AI時代，為何 “情境” 才是企業(yè)競爭的勝負(fù)手？

當(dāng)企業(yè)探索如何借AI獲得優(yōu)勢時，必須意識到，情境才是其真正的競爭優(yōu)勢所在。當(dāng)所有人都能使用相同的AI模型、相同的AI賦能工具和相同的供應(yīng)商生態(tài)系統(tǒng)時，情境便成為差異化要素。

乍看之下，這兩家大型B2B公司幾乎毫無二致。它們都銷售復(fù)雜、長達(dá)數(shù)年的技術(shù)服務(wù)，爭奪著同一批企業(yè)客戶。銷售階段、預(yù)測節(jié)奏和高管評審周期也完全相同。僅從客戶關(guān)系管理（CRM）系統(tǒng)來看，它們的流程似乎難以區(qū)分。

然而在實(shí)際運(yùn)營中，二者在顯著影響收入、風(fēng)險和效率的層面存在根本性差異。

第一家公司服務(wù)于受嚴(yán)格監(jiān)管的關(guān)鍵行業(yè)，如公用事業(yè)、金融機(jī)構(gòu)和公共基礎(chǔ)設(shè)施。其銷售團(tuán)隊(duì)逐漸形成了一套獨(dú)特的工作方式：銷售人員推進(jìn)交易前會例行暫停，等待交付負(fù)責(zé)人同步審核可行性假設(shè)；解決方案架構(gòu)師在確定范圍前會對比過往項(xiàng)目的團(tuán)隊(duì)配置模型和特例情況；即使商業(yè)條款仍在變動，風(fēng)控和法律團(tuán)隊(duì)也會提前介入；通常只有在多次內(nèi)部驗(yàn)證后才會啟動升級流程。

第二家公司則服務(wù)于快速數(shù)字化轉(zhuǎn)型的企業(yè)，以部署速度和價值實(shí)現(xiàn)速度為競爭核心。早期勢頭比絕對確定性更重要。銷售人員在敲定范圍前就讓交付和解決方案負(fù)責(zé)人參與探索性討論；文件可在推進(jìn)中修改；即使信息不完整，客戶緊迫信號也會觸發(fā)升級流程；領(lǐng)導(dǎo)者早期介入以引導(dǎo)方向，而非驗(yàn)證確定性。

這兩種模式下，上述行為都未被CRM系統(tǒng)記錄。系統(tǒng)只記錄階段變更和預(yù)測更新，卻不記錄可行性如何辯論、權(quán)衡了哪些風(fēng)險，或?yàn)楹瓮七t升級。這些決策存在于電子郵件、聊天記錄、電子表格、工作文檔和對話中，并在交易推進(jìn)后大多消失無蹤。

然而這種看似短暫的“情境”，恰恰構(gòu)成了一個組織的運(yùn)作肌理。這些判斷、協(xié)調(diào)和權(quán)衡的模式，塑造了工作的真實(shí)展開方式。它們在數(shù)百個交易和成千上萬個小決策中反復(fù)出現(xiàn)。這種情境反映了一個組織通過經(jīng)驗(yàn)習(xí)得的、在其市場中獲得成功的關(guān)鍵行為模式。

當(dāng)企業(yè)探索如何借AI獲得優(yōu)勢時，必須意識到，這種情境才是其真正的競爭優(yōu)勢所在。當(dāng)所有人都能使用相同的AI模型、相同的AI賦能工具和相同的供應(yīng)商生態(tài)系統(tǒng)時，情境便成為差異化要素。

過去五年，我們致力于開發(fā)技術(shù)來分析全球數(shù)百家組織中團(tuán)隊(duì)的工作方式。在此過程中，我們研究了50多家大型企業(yè)（多為《財(cái)富》500強(qiáng)或同級別歐洲企業(yè)）的200多種獨(dú)特工作模式。我們發(fā)現(xiàn)，即使在同一行業(yè)、執(zhí)行相同職能、使用相同系統(tǒng)的公司，其實(shí)際執(zhí)行也始終存在差異。解釋這種差異的關(guān)鍵是情境，而非工具獲取能力。

