“前段时间和几家世界500强企业交流时，我发现了一个耐人寻味的现象，这些巨头们普遍缺乏系统性的架构，去思考AI如何真正重塑企业管理”，香格里拉集团CMO兼中国区CEO董本洪坦言。

但反过来，另一边却在悄然兴起一种新现象——“一个人公司的独角兽”。三五个人，把AI当成伙伴，就能干出过去需要一个大团队才能完成的事情，甚至跑出惊人的商业价值。

这种巨大的反差，让很多人担心：企业组织应该如何做，才能有未来？

毕竟，AI的速度和冲击感如此之强，似乎不进则退。

但其实不然，我们正处在一个巨大的机遇期。“一开始写《AI管理学》时我很焦虑，写得再快，也赶不上几乎每周都有新的AI发布。后来我意识到，科研进展的确快，但真正的商业应用却没那么快。绝大多数企业还停留在讨论和探索阶段，更需要系统的架构、更多的碰撞和交流”，董本洪表示。

而AI带来的机会，就在于它能让组织重新塑造自己，关键点是企业别把AI当工具，对此，董本洪提出了“智能升维体”的AI管理学方法论和行动指南，将组织智能（OI）、数据智能（DI）、人工智能（AI）层层递进，帮助企业体系化地看待和规划企业智能化。

这不仅能放大少数“超级个体”的能力，还能把经验沉淀下来，推动普通员工逼近明星水准，打造出“超级员工”。过去，企业只能依赖少数明星员工拉高天花板；今天，AI可以让整个团队的水平被整体拉起。

未来的竞争，不在于企业手里有没有几个顶尖的人，而在于能否借助AI，把组织里的每一个人都变得更强，把企业的战略级优势完全释放。

缘起：“初衷源于大家把AI应用想的比较浅”

曾巧：你这本新书讲的是“AI管理”，和蓝标集团CEO潘飞之前说过的一个词“Native AI”很相近，就是组织原生AI化，你能不能先聊聊，最初的灵感来自哪里？

董本洪：这本书的缘起，要追溯到我2016年初加入阿里巴巴的时候。除了担任CMO管理阿里旗下业务品牌、支持它们成长，我还有一份很特殊的工作，就是和数据产品团队一起思考，如何利用阿里巴巴平台的中台，特别是大数据能力，去开发一整套数据产品，支持商家在平台上做营销，做品牌建设。

后来，才有了“全域营销 Uni Marketing”这一整套方法论。

其实大多数人提到营销会想到创意，但因为我有工程背景，当时思考全域营销是当作一门工程学来系统化做。AI不是凭空冒出来的新事物，是大数据营销演进的自然延续，过去我们就大量在用机器学习，比如深度学习，只是通过AI算法与数据结合，在商业、营销领域创造价值。所以两者是一脉相承的。

曾巧：但很多人会问，AI离管理是不是有点远？大多数公司提到AI，还是停留在“工具”层面。

董本洪：对。我后来发现很多人把AI商业应用看得太浅，尤其ChatGPT出现时，觉得就是生成点文案、画个图，认知停留在“生成”，或者做内容、问答，这比较工具化。

比如我和世界500强交流时，发现他们普遍缺乏系统架构去思考AI如何重塑企业管理。与此同时，另一边却流行起“一个人公司的独角兽”，三五个人把AI当成伙伴，就能产生巨大的商业价值。

曾巧：这些公司的员工就像“超级个体”，也就是AI原生组织。

董本洪：提到“AI原生”，有两组反差：一是大企业在AI应用上多停留在浅层工具化；二是新兴AI原生企业却能靠少量人手成就大事。这让我想到大数据营销时期的困境，关键在于CXO和高管们，对智能时代如何管理企业缺乏系统理解和统一共识。

曾巧：真正的核心问题不在于数字化本身，而在于很多组织层面的东西跟不上。

董本洪：确实。数字化转型的核心，不是技术，而是组织。数据等同于权力，改革的本质就是权力的重新分配，动到组织，就动到奶酪。如果没有一号位的强力认知和牵头推进，最后往往只会变成样板工程。

