一堂商學院的AI智能體課程紀實：從焦慮、突圍到組織重塑

出品｜虎嗅科技組

作者｜陳伊凡

編輯｜苗正卿

頭圖｜中歐商學院提供

2025年12月12日，中歐國際工商學院的上海校園內，一場關于AI在企業內部使用情況的討論正在進行。

“大家對AI的期待有多高？實際落地的滿意度又有多少？”

中歐國際工商學院“AI賦能企業盈利戰略”課程的開場問卷揭示了一個普遍困境：大部分學員對AI落地效果不滿意。

當天，這所商學院正式推出全球首個系統性融入AI智能體教學模式的課程，試圖為企業AI轉型的“理想與現實鴻溝”提供新解。在現場，教授讓學員分組試驗了這款AI智能體，通過智能體，幫助一家企業解決危機。

這門課程以“一家長期虧損的酒店實現可持續盈利”為教學案例，將案例背后的中國高端酒店行業的真實背景和數據作為應用場景嵌入AI智能體系統。在AI智能體引導下，學員“學即所用”，可通過調用不同智能體與工具，將課堂所學知識結合最新AI范式開展決策分析，從而跳出單一職能視角。

筆者作為觀察者，深度參與了這門課程與討論，試圖從第三方的視角看企業家對于AI的焦慮、對于在自身業務中運用AI的嘗試。

企業AI改造的困境：邊跑邊積累數據

“我們投入巨資做AI改造，結果發現需要招更多人來輔助AI系統。”盡管聽著就不對勁，但這是很多企業面臨的困境。

有企業家直言：“數據沒打通、流程靠經驗，成立AI部門后反而成了孤島，跨部門協作時連定價體系改革都推不動。”這也說明，如果AI改造不是一把手工程，很難推動下去。

筆者平時在與一些做ToB垂類智能體的初創公司交流時，創始人表示，很多時候他們會直接要求和老板談。不過他們也表達了一個和SaaS時期的不同。在SaaS時期，因為數字化解決的是企業某一個單一的需求，效果很難呈現在結果上，往往很難說服老板投入，因此這些初創公司通常采取按結果付費的模式。而到了AI時代，部署這類AI Agent后，企業利潤提升的部分可以被明確量化，初創公司可以從中按比例抽取提成。這其實也是當前AI2.0時期區別于SaaS的付費方式。

另一個感受是，現場的企業大多已是成熟企業，這和從AI原生環境中構建自己的業務和組織的初創公司不同。成熟企業的優勢是，有場景、有數據積累，但同時也存在一些路徑依賴，許多企業在AI時期表現出了焦慮。

這種焦慮和困境，在不同規模的企業中呈現分化。課程主設計師、中歐國際工商學院營銷學助理教授魯薏指出，基礎模型大廠例如Open AI、字節、谷歌、阿里等，通過構建基礎模型，定義下一代技術范式。他們擁有超大算力、超大數據；特定行業龍頭企業，例如金融、法律、醫療、制造、能源和SaaS，通過構建垂類模型，提供行業領先的AI+服務。這些企業數據高度專用并且可以持續積累，但是行業知識復雜、規則嚴格，這部分的數據，需要防范模型幻覺的問題。

對于一些其他企業，數據就緒，擁有干凈、結構化并且打標的核心數據，可以通過現有的數據資產，構建決策職能和預測模型，但這類企業更注重安全合規。比如，有一些企業就表示，他們想要得到外部的數據，但又不想把自己的東西給別人看?，F場有一家傳統企業提出，他們更傾向于訓練內部小模型，以保障數據安全和知識產權。

還有一家剛接觸到AI的傳統貿易企業，正處于“AI焦慮”狀態，擔心不投入會被淘汰。目前主要利用自身經驗積累資源，AI應用較弱，處于購買方案或工具的階段。

這些分化當然也取決于不同企業的資源差距。大廠在AI領域的投入巨大，中小企業普遍缺乏財力和技術基礎。

有學員提出，AI可能會加強大廠和小廠的差距。尤其是一些企業，應該也是現在的大多數，他們沒有結構化的數據，流程依賴個體經驗，系統沒有打通，這類企業在AI時期的焦慮非常明顯。高質量的數據在AI時代至關重要，如果企業尚未完成數字化轉型，缺乏結構化數據的積累，很難有效應用AI。

但魯薏提出，這類企業依然可以利用新范式，打造AI原生的項目，邊跑邊創造、整理數據。AI 2.0時代，仍然會有一些之前沒有經過SaaS階段的企業，直接跳過SaaS，進入AI原生時代。

課程現場，魯薏給出了針對這些沒有結構化數據或是數據缺失的企業解決方案，他們可以引入反饋學習的機制，根據實時數據，動態迭代地生成相應的內容。

在AI Agent的時代，大模型技術已經不是卡點，模型的成本在逐漸降低。筆者發現，已經有不少企業嘗試通過復雜的提示詞工程來構建產品，其實考驗的已經不是技術，而是產品力，這對于預算少的公司來說，是一個選擇。

