转型的核心，构建组织和人才系统化应用 AI 的能力，才能实现 AI 与企业运 营的深度融合，把握智能时代的战略先机。 AI 引言 AI 力，即与 AI 协作、驾驭 AI 的综合能力，正在成为继智商 (IQ)、情商 (EQ)、团队合作力、领导力之后，影响组织和个人发展的关键指标。 面对 AI 的快速发展，企业对 AI 人才的需求已经发生质的转变，从早 期单纯的技术人才扩展到具备 AI 思维和应用能力的复合型人才，我们 必须 分析客户的购买历史、行为数据和沟通风格，为销售团队提供量身定制的销售策 略和互动建议 为销售人员提供实时的对话建议，帮助他们更好地与客户建立信任和关系，提升 客户购买体验和复购率 销售预测与市场趋势洞察：数据驱动决策，优化资源配置 分析销售数据、市场趋势和宏观经济指标，为销售团队提供精准销售预测和市场 洞察 预测销售趋势和需求变化，识别市场机会和风险，帮助销售团队优化资源配置和 战略决策 供应链优化：提高库存效率，降低成本 提供购物咨询，提升响应速度和服务质量 AI 的多语言功能为不同地区的客户提供本土化的智能服务，减少人工客服依赖， 降低运营成本 11 客户关系管理：提升客户忠诚度，促进长期发展 深度分析客户数据和行为模式，为销售团队提供客户关系管理支持 评估客户忠诚度和潜在价值，及时发现潜在问题并采取措施，帮助企业留住高价 值客户 高效招聘与精准筛选：提升招聘效率，提高人才选拔精准度 AI 驱动的招聘工具可以根据岗位描述和企业需求，快速筛选出符合岗位要求的候

学生进沪就业以及外籍人才永久居留等相 第 6 页 关便利服务政策，加大力度引进数字经济领 军和青年人才。依托“基础研究特区”试点， 进行稳定集中科研支持，在高校和科研院所 培育一批数字经济优秀人才团队。 2022 年 10 月 24 日 山东省人民政府 《山东省制造业数字化转型行动方案 (2022-2025 年)》 强化人才支撑。聚焦制造业数字化转型需 求，优化提升“揭榜挂帅”核心技术攻关机 因此，企业需果断加大员工培训投入，聚焦数据分析、云计算、物联网等数字化转型核心 领域，定制系统培训规划，提升员工专业素养。同时，挖掘内部潜力人才，培育变革型领导骨 干，使其能精准洞察转型趋势，带领团队攻克难关，推动企业战略目标达成。此外，营造人才 多元化发展生态，打破部门与领域壁垒，搭建跨部门交流协作平台，激发员工创新思维与活力。 第 9 页 四、人才赋能：数字化转型的核心驱动力 在数字 流程等赋能的数 字化专业人才队伍，成为企业转型发展的重要节点或关键所在。 1.数字化人才  传统数字人才定义：聚焦技能领域 2018 年前后，清华大学经济管理学院互联网发展与治理中心的研究团队借鉴经济合作与 发展组织（OECD）关于信息通信技术（ICT）的框架，将数字人才的能力划分为 ICT 基础技 能、ICT 专业技术以及 ICT 辅助技能三大范畴。同时，从产品与服务的价值链数字化转型视角

点燃创新纪元 2 事实上，领导者没有时间审查每一项创新。随着智能体 AI 在组织中发挥的作用不断增强，领导 者需要下放更多决策权，才能真正加快步伐。他们仍然需要制定目标并明确前进规则，但必须 赋权团队重新思考工作流程，并用新的方式部署 AI 智能体，从而大幅度提高绩效。 在这种环境下，领导者相当于在敏捷性和安全性之间走钢丝，尽力维持韧性与风险之间的平衡。 这绝非易事。为了解领导者如何实现这一目标，IBM 在未来的一年中，一些组织很可能脱颖而出。您的组织会在其中吗？探索 2025 年五 大趋势，了解领导者需要掌握哪些知识才能克服未来的障碍，以及如何才能建立竞争 优势。 1 2 3 4 5 为了实现这些期望，企业计划推动团队快速前进。目前有 30% 的受访高管表示其组织主要处于 AI 实验阶段，正在低风险的非核心职能中测试 AI 的使用，以积累经验、建立信心并找出潜在 痛点。只有 24% 的受访高管表示其组织正在利用 和智能体集成到日常工作流程中。 这是一个大问题，因为智能体 AI 正在迅速转变个人贡献者的角色。随着具有更高级功能的 AI 智能体对简单 AI 助手进行补充，员工将需要管理可自主完成任务的智能体团队，并学习如何与 对话式监管 AI 智能体合作，从而简化这一流程。 这轮 AI “第三浪潮”带来的是工作流程的大规模变革。 7 事实上，现在有 90% 的受访高管表 示，到 2026 年，其组织的工作流程将通过智能自动化和

