0
一个月前，一位创业公司老板告诉雷峰网，他们内部决定把公司的 AI 开销砍掉近 90%。理由很直接：用了半年 AI，不知道到底产生了什么效果。
这是眼下几乎所有企业的困惑。大家都在用 AI，但真问到 “拿到结果了吗”，大多数人答不上来。
11 月 5 日，在一场以 "将 AI 能力转化为企业利润" 为主题的分享会上，合思 CEO 马春荃拿出了他自己的答案。
过去三年，他带着合思从 2022 年接触 AI、2024 年正式启动转型，踩过了无数的坑，后来他把AI转型路上的思考写成了一本书——《CEO AI 挖矿指南》，这本书 10 月 1 日上线。据雷峰网(公众号：雷峰网)了解，这本书上线两周就冲上京东管理类图书双榜。
这是企业打算使用AI 所要面对的第一道坎。
客服、营销、研发、财务、法务、招聘…… 好像哪个场景都能上 AI，客服能省人、写代码能提效、做表格能自动化，但真立项跑起来又发现，有的场景 AI 干得还不如老员工顺手，有的场景投入算不清产出。
合思的处境更难。
这几年中国 SaaS 企业陷入寒冬，2022 年，中国软件上市公司跟美国同行比，市值差 15 倍。AI 来了之后，美国软件公司市值翻一倍、利润也翻一倍，但国内软件企业则是进一步市值跌、利润也跌，利价双杀。所以在做 AI 落地场景的选择上，他们的试错空间是比美国SaaS 公司要小很多的。
为了找到 AI 落地最佳场景，马春荃没靠直觉，而是往回倒了几百年，看电灯是怎么替代蜡烛的。
在回溯历史过程中，他总结，一个场景值不值得上 AI，就看三件事：数据是否到位、规则是否清晰、规模是否足够大。
电灯落地，先得有电线杆。数据就是 AI 的电线杆，哪里先完成数字化，哪里才轮得到 AI 上手。
其次规则得清楚，不能有潜规则。“今天 AI 商业化跑得最成规模的是智能驾驶，靠的就是交通规则、红绿灯、斑马线全摊在明面上，连路都给它专门修出来了。”
最后得有规模。电灯第一家开在纽约，不是德州，其中原因是，纽约夜里开 party、商务社交扎堆，利益空间够大。
拿这个标准对照下来，看合思自己的业务，财务费控恰好三条都占：报销、审核、发票、档案，早有系统数据沉淀，规则硬得能写成制度，而且每天海量单据。
产品做出来后，自动化率 98%、准确率 95%，1700 多个细分场景、5800 多项技能，早期 30 个共创 MVP 全部达标。
场景选对了，做出了对应的产品，但新的麻烦马上来了。
去年 4 月，他在武汉大学开产品发布会，300 多个客户现场体验，人人点头，但5 月到 10 月，整整 5 个月，只卖出 3 单。“原来一套软件卖 20 万、30 万、40 万，客户现场都说好，但接着没有下文了。”
这让马春荃意识到，问题不在产品，而在报价方式让客户没法算账，当客户花了 20 万，买了一个 Agent 产品，他们是根本算不清省多少钱。
马春荃从工业革命早期找到一个启发：当年瓦特改良蒸汽机，卖给农场主时对方根本不知道这台机器值不值，瓦特造了个 “马力”单位，让客户能直接拿它跟养一匹马的成本对比，销量一下子起来了。
合思的 “马力”是什么？按单收费。
软件免费，每张报销单、付款单收 10 块钱。这个收费对标的是财务共享中心外包市场 15 到 25 元的指导价，并且他们承诺，AI 能自动处理掉的单据比例要达到 90%以上 ，否则不收钱。
这个报价模式一改变后，效果也立竿见影，马春荃表示，去年 5 月到 10 月卖了 3 单，10 月中旬改完报价，到 12 月底，72 单。
“同样的东西，报价模式变了，商业模式就变了。”马春荃总结，“过去是我卖一个工具，现在是卖一个结果。当我愿意为结果负责、为可衡量的价值负责，订单自己就涨上来了。
新加坡国立大学兼任教授周宏骐，见过更多商业模式被 AI 改写的样本，他讲了一个婚恋平台的故事：
旧时代红娘撮合，成了收 5 到 10 万撮合费，但撮合一次服务就结束了。AI 时代，数字人红娘先陪你聊 40 分钟，精准了解你的需求。与此同时，撮合费从 5 万降到 5000。但成了之后，平台持续跟踪两人在 APP 上的互动，告诉你 “你有 16 个缺点、对方有 14 个，不改就要离”，再卖一个每年 5000 块的关系辅导智能体。两个人各 5000，练 6 年，总收入还是 5 万多，AI把一锤子买卖变成了每年都有的持续性收入。
“过去客户的长期价值是抓不到的，撮合完就结束了；AI 让企业能持续追踪客户、持续创造价值，客户心甘情愿年年付费。”周宏骐说。
解决了场景和收费，摆在马春荃和众多企业面前的，还有最后一道更难逾越的高墙，组织变革。
老板在台上大喊全面拥抱 AI，工具买了一堆，底下却鸦雀无声，甚至暗中抵抗。
马春荃发现，很多人以为推不动是因为员工技术不行或抵触新技术，但本质上是生产力已经跨进 AI 时代，生产关系却还死卡在工业时代。
过去工厂把人当螺丝钉，填表、审单子都按死规矩来。但国内公司的真实业务太杂了，各种特殊情况混在一起。组织要是不重新理清流程、重分分工，把这些乱七八糟的规矩梳理明白，AI 根本不知道该怎么做。
这直接引发了内部最严重的摩擦：“知其然”与“知其所以然”的脱节。
一线员工“知其然”，最清楚实际业务里有多少乱七八糟的例外角落，但他不上游管设计；高层管理者“知其所以然”，满脑子战略蓝图，却根本不知道一线每天被哪些具体杂质卡死。高层推不动，下边配合不了，AI 转型就成了互相抱怨的两张皮。
比认知断层更致命的，是考核机制的错位。
“人已经不再是工具人了，AI 把重复性动作全包了，人变成了创新的主体。”马春荃分析，如果公司还拿老一套“打卡、按动作计件”的工业逻辑去考评，就会造成极其滑稽的后果：真正用 AI 创造价值的人拿不到正向反馈，反而搞“表演艺术”的拿走了奖金。
他的破解方案很直接：砸碎大锅饭，把雇佣关系改成自主经营。
把大企业变小、分权、分享利润，让团队像包干责任制一样为自己的经营结果负责。当机械劳作交给 AI 后，把人释放出来，去干三件 AI 永远替代不了的事：拿捏尺度的灰度判断、有温度的情感连接，以及抽象建模与风险担当。
在周宏骐看来，这种组织重构对领导者提出了全新的要求。
未来的 AI 原生组织会极其扁平，几个人的微型团队就能撑起过去几十人的业务。这时候老板不能再当甩手掌柜把转型扔给 CTO，必须躬身入局去用 AI，当好把战略翻译成系统机制的“首席翻译官”。
“AI 是极速奔跑的跑车，责任始终在人。”周宏骐强调，企业在放手让 AI 跑效率的同时，必须建立起白盒追溯、双向校验和降级备份的监管体系。踩得稳刹车，企业才敢在 AI 时代的狂飙中真正往前走。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
