为什么大多数企业还没吃到AI红利？前提是“组织底数”大于1

积小胜为大胜，AI变革可以有序开展。

作者/番茄酱

出品/新摘商业评论

1987年，诺贝尔经济学奖得主罗伯特·索洛提出了一个经典的判断：

“计算机随处可见，唯独没有体现在生产率统计里。”

这句话后来被称作“索洛悖论”：

一项革命性技术人人谈论，却在最该体现它价值的财务账本上，找不到踪迹。

历史是惊人的相似，AI时代，索洛悖论在企业级AI上重演：

每个人都在讨论AI，企业每天都在用AI，但翻开企业的财务报表和生产率统计，AI的贡献却捉襟见肘。

麦肯锡2025年AI应用现状调研指出：

全球88%的企业已常态化使用AI，但仅有6%的企业能统计到可测量的收益。

症结在于哪里？答案是，企业用AI的方式出了问题，没有与AI战力相配称、把AI转为生产力的系统底盘。

8月12日西普会上，美团核心本地商业CEO王莆中首次对外复盘美团AI变革经历的四个阶段，他以“索洛悖论”开场，直指AI产业的真实困境：

智能供给无比充沛，但企业侧的系统性错配正在把红利挡在门外。

基于此，王莆中宣布，将内部的跑通的AI模型和系统级底盘向全行业开放，这是首个从互联网平台内部实战提炼、面向传统行业提供的，低成本AI系统化方案。

今天我们就来聊聊，为什么大多数企业未能将AI转化为生产力，以及美团的系统级方法，能给在挣扎在AI转型中的传统行业，提供哪些维度的战力赋能，让他们少走哪些弯路、少踩哪些坑。

一、为什么88%的企业在用AI，只有6%正收益：

症结在于五个错配

王莆中在演讲中一针见血地指出，AI的生产力难题本质上是“错配”。

那么错配在哪里？王莆中把它拆解为五个层面。

第一是认知错配，对于AI的认知不清楚。

很多人认为上了AI什么都能解决，好比觉得请了一个员工可以做所有工作；还有人认为AI全是错误谬误，有大量的幻觉，基于算力的推导不符合真实需求。

两种极端情况，要么把AI抬得太高，要么觉得AI一无是处，结果是一样的：

投入打水漂，或者根本不敢投入。

第二是效率错配，最好的模型用来发邮件、改邮件、做PPT、聊天，没有用在刀刃上。高性能模型被消耗在低价值场景里，钱花在了刀背上。

第三是场景错配，AI发挥作用的场景往往还停留在企业经营的外围，没有进入内核。做得了诗，算不清库存，聊得了天，做不了风控。AI在企业最需要它的地方，缺位了。

第四是考核错配，很多企业买了一批“原材料”，就指望马上看到财务回报。但AI真正产生效果，需要企业内部做大量的流程和组织改造。

看不到效果就放弃，这是当前绝大多数企业的真实写照。

第五是流程错配，企业将AI引入工作流，需要面对人和机器、人和设计之间的流程重构，是很困难的。

企业引入AI，并不像过往增加一个员工那么简单，可能需要面对的是一整个系统流程的重新搭建。

归根结底，绝大多数的企业系统搭建还远未到及格线，王莆中用一个精妙的数学公式做类比：

AI是指数级技术，但享有红利的前提是组织底数大于1。

AI能力是指数（n），组织管理是底数（x）。当x大于1时，AI指数越大跑得越快；当x小于1时，发动机越强劲，底盘越容易散架。

这解释了为什么同样用最先进的模型，有的企业两天跑通一个方案，有的企业烧了几百万看不到任何效果。

五个错配的本质，正是“底盘”出了问题，这些问题的解决，不能靠换一个更强的模型一劳永逸，只能靠企业自身醒悟，在组织层面进行系统性进化。

二、美团AI变革四阶段：

从“全员养虾”到“三位一体”

王莆中感慨：“企业做AI转型，难度一点不亚于甚至远超过上个时代从传统企业转型数字化企业。从数字化转型成AI驱动的企业，难度是更高的。”

为什么更高？

因为数字化转型的核心是“流程上线”，是相对线性的工程问题；而AI转型的核心是“决策替代”和“经验复制”，它要求企业重新设计业务流程、重新定义岗位职责、重新搭建组织协同方式。

那么，具体而言，企业该如何进化？美团自身又是如何进化的，进化路上踩了哪些坑？

王莆中一点也没有把大家当外人，他深度分享了美团AI变革的“踩坑史”，让大家感慨，AI落地没有捷径，但在踩坑后，能总结出最优路径。

美团的第一阶段，是全员“养虾”。今年二三月份，随着OpenClaw的兴起，美团开展了一场轰轰烈烈的“养虾运动”，公司10万人，配了8万只AI助手，两个星期产出10万个skill，token无上限，用最贵的模型。

