80%的职场人感受到了AI带来的效率跃升，

但在企业层面，只有37%的企业表示AI对息税前利润（EBIT）产生了正面贡献。

AI让人更高效，企业为何仍难见回报？

是什么卡住了企业AI的价值转化？

9月11日，太湖企业家书院举办“告别内卷——AI时代企业如何把利润做出来”闭门思享会。来自先进金属材料、半导体设备、智能装备、生物科技、航空科技等行业的二十余位企业家参加研讨。

本次闭门思享会特邀AI+数字化转型顾问、前麦肯锡战略顾问焦波。活动以实战案例导入，将主要时间交予提问与追问，让问题自现场生发，让解法于碰撞中成形。

以下内容为本次闭门会摘编：

 企业家A ：我们制造型企业系统多、数据散。AI要见效，前提是数据打通；但数据一旦打通，安全风险陡增。员工用AI，能力被放大，企业既想用，又怕出事。用AI怕泄密，不用AI怕掉队。这个边界到底怎么定？

 思考 ：算法和技术都可以买，但数据买不到。数据在使用过程中怎么确保安全，分三层看。

层，本体。以前权限管控基于流程，但流程被AI重塑后，权限到底在哪里？把权限从流程下沉到层的数据层。定义清楚业务本体——芯片、图纸、人、订单、客户、金额，在这一层构建权限机制。智能体天生耦合这种权限：谁开发的，就继承谁的权限。

第二层，技术。数据存储本地、算力本地，或者在token层做分析：这个token是专有还是私有？有没有契约？如果都不能接受，那就全建在本地。现在很多央企用央企的算力资源，觉得更安全。

第三层，人。先放在容错性高的场景。金融机构、电信运营商全面拥抱AI的件事，都是对客自动化——价值高，容错也高，犯个错损失可控。等工具成熟了，再在底层做接口治理，叠加风控等级。

 企业家B ：但现实是，员工为了效率，数据已经在往外走。

 思考 ：有数据表明，40%的企业主清楚自己的核心数据正在被员工拿出去使用。员工为了效率，企业的生产、研发数据就这样流出去了。这就是现实。所以数据安全不是选择题，是一套从本体到技术到人的系统工程。先做容错高的场景，再逐步下沉权限。

 企业家C ：AI时代不可能告别内卷，只会越来越卷。大家都用AI，在同一平台竞争，最后就是内卷、倒闭。以前买设备五年分摊、十年分摊，AI一年就淘汰，制度根本跟不上。

 企业家D ：我们身边就有案例。有企业花几百万找第三方做AI自动化，产能上去了，单品利润反而降了。因为第三方把方案复制给了竞争对手，大家开始杀价格。

 思考 ：不是AI让你卷，是你还在用旧模式卷。

AI带来三个重构：成本结构重构——人力成本刚性上涨，AI边际成本趋近于零；竞争维度重构——响应速度、定制能力、服务深度次可以低成本规模化；组织形态重构——重复性岗位减少，驾驭AI的角色成为主角，32%的企业预计未来一年员工总数下降。

你不用决定要不要AI，AI已经替你做了选择。AI也已经把企业分成3个物种：先行者约6%，EBIT提升≥5%，AI嵌入核心业务，CEO亲自挂帅；跟随者约1/3，局部见效，但跨部门合力未形成；观望者约2/3，知道是趋势，但KPI、流程、组织都没动。

反内卷，不是“不卷”，是“换模式卷”。指望行业自律、对手收手、政策救市—这些都不由你决定。你能决定的，是自己跑到另一条赛道上去。三条路径：从卖产品到卖能力，从规模驱动到数据驱动，从人力杠杆到AI杠杆。

BCG数据显示：70%的AI价值藏在核心业务里（研发 · 制造 · 营销 · 销售 · 供应链 · 定价），只有30%在支持职能（HR · 行政 · 法务）。别把的精力，投在只占30%价值的地方。