AI智能體到底是什么？企業該如何做AI改造？

說到AI改造，很多企業家的疑慮在于，這到底和SaaS有什么分別？筆者發現，這樣的疑慮尤其在中國非常普遍，這與中國SaaS的土壤有關。

這涉及到智能體的定義，以及它解決什么問題。智能體的核心，是提供端到端的解決方案，它能整合知識庫、調用API、模擬老師傅經驗，甚至根據業務目標自主迭代。簡言之就是，智能體提供的，是一個垂直環節的端到端解決方案，而SaaS，解決的是不同環節上面一層薄薄的需求。

構建智能體，相當于培養一個新的員工，而這個員工還可以持續迭代。智能體的構建，需要具備以下幾個要素：

首先是通用能力，這是由基礎大模型提供的；其次是業務培訓，這是以知識庫的形式提供，無需訓練專屬模型；第三是員工守則，這是通過系統提示，劃定邊界和角色約束；然后是經驗傳承，提供專家范例，供智能體學習。

在這個過程中，特定領域的專家經驗是一個智能體能夠取勝，并且區別于其他企業的一個關鍵護城河，因此對于企業來說，員工的經驗非常重要。還有一個要素是技能增強和反饋學習，通過這種方式能讓智能體自我迭代，基于數據表現持續優化策略，適用于歷史數據缺乏的企業。

還有一個關鍵則是組織能力的建設，需要懂技術的業務人員，既能懂業務邏輯，又能準確地把需求傳達給大模型；另外還需要建立大模型測評機制，由專人負責測試不同任務適配的最佳模型，避免用錯。

根據麥肯錫的調研結論，智能體尚未在企業內大規模部署，目前智能體的應用仍然處在早期探索階段。當然，在一些領域，AI智能體的落地效果已經先行體現，比如在一些降低成本的領域，例如軟件編程、制造業和IT運維上的效果明顯；在增效領域，營銷、戰略、公司金融和產品服務設計等環節的應用較多；另外，醫療和電商，是當前智能體應用最廣泛的領域。

對于成熟企業來說，究竟在什么場景構建智能體？究竟在什么業務上做全鏈路的AI智能體改造？首先是把AI先用起來，“干中學”。

選擇一個合適的場景非常重要，魯薏給出的方案是，高價值的業務場景、技術成熟度以及員工意識薄弱的環節，可以先進行AI改造。

AI改造的落地路徑是一個雙螺旋驅動模型。首先是在戰略層，高層決心明確，主導業務流程重構；其次在執行層，確保數據、模型、工具、學習四個環節有人負責落地。兩層螺旋耦合，方能加速AI價值的實現。

商學院如何應對AI的挑戰

AI技術正顛覆性地重塑企業生產與組織模式，也對管理知識的創新、商科教育的人才培養模式提出了全新要求。

尤其是在AI2.0時代，沒有人看得清商業的未來，當企業家來商學院找答案時，希望知道如何在自己的企業中將AI用起來。

中歐國際工商學院院長、管理學教授汪泓指出，面對技術浪潮，商學院必須積極探索和創新教學方法，培養融會貫通AI理論、技術、產品與應用的復合型人才。

魯薏介紹了中歐智能體的“三重角色”。首先，作為工具，AI可自動完成數據分析和模型計算。她指出，定價決策是一門跨學科、跨專業的課程，涉及經濟學、營銷學、會計學等不同領域知識和量化分析內容，AI工具有效解決了商學院量化課程的授課痛點，將復雜的數學計算和模型封裝為交互工具，使學員能聚焦于決策邏輯而非數學過程，實現不同背景學習者的“認知平權”。其次，作為合作伙伴，系統引入“虛擬人設（Persona）”功能，模擬消費者、企業內部不同職能部門的角色參與互動，輔助同學思考、驗證策略可行性。最后，作為導師，AI可以通過課程中實時的交互行為與對話數據為學生提供個性化反饋，在未來將基于海量案例庫提供深度決策建議。

課堂現場也根據具體的案例，使用AI智能體進行案例學習，嘗試為企業尋找出合理的解決方案。

魯薏說，AI時代，課程評價體系也正在從單一結果導向，轉向多元化、綜合性的能力評價體系，更加注重培養學生應用知識解決問題的能力，以及批判性思考和創新的能力。設計這門課的初衷，也是希望讓大家正視AI的能力邊界。AI不是萬能的，它的價值在于拓展人類的決策視野,而不是替代人的判斷。如何充分調動和激發學生的學習自主性，推動人機互學、更好地協調人與AI的配合方式，這是一個需要持續探索的課題。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4817981.html?f=wyxwapp