AI Club 开放夜｜08.06：传统企业AI转型，先过“人”这一关

AI Club 开放夜｜08.06：传统企业AI转型，先过“人”这一关活动现场

每周三晚，AI Club 开放夜固定见面。我们围绕真实案例、业务问题和AI实践展开交流，并把其中值得留下的观点整理成文。

8月6日晚，AI Club 迎来了第一场开放夜。因为当周日程调整，这一次改在周四；此后，我们将把每周三晚留给持续发生的分享、讨论和连接。

第一期开放夜来了不少不同背景的朋友：有人做企业AI服务，有人来自摄影、文旅、电商和工程行业，也有人正在开发智能体、知识库、视觉识别和内容工具。

大家带来的问题看起来不同，却不断指向同一个现实：今天的企业已经不太需要被反复证明“AI很重要”，真正困难的是，怎样让AI进入组织，变成一套有人愿意用、能够持续用、最终产生结果的工作方式。

企业说想用AI，不等于企业已经准备好

不少企业已经感受到AI带来的变化，也愿意寻找转型机会。但从“有兴趣”到“能落地”，中间仍然隔着很长一段距离。

有些企业提出的需求很宽泛，希望建设智能体、知识库或数字员工，却说不清究竟要解决哪个环节的问题；有些企业担心刚投入的技术很快被淘汰，不愿承担较高的试错成本；还有一些企业长期依赖线下沟通和个人经验，基础数据分散在表格、聊天记录和不同员工手中，连现有流程都没有被完整梳理。

在这种情况下，AI项目表面上是在部署新工具，实际上却是在补过去数字化转型没有完成的功课。

业务流程要重新梳理，数据含义要重新确认，岗位之间的协作关系也可能需要调整。企业原本期待的是一次技术升级，真正面对的却是一场组织变化，落差往往由此产生。

第一道阻力，常常来自人

圆桌中反复出现的一个判断是：传统企业AI转型，首先需要一把手真正理解并持续推动。

如果管理者只是因为行业热度启动一个项目，却没有明确目标，也不愿投入时间参与，AI很容易变成一项交给下属的临时任务。下层员工既缺少授权，也很难推动跨部门的数据和流程调整，项目最终往往停在演示或试用阶段。

即使管理层态度明确，员工仍然可能产生抵触。

一线员工长期积累的岗位经验，是他们在企业中的重要价值。当这些经验需要被整理、输入系统，甚至交给AI学习时，他们自然会担心自己的工作被替代。于是，真正关键的流程可能被简化描述，隐性经验也不愿意被完整说出来。

这不是单纯的工具培训问题，而是管理、激励和信任问题。

AI落地不能只告诉员工“以后效率会更高”，还需要回答一个更直接的问题：这项变化会怎样帮助你，而不是怎样取代你？

现场一个反复被提起的经验是：不要先要求员工把全部流程交出来。先按企业希望看到的效果，做出一个能被感知的结果。对方看见“AI做得到”，也看见它仍然需要人的经验做判断，才更愿意把真实流程讲清楚。信任不是靠宣讲建立的，而是在一次次实际使用中形成的。

企业真正缺的，是把流程说清楚

智能体看起来像一个技术产品，但它能否工作，取决于企业能否清楚回答一系列基础问题：信息从哪里来？经过哪些岗位？谁负责确认？出现异常时由谁处理？哪些结果可以自动执行，哪些必须由人审核？

如果这些问题没有答案，AI得到的只会是一堆缺少语境的数据。

企业在引入AI之前，往往需要先把业务流和数据流讲清楚。对历史资料进行清洗，给关键字段补充明确含义，为AI划定能力边界，并保留人工复核环节。尤其在审核、问数、知识检索等场景中，AI更适合承担信息整理和辅助判断，而不是直接替代责任主体。

这也解释了为什么一些看似简单的AI项目，真正耗时的部分并不是模型调用，而是企业内部知识的整理和确认。

长期来看，这些工作并非额外负担。过去散落在个人经验里的知识，一旦被整理成结构化流程，就会成为企业可以持续复用的资产。AI只是让这件原本就应该完成的事情，变得更迫切了。

与其一开始大改造，不如先找到一个小切口

不同规模企业适合的AI落地路径并不相同。

大型企业流程复杂、权限边界多，对安全、稳定和系统集成的要求更高，一次转型往往需要较长周期。中小企业虽然预算有限，却更容易从轻量化场景开始，只要投入不大、效果直观，就能较快形成使用反馈。

这个切口可以是一次表单审核、一套资料检索、一段重复的内容生产流程，也可以是销售跟进、店铺运营或内部培训中的某个高频动作。

关键不在于系统看起来多先进，而在于它是否解决了每天都会发生的问题。

先把一个小场景跑通，验证效率、准确性和使用意愿，再逐步扩展到更多流程，比一开始就设计一套庞大系统更有可能成功。对企业服务团队来说，也需要接受一种更朴素的交付结果：表面上没有发生剧烈变化，但一些重复工作已经减少，一些决策有了更清晰的数据依据，效率在不知不觉中提高了。

AI落地需要技术，也需要一张协作网络

第一期开放夜还让我们看到，企业AI转型很难由单一角色独立完成。

企业掌握真实场景和行业经验，技术团队负责把需求变成可用方案，服务团队需要理解组织沟通与项目交付，平台和社区则可以帮助不同能力找到彼此。

不少AI需求之所以长期停留在讨论阶段，并不是完全没有技术方案，而是需求太分散、单个项目成本太高，服务方缺少持续投入的动力。只有把相似需求逐步归类，把已经验证的方案沉淀成可复用模块，再通过灵活协作完成交付，供需两端才可能建立更稳定的连接。

这也是AI Club开放夜希望持续做的事情：不只是介绍新工具，而是让真实需求被听见，让行业经验和技术能力坐到同一张桌子旁。

第一期没有给传统企业AI转型开出一张万能处方，但留下了几条清晰的判断：

AI转型需要管理者真正参与，需要尊重员工的经验与感受，需要先还清流程和数据上的旧账，也需要从一个小而明确的问题开始，用结果建立信任。

技术决定一件事能不能实现，人和组织决定它最终能不能发生。

如果你也在企业中推进AI应用，正在经历需求模糊、员工抵触、数据分散或落地效果难以衡量的问题，欢迎在公众号后台留言“开放夜”，告诉我们你正在面对的真实场景。

每周三晚，我们继续见面。带着问题来，也带着经验和行动离开。