原创 点这里关注→2026-08-06 13:38 上海
我似乎找到了答案
坦白说，我最近有一个很深的疑惑。
从 2023 年开始，AI 也火了两三年了。新的模型天天在发布，新的工具天天在出现，几乎每家公司，都在谈论怎么拥抱 AI。
但如果去查一些相关数据，你会发现一个很奇怪的现象：
几乎没有任何一 个国家的 GDP，因为 AI 的到来，加速增加。也很少有非 AI 行业的大公司业绩，因为 AI 的到来，翻倍变化。
麦肯锡今年的一项调查显示，88%的组织已经在试验 AI，但 81%还没有看到有意义的利润改善。
AI 这么热闹，为什么企业却似乎没有受益？很多人说，你看你看，AI一定是有很多泡沫，早晚要破。
带着这个问题，我找了一些朋友请教。聊完后，我感觉模模糊糊摸到了一些答案，希望和你分享。 !Image 2: 图片 01 **AI真正的金矿，不是 toC，不是 toB，而是“toO”**
前段时间，关于“AI 提效”这件事，我和李开复老师，聊到了一个特别形象的段子：
员工写周报，本来 200 字就能讲清楚，非用 AI 扩成 2000 字。因为显得饱满，活干的多。老板呢？看 2000 字太累，就用 AI 把它压回 200 字。
你看，我们经常批 判“表演式加班”。但其实，还有一种“表演式用 AI”。
今天，很多公司都是这样，用 AI 疯狂写会议纪要、做 PPT、生成海报。看上去热热闹闹，装了一大堆软件，烧了一大堆 Token。但其实，那些成果根本没人看。公司业绩提高了吗？不，什么变化都没有。一事无成。大家都是表演艺术家。
这不是AI的问题，是我们不知道该如何用好AI，把AI当成了“向上管理的表演工具”。
为什么会这样？就是因为，很多人只是在“让 AI 当外挂”。什么叫外挂？就是你的业务还是那个业务，流程还是那个流程，只是把 AI 挂在边上打下手。
那该怎么办？这个问题曾经困扰了我很久。直到我请教了另外一位朋友，瓴羊的 CEO 朋新宇（小芃）。小芃在阿里做了 20 年的数据，是阿里数据中台的创始人。瓴羊，是阿里旗下专做企业数智服务的公司，长期与数据和 AI 落地打交道。
他告诉我，多数时候，不是 AI 不行，是它还没真正走进组织里。AI 真正改变一家公司，其实有三个阶段：从 To C、到 To B，最后走向 To O（Organization）。
听上去有点抽象？咱们解释一下。
To C，就是各种各样的个人提效工具。写写报告、做做表格、画画图。哎，确实是能提高效率。但能让你的工作彻底上一个新台阶吗？其实不行，说到底，都是在小打小闹。
To B，也就是各种各样卖给企业的 AI 工具。你可能要说，这总该能真正帮到公司了吧？但问题是，今天市面上大量的所谓 To B 型 AI 产品，其实是“to B 皮囊下的 to C”。虽然掏钱采购的是企业老板，但真正用起来，大家还是把它当 To C 软件来用。
你比如，老板掏钱，找供应商为自己公司，量身定制一套 AI 海报生产软件。钱花了不少，每个月光 Token 就几万块。但最终用起来，还是提需求-出海报-提需求-出海报。最多省下几个设计师的人力，你要说更多的改变？那就没有了。怎么制定营销策略？怎么投放？怎么跟踪效果？完全没有体现。
那该怎么办？这就要说到那个关键概念：To O。这里的 O，就是 Organization，组织。
To O 要回答的，不是帮员工省了多少时间，也不是一秒生成多少张海报，而是“企业买到了什么组织结果”，是看 AI 有没有进入组织的业务主干，重塑整个流程。
还是举几个例子。
比如，周报。
To C 的逻辑，是让 AI 帮员工把周报写的更快更漂亮。而 To O 的逻辑，是先理清楚什么情况算正常、什么算异常。然后让 AI 直接去各个系统读取项目进度、销售数字。一切正常，就不需要汇报。当数据异常，再直接把问题推送给负责人。
很可能这摊事干完，你会发现“周报”这个东西已经没有必要了。
再比如，门店库存管理。
To C 的逻辑，是弄一套提示词，然后店长向 AI 提问：“帮我分析一下上周店里哪些商品卖得好？”AI 生成了一张极漂亮的数据透视表，然后店长看着图表，凭经验去总部的系统里手动补货。这叫把 AI 当外挂，业务流没变。