很多公司遇到业务压力时，会把数字化或AI当成“未来项目”，表面做做样子。但AI原生公司正在高速成长，传统企业如果还犹豫不决，就会错失机会。所以我希望把自己和团队在数据与AI领域的思考系统整理出来，不只局限于营销，也涵盖管理层与案例，提出方法论和思考框架，帮助大家理解“AI时代如何重新管理公司”。毕竟这方面的内容，在当下仍然十分稀缺。

 目的：“组织是根本，

AI应该让组织扩容而不是‘瘦’”

曾巧：你写AI管理学有一点也是类似于先治根。

董本洪：没错，组织是根本。管理就是在“有限资源里做有效决策”，把资源分配到最合适的地方。

过去我们的资源是人、资金和生产要素，现在多了AI这一新要素。当新要素加入后，我们怎么重新思考组织策略、人与组织的适配等问题，是AI时代真正的管理学命题。

所以我在书中提出“升维体”的概念，直击这个问题：

第一，组织智能（Organization Intelligence）：先让组织本身能高效运作，人和流程适配AI；

第二，数据智能（Data Intelligence）：在关键环节建立完整的数据能力，从采集到治理再到应用；

第三，人工智能（Artificial Intelligence）：最后在企业核心战略环节，把AI嵌入进去。

这是一套“3I递进”的方法论，帮企业建立思考框架。

曾巧：但没看过这本书的人，大概率会问：“AI 真能替人做决策吗？”我自己也是创业者，管了很多年公司，特别清楚企业家做决策时，会带着自己的思维逻辑、个人风格和多年沉淀的直觉，不是单一标准能定的。

董本洪：我觉得要分清楚，AI不会完全替代人，但它绝对能辅助管理者做更好、更及时的决策。

比如采购做决策，很多公司依赖年复一年的经验和“最佳案例”，但这本质上只是对过往的总结，算不上科学。其实这些经验都能写成规则，用AI训练成专属小模型。

这样一来，不用等月度复盘，AI可以实时评估每一笔交易，质量、价格或交付一旦触碰警戒线，立刻发出提醒，并给出建议，而不是像以前那样，全靠人的惯性，等开月会才复盘数据，评估看要不要换供应商。

这其中的关键在于，公司怎么把宝贵经验沉淀成AI模型，如果公司能在各个职能上都打造出这样的“策略捍卫者”，肯定比原来纯靠人盯着要好太多了。

曾巧：如果要用关键词概括，你觉得AI在企业管理里的角色是什么？

董本洪：“整体提能”。AI翻译成“人工智能”，其实就是“帮人把工作做得更好的智能”，从普通个体到超级个体。我更倾向于说是“能力升级”，因为有了AI和Agent（智能体），人能随时调用完整的策划和管理单元，不再只是被动用工具。

一旦把规则性、重复性的工作Agent化，几个人就能像一个团队一样高效运作。这也要求，人既要把原本的工作做好，也要学会与Agent共处。这才是从个人到组织的真正升级。

曾巧：学“AI管理学”，不意味着未来管理者会变少。

董本洪：我不太赞成“先想到裁员”。我更倾向于另一种看法：如果原本100个人只能做100人的事，有了AI后也许能做150人的事。这样一来，公司不用增加预算，就能开拓新业务、拓展新市场。AI应该是让组织扩容，而不是“瘦身”。

曾巧：具体来讲，AI在组织管理中最颠覆性的能力是什么？

董本洪：我认为是“超级员工”的概念，把企业的优势放大且传承。过去公司只关注少数明星员工的成长，而AI能让同岗位的普通员工都逼近他们的水平，把参差不齐的团队，拉向“人人都是明星队员”。

AI能把优秀员工的经验沉淀下来，转化成组织可用的能力。拿超级销售来说，大家都想学他们怎么做到业绩领先。除了个人魅力，真正关键的其实是客户洞察、方案撰写、市场情报这些方法论。这些能力完全可以用AI整理成知识库，推送给其他销售去学习和应用。

这样一来，别人想学的地方能学得到，团队整体水平就能迅速拉齐。AI不能复制个人特质，但能让关键能力被全员共享。

 做法：“从超级个体到AI特种部队

组织进化要走这四层”

