隨著科技的飛速發展，人工智慧正逐步滲透到社會的方方面面，已經成為改變人們生活和工作的一種強大工具。那麽，作為企業經營管理者，該如何抓住當下的人工智慧技術紅利？怎麽借助AI技術，來幫助企業降低成本、增效提質，從而實作企業更好、更快的發展？
帶著這些問題，本期36氪【CEO錦囊】欄目，冪律智慧CEO塗存超，Flowy創始人兼CEO祁國良兩位嘉賓，跟大家實際聊聊AI是如何幫助企業降本增效。
在這場直播中，兩位嘉賓主要討論了以下問題：
1、降本增效就是「砍砍砍」嗎？如何正確地理解「降本增效」？
2、兩位都是 AI 公司，請問你們內部有哪些降本增效的措施？效果如何？
3、說到數位化，其主要目的就是實作降本增效，對於企業來說，數位化轉型的最大挑戰是什麽？
4、相比於此前的數位化轉型，這波AI浪潮對數位化轉型產生了哪些影響？
5、AI時代，我們個人怎麽來應對AI帶來的沖擊？如何更好使用AI工具？
6、除了各自公司自身在做的產品之外，AI還在哪些場景有比較大的空間？
7、就如何讓AI真正幫助企業實作降本增效，分享3點錦囊妙計？
以下為兩位嘉賓和36氪的對談，部份內容經過整理編輯：
36氪：降本增效就是「砍砍砍」嗎？如何正確地理解「降本增效」？
塗存超： 降本是一方面，增效也很重要。透過降本增效，我覺得最終還是要達到公司目的，能夠讓公司發展更高效、更穩定。除了正常的一些降低成本的方法，透過數位化的方式能夠把企業內部的業務流程梳理得更高效，也是一個比較主流的方式。 什麽是有效的降本增效？最主要還是看結果，就是到底有沒有達到降本增效最終目的，讓企業執行更順暢、更高效了。結合國內外的降本增效案例，如果企業進行了很多的最佳化調整，整個產品叠代和正常執行沒有受到特別大的影響，我認為是比較好的降本增效。但如果因為降本增效造成了非常嚴重的後果，影響了企業的高效運轉和營運，那就是比較失敗的降本增效操作。
祁國良： 我個人其實不喜歡降本這個詞，這是存量思維下的操作。 我更喜歡增效，這是在增量思維情況下思考我們企業的效率和品質如何提升？我們梳理企業，甭管是什麽行業，大概就圍繞著三件事情做，第一是效率，第二是工作的品質，最後是成本。 如果效率和品質同步提升了，成本自然而然下降。在增量思維下，如果我的效率、品質都提升了，業務增加 1% ，或者一倍甚至三倍以上的時候不增加人，是不是算降本了？這裏面更重要的是如何透過大模型、AI幫助企業更快地執行，在效率上提升。
在企業裏面人有時候是相當不靠譜的，一個月就準備一場直播是絕對OK，但我們每天忙不同的事情，花在每件事情上的時間精力就少，有太多的事情讓你變得品質低。如果在這些低階錯誤之前，我們能用各種各樣的AI審查好，我不一定有最好員工的工作品質，但是把所有員工的品質都提升到平均線往上，整個公司的品質流程都會提升。
36氪：兩位都是AI創業公司，請問你們內部有哪些降本增效的措施？效果如何？
塗存超： 最簡單的減少一些非必要的支出、減少人、降低福利、減少一些品牌上的投入，這個是初創公司操作比較多的方式，我們內部也會采取一些數位化的方式。我們服務的都是中型、大型客戶，無論我們賣的是AI相關的產品，還是資訊化相關的產品，都免不了要做一些交付實施，響應客戶客製化的需求。之前在我們整個交付實施過程中，計畫管控的某些環節沒有細化。所以從2022年底到2023年全年，我們都在叠代內部的計畫管理以及工時管理系統，能夠細化到所有人員的成本支出，能夠及時在中間發現一些支出是不是超了。這對我們計畫成本的管控和效率提升起到了比較好的作用。
