决策、业务逻辑根本上是靠精准的数据和信息进行判断。

数据的准确性是基础的必要条件，如果完全信任AI给出的数据和信息，那么，决策发生风险的几率就会直线上升。

所以，使用AI的时候，不要奢求AI可以给出一个完美的回答，AI并不是全知全能。

我们更多时候是依赖自己的专业，加上企业原生的真实数据，再通过自己的专业能力搭配AI迅速解决某一个环节上的实际问题，才能更高效的达成目标。

速度+专业，比完美更重要。

04

第三、要有持续的雄心壮志。

彼得·德鲁克说：“效率革命，从来都不是技术问题，而是决心问题。”

今天的AI革命，对我们中小企业来说，同样也不是技术问题，而是决心问题。

事实上，任何一个企业在把AI融入到业务、组织、体系，每个成员的目标之后，都一定会碰到各种难题和挫折，它可能是组织原本的问题，可能是技术的问题，可能是人员能力的问题。

但是，正是因为这样的目标难，所以，才会给企业带来独一无二的价值。

就像我们去问一个AI每个人都会的问题，我们得到也只会是千篇一律的答案。

很多时候，我们没能看到效果，投入没能取得回报的原因，不是目标太高了，而是目标太低了，一个困难的目标才会去激发出每个人最好的精力和执行力。

所以，对我们所有企业来说，如果在AI时代还想要保持引领和驾驭。

那么，现在的答案，就是让我们的组织成为AI增强型组织，让我们把AI不断深入到企业每一个环节，每一个成员和毛细血管里，直到它成为企业的一部分。

有着这样的目标和决心，我想我们一定能在AI时代活下来，并且活得更好。

—

责任编辑 | 罗英凡

图片均来源于网络

本文不构成任何投资建议，股市有风险，投资需谨慎

■ 免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。