2025人工智能计算大会(AICC2025)特别设置了“AI会客厅”直播活动,首场对话中,美的集团美云智数营销中心副总经理宋兴与AI领域头部媒体智东西总编张国仁围绕ABI(AI赋能的商业智能)话题展开了深入探讨。
随着数据成为企业核心生产要素,传统BI工具因封闭架构与技术壁垒,难以满足企业实时动态决策需求,AI与BI的融合成为发展趋势。在商业智能向智能化转型升级过程中,AI和BI分别扮演何种角色?推进转型的最大卡点是什么?在智能制造、企业出海等应用场景中,AI如何赋能企业决策更加高效?新业态下什么样的人才最具竞争力?
本次对话中对以上问题做出了探讨回答,文章内容根据直播整理。
张国仁:首先欢迎美的集团美云智数营销中心副总经理宋兴,宋总曾经在IBM、微软、Oracle多个头部企业任职,2023年加入美的之后一直负责数智营销工作,在企业管理和数字化转型领域拥有非常丰富的经验。
关于今天讨论的ABI话题,就是AI+BI,人工智能+商业智能。AI大家已经非常熟悉了,但应该如何通俗理解BI这个词,以及有哪些最典型的应用场景,请宋总先简单介绍一下。
宋兴:BI也是一个比较老的词汇,它主要指通过数据挖掘、数据展现等手段,对数据进行分析,为企业做些角色支持的工作,赋能业务。它的场景也比较丰富,在企业里比如通常说的领导的驾驶舱、领导看的报表;具体到部门级的BI包括财务分析、财务报表、销售报表等。
张国仁:(BI)现在跟AI碰撞到一起正在发生怎样的变化、产生怎样的火花?
宋兴:AI发展给BI以及整个商业分析提供了很大的助力。今天企业面临的市场变化越来越快,客户要求越来越高,越来越内卷。对企业来说要更快速地洞察市场需求,能够提供策划自己新的产品。因为随着企业从过去几十年的高速发展,变成今天存量市场的发展,大家对企业的内功要求提高,企业自身的效率、成本都离不开企业精益化的管理分析,这也是现在需要AI助力企业很重要的部分。
张国仁:有一组数据预测,中国的ABI市场在2024年到2028年复合增长率将达到42%,爆发性增长背后的核心需求来自哪些方面?
宋兴:主要是企业内外部对于BI的新要求,今天企业更需要在不同层面,抛开经验主义或者过去在不同业务领域做业务,抛开人的经验,把企业的知识和成功的地方结构化,沉淀成企业的一种能力。这个时候就必须需要AI的助力,今天我们对ABI有这样巨大的需求,年复合有这么大的增长,是因为只有把企业能力、知识、经验沉淀在系统里,AI帮我们建立模型、提供更好的决策支持,甚至能够帮我们主动做一些决策,这样的话肯定会给企业的发展、竞争力、提效带来非常大的好处。
张国仁:我觉得这个问题可以和您第一个回答结合起来讨论,这种需求是由外向内还是由内向外的更多?是外面的发展促使你必须做出改变,还是一些企业在当下的发展环境主动求变?
宋兴:我觉得这两点是融合在一起的。如果说外部的竞争压力大,由一个增量市场变成存量市场,一定会倒逼企业去提效。比如新能源汽车,整个市场价格变得竞争比较激烈,如果企业自身效率高、成本低,以相对低成本保证好的品质,那这个产品一定会更具竞争力。外部的压力会促进自身不断地提高要求,把管理和业务做到更精益,不断精益求精。
张国仁:说到BI商业智能,制造业是很重要的排头兵,在制造业推进数智化转型过程中会面临哪些卡点和挑战?
