专题：第28届北京科博会-未来产业推介会
第28届北京科博会-未来产业推介会于2026年5月8日在北京举行。IBM咨询大中华区合伙人、战略与转型咨询部总经理董海军以《AI重塑企业未来》为题发表演讲。
以下为演讲实录：
董海军：各位领导、各位专家、各位来宾，大家上午好。
在AI的时代，企业如何去推动转型。在过去的20年里，其实我们经历过很多次阶段性变化：比如说，持续很久的“信息化”；其后又迎来了持续十年的“数字化”，差不多十年前，我就在帮华为做数字化转型的咨询工作；最近的一年，各个企业不约而同的把 “AI智能化” 作为下一个转型的核心内容。
其实最近的3年，每个春节我不知道大家的感觉怎么样，似乎每个春节都过得很焦虑。2024年的春节是OpenAI发布了Sora、2025年的春节是DeepSeek、今年的春节是上一位嘉宾提及过的龙虾，在龙虾的应用上，我看到的企业几乎达到了快速甚至近似于疯狂的应用状态，基本上每天都有几百个龙虾在上线。
在这样的一个时代之下，我们如何思考和推动企业转型的进程？首先，我们认为它不是一个全新的事物。其实，在过去的每一个历史阶段当中，新出现的技术背后都差不多经历了50年到70年的积累。我们所看的只是浮出水面的那部分，实际上水下早已积累了非常久的时间，包括过去的互联网技术、计算机的技术、手机的技术、数据分析的技术，以及当下最热门的AI技术。AI的技术从50年代就开始做研究，中间经历了各种各样技术流派、纷繁的技术路线实验，直到现在开始进入到商用环节。所以今天的推介会很多是在讲未来AI要如何在商业中发挥出它的价值。
每一个技术都会经历技术可行性、商业可行性以及未来的生态成熟三个主要阶段。所以当下，我们认为人工智能处于早期状态，它叠加的是在前几个阶段中，技术对人各种劳动的解放。在信息革命的进程中，本质上是对脑力劳动的解放，首先，是解放了计算能力；第二，是解放了记录能力；第三，是解放了决策分析支持的能力。接下来，我们能看到的就是解放了人的认知和自主决策的能力。但是，这个过程与此前三个阶段会完全不一样。尤其在最近这一年，在我们帮助企业做AI转型的时候，遇到了非常多的困难，这与菲利普莫里斯国际公司CEO的一句话非常相应：“试图将人工智能强行塞入现有组织，极有可能是一种错误的做法”。
事实上，最近在我与很多跟董事长的交流当中，他们不约而同地向我提出了一个问题：AI方面，我们做了很多、也花了很多钱，同时，员工响应也非常积极，但是我们并没有感觉到人工智能真正给企业带来了什么样的收益和变化，也没有看到它带来竞争力的提高，或是利润的增加。缺少带来回报的感觉。但是下级在具体工作中却干得特别的热火朝天，IT部门每天都在报告装龙虾的数量、员工应用的内容以及大家对这些东西非常兴奋的种种反馈。事实上，从财务报表上却还没看到这些热情的体现，这些星星之火尚未变成燎原之势。
实际上，这是目前困扰很多企业家的一个普遍现象和存在的状态。
我们做了一些统计，我们发现点状地应用AI会非常的快。昨天，有一位中国最大的光学企业的CIO给我发信息，他说：“我们现在已经开始‘用Agent生成Agent’，我觉得90%的程度上，它们都是非常成功的。但，这些东西怎么能够变成商业价值？怎么能够从投资回报率ROI上来衡量它所产生的收益呢”？我反问说：你们的‘规模化’体现在哪里？事实上，我们看到74%的企业在做并且可以实现点状的 AI 应用，但是很难把它跟真正的商业价值联系在一起。昨天在青岛，我们跟中国最大的一家家电企业讨论新一代的 AI 如何去重塑企业的流程。大家的一个核心结论是：与他们上一次 2006-2007年第一次做流程再造不同，那时候是“阵地战”，当时搞几个月的流程梳理、搞几个月的需求分析、搞几个月的代码开发、再搞几个月的测试后再搞几个月的上线、接着再搞几个月的试运行和员工的培训。而现在，我们所需的时间是3天！3天去改变一个四五级的流程，这与之前是完全不一样的，现在是“运动战”。“运动战”的特点是，很容易下手却很难实现规模化收益。这才是当下的困惑所在。