is a separate leg al entity. Please see www.pwc.com/structure for further details. 本演示文稿由 Strategy& 团队、普华永道（PwC）全球战略智库以及我们的 PwC 行业和职能专家共同开发。我们携手合作，通过制定可 执行的战略来推动组织变革，实现可持续的结果。 人工智能在汽车领域的机遇 Strategy& 8 量身定制的AI治理是公司在实现有效扩展中的关键。 数据与人工智能治理选项，重点在于“中心辐射”模型 去中心化模型 “中心辐射”模型 集中化模型 集团 集团 集团 协调区域 对枢纽团队与辐射团队责任影响的含义 （selection） 中心辐射 愿景与目标 策略与 流程 中心：目标设定、组织变更、流程蓝图 发言人：数据/人工智能战略实施，业务单元/职能目标 运营模式 投资组合管理 平台与基础设施 人工智能在汽车领域的机遇 Strategy& 数据/人工智能能力 业务（功能/国家）权力平衡注：数据/人工智能治理的“中心辐射”模型涉及一个精简的中心团队提供核心服务（“中心”）， 去中心化/专用业务团队实施解决方案（“辐条”以虚线向中心汇报）。协调区域中央化的程度取决于具体公司情况。 来源：Strategy& 分析 ( ( ( 9

素： 设计符合核心竞争力并能够创造价 值的人工智能战略 银行应制定与其核心竞争力相一致的人工 智能宏伟愿景。应围绕这一愿景规划转型 路线图，以重新定义人工智能推动增长和 创新的方式，并在团队中落实成果责任 制。将人工智能部署与战略目标相结合， 如改进欺诈检测、简化业务流程和增强客 户个性化体验，可有助于最大限度地提高 投资回报。 建立对转型路线图的信任 人工智能的应用可能使银行业面临独特的 规模投 资，而有57%则对与人工智能相关的巨量信息和炒作感 到不知所措。 缺乏人工智能专业知识 缺乏相关专业知识也拖慢了银行的人工智能应用步伐。 只有19%的受访银行具备高度专业的人工智能团队为推 动整体实施战略提供指导。此外，只有18%的受访银行 在多个领域中将人工智能作为产品和服务开发的核心驱 动力。 准确性不足 准确性不足是人工智能在银行业规模应用的一大阻碍， 因为金融 在未制定整体人工智能战略的情况下开展试验 该行目前对人工智能的应用较为分散。各个团队正独立试验人工智能工 具，如在Power BI中加入Copilot或使用生成式人工智能工具，但缺乏全 行范围的人工智能战略。 尽管采用了这种去中心化的方式，但他们依然证明了人工智能有助于提 高效率，尤其是可以帮助程序员简化编码工作，或帮助数据分析团队处 理数据，为他们在执行重复性任务上节省了大量时间。 虽然该行起初

动摇人们与雇主之间信任的关系。员工习惯于拥有完善 的职业路径、明确的角色定义、技能期望以及对于工作 表现如何转化为工作稳定性的共同理解。AI的引入给这 一切带来了不确定性。 需要专门的领域和决策科学家团队（或AI运营团队）， 他们将持续测试、评估和构建系统所需的准确性、可预 测性、一致性和可解释性，以维持对系统的认知信任。 这是一个新的领域，没有一劳永逸的解决方案。每个企 业都有其自己的建立信任的时刻、技术、AI策略和关键 主的信任程度，人们对人工智能的信任程度，或者企业 与其关系网中成百上千的其他变体。 这些问题是领导者需要解决的问题。自主性是下一代商 业增长和创新的钥匙。我们希望员工能够更加自主地工 作，拥有一个由他们指挥的代理团队。我们希望客户能 够自由地与自主企业系统互动，按需购买或享受一定程 度的定制化服务。 路线图的第二维度是思考如何建立对人工智能本身的信 任。到目前为止，负责任的人工智能领域已成为一个确 立的学科，企业在寻求道德地管理其战略时将越来越依 经看到这一代聊天机器人提高了销售额、生成高质量的 潜在客户并解决客户问题。 57,58,59 Gartner®预测，到2027年，“聊天机器人将成为大约四 分之一组织的首选客户服务渠道，以及10%的B2B销售 团队的领先资格认证工具。” 60 但这些都是短期、早期 采用的收益。当每家公司都有聊天机器人时，这些收益 是否会保持？现在企业有一个独特的机会，可以超越竞 争对手，避免中性和单调的客户体验风险，并比以往任

(内容合作方按笔画顺序) .................................................................................... 2 附录三 研究和支持团队 .................................................................................................. 高层决策是关键,但战略共识的达成过程也非常重要。 这个过程就是 "上下协同" 与 "左右沟通" 的过程。值得注意的是, 达成共识并 更多干货请关注公众号“管理技术化平台” 12 非单纯由一把手向团队传达战略意图,而是高层管理者在分享自己战略思考的基 础上, 倾听不同的意见, 联合共创、凝聚共识。只有在全体成员对愿景、 目标、 转型战略和转型蓝图形成共识时,才能防止出现战略高高在上、无法落地的情况 并构建起一支由专业 AI 人才组成的精锐团队。同时, 企业还 应培育一种开放创新、数据驱动的企业文化, 以激发员工的创造力,推动智能化 转型。 要实现这一目标, 企业可以从以下几个方面入手: • 建立智能驱动组织: 是否已将智能化技术 (AI) 嵌入到组织架构的各个 层面? 是否在决策和执行过程中充分利用数据分析和 AI 预测, 提升决 策效率和精准度? 此外, 是否有专门的团队负责推动智能化战略的落地