曾巧：企业就像一个操作系统都要被AI重写，你觉得关键是重写哪几个版块？

董本洪：大概可以分成四类：

1.客户感知层面：AI直接影响客户体验，比如产品设计、服务交付；

2.运营效率层面：AI帮助企业内部提效，比如采购、财务分析、协同沟通；

3.营销销售层面：AI提升获客、留客、客户终身价值；

4.员工赋能层面：AI让员工个人效率成倍提升，从Copilot到Agent，逐渐形成“人机共生”。比如HR，AI能筛简历、做视频初面，甚至比人更细致，它能捕捉表情动作，不惧数据量，还能在语音、文字中建立模型。就像医生用AI看X光、CT一样，准确性往往不输人。

其实目前智能化最落后的恰恰是“组织管理”。我建议CPO或CHRO必须认真学习AI，思考如何让AI既提升效能，又兼顾对人的关怀与赋能。这是HR很大的课题。

曾巧：听起来，这本书里你给企业的启发不只是某些工具或方法，而是更系统性的。那你认为，企业读完后能获得的最有价值的部分是什么？

董本洪：我希望传递的是一个全局观，智能化时代的新管理，需要三维视角。

第一，提升组织智能。

第二，强化数据智能。数据的获取与质量是关键，既包括内部数据，也包括与外部业务互动产生的新数据。企业要设计完整的数据策略，把数据能力布局在研产销等环节，才能真正发挥作用。我们常听到“garbage in, garbage out”（输入垃圾，输出也垃圾），确实如此。光靠外部的ChatGPT或通用大模型，只会得到千篇一律的答案，没有任何竞争力。

第三，人工智能化接入，这其实是最容易获得的。像阿里的钉钉、瓴羊等平台，就像中央厨房，企业只要把数据放上去，就能调用AI训练模型、训练Agent，甚至开放给别人使用获得收益。环境已经Ready，关键在于企业要会用。

曾巧：所以你刚才说第一层是组织智能化；第二层数据智能化；第三层是人工智能化的接入。组织智能化如何分层推进？

董本洪：我把它分为四层，第一“个体赋能”；第二“团队协同”；第三“组织设计”；第四“人文关怀”。它们像一个阶梯，要一步步走。

曾巧：我们先从第一层聊起。个体赋能，具体指什么？

董本洪：从小处看，是每个员工能否获得AI支持，比如微软的Copilot，可以帮文职人员写报告、做PPT，但是大家懂不懂用，还有功力高低之分，当然大家越用会越懂。然而关键在于，公司是否已系统梳理清楚，不同工种的员工到底该得到哪些AI能力。

以营销部门为例，大量环节都能被AI赋能。

先看最源头的新产品概念研发，你怎么推动公司搞出新产品概念？怎么拿到靠谱的市场情报？是只有电商的数据，还是把小红书、社交媒体，这些平台的数据结合起来作为思考，这个能力大家就不一样，如果是全盘的一个数据灵感来源，然后再有很好的AI概念生成，你的新产品概念就不会差，你不会漏掉好的机会，漏掉好的商业机会，都会被你找到。

接着到创意生成、流量运营、媒介投放，每一层都有AI可以介入。哪些要由公司内部完成？哪些该交给专业代理商？作为CMO，就要牵头制定整体规划，推动营销智能化。事实上，每个部门都该这样做，AI的价值最终体现在“让人提能”。

曾巧：所以每个部门都该有自己的AI打法。 那第二层，团队协同呢？

董本洪：很多企业的低效，其实出在跨部门协作。会议纪要、Todo跟进、跨部门沟通，这些工作本来就消耗大量时间，AI完全可以接手。比如你开会时，AI可以自动生成纪要、提取决策点，还能追踪落实进度。这样团队协同的效率会大幅提升。

曾巧：但很多大企业光工作协同这件事情，存在大量的浪费和时间消耗，AI真的能搞定吗？

董本洪：我觉得这是最应该先下手的地方。因为流程复杂，才更需要AI。你看，现在如果一个公司还靠人手写会议纪要，我会觉得很不可思议。AI能帮你减掉大量低价值的环节，让协同真正变成“助力”而不是“负担”。