还要泼一盆冷水：AI战略句话若是“降本增效”，你已经输了一半。

80%的企业把“提升效率”列为首要目标，但真正赚到钱的高绩效企业，几乎都同时把“增长”与“创新”列为目标。麦肯锡测试25个影响因素，“重新设计工作流”对EBIT的影响排。高绩效企业这样做的可能性，是其他企业的2.8倍。用上AI≠转型，不重构工作流=零。

反内卷有三把锤子：

，重新定义客户。 从卖产品到卖结果

第二，重新定义流程。 让AI跑通80%标准化动作

第三，重新定义人机关系。 一个人的杠杆，来自他指挥的智能体数量。

窗口期还在，但竞争会很残酷：只有名，没有第二名。 内卷不会自己结束，但它会被那些先换模式的人，远远甩在身后。

 企业家E ：我觉得大家把人工智能和智能人工混为一谈了。我们现在用的AI，其实只是在做智能人工的事情。喂给AI N个案例，如果只是重复过去，那毫无意义。我的AI不是让工程师出图更快，而是出的图比原来更牛、更节约能耗、更节约材料。

 企业家F ：你喂给它的成功案例，真的是成功的吗？

 思考 ：讲个案例——MIT用AI阅读海量研究报告，自动屏蔽掉大量待筛查项，留给人类去实验的只有几十个。AI不只是概率统计，它内部有模型，能思考。

没有本体，把合同抛给AI，它只是知识搬运工。要给它构建一个逻辑的大脑，把各种对应关系、来龙去脉喂进去。

至于“喂给它的案例是不是真的”——当大家都开始在形式上做内容，到一定程度就会回归本质。一开始产出很丰富，但没人看，自然就回归了。最质朴、最粗糙的反而会胜出。这是一个平衡。

AI for science不是让AI重复过去，而是给AI逻辑和目标，让它创造性地实现。

 企业家G ：智能审图、智能拍图，是自己用IT人员建，还是找中间服务机构？找外面第三方，是不是很危险？

 思考 ：怎么落？谁帮我落？可参考几个思路。

技术合伙人模式。你不是投几百万，而是作为技术合伙人，利润共享。这比排他协议、竞业禁止更有效。因为钱是最后一起分的，他把技术卖给同类，自己也不划算。

市场定义权。先想清楚这个市场是合作供应链还是自建逻辑。产能一多，成本就降。你的定位是什么？这决定了你怎么选合作伙伴。

自建团队。国内开始出现既懂技术又懂业务的咨询出身的人，能跟厂里的生产技术人员交流。但更重要的是，企业内部要培养自己的团队。这些人不见得技术多，但学习能力强，对行业有经验。他们才是AI落地的MVP。整体蓝图掌握在自己手里，外部公司只是阶段性资源。

开源优先。找内部或外部团队运维，业务定义在自己手里。可以先花点小钱磨练感觉，但最终以开源为主体。

第三方可以是阶段性资源，但核心能力必须掌握在自己手里。

 企业家H ：AI的趋势到底能走多远？资本市场为AI疯狂，但如果支撑不了实体经济，泡沫也会跌下来。我们到底该投入多少钱？

 思考 ：资本泡沫是好事。互联网也有泡沫，泡沫加速了业态发展，破裂后成就了很多企业。AI也一样，泡沫加速了新鲜物种的孵化、成长和淘汰。

没有一个国家敢刹车。公共组织可能提减速，但竞争是定义权、话语权、AI主权的问题。国家层面如此，企业层面也是如此。

成本在急剧下降。以前工业AI质检一个项目动辄几百万，现在通过大模型加小模型储备，十万块就能搞定。

先想清楚定位。当同行、供应链、客户都转向价值导向，你自身是什么定位？几年后你想成为谁？基于这个思考，再决定现在投多少。

创业天精神。字节跳动面对AI冲击时提了一个词，叫“Day One精神”——时刻保持创业定力。在AI时代，大量技术重构、大量洗牌，如果能用创业定力去识别模式和机会，会非常有意义。

不是选择题，也不是观望题，而是主动出击题。