而 To O 的逻辑，是让 AI 建立一套系统，它不仅能实时检测库存情况，还会自动拉取明天的天气预报。预测到明天突降大雨，AI 不需要去跟店长商量，直接向供应链系统发起指令，为这家门店紧急调拨 100 把雨伞和雨衣。
只有这样，AI 才能真正改变经营，创造那些原来想都想不到的价值。
那么，新的问题来了。企业有那么多部门、那么多流程，究竟该从哪里下手去实现 To O？
小芃给了我 3 个参考答案，你得优先去关注那些，人花得多、时间花得多、钱花得多的地方。 !Image 4: 图片 02 **客服：回答只是开始，解决问题才是终点**
先来看看，人投入最多的地方。
比如，雅迪的客服部门。
这个全中国销量最高的电动车品牌，每年卖出一千多万辆电动车，在全国有四万多家门店。
但你能想象吗？他们的客服中心，只有 50 多位一线客服。
可别小看客服，这真的是件很复杂的事，一辆电动车有上千个零件，客户的问题也五花八门，你得在数不清的知识库间来回搜索。去年我曾经到海信体验过做一天客服，真的是焦头烂额。
你可能要问，现在不是有那种客服机器人吗？不能用吗？
雅迪其实试过，但它的核心原理，是靠关键词匹配语料库，替人工准备好基础回复。确实有效果，但也不大。比如，原本一小时能回复 80 个人，现在能回复 130 个。效率是提高了一些，但也仅此而已了。
你看，这就是典型的“to B 皮囊下的 to C 改造”。效率看上去是提高了，但组织的结果改变了吗？并没有。
一旦用户换种问法，AI 识别不了，还得转人工。人工接手后，用户还得把满肚子火气重新讲一遍。
客服系统真正需要的，是 To O 的组织改造。
改造的第一步，是研究业务流程。客服的时间，到底花在了什么上？
于是，瓴羊派了一支 FDE 团队，直接驻场。他们横跨了十几个部门，做了 78 场深度调研，甚至戴上耳机，一通一通地去听用户的真实客诉电话。
（瓴羊 FDE 梳理雅迪流程）
一研究就会发现，其实绝大多数问题，都是一些完全重复的问题。比如，这个灯亮了是什么意思？充电插口到底在哪？
这种问题，完全可以不浪费人类的时间和精力，全自动回复。把那些非标的、不重复的问题识别出来，交给专业客服去服务。
这样，客服的本质，就从“重复性的劳动”，变成了“体贴的服务业”。你看，这就叫从组织上改变。
为什么要这样做？因为只有真正理解客服环节的卡点在哪，才能对组织进行改造。
这还没完。
很多人没有意识到，一款产品总是被客户问，一款零件反复被投诉容易坏，其实是产品设计上出了问题。
但过去，客服的时间早就被用户的情绪占满了，客服也不是产品专家，怎么可能发现产品问题？这又是组织层面的问题。
现在，瓴羊帮雅迪开发的 VOC（用户之声）系统，可以把这些问题汇总，直接送到研发制造部门。
一句抱怨，第一次有机会变成下一代产品的改进项，从根本上解决客诉。
最终，雅迪的热线问题解决率从 20%提高到了 42%，文本机器人解决率达到了 78%。单个案子的处理时长，从 3 分钟直接压缩到了 1.5 分钟。机器人接走了重复问题，人就能专心去啃那些复杂的客诉，做真正需要判断、也最容易得罪人的活。
你看，这就叫从组织上解决问题。 !Image 6: 图片 03 **销售：把少数人的天赋，变成组织的系统力**
再看，时间花的最多的地方。
比如，培养销售。
怎么用 AI 帮助销售，一直是个老大难问题。
尤其是医药、工业设备这种高客单、长周期的生意里。销售，要熟悉产品，匹配资源，还要处理拒绝。AI 帮忙整理拜访记录，当然节省时间，但你说对最后成单，以及销售能力的成长有多大帮助？其实并不大。
有家 大型头部药企，就面临这个问题。他们在全国有 20 多个销售片区，数千名销售。但销售水平，有高有低。
面对这种情况，怎么办？很多公司的做法，依然是做T o C 式的个人提效。
什么叫 To C 式提效？给销售买一堆 AI 语音助手，身上挂着，每天自动整理对话、拜访记录。虽然确实省了不少时间，但你说，这对最后成单到底有多少帮助？其实并不大。这就叫“AI表演”。
因为销售是一个极度依赖个人经验的岗位。在这个行当里，决定能不能成单的，从来不是你的日报写得有多快、错别字有多少，而是你知不知道：这个客户值不值得继续跟？遇到卡点该找谁？下一次拜访该抛出什么筹码？