通用大模型不了解企业内部业务情况、行业情况 58 政企、创业者必读 知识管理是大模型更 懂企业的基础 59 解决企业应用，需要打造专业大模型 要解决四个关键基础 以业务大模型为基础， 打造自主工作的数字 员工和AI团队 实现多个Agent、多个 数字化系统、多个组织 之间的协同 知识 管理 融合 工作流 业务大模型 打造 构建 智能体 基于政府企业场景和专业 知识，利用数据工场、知 识工场、模型工场，训练 基于推理能力制定计划，在过程中 反思 工具 搜索、实时信息、数据请求、业务 系统 62 政企、创业者必读 智能体与企业数字化系统的关系 软件 工具 数据 IT系统 业务系统 员工/岗位 组织团队 业务流程 核心业务 智能体 企业要躬身入局，以自身业务驱动，打造专有智能体 63 政企、创业者必读 智能体在企业应用的七层能力 与大模型直接聊天，输入简单提示词，无Agent能力 具备简单GUI交互界面，可进行一些设置 库、知识库 • 320亿样本 • 百万攻击/渗透事件 • 1800+APT武器模型 • 1000+技战术手法 • 2000+杀伤链模型 • 上万条典型攻击脚本 强大专家团队 • 200+安全精英团队 • 3800+安全专家团 队 全网集中研判 全网统一处置 整合端、云、数、智、知识、人各环节核心要素，建立集中分析研判平台和云端响应服务 形成了一整套互联网模式的安全运营服务体系，全面覆盖B端和C端安全需求

位置，避开障碍物， 并高效完成取货任务。二是“移动机器人+协同优化模型”模式，AI 应用的目标是开展多种物流机器人的协调配合，如亚马逊建设的无人 仓库大量使用了各类移动、仓储机器人，并引入技术团队将人工智能 融入整个机器人系统。 3、质量管理：机器视觉检测大量取代人工检测 质量管理类应用占比约为 22%，主要原因是机器视觉检测的成 熟，AI 优化了图像识别复杂和精度，实现了万物识别，检测机器人 AGV 产品将具备更强 的自主性和适应性，能够更好地应对各类复杂的售后场景及运营数据 分析。接入 AI 大模型后，就相当于艾吉威新增了一组拥有二十几年 移动机器人从业经验的售前、售后工程师王牌团队，更把艾吉威十余 年的技术积累通过大模型集成到了每一个 AGV 车体上。 图 11 艾吉威小举人窄通道 V10OF 无人叉车 28 （二）行业应用案例 1、捷螺在半导体关灯工厂中的应用 捷螺智能设备（苏州）有限公司成立于 与半导体生产设备准确对接，物料的精 准上下料。产品可针对多种尺寸、多种物料抓取。 2024 年 8 月，配备了 Gyrobot 机器人的新加坡客户的生产车间， 开启了全新的模式，实现了关灯生产。团队成功地在这个工厂中部署 了 10 台 Gyrobot 机器人以及晶圆库和自动换电站等，实现了生产车 间的全自动化。Gyrobot 机器人能与多样的半导体生产设备准确对接， 精准上下料，可针对多

态的开放性和竞争力的进一步提升。这一风潮不 仅加速了模型层的国产化创新，也为中小企业提供了更易获取的 AI 工具，激发了应用层的创新活力， 成为中国AI产业发展的标志性事件。 艾瑞人工智能研究团队延续六年行业研究经验，在第七年聚焦人工智能产业的发展环境、产业 进程及产品动态，深入探讨技术驱动、产业机遇、商业模式及挑战等核心议题，为市场提供前瞻性 数据与深度洞察。 研究方法： 本报告通 在ImageNet竞赛中夺冠，标 志AI进一步深度学习新阶段 • 2016~2017年，侧重感知智 能的图像技术广泛应用，以人 脸识别代表，诞生商汤、云从 等CV厂商 • 2017年，谷歌团队提出Transformer 架构，以Bert模型为代表，推动NLP技 术发展，也为Decoder-only的生成式 技术打下基础 • 2022年底，基于GPT 3.5的ChatGPT 生成式AI产品引爆业界，颠覆众多人们 com.cn 视觉模态 Transformer架构为技术主旋律，持续演进ViT与DiT两类技术路线 来源：艾瑞咨询研究院自主研究绘制。 Transformer架构最早在2017年由Google研究团队Vaswani等人提出，而后在语言领域取得了革命性突破。借鉴语言领域的成功经验， Transformer架构同样可将图像分割为多个小块（patch），应用自注意力机制，从而大幅提升视觉CV大模型的泛化能力、理解能力及处