在生成式人工智能迅速进入企业实践的当下，越来越多的企业已经不再纠结“要不要用AI”，而是陷入一组更为棘手、却往往缺乏清晰答案的现实问题之中：AI应该从哪里切入——是先做效率提升，还是直接押注增长与创新？资源应当集中打造少数样板项目，还是允许多点试验、快速淘汰？当试点取得成效后，究竟应当继续局部优化，还是推动跨部门复制，甚至重构组织运行方式？
这些问题并非技术层面的选择题，而是关乎企业战略节奏、资源配置与治理结构的系统性决策，尤其是在家族企业中，这类问题往往更加复杂。一方面，家族企业普遍强调长期主义与稳健经营，对高风险不确定技术保持理性克制；另一方面，AI的潜在价值又高度依赖持续投入与规模化应用，过度谨慎同样可能错失战略窗口。
在商业实践中我们观察到一个普遍现象：大多数企业在探索AI项目，但是真正稀缺的是能够持续回答上述问题，并将AI从零散试点推进为系统能力的组织。不少企业在“是否规模化”“是否触及组织调整”“是否允许失败”等关键节点反复摇摆，最终导致AI应用停留在工具层面，难以进入企业的核心运行机制。基于上述现实困境，本文将从战略目标的广度与应用落地的深度两个关键维度，构建分析视角，并结合美的集团的实践，探讨企业如何将AI从零散试点推进为系统能力。
AI转型的常见断裂：为什么多数企业停留在试点阶段？
在大量企业实践中可以观察到：AI项目并不稀缺，但真正能够走出试点、实现规模化落地的企业并不多。多数企业在推进AI的过程中，往往遭遇一系列结构性困境，最终使AI停留在局部应用层面。
从实践经验看，这些困境主要表现为三类典型断裂。
第一类断裂，发生在技术与业务之间。一些AI项目在技术上具备可行性，却未能与真实业务痛点形成稳定连接，试点阶段虽能展示效果，却难以持续获得资源投入。
第二类断裂，发生在试点与复制之间。个别部门的AI项目取得成效，但由于缺乏统一的价值评估标准和组织承接机制，难以在更大范围内推广，最终演变为“孤岛式创新”。
第三类断裂，发生在应用与组织之间。当AI开始影响跨部门协同、决策节奏与权责边界时，原有流程与治理机制往往难以适配，成为规模化落地的隐性瓶颈。
上述断裂之所以反复出现，往往源于企业在AI推进过程中面临的期望与现实之间的结构性落差。在不少组织中，AI在外部被寄予高度期待，但在内部却呈现出“内冷外热”的状态。具体而言，在战略层面，缺乏清晰的AI愿景与推进路线图；在管理层面，权责划分与跨部门协同机制尚未适配AI应用的要求；在执行层面，员工对AI的认知不足甚至存在抵触情绪。这些因素共同作用，使得AI项目难以从局部应用演进为组织能力。
要走出这一困境，企业需要从战略目标的广度与应用落地的深度两个维度，对自身的AI实践进行系统性审视。
构建AI战略矩阵：AI落地深度和战略目标广度
理解企业AI转型的演进逻辑，需区分两个关键维度。
一是AI的落地深度。企业往往从概念验证起步，随后进入规模化复制阶段；当AI深度嵌入核心运营后，便不可避免地触及组织结构与治理机制的调整。即分为：概念验证、扩展规模、组织重构三个阶段。
二是AI的战略目标。在实践中，AI大致应用在企业三大重要的业务目标，即“降本增效”“驱动增长”“商业模式创新”。前者聚焦现有流程优化，中间层强调决策质量与用户价值提升，后者则可能改变企业的业务边界。
当我们把两个维度组合在一起，就形成了一张3x3 AI战略矩阵。企业可以在三大重要的业务目标下选择试点项目，再逐步将应用范围向规模化推进。
●企业可以聚焦在最核心的场景，也可以选择同时开始多个概念验证，多业务部门同时进行；