以下是領(lǐng)導(dǎo)者需要理解的情境成為決定性競爭優(yōu)勢的原因，以及如何捕捉并將其落地應(yīng)用。

什么是“情境”？

情境是可驗(yàn)證的執(zhí)行模式：團(tuán)隊(duì)跨系統(tǒng)實(shí)際遵循的工作流、他們響應(yīng)的信號、角色介入的順序、觸發(fā)行動的例外情況，以及在實(shí)際工作中反復(fù)出現(xiàn)的判斷決策。這些模式僅在執(zhí)行中可見，不在既定流程中。

在受監(jiān)管服務(wù)公司，情境要求客戶主管、交付負(fù)責(zé)人和風(fēng)控利益相關(guān)方在交易推進(jìn)前建立交付確定性和可辯護(hù)性。在數(shù)字驅(qū)動型公司，情境更重視早期信號捕捉和速度，即使信息不完整。這些規(guī)則很少存在于政策手冊中，它們存在于行為中，并通過獲得批準(zhǔn)、被延遲、升級或被阻止的事項(xiàng)得到強(qiáng)化。

幾十年來，管理系統(tǒng)試圖消除差異。標(biāo)準(zhǔn)化承諾效率與控制，實(shí)現(xiàn)了成本節(jié)約，卻也抹去了微妙之處。AI改變了這個等式：由于模型具有通用性，它們需要明確的情境根基來反映特定組織內(nèi)部真正重要的因素。

戰(zhàn)略專家長期認(rèn)為，可持續(xù)優(yōu)勢取決于有價值、稀缺、難以模仿且不可替代的資源。組織情境符合所有四個標(biāo)準(zhǔn)。

它有價值，因?yàn)樗绊懯杖搿L(fēng)險、速度和客戶信任；它稀缺，因?yàn)樗从沉丝蛻簟⒓s束條件和累積決策的獨(dú)特組合；它難以模仿，因?yàn)楦偁帉κ挚梢詮?fù)制流程，卻無法復(fù)制多年嵌入執(zhí)行中的隱性知識；它不可替代，因?yàn)闆]有情境，即使最先進(jìn)的AI系統(tǒng)也會抹平關(guān)鍵差異。其影響通過重復(fù)而增強(qiáng)：當(dāng)情境持續(xù)指導(dǎo)跨角色和工作流的日常決策時，績效差異便持久存在。

AI讓情境更有價值，而非貶值

隨著AI變得更便宜、更快、更普及，獲取前沿模型已不再構(gòu)成差異化。許多公司使用相同的模型和平臺，但結(jié)果差異巨大。原因不在于模型質(zhì)量，而在于情境。

AI系統(tǒng)本質(zhì)上是通用的。除非明確提供特定模式，否則它們無法推斷哪些信號重要、哪些權(quán)衡優(yōu)先、如何平衡風(fēng)險與速度。當(dāng)AI疊加在通用流程上時，它會標(biāo)準(zhǔn)化行為；當(dāng)它以組織情境為根基時，便能放大該組織的獨(dú)特性。

這也解釋了為何許多AI試點(diǎn)項(xiàng)目難以規(guī)模化。早期實(shí)驗(yàn)在受控環(huán)境中顯示出潛力，但部署到實(shí)際工作流中后，影響便趨于停滯。若缺乏對團(tuán)隊(duì)實(shí)際運(yùn)作方式的理解，AI難以駕馭組織內(nèi)部的權(quán)衡取舍和協(xié)調(diào)規(guī)范。在演示環(huán)境中有效的方法，很少能在接觸運(yùn)營復(fù)雜性后延續(xù)。領(lǐng)導(dǎo)者通常通過調(diào)整提示詞、添加文檔或擴(kuò)展訓(xùn)練數(shù)據(jù)來應(yīng)對。這些邊際改進(jìn)雖有幫助，但很少觸及核心問題：模型缺乏組織的運(yùn)作邏輯。除非AI系統(tǒng)以工作實(shí)際展開方式為根基，改進(jìn)將始終局限且短暫。