我們自己的業務主要也是在給客戶解決降本增效這個問題。我們最核心的能力就是智慧合約審查，幫助每年有大量合約需要審查的企業提高合約審查的效率。我們有個客戶，每年有大量的線下店要新開，還有老店要續約，都需要審大量的商鋪租賃合約。他們為了審商務租賃合約外聘了大量的律師，成本特別高。但不僅外聘律師，包括他們自己內部法務團隊都會存在著審查標準差異非常大的問題。即使內部梳理了嚴格的審查標準，完全靠人來執行是很難的。上線了智慧合約審查的系統之後，幫助他們解決了幾個方面的問題。一個是標準統一，對很多客戶來說這比效率更加重要，能夠防控很多風險。第二個是能夠讓他們稽核的效率大大提升，相對節約了很多人力成本。客戶在算ROI 的時候，看的是最後能夠給他帶來多少效率提升，能夠讓他節省多少外聘律師的成本，他會從這裏面來付一定的比例給我們。 這其實就是從降本增效的角度，給企業推數位化系統，如果這件事情客戶的ROI算不清楚賬，這個事很難落地效果好。
祁國良： 我們叫數位員工也是從這個角度去做，中國的企業去采購IT軟體沒有人真的知道自己買了什麽系統，大家都在低毛利率裏面去競爭。 今天一個很重要的商業模式改變，就是擬人化按效果去付費，我今天幫你省了多少時間，提升了多少品質？這個是很容易評估的 。以前采購供IT系統，對於一把手來說，有時候真不知道買了什麽IT系統，對整個公司有什麽提效？大家只知道花了錢。在環境相對惡劣的情況下，就會說這是成本，明年可能不弄了。
就我們內部來說，所有人都在用AI做事情。 比如說開發用AI去做一些程式碼的自動生成，售前可以借助大模型很快出一套跨行業出方案，來輔助售前工作；甚至招聘，有時候我們也不清楚這個崗需要什麽樣的人，大模型可以幫你寫JD、篩簡歷。以前我們是寫程式碼，今天我們是在寫流程，在給客戶配場景，很多東西不再需要去死摳一個演算法。這樣這幾種形式下來，企業效率都在提升，成本也在下降。
36氪：說到數位化，其主要目的就是實作降本增效，對於企業來說，數位化轉型的最大挑戰是什麽？
塗存超：我一直是覺得數位化最大的挑戰肯定是來自於人和組織。數位化轉型這件事情，無論是決策者還是最後實際使用的使用者，一定是多個角色來參與的，大家的利益訴求是不一致的。 比如說決策者采購一個系統，更多是從管理的視角要方便管理，但很多使用者是被管的角色，大家做這件事情的訴求不太一樣。從使用的效果看，采購一些資訊化系統，最後的目的是要降本增效，到底是降的誰的本？降哪個部門的本？但另外一方面，無論是我們的系統，還是其他數位化系統，都普遍存在人對新系統的學習和使用的成本，而且會涉及到用新系統有可能對之前的業務模式、業務流程的更新和調整，這也會形成比較大的阻礙。
祁國良： 剛才塗總講的我基本上都認同。 就是摩擦力，來源於人和人、部門之間的摩擦力。 人是有慣性的，很多公司領導和員工是站在對立面的。高層的想法是管理，上任何一個系統，比如銷售系統，需要的是銷售漏鬥，要去考核的是公司的資源如何優先給更加靠譜、優先級更高的客戶？但是一線員工的視角是抵觸的，因為這並不能幫助他做什麽事情，而且每天都會給他帶來非常繁瑣的負擔。一天幾個小時都在做這些事情，比如填個CRM、寫個周報等。當你發現員工每天在公司花很多時間做這種數位債務的時候，他的品質就會下降。所以在落地的時候就是如何讓管理層和員工都滿意，這個數位化才能推得下去。我們的經驗是讓管理層看到更高品質的數據，那數據品質來源於什麽？就是幫助一線員工透過更簡單的方式從繁瑣沒有價值或者說價值很低的工作中解放出來。如果有一個AI在企業裏面專門幫你做這些事情，比如寫周報、日報、拜訪記錄等，那就滿足了領導層數據的要求，同時員工不用每天花很多時間做這些事情。