●一个试点项目在推进的过程并非线性的，而是在过程中及时调整方向：启发新的概念，或直接转变业务目标。
这两个维度交叉形成的，并非一条线性升级路径，而是一个动态演进空间。真正的竞争优势并非来自AI技术的“在场”，而是来自AI对业务流程与组织运行方式的系统性重塑。无论企业最初以效率、增长还是创新为目标，AI一旦进入规模化阶段，最终都不可避免地指向组织重构。
当AI应用从试点走向规模化，企业面临的挑战已不再是“选哪个项目”，而是“如何重塑流程、能力与协作方式”。真正的竞争优势，并非来自AI技术的“在场”，而是来自AI对业务流程与组织运行方式的系统性重塑。我们发现，成功企业通常聚焦于四个战略行动领域：
第一，流程再造：从补丁式应用到原生集成。领先企业并非在既有流程上简单叠加AI功能，而是重新审视端到端业务流程，围绕关键决策点与信息流设计新的工作方式，并以整体流程成效而非单点效率作为衡量标准。
第二，能力固化：从项目管理到系统化能力。AI不再作为特殊项目存在，而被嵌入日常运营体系，通过平台化工具、能力中心和标准流程，逐步沉淀为组织的基础能力。
第三，持续迭代：从静态应用到系统学习。AI的价值并非一次性释放，而是依赖于数据反馈与持续学习。通过建立反馈闭环和动态评估机制，AI能力得以随业务需求不断演进。
第四，组织协同：从技术孤岛到跨域整合。AI转型往往要求打破部门边界，通过跨职能协作、激励机制调整和决策流程重塑，使数据与AI洞察成为组织运作的常规输入。
美的集团：一个可观察的演进样本
在中国制造业中，目前能够将AI从效率工具逐渐发展为系统能力的企业并不多见，美的集团提供了一个具有代表性的观察样本。
作为一家起源于家族企业并成功实现高度职业化治理的制造业集团，美的既具备长期投入数字化与智能化战略耐心，又拥有高度复杂的制造场景与全球化业务体系。自2012年起美的集团已投入超过200亿元推进数字化转型。2024年，公司进一步组建AIGC战略小组，确立三大目标：提高工作效率、激发员工创造性、提升产品竞争力。
美的AI战略最显著的特点是严格基于ROI的落地方法论，确保每一项AI投资都能产生可衡量的业务价值。
美的楼宇重庆工厂是全球中央空调冷水机组行业首座全流程AI赋能的灯塔工厂。其不仅是美的集团内部智能制造转型升级的样本，也为美的绿色工业赋能全球制造业的智能化发展树立了典范。
● 81%的选型周期压缩：该工厂基于多物理场仿真构建了一个包含100多个高精度物理模型的数据平台，实现最优选型并一键自动报价；
● 45%的设计效率跃升：使用美的自研PLM从23万个历史设计图纸中提取设计参数的数值信息，结合AI算法实现换热器和管路的智能设计；
● 31%的维修率下降：iBUILDING Service系统实时监控全球机组，故障预警精准度堪比“设备心电图仪”，提前48小时拦截90%的潜在故障，并通过i管家APP和i能效系统智能化的推送运维改善建议。
在美的，AI项目的价值必须通过财务部的“降本测试”。公司将AI深度融入企业运营各环节，建立了一套可量化的价值评估体系，实现了从内容创作到客户服务再到研发流程的全面效率提升。
文生图：电商视觉内容生产的革新 美的集团利用AI文生图技术在2024年上半年生成了超过30万张电商和内部宣传图片，直接节约了原本需要外包商完成的高成本视觉内容制作。美的自主开发的M-design平台彻底改变了传统的“Brief Agency”工作流程，使设计人员能够直接在平台上输入需求并获得AI生成的图片。财务部门通过比较原先人工制作同等质量图片所需的人力成本，精确计算出AI应用带来的降本价值。
