前沿企業如何成功應用AI？

　　在OpenAI近期發布的《企業中的人工智能》報告中，深入分析了七家前沿企業成功采納和部署人工智能的經驗。報告指出，AI在提升員工績效、自動化運營及驅動產品創新方面展現出顯著且可衡量的改進。企業應將AI視為一種全新的工作范式，而非僅僅是軟件或云應用，這需要秉持實驗和迭代的思維方式。

　　這份報告對于很多正在規劃AI戰略的企業決策者而言是一份很好的實踐手冊。接下來，我們將結合報告和一些其他機構的研究，為大家帶來部分企業成功應用AI的案例及啟示。

　　摩根士丹利：從評估開始，確保質量與安全

　　案例場景：鑒于金融服務具有高度敏感和個性化的特點，客戶決策依賴深度咨詢且涉及大量隱私信息，所以，企業希望通過AI工具提升財務顧問效率。

　　做法與效果：

　　摩根士丹利引入AI工具的關鍵步驟在于對每個AI應用進行嚴格評估。具體包括：評估語言翻譯的準確性和質量;評估內容摘要的準確性、相關性和連貫性;以及將AI 輸出與人類專家對比，評判準確性和相關性。

　　最終在采用內部AI工具后，企業反饋有98%的顧問每天使用工具;文檔信息獲取率從20%躍升至80%，搜索時間大幅縮短;顧問有更多時間維護客戶關系。

　　案例啟示：

　　在投入生產前，必須用系統化的評估流程來衡量AI模型在具體場景下的表現。這不僅是“測驗”，更是持續改進的基礎。一個驗證和測試模型輸出的過程，一個嚴謹的評估動作，能確保應用穩定可靠，更能抵抗變化。它圍繞具體任務，對照基準(如準確度、合規性、安全性)來衡量模型輸出質量。

　　Indeed：將AI嵌入產品，創造新體驗

　　案例場景：作為全球領 先的招聘網站，他們期望使用AI工具優化職位匹配功能，提升用戶體驗。

　　做法與效果：

　　企業使用了GPT-4o mini模型，不僅向求職者推薦職位，同時還向其解釋“為什么這個職位適合TA”。而另一方面，AI工具能分析候選人背景和經驗，為公司生成個性化的“邀請申請”。

　　對比舊引擎，接入AI模型后的新版引擎職位申請發起率提升20%，下游成功率(雇主更傾向于雇傭)提升13%，這個提升的商業影響巨大。

　　案例啟示：

　　利用AI處理海量數據、自動化繁瑣任務，從而創造更人性化、個性化的客戶體驗。AI最 好的應用，不是一個“新增功能”，而是一個在原有用戶旅程中無縫提升體驗的增強器。

　　Klarna：立刻行動，盡早投入使用

　　案例場景：作為全球支付與購物平臺，企業希望能借助AI工具來優化客戶服務。

　　做法與效果：

　　在AI技術應用層面，公司重點推進了AI客服系統的深度落地。經過持續數月的測試調優，該系統已能自主處理超三分之二的客戶咨詢量——這一服務規模相當于數百名人工客服的工作效能。更顯著的是，系統將平均響應時長從11分鐘壓縮至2分鐘，客戶滿意度更是達到與人工客服持平的優異水平。同時，AI技術已滲透至企業運營全場景：90%的員工已將AI工具深度融入日常工作流程。這種全員參與的數字化實踐不僅加速了內部創新節奏，更通過"技術復用-體驗升級"的正向循環，推動AI效益在業務全鏈條實現指數級增長。

　　案例啟示：

　　AI的價值會通過迭代不斷增長。越早開始，組織從“知識復利”中獲益越多。

　　Lowe's：定制與微調模型，釋放特定價值

　　案例場景：作為美國領 先的家居建材零售商，平臺聚合了眾多供應商資源，但由于商品數據標準不統一、關鍵屬性缺失等問題，導致平臺存在搜索結果偏差大、相關性不足的痛點。為提升用戶購物體驗，亟需借助AI工具構建智能化商品搜索體系，從數據治理、算法優化雙維度系統性改善搜索準確性與匹配精度。