其背后的原因有两个：
一是，业务如何认可这些人工智能带来的价值。在另外一个中国最大的服装企业，IT部门做了一个非常好的人工智能应用，它可以自动的向门店进行配货和调货。那个人工智能可以通过门店的销售数据和流行趋势自动做销量的预测和物流调度。IT部门把这个东西推给了业务部门，业务部门看了一眼说不行。为什么不行呢？回复说你这个不准，那为什么不准？是因为它和我们实际的运作出入比较大。这位 CIO 找我，来探讨这个问题怎么解决？我说：你不能自己去推这些东西，这是在抢业务的饭碗，业务干了几十年，IT 三天开发一个人工智能，并号称比几十年的从业者做得还好。这本身的确是有可能性的，甚至是有相当大的可能性，但是，它不太容易被业务部门接受。当真正地应用于真实场景中时，我们必须要考虑现实世界中，它如何把人和技术协同在一起，既能让人保留他经年累月积累出来的价值，又能通过应用技术获得新的效率和更好的商业价值。要考虑如何在这样的一个时代，在这样的一个高级脑力活动替代之下实现人机协作与AI转型，是摆在所有企业面前非常大的课题，我们可以有非常好的技术，非常厉害的算法，甚至可以在实验室环境中，在点状环境下取得非常惊艳的效果，但是，一旦投入到真实的商业环境里，现实世界比我们想的要复杂得多。
对于企业来讲，该如何比较平稳的通过技术来实现商业价值？我和大家分享访问Autodesk CEO时的交流。Autodesk是家喻户晓的AutoCAD软件供应商，CEO说了一句我非常认同的话：“你无法预测每一次巅峰，但是可以通过建设具有韧性、适应力并准备好应对变革的组织来做好准备”。也就是说，一个组织最大的能力是变革能力。
IBM曾经与华为合作了20年。从1998年的第一个规划开始，我个人认为 IBM 未有着力在技术上为华为提供贡献，而是对它的组织能力建设上，发挥了至关重要的作用，就是让企业具备了自我变革、自我进化的能力。这就是我想谈的目前企业困惑所隐藏第二个原因所在。
接下来，我同大家分享一下IBM在 AI 领域中应用的案例，IBM自身比较好地诠释了刚才Autodesk CEO所说的变革能力。当然，每一个变革能力都不是平白无故获得的，IBM经历了八十五年的英雄时代，它的创始人和创始人的两代继任者沃森，用他们天才的眼光和非凡的意志开创了高速增长的80多年，此后便迎来了断崖式的，几乎濒临破产的绝境。
为什么？因为顺境不会让人长出变革的能力，改变自己远比在一个跑道上狂奔来得困难。所以，在90年代的时候，公司陷入了经营绝境，不得不重新思考它的组织、流程、运营以及未来的商业价值，当时引入了郭士纳作为 IBM 的变革者，郭士纳先生去年12月份离开了我们，当怀念他的过往时，我们认为他留下的最为宝贵的遗产，并非是把这家公司挽救了回来，而是为这家公司注入了变革的基因。
此后，IBM又经历了三次重大变革：流程转型、数据转型和AI驱动的新一代变革。截至目前，AI驱动的变革已经持续了五年。今年1月，在纽约下最大雪的那周，我去了纽约，在美国与来自全球的伙伴一起讨论变革的议题。在那里，我们发现国外企业的AI转型比国内要起步得早，一个很大的原因不是我们反应慢，而是国外的条件更好一点。因为90年代，国外企业就开始了流程转型变革。在1994年，美国的2/3的大企业已经启动了流程再造工作。所以，我对今天的那家青岛公司说，你们做得算是早的，此外，我们团队在2007年，与另一家国内知名电器企业合作，做了流程再造，2012年又做了632变革，数字化转型，一个公司、一个体系、一个标准。
即便到今天，最近的3年，我们仍在帮很多企业做流程变革，原因是没有流程就不会有好的数据，没有流程智能体就不能把自动化做得很顺利。我们今天才意识到，原来终局是AI，前面七十年把人的数据放到互联网上、把企业做事的顺序固化在IT系统里，这都是为了今天人工智能接管这一切。要让人工智能接管，企业就要有充分的数据基础和流程基础。所以，对于这些基础上的欠缺，我们称之为 “AI债务”。