曾巧：第三层是组织设计，这听起来更抽象。能展开讲讲吗？

董本洪：组织设计其实是说，企业可以逐渐引入“人机共生”的新组织形态。

比如一些创新项目，可以用AI原生方式来组建团队：人不多，但AI Agent在里面承担了大量角色，就像一个“海豹突击队”，小而灵活。等这些新团队找到感觉，再慢慢改造原有的大部门。

曾巧：有点像公司里同时存在“传统军队”和“特种部队”。那最后一层，人文关怀，为什么你特别强调？

董本洪：因为AI再强大，最终还是“人”的事业。现在已经出现一些案例，员工因为AI接管了太多工作，开始失去价值感，甚至觉得“自己可有可无”。这是很危险的。如果企业只顾提效，不管人感受，团队向心力会大打折扣。

曾巧：但这很需要段位。我们公司正在亲历的过程，目前处在1-2层，但其实有些公司并没有跟上这个进程，如果跟不上这一波的企业他们可能会怎样？

董本洪：这次不一样。AI带来的最大冲击，就是速度。

很多人会说，你看这以前也有过几次工业革命，不就是一次新的迭代。但 AI 跟过去真不一样，有两个点：

1.“快”，我最近和几位七十多岁的创业家聊天，他们天天用DeepSeek，说起AI一点不比年轻人差。你想，当年互联网刚兴起时，普及速度都没这么快。

2.“规模和直击面广”。以前的革命，是能源的变革，是机器更强、更有效率；这一次，AI 是直指“人”。它要跟人打交道，甚至在某些领域直接替代人，比如自动驾驶，直接冲击到司机这个群体。

这一波 AI 变化就是：又快、又猛、还直接冲着人来。它带来的冲击，比之前的工业革命更直接、更强烈。那也意味着，我们得真正去重视它。

曾巧：不跟上怎么办？

董本洪：会两极分化。弱者加速掉队，强者更强。就像律师，以前最好的律师时间有限，服务不了所有人，但如果他变成一个Agent，容量无限，大家都会订阅第一名，不会选第二、第三。AI让顶尖个体和机构的服务被无限放大，结果就是好的会更好，而且加速变好。所以大家都没法松懈。

曾巧：这有点像“K字理论”，只有上面15%的人越来越强，中间的70%不上不下，底下的15%完全跟不上。那进入第二个层面“数据智能化”，企业可以怎么走？

董本洪：这块有两个单困难点：数据质量和应用场景。

先说数据质量。很多企业自豪于“数据多”，仿佛坐在金矿上，但真正达标的很少。欧美的数据标注行业之所以市值高，就是因为原始数据需大量标注才能有意义。裸数据当务之急要先思考：对你的公司到底有什么价值？怎么去评估和提升质量？

再说应用场景，这更难。很多企业有数据却不知如何用、能产出什么、商业目的在哪。我的建议是沿着“研、产、供、销、服”五个核心环节去找，哪个点最适合智能化、机会最大，就从那里切入，把数据真正用起来。

当然，前提还是要有全局思路，这五个环节最好能连成一条完整链路。大家可以先从最有价值、最容易见效的场景试着落地。路径走顺了，再慢慢扩展。这样一来，投入的回报看得见，团队信心也会更足，最后自然能把全盘的数据体系梳理出来。

曾巧：非常赞同。刚刚讲了数据和组织，第三层就到了人工智能这块？

董本洪：人工智能的导入，我觉得主要有两个思路。

第一个思路，从核心价值链来看。

每个公司都有一到两项最具竞争力的环节：可能是供应链、制造、渠道，或是品牌力。这些“最强项”，最值得用AI去放大。

换句话说，企业主都清楚自己最牛的点在哪，就该用AI去强化它，把短板拉齐，把专家经验沉淀下来，避免因人员变动而流失，还能不断迭代，让强的更强。

第二个思路，从竞争形态出发。

每个行业的打法不同，有的拼价格，有的拼渠道，有的拼产品。你要先看清自己当前在那个“战场”，再在这条战线上加上AI武器。这不一定是最强优势，但却是眼下必须应对的。

所以，AI落地的两条路很明确：要么放大你的核心竞争力，要么强化你当下的竞争战场。

 本源：“企业要多些‘传教士’

少一些‘雇佣兵’”