數位員工幫你去執行檢查工作，合約檢查、文本檢查、標書各種各樣的檢查、公文的檢查等等，最後提出裏面的風險點，或者說裏面有哪些低階錯誤。 人去做人應該做的事情，很多時候更多的摩擦力於來源於部門和部門之間、人和人之間、責任和責任之間，把這些事情都變成流程自動化。現在的流程好多都停留在人停流程就停，只要這個人在開會，很多事情就執行不下去。用AI執行，出錯的時候告訴人用更高維的視角判斷這件事情的走向，這樣將效率提升。 過去我們做了那麽多軟體，以前說這些軟體是給人用的，但是現在想想，也許是給AI用的，是讓AI幫你去執行。所以我們之間就變成了人和人之間對話，人和AI以對話方塊的形式推動流程往下。這樣的效率會更高，品質也會高起來。
36氪：相比於此前的數位化轉型，這波AI浪潮產生了哪些影響？AI扮演著什麽角色？
塗存超： 國內在大模型套用側還是明顯落後的，當然原因是多方面的，包括幾種模型的效果、國內在套用層的投入、客戶需求的多樣性、在地化、安全性等。 我們一直認為2024年應該算是套用層驗證效果走完閉環的元年。 我們之前面臨最主要的問題就是在AI技術的基礎之上，要怎麽給客戶做客製？這個問題我們一直非常頭疼，舉一個具體的例子。之前客戶要客製一個審查點，我們要分析這個審查點涉及哪幾個法律條款和法律概念，然後收集一堆合約數據，把這些條款和概念標註出來，再訓練一些小模型，把這種模型調到非常高的效果，因為法律的場景容錯是非常低的。整個過程成本非常高，周期非常長，流程也很長。
有了大模型之後，我們的產品給客戶的感受還是智慧審查的產品，但我們做這個審查點客製的方式完全變了，全都是基於大模型。大模型天然具備分析合約文本，從合約裏分析資訊，抽取資訊的能力。我讓大模型來從合約裏面抽取某個條款，我可以給他一些私立條款，寫一個比較好的Prompt，讓大模型基於我們抽取的條款直接做判斷。假設這是一個首款條款，我直接讓他來判斷這個首付款到底有沒有超過合約額的30%，之前我們需要再訓一些序列標註的小模型，把這個片段給辨識出來，再透過規則來判斷。現在就是一個Prompt，讓大模型直接來判斷這個條款裏面的約定跟客戶的審查標準是否一致。所以現在的解決方案全都是基於大模型的，業務還是那塊業務，但我們自己內部本身的效率和響應的方式完全改變了。但我們只是在完成了初期的閉環驗證，真正往外推規模化我覺得2024年應該是元年。
祁國良： 我們過去一年是在捏人的過程，主要圍繞著企業的需求梳理流程，做一些行業konw how的整理。我們希望透過這些整理固化下來，變成可以用的橫向長尾需求。比如在出差的辦公場景裏，可能要在IM上申請出差，在OA裏面審批，甚至去不同的平台訂票，這時間還是花的蠻長的。再乘以整個公司的人數，就是我們說的數位債務，公司的成本也高，我們的效率也不高。現在你可以在IM上透過簡單的對話就能完成整個流程，大模型的好處就是我可以跨過這些流程，在跟數位員工對話的過程中，提取有效資訊快速做完這些事情。 大模型是透過自然語言去連線以前的流程。
36氪：AI時代，我們個人應該如何做來應對AI帶來的沖擊？怎麽更好使用AI工具？
塗存超： 我覺得人跟機器的配合是有非常大潛力的， AI替代一個完整的人是不太可能，人有很多自己獨到的能力，比如溝通交流的能力、全域資訊的掌控能力。一些偏高頻、偏嚴謹、低難度的任務大模型是完全可以做的。 形成共識的就是，人應該學好怎麽樣使用工具，使用大模型來讓自己的工作能做得更好。不太需要擔心被替代，但如果你不學會使用工具，就會喪失競爭力。
現在還沒到大模型最佳套用實踐階段，無論是國內還是國外都在嘗試。 但我覺得現在可以做的是，評估自己的工作，到底哪些100%沒技術含量，長期來看對你沒有價值；要判斷出哪些工作即使有了大模型，對你來講也是有價值的。
祁國良： 有了大模型之後，一部份工作確實被大模型取代了 。所以我覺得人應該更貼近業務，理解需求。你越理解業務越不容易被替代，你越理解需求，越理解場景，你的價值就越大，因為你解決的不僅僅是0和1的問題。 不是只有這個程式要不要開發的情況，很多時候都存在著建議A，但選B的情況，這是人要去解決的。建議是A，為什麽要選B？你沒辦法讓AI明白在僅僅看到一點點資訊情況下，選擇 B作為我的最終結果，這是人要去做的事情。
