固定工具清单会过早锁定路径
技术选型如果先于业务问题,容易把未来任务塞入既定平台。更有韧性的路线应说明哪些能力需要持久建设,哪些可以随市场变化购买或替换。
当能力与价格快速变化,以某个模型或平台为中心的多年蓝图容易失去解释力。支策认为,AI转型应当同时经营三类资产:可以更新的任务组合、能够跨场景复用的公共能力,以及不随供应商切换而流失的组织经验。
达到特定能力水平的模型推理成本下降倍数1
2025 · 2022.11—2024.10 · GPT-3.5 水平推理价格的快速下降会不断改写任务的经济边界,但不会同步消除流程衔接、人工复核与错误处理的成本。支策认为,企业应把AI投资从固定工具清单转向可更新的任务组合:哪些工作现在值得自动化,哪些仍应由人主导,需要随能力、价格和业务后果共同判断。
沿着任务链审视AI价值
技术选型如果先于业务问题,容易把未来任务塞入既定平台。更有韧性的路线应说明哪些能力需要持久建设,哪些可以随市场变化购买或替换。
每个团队单独处理知识、权限与评测,短期看似迅速,规模扩大后却可能形成重复维护。共性能力的出现时机,需要与真实复用需求匹配。
失败类型、业务反馈和验收规则会成为下一轮试验的基础。只保留演示成果和结项文件,会使企业每次重新学习相同的问题。
先识别任务之间共享什么,再决定试点、公共能力和组织调整的次序。不要把所有基础建设都放到价值验证之前。
每一阶段保留扩大、调整和停止的可能,并明确需要什么证据支持下一次承诺,避免把早期热情固化成长期成本。
将业务评测、知识规范、接口契约和运行经验作为长期资产,使模型变化时仍能延续已经形成的能力。
如果业务任务长期稳定、现有方案已充分验证,频繁追随新模型可能增加风险。可替换性用于保留选择,而不是鼓励无休止切换。
如果核心模型明天变得更强、更便宜或不可用,哪些能力仍属于企业自己?
多个部门各自试点,往往重复采购、重复整理知识,也难以比较投入与结果。要从少数成功演示走向组织应用,需要同时安排共用能力、岗位变化、预算责任和退出机制。
比较不同场景对知识、身份、工具调用和评测的需求,划分共用服务与业务专属部分,建立可复用组件的维护责任。
明确业务场景负责人、平台团队和风险责任,安排人员培训、岗位任务调整与阶段预算,让价值负责人参与扩展决策。
将试点评测、用户采用、服务成本和风险事件纳入阶段评审;每次扩展核对新场景差异,保留暂停、退役与替换安排。
AI能力地图与共享服务安排
场景治理、角色与预算机制
分阶段路线与价值复盘看板
组织扩展取决于具体任务与人员准备情况,不承诺统一推广速度或人员压减比例。
比较达到 GPT-3.5 MMLU 表现水平的推理成本;不是企业 AI 总成本或项目费用的下降比例。
Stanford 2025 · 2022.11—2024.10 · GPT-3.5 水平OSWorld 是结构化电脑操作基准;结果不能当作能源生产任务的成功率或上线门槛。
Stanford AI Index 2026 · OSWorld 基准跨地区、跨行业调查的受访者自报状态;不代表能源企业治理成熟度的测量结果。
IBM 2025 · 全球 1,700 位高级数据与分析负责人