AI提供了新范式，但是前三个阶段，每个阶段，企业都遗留了相应的旧债务。在IBM自身的转型当中，我们体会到前一个阶段的转型顺利会让后面的转型变得更快。2020年，IBM所做的AI转型最终产生了45亿美金的财务收益，并公布在年报里。原目标是25亿美金，最后因为做得比较顺利，实现了45亿美金的规模。迄今为止，IBM是在全球范围内唯一一家由传统IT公司转型为AI公司的企业，做为一家超过百年的IT公司，排名全球AI企业前五队列，继续从事AI领域相关的多种服务和产品提供。
在这个过程中，我们总结了一些心得跟大家分享，总结为三点：
第一点：任何一个AI的转型项目都必须是由最高层领导。刚才我讲到了业务部门会比较抗拒，在2017年的时候，我们帮助某航空公司做互联网化转型，当时我们就提出了一个问题，在一个VIP休息室中，如果一个戴着人工智能眼镜的新入职的女孩在接待一个客人，会不会引发这里干了20年、30年的员工的感觉不适？我们预见到了这个情况。因此，项目在最高层的推动下，让业务变革走在前面，先解决好业务如何在AI时代重塑竞争力的问题，然后才是IT和AI专家的技术运用，而不是反过来操作。如果反向操作，原本IT只是作为辅助工具，负责提供一个更有效率的助手给你，但是，如果IT牵头，则是来抢业务饭碗，自然不会获得配合。领导力引领变革非常关键。第二点：就是接下来重构工作模式；第三是：推动技术落地。最高层领导的介入非常重要，甚至是决定性的。
前面，我提到了AI存在点状应用的现状，在通过点状的技术实现验证和商业价值原型判断来做规模化的部署推广，这需要生产力探索团队，它会是一个非常综合的团队，既有来自于业务部门的专家，不是随随便便的业务部门的人员，而是专家，甚至是非常资深的专家，例如，来自于数据部门的数据工程师、算法科学家，甚至来自于法律部门的法务顾问，来自于合规部门的控制者，还有内部的“AI伦理委员会”的成员，他们要共同地去判断这样的技术对于员工的现实影响，以及合规法律知识产权的风险。在今年年初龙虾最热的时候，我们都看到了一个非常有讽刺意味的消息。Meta的一个安全主管用龙虾的时候，让龙虾整理他的邮件，结果最后龙虾把他所有的邮件都删了，安全主管碰到的一个安全漏洞。
对于企业，应用AI的时候，信息安全，尤其是AI的安全至关重要的。我们不知道它在推理的过程中会引用什么、会生成什么、它是不是会产生有攻击性的问题、是不是产生有悖法律与伦理道德和风俗习惯的东西，所以，在组织的治理上，AI与之前的所有的技术是存在前所未有的区别的。
对于重塑工作模式这一块，首先，是对于内外部数据的积极利用和洞察，我们每天都花大量的时间在看报告、看报表、开会，其实AI可以首先帮助我们的是把企业内外部数据妥善地做分析、整理、提炼、总结和指引，IBM把它作为第一项工作；第二项工作是与客户交互的界面相关的工作。AI的好处是在推理上和对于客户的个性化上可以做得非常的到位，可以做到千人千面，传统靠人工去做这类事情非常困难，但AI可以让我们的客户感到像人类服务者一样的细致温暖。此前，在帮助一个瑞士的银行做人工坐席和人工智能坐席的比较中，发现人工智能的坐席增加了很多对于语气的判断，比如说对方不开心，不高兴，或是说话比较急躁时，会主动把它转给人工客服，请人类助手进来抚平客户情绪，在这一类应用上，是非常有价值的。
另一个，是IT的现代化。本质上AI是coding，即是编码，而最容易编码的就是编码本身，也就是计算机程序。IT自身的人工智能化应该是最重要的一个应用领域，我们把它叫做SDLC，软件生命周期。在IBM，整个IT团队几乎缩减了80%的规模，释放了可观的收益。最后，就是员工的生产力提升。