　　做法與效果：

　　聯合OpenAI對GPT系列模型進行場景化微調。在這個過程中，一方面需要準確的產品描述和標簽，另一方面需要理解不同品類下消費者搜索行為的動態變化。最終，成果直接轉化為用戶體驗提升——平臺的產品標簽準確率提升了20%，錯誤檢測能力提升了60%。

　　案例啟示：

　　越貼近業務場景的AI，越需要數據治理與定制訓練作為支撐。針對特定業務數據和需求定制或微調模型，用你獨有的數據(如產品目錄、內部FAQ)訓練模型，讓它更懂你的業務術語、風格和場景，輸出更相關、更符合品牌調性的結果，同時減少人工編輯和核對，提升效率，這能顯著提升AI應用的價值。

　　Mercado Libre：為開發者“松綁”，加速創新

　　案例場景：作為拉美最 大電商和金融科技公司，公司希望借助AI工具解決工程團隊不堪重負、創新緩慢的問題。

　　做法與效果：

　　公司基于GPT-4o和GPT-4o mini構建了一個開發平臺層。該平臺整合了語言模型、Python節點和API，以自然語言為核心交互方式，幫助其1.7萬名開發者更快、更一致地構建高質量AI應用，而無需深入源代碼。安全、護欄和路由邏輯都內置其中。

　　最終，AI應用開發顯著加速，賦能多項業務，例如提升庫存能力100倍;將欺詐檢測準確率提高到近99%;定制化產品描述以適應不同方言;通過自動化評論摘要增加訂單;并個性化通知以提高參與度。

　　案例啟示：

　　開發者資源是許多組織的創新瓶頸。利用AI構建開發平臺層，可以統一和加速AI應用的構建。AI平臺化能力(如模型路由、統一權限、安全機制)正成為企業的基礎設施，就像數據庫與中臺曾經的角色。

　　Open AI：從評估開始，確保質量與安全

　　案例場景：內部支持團隊耗費大量時間在訪問系統、理解問題、撰寫回復和執行操作上。所以，公司希望將AI工具融入工作流之中，解放員工的創造力與判斷力。

　　做法與效果：

　　OpenAI已經在內部驗證“AI如何增強人類”。在這里，產品經理不再是傳統意義上需要開無數會議、寫無數文檔的角色，而是用AI工具把自己變成“超級產品經理”。

　　OpenAI商業產品負責人、ChatGPT企業版負責人Nate，每周只需要直接與4-5位客戶交流，剩下的客戶調研、市場分析、競品研究全部交給AI。“我無需參加無休止的會議，占用其他團隊的時間，就能非常迅速地掌握信息。”AI釋放了他最寶貴的創造力和判斷力。

　　Nate自己在工作時，經常會采用以下幾個完整AI工作流：

　　第 一層：知識獲取加速

　　“比如我需要快速了解我們研究部門某個項目的進展，或者工程團隊某個系統的技術實現。”以前這需要約會議、等郵件回復、整理筆記，現在直接問ChatGPT連接的內部知識庫。一個10分鐘的AI對話頂得上三場會議。

　　第二層：角色模擬預演

　　Nate還會使用AI的“角色扮演”功能。面試重要候選人前，他讓AI扮演候選人進行模擬問答;關鍵客戶會議前，讓AI扮演客戶進行演練;甚至做播客前，都要和“AI版Peter”先聊一遍。“你可以通過讓模型扮演另一個角色，來磨練你自己的技藝和表達。”

　　第三層：質量提升閉環

　　“我經常讓它批判我寫的東西，或者我要演講的內容：‘這是我的初稿，我遺漏了什么?這個論點的薄弱環節在哪里?”不是讓AI代替思考，而是讓AI成為最嚴格的思維教練。

　　從組織整體來講，公司構建了一個內部自動化平臺，疊加在現有工作流和系統之上，自動化重復工作，加速洞察和行動。首 個用例是在Gmail之上工作，自動起草客戶回復并觸發后續動作(如訪問客戶數據、知識庫，更新賬戶，創建工單)。

　　總之，不要只問“AI能幫我做什么”，要問“AI能幫我做得更好嗎”。Nate說：“不要只讓AI寫郵件，要讓它批判你的邏輯漏洞——建立質量提升閉環，而不僅是效率閉環。”

　　案例啟示：

　　許多流程中都存在大量重復性工作，是自動化的沃土。流程自動化不能只是“幫員工省點力”，而應以重塑工作方式為目標。不要用AI去修補舊流程，而是要用AI構建新流程、新分工、新組織邊界。

　　如何復制這套生產力密碼?

