商业智能体转型的10个判断，只在这里聊（闭门会限量席位开放）

每一次技术革命，都在重写同一个问题：一家公司真正的资产是什么?

蒸汽机时代是机器，互联网时代是流量，AI 时代回到了人——判断、品味、对用户的理解。当模型成为人人可租的基础设施，拥有工具不再构成优势，竞争开始发生在工具之外。所以我们的判断是：未来的公司，不是"用 AI 的公司"，而是"成为智能体的公司"。这是一次身份的重写，不是一次工具的升级。Agent，这个季度就能买到；而 Agentic transformation——变成一家不一样的公司——只能靠企业自己。

9月24日，特赞创始人范凌将在混沌课堂带来课程《商业成为智能体 Agentic Transformation》。以下有10个核心判断，都将在这堂课上完整解读。

*本课程上线后仅限混沌会员观看，现限时开放免费线下参与机会，欢迎扫码报名。

AI 是一个内卷的技术

所有技术的本能都是优化：更高、更快、更强、更准。AI 是这件事的极致版本——它能把所有人在同一个方向上做到最优。

但这里有一个根本性的陷阱：当一个工具人人都有，它就不再是优势，它变成新的及格线。供给侧的优化，没有天花板，也没有差异化——因为目标函数是公开的，所有人用同样的工具朝同一个方向跑。

企业再也不能卷极致性价比了。要找到一群被精准理解的人，用最好的产品和服务，满足他们未被满足的需求。降本增效是今天的底线，不是明天的壁垒。

机会不在自动化，在"不一样"

自动化是所有人都在做的事，用的是同一套工具，跑向同一个终点。这条路的结局是：效率更高，差异更小。

真正的机会在另一边：能不能让你的品牌变得 distinctive——把那些让你不一样的东西规模化延续下去。具体来说，是品味、判断、和用户之间的亲密感。这些东西在今天之前无法规模化，它们活在少数几个有经验的人身上，一次对话一次对话地传。

AI 第一次让这件事变得可能——不是让你更快地产出更多内容，而是让你独特的那部分，可以以规模运行。

主观世界模型，重新理解人

数字化时代，我们对用户的理解是通过标签。CRM、CDP，里面有大量描述：女性，28 到 35 岁，一线城市，高客单，浏览过三次，买过两次。

这些数据每一个都是真的。但你没办法用它们把一个人拼回来。标签是行为结果，不是行为动机。再多的点，也不会告诉你：她为什么买，她希望这个东西替她说出什么，以及什么会让她停下来。

真正理解一个人，需要的不是更多标签，而是能够理解她的内心逻辑、矛盾和偏好的模型——一个具体的谁，而不是一个分层。这正是 AI 刚刚开始能做到的事。

最有价值的上下文，还没被写下来

企业的数据分两类。一类是结构化数据——能放进 Excel 的东西，ERP、CRM、销售记录。过去三十年的数字化，解决的基本都是这类。

另一类是非结构化知识：为什么这张图行而另一张不行，这个口味三年前试过为什么砍掉，这个联名数据看起来好但不像我们。这些判断活在评审会的讨论里、被否掉的方案里、返工的记录里。它们是企业真正积累的知识，但没有一条是机器可读的。

过去不是没人想整理，而是介质不对——没有技术能处理这些。现在 AI 可以了，而这些非结构化的默会知识，才是企业竞争力真正所在的地方。

默会知识是复利，显性知识是负债

知识哲学家 Michael Polanyi 有一句话：我们知道的，多于我们能说出来的。你最好的创意总监能看着两张几乎一样的图，告诉你哪一张对——但你让她把规则写下来，她写不出来。不是她藏着，是"知道"本来就大于“说得出来"。

这两类知识，价值完全不同。凡是能被清楚表达的、能写进手册的，AI 都能学走——而且会越来越快。 那类知识时间在摧毁它，每年都在贬值。

但默会知识不一样。它做得越多，通过 AI 的沉淀，产生的是复利效应。三十年的手感，不是一年手感的三十倍，它是另一种物质。你持有它越久，越固执地做下去，量就会变成质。