曾巧：在企业推动AI转型的过程中，你觉得什么样的管理者或者同事，最能起到关键作用？

董本洪：任何事情都需要深入理解，这也是为什么要不断讨论“AI管理学”。我更希望企业里多一些“传教士”，少一些“雇佣兵”。

传教士是因为理解而相信、带着热情推动实践的人；雇佣兵则是拿来主义，短期配合，却缺乏内在驱动。AI管理必须和企业的组织、数据智能化结合，真正长在内部，否则很难扎根。

所以要找到合适的切入点和策略，扶持那些有热情的同事，同时衡量商业价值、传达最佳案例，让大家理解并建立共识。企业转型，永远都是靠这种力量推动。

曾巧：也就是说，那些最有愿力和驱动力的人，会在AI时代更凸显。那管理者还需要哪些内功？

董本洪：第一是数据。很多企业对数据的理解还很浅。我在阿里时就有体会，我们把中台能力拆出来成立“瓴羊”，服务很多品牌客户，才发现数据虽然枯燥，却决定了管理能不能智能化、能不能拉开差距。但遗憾的是，管理层很少持续深度讨论数据，往往只丢给CIO或CTO。

第二是人事与智能化的关系。现在讨论还早，但未来一定关键。至少当下，企业需要先在数据策略上形成更清晰的共识。

曾巧：过去的管理者有一些特定的能力。那在AI时代，管理者需要哪些新的能力？

董本洪：好的管理者依靠经验累积出的直觉来决策，甚至往往判断是对的，这部分AI很难理解。

但关键在于能否把这些经验和直觉解构成规则。强管理者之所以判断常常正确，就是因为经历多、沉淀出规律。只要能解构出来，这些经验和判断就能被系统化、被复用。

曾巧：如果一个管理者突然有个想法，能不能借用AI来验证或补充逻辑？

董本洪：商业里这有边界。相对来说，你很难模拟对手会怎么做，所以“验证”不一定有意义。商业不像军事兵棋推演，不是A和B两军对打，市场参与者太复杂。

但对顾客可以推演。因为14亿消费者的趋势不会突然变，比如健康、户外、养宠、情绪价值等方向都很清晰。用AI捕捉顾客，比预测竞争者更有价值。

价值：“创新要回到本质，

能省钱、能赚钱、能沉淀资产”

曾巧：你提到的企业管理AI化三层体系，听起来很庞大。是不是更适合中大型企业？小企业也能用吗？

董本洪：都适合，甚至小企业更容易。大企业要先找到合适的领域再推动，过程会更难；中小企业反而动作更快。大型企业的优势在于数据和人才多，但变革起来阻力也大。

曾巧：大企业要动的东西太多了。那过去那些很吃香的管理风格，在AI时代会被改变吗？

董本洪：我在书里就谈到了过去50年的经典管理理论。我不认为它们会被取代，而是需要在AI时代重新思考和定义。比如“学习型组织”，在今天反而更重要。

因为人正在经历“能力升级”，逐渐成为“超级个体”，这本身就是不断学习的过程。企业要思考如何真正打造学习型组织，去实施赋能。唯一的变化是原料变了，我们多了AI，但学习与成长的底层逻辑依然适用。

曾巧：这本书是否也适合国外企业？很多新的互联网企业会去学习、借鉴海外的管理方式，但毕竟中西管理文化差异很大，AI时代我们要怎么找到更适合中式组织的路径？

董本洪：这个问题很重要。

中西方其实都在思考AI如何改变管理。差别在于，欧美更关注用AI直接创新产品，像可穿戴设备、机器人，很多新想法还是先出现在欧美，而我们更多放在运营提效上。

但真正的问题是，产品在AI赋能下能不能被重新做一遍？我们有制造和设计优势，可以追得很快，但在产品和服务形态的探索上，还需要更大胆。

所以我强调，AI应用的四个领域里，“产品”必须放在最前，因为它离客户最近。新产品、新服务模式、商业模式的创新，这部分我们思考得还远远不够。

曾巧：还是建议国内企业在这方面多下功夫。你在写《AI管理学》时，有没有看到哪些公司在组织或应用上做得比较好，可以作为案例？

董本洪：有的。制造业、服务业因为协同需求高，在组织智能化上已经有不少实践，特别是在工作协同上。

我书里提到过钉钉，它其实就是一个“容器”，从云到端连起来，每个人手里都有一个钉钉，里面能放很多应用，未来还可以放上企业自研的AI Agent。关键是让大家都能方便使用，这样的平台本身就是组织智能化的重要抓手。