宋兴:我理解有两个大卡点。一个是对企业来讲,可能不是每个企业都把数智化转型当成一个很有战略定性去做的事情,因为本身这件事情是一个长期的投入,一两年的短期投入不一定能看到比较大的效果。所以很多企业也许做一些投入后没有看到很好的效果,就会变成阶段性、短期的,或者是波动性的,这个对数智化是不利的。
另外谈到数智化转型,本身转型这两个字还是很深刻的。转型背后不仅仅靠数字化、智能化的手段,往往会带来管理和业务的转型和变革,数智化转型是支持企业管理和业务转型变革或者进化的工具和手段。企业引入一些数智化的系统,但是在业务和管理上的变革如果不配套,甚至业务管理变革不走在前面,或者说业务部门管理领导不深度参与的话,往往数智化转型成功的概率不是很高。
张国仁:所以从要决策者,从管理上牵引数智化的变革。
宋兴:是的。
张国仁:在应用场景优化方面,比如说制造业和供应链出海,AI是怎样赋能决策变得更高效的?
宋兴:第一类是通过场景化的AI应用。比如问销售下降了50%,为什么下降、在哪些区域下降了,其实今天已经用在了企业的研发、生产制造、客服、销售等过程中。
第二类稍微深入一点,是把AI融到企业的业务流程里面。我举个例子,我们在做供应链计划,像大型的制造业,从前端销售预测、需求预测,到产销协同,到生产的主计划、物料计划、采购计划,是很长的一个线条,过去如果在一个很长的线条,某些环节做得不够好,可能整个供应链的效率就不够高。今天我们通过AI做一些智能预测,智能补货,智能排单分单,智能选择生产地,由哪个厂生产,这样的话会极大提升排产。
第三类再往上看更尖端的,就是真的通过AI、通过智能体自动做一些决策,由智能体代替人做决策,这些决策会应用到业务和管理里面,这是这三类。
张国仁:一是防守防御性的策略,二是主动性的去做一些执行,对于业务的拉动和保障应该都是非常有效的。我们下一个话题跟管理者或者每一个企业员工都相关,在这种新的AI赋能的商业模式下,企业管理者和员工、技术之间的关系发生怎样的变化?
宋兴:这个变化很多,现在很多企业都提到全员AI,从员工到管理者都要积极参与AI,拥抱AI。具体来说,我们提到从技术人员,过去数字化时代技术分底层、硬件、软件,在数字化2.0时代,可能会诞生叫数据经理,数据人才,数据专家。这些团队发挥的作用是在传统IT和业务之间建立一个数字化的桥梁,一方面懂IT,懂数据,另一方面懂企业的业务。在中间能很好地把企业需要用什么数据,数据来源在哪里,怎么治理数据等提供给各个层面的员工,给领导赋能。
在AI时代,一方面很多企业有了算法部门,有专门的算法工程师。另一方面数据部门今天依然很重要,叫知识部门,把企业的Know-How这些业务规则解构化,变成企业的知识。但在上层还是离不开每一个员工的深度参与,我看到很多大企业,一方面从上到下推进AIGC项目,同时又鼓励员工自己开发,因为现在很多低代码,甚至无代码的工具,员工创造自己的智能体,更多是为了让全员积极拥抱AI。
张国仁:如何去让员工主动学习和使用AI?尤其对于传统行业企业来说。
宋兴:我个人的观点,其实这个门槛并不是很高,当然有的同事们是理工科背景,有的是文科背景,背景不一样,我觉得这个并不重要。我觉得几个层面,第一从获取的途径,今天很多企业自己有AI相关的E-learning培训。而且在社交媒体上能获得面向入门者的AI教程非常多,获取AI知识的途径非常多。
第二从门槛来讲,我刚才举例美的集团有9009个智能体,其中大部分都是员工自发去构建的。我们大部分员工是制造业背景,甚至可能不是理工科,现在有这种低代码、无代码,通过拖拽形式就能轻松配置好的智能体。我们现在也在推进企业面向员工的AI工作坊,可以两天的时间让一个员工从零到一,从小白到能够初步搭建一些智能体,我们也在推进普及的工作。
张国仁:回到美的,美的是家电领域的领导企业,在制造业做了很多智能化的探索,同时也在把自己的能力赋能到其他行业。具体到美的,您可不可以稍微展开一下,在科技+数字智能化推动的全球企业转型实践中,ABI在如何发挥价值?