个人生产力提升，公司生产力原地踏步

这是当下几乎每家企业都在经历的悖论。去问你们组织里任何一个人——AI 让他快了两三倍。再看整个公司的产出——基本没变。

原因并不神秘：我们把"业务"当成了常量，把技术当成了变量。所以技术的工作，是让我们把原来的事情做得更快、更省钱。流程一寸都没动。

要跨越这道坎，需要把业务本身也变成变量——重新想自己在做什么，哪些环节应该由 AI 主导推进，哪些判断节点需要人介入。这件事不难理解，但它意味着不是买更好的 AI 工具，而是重新设计那张“平面图"——就像当年电气化工厂花了三十年，才把围绕蒸汽机排布的布局，改成围绕工作流程排布。

Copilot 只能聪明 20 秒

人用 AI，是每次触发才发生——你打开对话框，提问，得到输出，然后结束。不触发，就不发生。这种方式已经能让个人效率大幅提升，但它有一个根本局限：如果人不在，它就停下来了。

真正改变组织的，是另一种模式：AI 7×24 小时在后台持续运行，不需要人天天下指令。它自己推进流程，在需要人类判断的节点才来问你。不达目标不罢休——今天不行，明天再试。

更重要的是，这种 Agent 不会重置。第五天，它对你这家公司的理解，好过第一天。每一次你否决一个方向，都在教它一点东西。这才是让"越用越懂你"成为真实的机制，而不是一句营销。

企业AI转型瓶颈：1:2:7

我们每年做一个非正式问卷，问企业家朋友：你们 AI 转型最大的瓶颈是什么——模型、数据，还是人和流程？样本约 100 人，一半外企一半民企。

2023 年，最大瓶颈是数据；2024 年是模型；2025 年三项比较平均。到了 2026 年，出现了断崖式变化：10% 是模型，20% 是数据，70% 是人、流程和组织。

这个数字背后有很清晰的逻辑：大家租的是同一个模型，所以模型不再是差异；世界上大部分知识已经在模型里，数据的边际价值在降低。剩下的 70%，是你怎么组织、怎么决策，以及你敢问什么。花更多钱买技术，动不了这个数字。你所有的钱都花在了那 10% 上。

AI 是反工业化的

工业化的核心逻辑是超细分：把一件复杂的事拆成各个工序，每个人专注一环，通过专业积累走向成功。这个范式运行了两百年，也让我们每个人变得越来越“窄"。

AI 把 0 到 80 分变得容易，让先干后学"第一次真正可行。你不用先学完 JavaScript 才能写代码，不用先学完设计才能做出一个原型。你可以先动手，感兴趣再深入，不感兴趣就不需要。这是文艺复兴式人物的工作方式——在多个领域同时推进，靠品味和判断整合，而不是靠单一专业积累。

机器拿走了计算，把那个让我们真正有趣的部分还给了我们。不是更快的执行，而是判断力本身。

拿 80 分去够你从来没到过的地方

如果 Agent 可以可靠地交付前 80 分，那 80 分就不是需要补上的差距——它是你开始的地方。

错的问题是：“ 现在人来完成最后那 20，我们就到 100 了。"——那还是旧的野心，100 一直都是那个目标，而且所有人都会到那儿。

对的问题是：如果我们从 80 分开始，能走到多远？110？120？200？

我们问过一个合作伙伴，他们用 AI 做产品研发，从 0 到 80 分交给 Agent，人再接手。“ 做到了多少分？"他们说：90 分。我们说有一点失望——“ 原来只能做到 100，现在我们应该能做到更多。80 分应该让你去做一件你原来做不了的事，而不是把原来八小时的活变成两小时。"

没有人知道上限在哪里。因为从来没有人从 80 分开始过。

9月24日，线下3小时闭门分享，限时免费，仅限20席。

报名需审核，审核结果与活动地址将通过邮件发送。

限时免费，扫码预约