過去，組織通常通過重新設(shè)計(jì)工作流與系統(tǒng)來“固化”情境。而如今，同樣的情境知識能直接成為模型與智能體的運(yùn)行基礎(chǔ)。這意味著，杠桿的支點(diǎn)已從重構(gòu)系統(tǒng)轉(zhuǎn)向了增強(qiáng)決策。真正具有變革性的并非情境本身，而是系統(tǒng)性捕捉情境，并在人們?nèi)粘Ｊ褂玫墓ぞ咧袑?shí)現(xiàn)即時調(diào)用的能力。

情境的實(shí)際應(yīng)用：如何塑造決策

為理解情境如何在實(shí)踐中發(fā)揮作用，請看以下案例。

在我們研究的一家大型企業(yè)組織中，一位負(fù)責(zé)1000-1500萬美元企業(yè)客戶的銷售總監(jiān)在CRM中審閱一個標(biāo)記為“談判中”的商機(jī)。銷售員的記錄很樂觀，表面看交易似乎健康。

當(dāng)她瀏覽近期動態(tài)時，幾個微妙信號引起了注意：交付經(jīng)理在聊天中詢問提議范圍是否可以分階段實(shí)施；解決方案架構(gòu)師悄然更新了定價模型，移除了兩個可選模塊；客戶郵件提及“內(nèi)部預(yù)算協(xié)調(diào)”而非“法務(wù)審核”。

孤立來看，這些都不足為慮。其重要性取決于公司的情境。在風(fēng)險規(guī)避型組織中，這種模式可能是常規(guī)操作，此時升級只會制造噪音；而在速度導(dǎo)向型組織中，歷史表明除非領(lǐng)導(dǎo)層早期介入，否則相同模式通常預(yù)示著進(jìn)度延遲。

這種區(qū)別不存在于CRM中，而是存在于組織跨眾多交易和角色累積的經(jīng)驗(yàn)中。當(dāng)在當(dāng)下被呈現(xiàn)時，它并不取代總監(jiān)的判斷，而是校準(zhǔn)其判斷，幫助她決定以符合組織成功經(jīng)驗(yàn)的方式升級交易、重構(gòu)方案還是維持路線。這種校準(zhǔn)在數(shù)百個決策中重復(fù)，便能產(chǎn)生更準(zhǔn)確的預(yù)測、更及時的干預(yù)和更一致的執(zhí)行。久而久之，這會減少預(yù)測偏差、改善領(lǐng)導(dǎo)干預(yù)時機(jī)、提高成交率可預(yù)測性，這些成果直接轉(zhuǎn)化為可衡量的績效提升。

這種動態(tài)并不僅限于銷售領(lǐng)域。在采購環(huán)節(jié)，系統(tǒng)記錄的是訂單與審批結(jié)果，卻無法體現(xiàn)特例如何協(xié)商或供應(yīng)商風(fēng)險如何評估；在客戶服務(wù)中，工單系統(tǒng)追蹤問題解決狀態(tài)，但防止事態(tài)升級的協(xié)同機(jī)制卻無從追溯；在財(cái)務(wù)部門，ERP系統(tǒng)忠實(shí)記載每一筆交易，而信貸決策背后的考量與資本分配時的權(quán)衡則隱于幕后。縱觀各個職能，記錄系統(tǒng)擅長捕捉“結(jié)果”，卻極少呈現(xiàn)“過程如何發(fā)生”。

當(dāng)情境連貫一致、與戰(zhàn)略對齊并通過日常行動強(qiáng)化時，它就轉(zhuǎn)化為競爭優(yōu)勢。

高管團(tuán)隊(duì)當(dāng)前應(yīng)采取的行動

AI投資回報率不僅由模型能力決定，更取決于智能系統(tǒng)與組織運(yùn)營情境的契合精度。未以此為基礎(chǔ)部署模型的企業(yè)可能看到有希望的試點(diǎn)，卻難以將其轉(zhuǎn)化為持久的運(yùn)營收益，改進(jìn)將始終局限于局部。

為將AI投資轉(zhuǎn)化為可衡量的回報，領(lǐng)導(dǎo)者必須構(gòu)建一個情境層，使智能系統(tǒng)植根于運(yùn)營現(xiàn)實(shí)。這便是情境工程：捕捉工作的展開方式，將這些模式編碼為可用信號，并在決策時刻向模型和智能體傳遞正確的背景信息。這不是文檔化工作，而是企業(yè)基礎(chǔ)設(shè)施。實(shí)施此情境層需要四項(xiàng)審慎行動：