另外在行业层面，快消和日化企业走得快些，比如宝洁、欧莱雅。前阵子我和欧莱雅的CMO交流过，他们就有一张整体的AI赋能营销蓝图，里面包括全球范围的数据与内容管理。

像欧莱雅集团这样的公司，产品线和内容都极其庞杂，所以需要规划怎么去生成、聚合、再应用、分发。包括在线下体验上，也在通过AI做个性化适配和互动。他们在多个环节上都有完整而深入的思考。

曾巧：我发现很多中国公司看到新东西厉害，就先用上，再慢慢补理念和全局观。你怎么看？

董本洪：先用上没问题，但关键是要把价值先定义清楚。很多时候大家为了大数据而大数据、为了AI而AI，结果容易被质疑“是不是作秀”。所以所有创新的前提，必须是假设它的商业价值，降低成本、增加销售，或提升数据资产价值，最终都要能转化成钱。这点不能回避。

企业做AI化转型时，首先要明确价值锚点，这样实验才有意义。投了多少人力物力，最后创造多少价值，得算得清。商业的本质就是讲本求利，创新也一样。很多数字化转型做到一半停下，就是因为没法回答“我们到底创造了什么价值？” 一旦被投资人或财务挑战，就容易撑不住。

其实任何创新都有价值，只是有没有把价值建模、财务测算做到位。比如自动驾驶，节省人力、提升安全、缓解拥堵，这些都能量化成金钱。只有这样，创新才能获得长期支持。

曾巧：你书里提到未来的AI原生公司，它大概是什么样子？

董本洪：它一定是创新导向的。因为很多低创新性的工作都会被AI取代，比如司机的任务就是安全、准时送到目的地，有没有创新不重要，这类工作AI能替代。但真正需要人的，是创新。所以AI原生公司规模可能不大，但价值巨大，因为人力都集中在创新上。

曾巧：总结一下，就是AI原生公司把人力放在AI无法替代的部分，核心是两件事：第一，把产品力打磨到极致；第二，在此基础上不断创新，并确保组织跟得上。

董本洪：对。我以前还开玩笑说，未来营销会变成“自动贩卖机”。客户只要告诉我要卖什么产品、投多少预算，AI就会自动完成渠道选择、物料生成、精准投放，还会实时优化。最终，卖得多不多取决于产品和定价。这话以前像玩笑，但现在离现实已经越来越近了。

“写书半年，

希望它更像一份航海日志”

曾巧：你觉得我们现在处在怎样的时代？

董本洪：我们处在巨大的机遇里。一开始写书时我很焦虑，我写得再快，也赶不上每一周都有新的AI发布，生怕赶不上。但后来我发现，其实并不是这样，因为科研进展快，但真正的商业应用却很慢。大家现在仍在讨论和探索阶段，需要更多碰撞和交流。

曾巧：你这本书的读者对象是谁？

董本洪：我想了很久，最后定了两类人。

一类是“管理的探险家”，在企业里推动提效和变革的人，可能是CEO，也可能是被CEO指定的项目负责人。

另一类是新一代企业主，尤其是正在接班的二代。他们受教育程度更高、想法更新，需要既承接一代的管理精髓，又能推动企业进入下一阶段。这时对AI要有深刻理解，而不是停留在表层，片面的玩DeepSeek。

曾巧：你写这本书用了多久？

董本洪：半年。但思考了好多年。写书不是为了自己，也不是为了卖书，而是想把我在阿里的9年数字化探索，总结成一份“报告”。对我来说，它更像一份航海日志。航行未必能找到新大陆，但日志能记录天气、海况、方向和选择，也许未来的人看了，会找到新大陆。

曾巧：这其实也是一种传承。最后所有的事都会回归到“人”，而人的时间是最宝贵的。

董本洪：是的。我这本书里有一半写的是对未来的畅想。我觉得这也是浪漫主义的一部分。没人能确定AI的未来，但我们可以尝试判断和探索。