　　這些案例的共同點是：開放、實驗的心態，嚴謹的評估以及安全護欄。成功的企業并非一蹴而就地將AI注入所有流程，而是先聚焦高回報、低門檻的場景，通過迭代學習，再將經驗推廣到新領域。

　　OpenAI商業產品負責人Nate總結了一套“雙軌制”部署方法論：

　　第 一軌：廣泛普及

　　讓每個員工都能用上，讓他們熟悉這些工具，因為這是在任何企業內部培養那種自下而上文化的方式。不是高層推動，而是讓一線員工自發創造和分享AI工作流。

　　第二軌：聚焦高杠桿

　　找到幾個你認為能為現有工作流帶來巨大價值的用例，然后集中精力攻克它們。例如，摩根士丹利選擇財富管理這個核心業務，而不是什么都想用AI改造。

　　關鍵在于找到內部的“AI倡導者”。他們不僅僅是說“讓我們把AI給每個人用”，而是思考“我該如何利用AI來幫助我的業務實現轉型”。這些倡導者可能是CEO，也可能是某個部門的普通員工，但都有一個特點：主動推動變革。

　　最重要的是質量標準——AI不僅要有用，更要可靠。如果要讓AI在公司內部驅動工作流，首先必須確保它是可靠和準確的。

　　在斯坦福大學《2025年人工智能指數報告》中就曾指出：AI在商業領域的應用正在加速。2024年，78%的組織表示在使用AI，高于上一年的55%。

　　但同時，客觀地說，企業尚未看到能帶來顯著成本節約或新增利潤的實質改變。源于麥肯錫調研的圖表顯示：在報告降本的企業中，多數都只省下不足10%的錢;而在實現增收的企業中，大部分的增幅都低于5%。

　　盡管如此，企業部署AI已然是勢不可擋。越來越多的企業已經選擇用AI來重塑工作流程、加強治理機制，以推動AI部署帶來切實的財務回報。

　　以下是麥肯錫近期發布的《全球AI調研：企業AI部署現狀》中提到的一些企業AI應用的趨勢，供大家參考：

　　AI使用率持續攀升。其中，IT、市場營銷和銷售是使用AI最多的職能部門，其次為服務運營。過去半年，AI使用增長最顯著的是IT部門，報告使用AI的受訪者比例從27%躍升至36%。

　　企業通常優先在AI可創造最 大價值的領域進行部署。例如，媒體和電信公司更傾向于將生成式AI用于服務運營環節，科技公司側重于軟件工程，專業服務機構則側重于知識管理領域。

　　在反饋稱已使用生成式AI的受訪者中，63%表示所在企業已運用該技術生成文本內容。同時，企業也在積極探索其他應用形式。逾三分之一的受訪者指出，企業正在運用AI生成圖像，逾四分之一表示企業將AI用于編程。其中，科技行業受訪者提及的應用場景最為廣泛;在先進制造業，生成圖像與音頻的使用場景更為常見。

　　諸多受訪者表示，生成式AI在業務單元層面實現了價值創造，不僅是收益，還有明顯的成本削減。企業若希望充分挖掘AI的全部潛能，需構建涵蓋分析型AI與生成式AI的綜合解決方案。

　　盡管生成式AI工具加速普及，企業整體仍處于早期探索階段。從價值兌現的角度看，目前真正實現盈利突破的企業仍屬少數。相比之下，大型企業在釋放AI潛能方面動作更快，不僅在加大AI人才儲備，也更加重視風險應對。