1. 監(jiān)測工作以捕捉情境

投資能夠描繪工作如何在不同系統(tǒng)和協(xié)作環(huán)境中展開（工作圖譜）的技術(shù)，建立關(guān)于決策序列、協(xié)調(diào)模式和權(quán)衡的持續(xù)更新視圖。用此構(gòu)建企業(yè)級情境庫：一個與結(jié)果關(guān)聯(lián)的、經(jīng)過驗(yàn)證的重復(fù)執(zhí)行模式存儲庫。每個職能部門都需貢獻(xiàn)，因?yàn)槊總€部門都生成情境信號。

2. 使情境庫成為AI的運(yùn)行時層

每個AI系統(tǒng)都應(yīng)連接到情境庫。這需要能夠推斷用戶意圖并檢索與任務(wù)相關(guān)的精確情境片段的技術(shù)。情境不足會產(chǎn)生通用輸出，過多則會引入噪音并增加錯誤概率。精確度是將情境轉(zhuǎn)化為績效的關(guān)鍵，也常常是試點(diǎn)停滯與部署成功的分水嶺。

3. 建立治理與信任體系

情境工程需要明確的隱私、安全和訪問控制。敏感信息必須得到管理或脫敏處理。定義驗(yàn)證、保留和更新協(xié)議。治理還應(yīng)明確哪些團(tuán)隊(duì)可以訪問哪些情境層以及出于何種目的。信任是基礎(chǔ)；沒有信任，情境既不會被如實(shí)捕捉，也不會被自信使用。

4. 監(jiān)控影響并閉合投資回報循環(huán)

在監(jiān)控AI使用的同時測量業(yè)務(wù)結(jié)果。當(dāng)預(yù)測準(zhǔn)確性提高、交易速度加快、風(fēng)險事件減少或周期縮短時，說明情境根基正在發(fā)揮作用。若未實(shí)現(xiàn)，則需優(yōu)化情境層和檢索邏輯。監(jiān)控要求將AI交互與業(yè)務(wù)指標(biāo)關(guān)聯(lián)，并基于績效數(shù)據(jù)持續(xù)更新情境模型。長期而言，這將創(chuàng)造一個增強(qiáng)反饋循環(huán)，使組織的判斷力日益精準(zhǔn)。

這種轉(zhuǎn)變改變了高管的心智模式。歷史上，企業(yè)技術(shù)主要由集中的IT或工程職能部門設(shè)計(jì)、治理和維護(hù)，即使業(yè)務(wù)部門是投資方。在模型驅(qū)動的企業(yè)中，情境成為基礎(chǔ)設(shè)施：一個持續(xù)更新的組織運(yùn)作方式表征。競爭優(yōu)勢和AI投資回報率取決于這兩個層面集成的緊密程度。

模型獲取途徑將持續(xù)拓寬。情境則將始終具有組織特異性，因而持續(xù)成為競爭優(yōu)勢。

關(guān)鍵詞：

羅漢·納拉亞納·穆爾蒂（Rohan Narayana Murty）、拉維·庫馬爾·S（Ravi Kumar S）| 文

羅漢·納拉亞納·穆爾蒂是Workfabric AI創(chuàng)始人兼CEO，該公司通過提供精確的組織情境幫助企業(yè)部署AI智能體。他擁有哈佛大學(xué)計(jì)算機(jī)科學(xué)博士學(xué)位。拉維·庫馬爾·S是Cognizant公司的CEO，這是一家《財(cái)富》500強(qiáng)技術(shù)服務(wù)和咨詢公司，與全球企業(yè)合作，通過在行業(yè)與技術(shù)交匯處提供創(chuàng)新解決方案，幫助它們在快速變化的世界中轉(zhuǎn)型并引領(lǐng)發(fā)展。拉維入選了《時代》雜志2025年“AI領(lǐng)域最具影響力100人”榜單。

周強(qiáng) | 編校

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org