至於怎麽更好使用AI，首先是先用起來，哪怕最簡單先下一個大模型APP，讓他幫你做各種各樣的文案生成。 我現在都離不開AI了，不知道怎麽寫的時候就問他，比如給我申報文案，我再按照場景去修改，很多工作他已經幫我做生成。
36氪：除了各自公司自身在做的產品之外，AI還在哪些場景有比較大的空間？
祁國良： 我們內部有個畫布，分為幾個層面。 首先是個人層面，幫助個人提效，比如個人寫周報、OA審批、 CRM、發信件等。第二，圍繞公司前台和後台的業務層面。人力、法務、財務是企業裏面偏後台，企業的前台業務是ROI很高的場景，只要提效了，就是掙錢的。第三，就是跨部門的使用。
2017 年、 2018 年特別火的是中台，為什麽做中台？站在公司角度講，公司要效率，但隨著公司做大不得不拆成部門，把人拆到部門。我們希望把數據、業務共享，提供一個大前台去做。這兩年可能中台已經沒人再提了，因為投入產出比算不清楚。搞一個大數據平台本身的投入就很大，其次在軟體1.0的情況下，特別依賴產品經理去對不同的部門、業務做需求梳理，最後生成一個大前台。但是很可怕的是，今年開發完中台，明年公司可能戰略變了，中台要怎麽服務於前台？我們說ROI比較高的場景，就是今天可以透過數位員工，在數據不離開每個部門的背景下，入口就是一個對話方塊，一個任務、一個需求進來，不同的Agent 或者不同的AI去到部門裏依據需求取數據給你。我不需要前台，也不需要點選，所有APP都是搜尋框，下拉都是瀑布流，用這樣的方式直接給你答案。你想問公司去年營業額，你要看跟誰家的合約，可以一問直接得到答案。這種場景下，你就發現AI首先改變了互動方式的入口，是對話方塊去驅動。我們跟客戶講的也是，在這幾個畫布裏面去找你覺得最痛的場景。你說跨部門流轉痛，我們就去解決跨部門流轉的場景下，去梳理AI在這裏的套用；你覺得前台業務痛，我們就在前台上去找場景。
塗存超：大模型是一個非常通用的能力，有非常強的泛化能力。無論是軟體還是業務場景，只要是在跟資訊打交道，是跟人在互動，大模型都有他自己的施展空間。 我的意思是每個場景都有改造的價值，但可能最有價值的還是跟大模型本身比較匹配的行業，重文本的行業，比如說法律和醫療就天然跟文本打交道，很適合大模型。當然還有遊戲、電商這些場景下，套用的前景也都是挺好。
36氪：就如何讓AI真正幫助企業實作降本增效，分享3點錦囊妙計？
塗存超：
第一，一定要看最佳實踐，學習行業最佳實踐。 即使是大客戶，在具體的業務場景中碰到的問題大機率也不是他自己獨有的問題，行業裏面比他業務更加復雜、規模更大的客戶基本上都會存在一些最佳實踐，不是自己憑空來想這個解決方案。
第二，要算清楚賬， 這事關最後數位化轉型或者說降本增效目標能不能達成。算清楚我投入多少，最後能夠獲得什麽樣具體效果？
第三，就是POC， 這件事情一定是要做的。你聽廠商、供應商再怎麽講，這個東西到底是不是如大家所說，在你自己的真實場景裏面能不能用、能不能產生真正的價值，一定是要做POC的，自己感受到的永遠是最真實的。
祁國良：
第一，用起來， 先讓自己的數據飛輪轉一轉。企業數據無非就幾種，一種是文本型的知識，存在於DOCX 、PPT、 PDF裏面，你先把這些知識跟大模型結合起來，最簡單的，哪怕是有知識庫問答，先用起來。一種是企業的OA、ERP這類軟體，以流程化的方式執行起來。這個成本其實也不是特別高，企業可以先嘗試起來。
第二，全面探索， 梳理業務找到正向ROI的場景。
第三，把AI當員工看，不要想它是一個技術。 比如說企業要擴招100人，哪個崗位或者哪個任務AI能執行什麽樣的操作？能解放多少人？站在一個更高層面去審視這個流程。