当 AI 只被用来写报告，组织的业绩天花板，依然死死压在那几个销冠的个人天赋上。
真正的 To O 改造，是怎么做的？
不要只盯着让 AI 去整理数据，而是让 AI 去学习销冠的“判断力”。瓴羊的团队入驻后，先对那些明星销售做了详尽的访谈，把销冠们脑子里那些不可言传的打法，硬生生拆解成了 20 多个流程化的场景。每个场景下，怎么判断，下一步做什么，清清楚楚。
基于这些信息，他们做出了一个真正嵌入工作流的履职助手。
现在，这家 药企 的销售在去拜访客户的路上，只要用语音把这次拜访的背景信息描述一下，AI 就能结合历史触点和客户画像，告诉你接下来该谈什么。拜访结束后，AI 不仅能整理纪要，还能像个带教师傅一样，指出你这次沟通的差距，规划下一步的行动指令。
你看，AI 帮组织解决的，根本不是单个销售“来不及整理纪要”的问题，而是重塑了销售的工作流，打破了结构性的天花板。
当 AI 把这套顶级的判断力挖出来，装进每一个普通销售的兜里，原本落在最后的，就有机会达到平均水平；原本在中间的，就有机会成为高手。
把藏在少数人脑子里的天赋，变成了整个组织可复制的系统能力。这，才是企业真正想换回来的东西。
你看，这就叫从组织上解决问题。 !Image 7: 图片 04 **营销：把泼出去的水，变成实时调优的资本**
最后，看钱花得最多的地方。
比如，营销。
为了做大销量，营销团队要不停地策划活动，找人群，投广告。这是一笔笔真金白银花出去的地方。市场部门，基本都是各大品牌每年最吃预算的地方。
正因如此，营销这个行业里的“To C”AI 改造，也建的最多。最典型的动作就是：买个工具，一键生成海报，一秒写出十条文案。
为什么说这样没用？因为营销真正的痛点，根本不是出文案太慢，而是“不知道怎么样会效果好”。AI 哪怕帮你列了 1000 条文案，你最终也只能选一个。选的那个一定会效果好吗？怎么样才能提高效果好的概率？谁都不知道。
面对这种局面，给每个环节发个 AI 工具打下手，是没用的。这还是“AI表演”。
真正的 To O 改造，是让 AI 钻进流程里做主导。
在一家头部食品品牌，我就看到了这样一个难题。
瓴羊的团队，拉上这家公司的所有部门，先把业务捋了一遍：要什么结果？抓什么机会？反馈要多快拿到？逻辑捋顺后，他们搭了一个贯穿全程的 AI 营销员工。
活动一开始，AI 就能快速抓取多平台数据找出机会人群，过去的 2 天诊断缩短到几个小时。从分析、圈人到创意生成、自动投放，它全部接管。
但这套系统最厉害的，是投出去之后的“自动驾驶”。
以前，做营销就像泼出去的水，因为反馈速度太慢，活动结束了，也不清楚效果，只能听天由命。现在，AI 每天死死盯着数据。它发现这个素材转化率高，立刻加码；发现那个渠道在亏钱，赶紧停投止损。边打边调。
最终，8 到 10 天的准备期被压缩到了 1 天，投放效率提升了 5.3 倍，ROI 做到了 7.5。
这，就是 To O 改造的威力。 !Image 8: 图片
最后的话
客服。销售。营销。
这几个案例，虽然表面上完全不同，但瓴羊做的都是同一件事：
不局限在 AI 能做什么，先问组织想拿什么结果。
客服要的，是让解决更多用户问题，给研发制造改进产品提供方向。销售要的，是让每一个销售都能作出更好的判断。营销要的，是让市场机会更快变成投放，让反馈赶在预算花完之前回来。
所以，回到开头那个问题，为什么 AI 这么热闹，企业却似乎没有受益？为什么这么多人在表演式用AI？我觉得，我似乎找到了答案。
答案或许不在 AI 身上。而是 AI 所在的位置上。多数 AI，还停在工位上，没走进组织的流程里。没碰核心数据，没重塑流程，自然也改不了组织的结果。只是在“表演式用AI”。
动作变快，只是个人提效。流程接通，才是组织提效。经营结果改变，企业才算真正从 AI 中受益。
毕竟，企业愿意买单的，从不是技术，是技术带来的改变。
特别感谢小芃的分享，也希望今天的内容，能对你有所启发。
观点/ 刘润 主笔/ 景九、歌平 版面/ 黄 静
这是刘润 公众号 第3022篇原创文章。未经授权，禁止任何机构或个人抓取本文内容，用于训练AI大模型等用途
!Image 9: 图片  
## !Image 14
品牌推广|培训合作|商业咨询 | 润米商城| 转载开白请在公众号后台回复合作