宋兴:具体ABI发挥价值,我举两个例子。一个是我们今天开拓一个新的市场,尤其很多品牌都走出去,美的也是走出去,特别是海外相对陌生的市场。可能过去往往要靠经验,这个市场消费者喜欢什么样的产品,我们往往靠经验去先投放一下试一试,但是在ABI时代有很多手段,收集当地市场客户的需求,由此去制定一些产品的推广策略,甚至通过ABI可以把产品的在不同市场不同的配置,把它能够相对精准的设计出来,这样投放的就有比较高的成功率能得到消费者的喜欢,甚至说打造出某些爆品。这个是在销售场景。
我再举一个在设备管理的场景,因为我们制造业的设备是很多的,工厂有很多产线的设备。设备总会出问题的,过去其实我们很难预测某一个出故障,这都是概率问题,出了问题后会手忙脚乱,找各种手册去维修它,维修后整个事故从产生故障再到维修的过程也没有很好的沉淀。今天有了ABI的手段,通过大量的联机把设备状态取上来并建立相应的模型,我们就可以提前预测一些故障,提前准备好备品备件和维修计划。维修过程也可以通过问答大模型很快找到维修方案,快速解决故障。最后整个事前事中过程通过大模型沉淀下来,还可以变成企业知识,下次再发生问题可以提前准备,时间更短,效率更高,效果更好。
张国仁:等于这个工具也在不断进化。您前面举的例子很有意思,在产品定义和推广过程中都可以用ABI结合方式去做。我还是想回到最开始对ABI的定义,AI+BI,可以如何拆解来看哪部分用了AI,哪部分用了BI,商业智能和人工智能结合。
宋兴:我这么看,BI就是我们做商业分析或者商业决策,叫业务决策吧。AI是一种增强型的,把AI的能力注入到BI里面去,比如说刚才提到的预测性分析,我们可能还要通过传统的方式提取、加工处理数据,这是BI的部分,是用传统的方式分析、加工、处理、展现、决策。AI能加快这个决策,帮我们找到这个决策背后的根因是什么,让决策更准确、更有深度。传统BI我们看到很多数据和报表,不是一眼能看到问题,这个问题还要根据个人的经验再去定位和解决问题。今天这个过程是一个专家系统辅助我们去使决策更精准,更有深度,更加有效。
张国仁: 我们知道美云智数也做对外赋能,如何把你们的经验赋能给其他行业或者其他企业,这一块是怎么做的?
宋兴:对外赋能是美云智数的主业,今天绝大部分业务对外服务,我们也服务了1000家制造业客户,也是各个行业。
张国仁:哪个行业比较多?
宋兴:装备制造、汽车汽配、农牧食品、化工制造,可以说制造业的行业都有涉猎。谈到行业Know-How和通用AI之间的关系,两者是相辅相成的,AI提供技术能力和技术手段,但行业Know-How也是非常重要的,尤其在对外界输出一个行业AI或者业务AI,能够给企业带来价值。
行业Know-How跟通用AI能力如何结合,我们认为中间一个重要的桥梁是知识管理和知识运营。知识是我们把AI和Know-How连接起来的一个工具,换句话说,我们要把这些行业的、包括一个客户的Know-How,把这些好的实践结构化、体系化成为知识,进到知识库里,在知识库里不断完善优化,运营它等等,让它能够为AI所用。这样的话久而久之形成一套体系和方法,我们认为也是比较行之有效的。
张国仁:这里有几个问题,咱们再展开探讨一下,按您这么说,美云智数一方面赋能行业,另一方面自身也必须要走在行业前列吸收最新的AI能力,我们知道AI圈现在卷人才,卷算力,还是挺卷的,投入也挺大的,所以咱们在人才方面要符合新时代的需求,是如何构建的?是不是新兴AI圈去挖人,还是说更多去传统行业找,这块是怎么构建人才的能力?