上至董事长，下至基层员工，每个人都在跟AI聊天、发文件、做分析，全员对AI建立了直观认知。

但代价也随之而来：账单开始爆炸，一天消耗一千万元；安全权限管理失控，各种谬误开始对真实经营产生破坏。

于是，很快，美团来到了第二阶段，转向顶层设计，大家悟了：全员“养虾”行不通，必须从自上而下提出真正的变革方案。

4月份开始，美团从顶层着手，成立了分型AI组织，每个大的事业部都配置了相应的AI力量。

美团总结出的核心经验是，需要一套行之有效的转型步骤，才能真正有序地把全员对AI的积极性转化为生产力。

接下来，就是第三阶段，项目赛马，到了六七月份，大大小小上千个项目上马。美团一边赛马一边梳理方法，最终总结出来最关键的结论：

不能把AI转型寄希望于CTO、CIO或者数字化总监：

“美团有两万名产研同学，单点出马都不能完全解决问题。最终是业务、组织、技术结合，才解决了问题。”王莆中回顾道。

最终，美团摸索出一套可复制的企业AI转型思路：

实质是业务设计+组织变革+技术应用的系统性一号工程，绝非仅靠CTO或技术部门就能推动，必须由一把手牵头，让业务、HR、技术三方形成铁三角，才能真正把AI能力转化为实实在在的经营效率。

三位一体，美团AI终于跑上了高速路，相应方法梳理清楚了，内部的产品和流程跑顺了，效果显著：

“比如，我们过去用人做这个流程，一个方案一到两个月。我们把人的经验提取出来之后沉淀到AI里面，把人跟整个流程重新设计，现在我们两天可以跑一个新的。”王莆中如是说。

重头戏在后头：接下来，美团就来到了第四阶段，方法沉淀与对外开放。从评估开始：流程梳理、优先级排序、变革的组织管理，最后到技术方案。

美团把在医药事业部跑出来的25个案例、一套可复制的企业AI转型路径，以及基于LongCat训练的行业模型，封装成产品向全行业开放。

三、美团向全行业开放技术底座：

医药行业率先跑上“AI高速路”

来看实战效果：

我们了解到，美团以医药行业为试验田，跑出了25个项目，其中三个场景的改造效果尤其典型，在我看来，它们恰好对应了效率账、经营账和组织能力账三个维度。

场景一，是门店巡检的效率账，传统做法是一周两次，一次一天，纯人工巡检，AI加持后是15分钟自动巡检，效率提升了数十倍。

这笔账相对好算，时间省了，人力解放了，巡检频次上去了，但它的意义不止于“省”，更在于管理颗粒度发生了质变。

场景二，是库存管理的经营账。传统做法是人工盘点、凭经验补货，断货和积压并存。AI加持后是智能库存管家，数据驱动，实时预警。

以科赴（Kenvue）为例，过去追踪库存需要梳理繁杂数据，再逐层传达至一线销售，周期长、损耗大。

如今在生意复盘与异动预警AI工具的协同下，一线人员可直接接收重点门店的库存异常预警报告，人效提升超过30%，补货速度提升70.9%。

这笔账显然可以进入利润表：库存周转加快、缺货损失减少、人员效率提升。

场景三，是需求洞察与经营分析的组织能力账。在连锁药店的试点中，美团与老百姓大药房重点在需求洞察层面进行共建，让AI基于数据分析识别需求上涨的机会，推动高温季藿香正气月销增长150%。

在全域经营分析层面，经营专家智能体助力漱玉平民68个城市的数据分析从每次2小时压缩至自动推送日报、5分钟通览。

在我看来，这笔账的浅层意义在于“降本增效”，深层意义，在于把专家的能力复制给了更多人”。

我们可以大胆推向，过去一个数据分析师花了两年积累的行业判断力，以后，AI可以在短时间内让每个门店店长都拥有类似的洞察能力。

这是组织能力账，它不进当月的利润表，但决定了企业长远的竞争占位。

而这些能力，都离不开一个强大的底座赋能，美团的优势则在于更懂行业：

基于LongCat训练的行业模型、千万级高质量会话数据、15万药品说明书及医学知识图谱，落在产品形态上，一个是面向消费者的小团健康管家，背后对接药店和医生资源；

另一个是面向合作伙伴的CatPaw商家AI工作台（2B）”，定位不是通用AI工具，而是“真实数据+实战模型+经营数据打通”的行业方案。

值得一提的是，王莆中还给出了美团的明确承诺：“美团不会做线下药店，我们永远是行业的数字化和AI的小帮手。”

美团想做行业的智能基座：

它开放的是一套经过内部验证的AI系统，包含行业模型、经营方法、组织变革路径和经营数据打通能力，包含对行业的深度整合理解。

对于行业伙伴而言，不需要重走美团踩过的坑，可以直接复用平台已沉淀的行业know-how。

在此基础上，王莆中给企业，尤其是中小企业的具体行动建议是，从高价值场景切入，先想清楚“AI能帮你省最多钱”的那个环节是什么。

“积小胜为大胜，AI变革可以有序开展。”

诚如所言，在巨人肩膀上进行变革，在行动中迭代，在迭代中沉淀，在沉淀中构建真正的智能时代企业护城河。

这也让我们感慨，AI产业已经走完“模型军备竞赛”的上半场。上半场的赢家，是研发最强模型的公司，下半场的胜负手已经转移，在于谁能帮传统行业把“底盘”搭好，让AI在真实场景里跑出成绩。

© 本账号长期数据支持来自天眼查