早上，我在休息室和专家交流时，大家提到AI首先是提供了新的交互方式，员工可以不用再去操作那些繁琐的内部管理软件，只是通过聊天就可以实现各种各样的自助服务。以IBM Ask HR为例，它已经应用了将近5年，刚开始的时候很难用，但是最近已经越来越好用了，员工不用再打开各种各样HR相关的请假，在职证明，各种各样薪资证明等相关流程，这些员工都不用管了，你只需问它即可获得服务，包括员工调换岗位，改变就职地，即 Base地，都可以通过Ask HR来做。在工作模式上，可以有非常多的领域值得企业投资部署。
在技术推动落地上，AI和之前所有的技术应用都不一样。在2018年的时候，IBM当时的董事长提出了我们要建立敏捷文化，这对于一家百年公司来讲，这是一个非常新的说法。当时大家不太理解为什么要做敏捷的事情？现在明白了，因为没有敏捷的文化就不可能有AI的应用。AI的点状应用就是快！就是迭代！对AI，没有0.1就不会有1.0． 但是，对以前的软件，如ERP上线，必须是1.0，不能是0.1。如果在0.1版本上线，那将是灾难，反过来，如果AI上线是1.0，可以直接得出结论，它永远都不会上线。没有一个AI的版本是从1.0开始的，永远都是从0.1开始的，因为它只有在用、在训练和反馈中才能长大。
就像一个小孩子不可能一生下来就是清华大学的大学生，都是从非常无知开始。所以这样一种模式会对于企业提出了新的要求，就是对于错误的容忍度。我看到中国企业，无论是国企还是民企在这一方面是有困难的。能够接受错误、失败和宽容，这不是一个文化，而是一个制度建设问题，这并非易事，我们很难解释AI是因为什么失败的，但是如果没有宽容度做为前提，0.1的上线就真的变成了ERP式的灾难。因此，怎么去解决文化的包容性问题、容错是关乎AI在企业应用的至关重要的问题。
最后是人才，通过优化激励机制并重视技术技能，强化人才招聘与留存，与技术同行的人的重要性，不用赘述。
总结一下，把AI变成企业的真金白银不是一个简单的事情，甚至是一个超过过去40年我们面对所有转型的总和还要难的一件事情。我刚才讲到，它取代的是别人几十年的积累，在这种情况下如何去做正确的IT，从哪里下手？如何正确的做IT，正确的实现，就会变得至关重要。这里边我不展开去讲，一个很重要的就是要设定一个目标。做AI转型要有一个目标，而且要有一个量化的，带着钱的目标，没有这个目标，你就没有办法让企业在面对那么多的困难，那么多阻力与非议，以及那么多不合作的情况下持续地推动它，所以北极星指标一定要有。
第二个就是AI的治理，我刚才讲到了，因为它涉及了太多的责任的重构，以前我们说上一个IT系统就是IT的业务的责任。现在一个AI出问题，我们如何问责？前两天，我在研究一家企业5年的营业利润，我问了四个AI，给了我4套数据，其中有几个一样，剩下的都不一样，我不知道该信谁。昨天，我与一家企业的CFO交流，他也说了同样的情况，他说让AI给他们做报表，做出来的数字都不对，问题是你不知道他不对，这才可怕，所以怎么样来解决这个问题？这是在AI治理上必须要去处理的问题。一个错误的AI数据会引发一个灾难性的后果，那么是谁的责任？是业务部门的责任？还是数据科学家的责任？是算法工程师的责任还是做技术栈的责任？还是使用者的责任？所以，我们现在有非常多的办法，比如说Agent委员会，弄5个Agent在一起商量这个数据到底对不对？我感觉不一定能够商量出一个你认为对的结果，所以怎么在企业中用这个东西，还有很多的考验和一个一个的难关要过。
最后，我想说，在我们看了几十年、那么多企业的转型，在每一次新技术的到来时，我们都体会得到企业对此欢欣鼓舞的期待，认为这是一个新的起跑线，有的企业想弯道超车，有的想在新的起跑线上用新的形式去发力，但是，历史和经验告诉我们，每一次新的起跑线对于领先者都将是它的加速器，而对于落后者来讲，都意味着有更多的“债务”要偿还、要补上功课。。
感谢各位！
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
责任编辑：梁斌 SF055
千亿球友会，mk体育，
球友会相关资讯：mk足球官网，