宋兴:首先我觉得是肯定要去吸收好的人才,因为AI最前沿的领域,肯定离不开人,人的要求也是比较高的。特别是对人的学习能力,各方面的能力要求也是非常高的。
另一方面我们更看重的是能把AI和传统行业或者行业Know-How结合起来的这样一些人才,我觉得是更加稀缺的。因为今天做AI,尤其我们是一家服务中大型制造业的一家企业,对我们来说,我们的解决方案,我们产品一定要能给客户带来价值,不光帮客户降本增效,因为制造业一般追求是降本增效提质,提升销售,提升客户体验,无非这些点,我们一定要围绕这些客户的点展开。但真正要实现这些点,只靠纯技术AI肯定是不行的,要理解某个行业,理解某个客户,同时又能把美的的一些实践,例如精益、T+3主业运营、管理上的实践再结合起来,一些好的实践结合到某些行业,迸发出火花。其实这里面对人的综合能力是比较强的。
张国仁:另外有一个细节也想跟您探讨一下,前面您也提到智能体的话题,你们企业有很多智能体是自己构建的,这个逻辑是怎样的,有怎样的方法搭建这个生产Agent的工厂,这一套可不可以简单梳理一下。
宋兴:我简单回顾一下,我们整个AI搭建分2023年初到2023年底,2024年、2025年三个阶段,第一个阶段主要是接入外部公有云的大模型大模型,2023年GPT3.5刚刚推出,看到大模型的一些效果,大家都非常踊跃,我们也是通过接入的方式快速地得到大模型的算力或者Token的使用。在2023年底开始逐步搭建私有化,我们自己去购入显卡去搭建数据中心,包括在上面搭建一些私有化部署的模型,在上面再搭建一些组件,比如做翻译、问答等这些。同时我们也搭建了算法平台,我们自己的一个私有化的算法平台。这样的话,从2024年开始很多小伙伴们利用私有化的算法平台和开发平台,在上面通过配置拖拽大家能够自建一些模型,这也是我们在2024年一个大发展,雨后春笋,大量的模型开始出来。我们在2024年一年测算了通过AIGC给整个企业带来的降本有1.6个亿。
张国仁:对内还是对外。
宋兴:美的内部的。从2024年下半年开始,逐个大模型深入到企业业务和流程里面去,通过工厂智能体、工厂大脑做深度的融合,甚至帮我们业务流程做一些优化,进一步帮我们提效降本。
张国仁:您说这三个阶段是不是还没有到规模的向外赋能的阶段。
宋兴:我们从2024年开始逐步向外赋能。像我们现在已经有6到7个客户做AI的赋能,其中有两个已经上线了,还是取得了一定的效果。所以整个AI这一套制造业解决方案也是我们明年重点要打造的,我们非常重要的一个业务方向。
张国仁:传统的数字化美云智数已经服务了上千家来自不同行业的企业,用全新的AI的方法,从2023年、2024年、2025年逐步构建这一套新方法,接近10家典型的用户。我觉得这个过程还是蛮有借鉴意义的,也是在探索过程中找到了一个最佳的实现路径,这个路径里面既用到行业的公有云的大模型,也用到了公有云的算力资源,也有美的自己构建的算力和行业模型,形成一整套打法,这个还是挺有借鉴意义的。
跟宋总围绕ABI,也就是企业AI化和数字化的探讨,主要话题就到这里了。我觉得比我们预想探讨的更有价值,前面主要理清了一些概念,有时候这个行业,现在AI化行业黑话太多,其实都是比较通俗的概念,本质上还是AI浪潮如何改变行业,对企业的价值。另一个层面宋总也结合美云智数对美的集团赋能行业客户的具体实践做了非常细致的剖析,应该说对人工智能产业,对AI应用是非常有借鉴意义的,感谢您跟我们探讨。
宋兴:谢谢大家。