智能问答：企业知识管理的效率跃升 美的智能问答系统覆盖HR、IT等内部知识领域以及客户服务场景。在客服领域，美的建立了两个核心评估指标：
●“直通率”：衡量机器人直接应对客户而无需人工干预的比例；
●“采纳率”：评估AI回答被用户接受的程度。
这些量化指标使美的能够精确评估AI在客服场景中创造的价值，有效减轻了人工客服的工作负担。
美的利用AI技术全面提升产品体验与用户互动，实现了从硬件性能到营销触达的完整价值链优化，为业务增长注入新动力。
● AI赋能交互技术：智能家居生态感知升级 美的将AI技术深度融入产品体验，通过升级语音交互和语义理解算法，实现了用户与产品之间更自然、更高效的交互。在空调产品上，AI控制算法优化带来显著的节能效果；在扫地机器人和烹饪产品上，视觉识别技术大幅提升了设备感知环境的能力。
● VOC 项目：用户声音的智能分析 美的Voice of Customer项目利用生成式AI技术替代传统自然语言处理模型，能从互联网评论中自动提取用户见解。系统能够智能识别评论的情感倾向，归纳主要观点，并将这些洞察直接转化为产品改进建议。这一系统显著缩短了从市场反馈到产品迭代的周期，增强了美的捕捉新兴消费趋势的能力。
美的通过系统化的组织架构设计，实现了AI技术与业务需求的无缝对接，建立了从基础设施到业务应用的全链路创新支撑体系。
四层AI应用支撑体系：
●基础设施层：由软件工程院负责IaaS基础设施，包括数据中心建设；
●算法平台层：AI研究院维护的AI算法管理平台，统一管理各类算法模块；
●应用集成层：企业数字化平台（EDP）下的应用中心负责集成开发；
●业务应用层：通过IT经理制度连接技术与业务，确保技术对业务需求的精准响应。
业务驱动的AI开发模式 美的采用业务需求驱动的AI开发模式：AI研究院负责公共性、基础性的算法工作，各事业部负责特定领域的定制化应用。这种分工确保了基础研究的深度与应用落地的效率能够并行不悖，同时通过明确的费用分担机制（通用技术由集团战略性投入，特定应用由事业部支付）实现了资源的优化配置。
家族企业AI转型的真正分水岭
从美的集团的实践可以看到，AI转型的真正分水岭，并不在于是否采用先进技术，而在于企业能否将AI从局部试点转化为系统能力。这一过程往往经历从内部效率验证，到业务增长驱动，再到组织与治理机制调整的渐进演化。
对家族企业而言，AI并非必须一开始就承担颠覆性创新的使命。相较于直接押注前沿应用，从贴近核心价值链的效率场景切入，通过严格的价值验证机制建立组织信任，往往是一条更为稳健的路径。但当AI应用进入规模化阶段，技术问题往往不再是主要障碍，组织分工、决策结构与治理机制是否适配，才是决定成败的关键。
在AI日益成为基础设施的时代，企业之间的差距，将不再体现在“是否部署AI”，而体现在谁能够将AI纳入长期主义框架，使其成为可持续演进的组织能力。
（案例部分出自《AI时代的商业进化蓝图》白皮书，中欧×特赞AI与商业创新研究基金，中欧国际工商学院，2024.本文作者王琪是中欧国际工商学院市场营销学教授、市场营销学系系主任、中欧AI与营销创新实验室研究主任、中欧x特赞AI与商业创新研究基金执行委员会主席；李子贤是中欧国际工商学院市场营销学助理研究员、中欧AI与营销创新实验室执行团队成员、中欧x特赞AI与商业创新研究基金执行委员会成员。图片来源于网络，若涉及版权问题，烦请联系我们。本文详见于【《家族企业》杂志2026年2/3月合刊】未经本刊授权，不得转载；经本刊授权转载的，请注明来源。）