2022年ChatGPT橫空出世后，人們對AI的期待從未如此迫切。電商公司上線智能客服，銀行開始使用投研助手，技術(shù)企業(yè)借助AI的力量寫代碼、跑程序，寄望它成為下一個驅(qū)動效率與利潤的通用技術(shù)。

但在擁抱AI的幾年間，企業(yè)管理者們發(fā)現(xiàn)：客服機器人能秒級回復幾千條咨詢，但它卻只會重復自己學過的句式，對人類真實的情緒和語義“毫無感知”。最后還是得轉(zhuǎn)人工，用戶體驗依舊沒有提升；投研助手寫報告的速度加快了，但投決流程仍靠人工拍板，業(yè)務效率幾乎停在原地；研發(fā)部門，AI寫出的代碼邏輯與既有體系脫節(jié)，質(zhì)檢與調(diào)試難以下手。

這種尷尬也出現(xiàn)在40年前。“你能在任何地方看到計算機，唯獨看不到它們出現(xiàn)在生產(chǎn)率統(tǒng)計里。”經(jīng)濟學家羅伯特·索洛在1987年的這句話，曾是IT產(chǎn)業(yè)的真實寫照。那時，企業(yè)已經(jīng)大規(guī)模采購計算機，卻沒能改變產(chǎn)出數(shù)據(jù)。直到1995年后，隨著流程被重新設計，IT才真正兌現(xiàn)生產(chǎn)力紅利。

今天的AI正處在類似的關(guān)口。模型的精度與速度不斷刷新，但它依舊只是個人提效的工具，并未轉(zhuǎn)化為實實在在的業(yè)務增長。許多管理者的心態(tài)，也從最初的期待、焦慮，變成了觀望。MIT媒體實驗室今年7月的一份報告更像是潑了一盆冷水：盡管企業(yè)界在生成式AI上投入了300-400億美元，但95%的企業(yè)沒有看到任何財務回報。

這就是當下的AI鴻溝：技術(shù)進步和業(yè)務回報之間，仍隔著一道深不可測的斷層。要跨過去，光靠更強的模型并不夠，必須有一套能交付結(jié)果的新生產(chǎn)關(guān)系。

跨越AI鴻溝：人機融合是解法

在9月11日的外灘大會上，螞蟻集團副總裁、數(shù)字螞力董事長兼CEO周蕓沒有談論模型參數(shù)或者算力曲線，而是從企業(yè)管理者的角度，解釋了為什么AI落地始終難以在財報上兌現(xiàn)。

她指出，癥結(jié)首先在于流程的脆弱性。企業(yè)的業(yè)務鏈條往往冗長而復雜，哪怕單個AI節(jié)點的準確率能做到九成，一旦多個節(jié)點串聯(lián)，整體可靠性就會驟然下滑。更深層的障礙來自協(xié)同。企業(yè)原有的流程設計，本質(zhì)上是圍繞“人和人”的分工而建立，而不是“人和AI”。這讓想象中的人機協(xié)同始終面臨“人機磨合”的尷尬。

而在所有這些問題之上，還懸著治理真空的困境：企業(yè)的考核與問責體系只適用于人，當AI與員工共同完成工作時，一旦結(jié)果出錯，責任究竟該落在誰身上？沒有清晰的邊界，企業(yè)自然不敢讓AI進入核心業(yè)務。

如果這些問題不解決，AI就只能停留在“錦上添花”的層面。周蕓提出的解法，是一種新的組織方式：人機融合模式。它試圖一一破解AI落地的難點。在流程端，數(shù)字員工處理大規(guī)模、標準化的任務，把復雜、個性化、需要共情的部分交給人類兜底，既減少串聯(lián)誤差，也提升整體效率。

在協(xié)同時，人與AI不是簡單的上下游關(guān)系，而是并肩作戰(zhàn)的兩股力量。以客服為例，原本搭建一個傳統(tǒng)客服中心，需要知識運營專家、服務策略、品控質(zhì)檢等十多個職能團隊，還需要花費大量時間培訓客服。而在人機協(xié)同下，完全可以壓縮為幾個核心Agent角色；研發(fā)同理，過去線性推進的研發(fā)流程，一旦出錯，返工成本極高，而人機融合可讓研發(fā)過程變成螺旋式的循環(huán)：AI先行嘗試，人類判斷取舍，再由AI優(yōu)化，二者交替演進，形成“小步快跑、快速試錯、持續(xù)校正”的迭代。這不僅讓組織結(jié)構(gòu)更輕，更讓AI真正嵌入流程，而不是外接插件。

更關(guān)鍵的是，這一過程不是靜態(tài)分工，而是數(shù)據(jù)驅(qū)動的進化飛輪：AI在執(zhí)行中不斷沉淀數(shù)據(jù)與人類策略邏輯，持續(xù)提升能力上限。在營銷場景中，一支優(yōu)秀的營銷隊伍依賴敏銳的洞察力、豐富的轉(zhuǎn)化經(jīng)驗和持續(xù)學習能力，而數(shù)字員工既能從內(nèi)部交互中沉淀“金牌銷冠”的話術(shù)，也能從社媒與競品中汲取外部經(jīng)驗，逐漸復刻人類銷冠的打法。在售后環(huán)節(jié)，這種模式還可能釋放新的增長潛力：即便是客單價較低的用戶，也能擁有一個“專屬顧問”，在需要時得到陪伴式服務，從而被轉(zhuǎn)化為新的價值來源。

在新的生產(chǎn)關(guān)系下，人與數(shù)字員工不再是單獨作戰(zhàn)，而是組成一支能為業(yè)務增長負責的團隊。數(shù)字螞力發(fā)布的五大數(shù)字員工團隊——AI 數(shù)字客服團隊、AI 營銷團隊、AI 銷售教練、AI 督導員與 AI 研發(fā)運維團隊，覆蓋了企業(yè)最常見也最頭疼的職能，它們并不只是“替人干活”，不僅與人類共同帶來增長，還進一步通過業(yè)務托管模式，對結(jié)果負責。

紅杉資本今年在研究中指出，AI正在經(jīng)歷從“工具”到“copilot”，再到“autopilot”的演進。微軟在《Work Trend Index 2025》中同樣提出，AI 將經(jīng)歷三個階段：從“人類助手”，到“人-機團隊”，再到“人主導、Agent執(zhí)行”。

國內(nèi)學界的研究也在印證這一趨勢。9月12日，上海交通大學安泰經(jīng)管學院、中銀科技金融學院攜手中國太平洋保險集團、歐萊雅中國、樂刻運動、興業(yè)銀行和螞蟻集團，聯(lián)合發(fā)布了業(yè)界首個企業(yè)應用AI成熟度模型（AI Adoption Maturity Model, AIM2）報告。不同于過往“重技術(shù)、輕應用”的評估，這一模型以應用與價值為核心，強調(diào)未來組織要從“分工”走向“協(xié)同”，打造面向未來的人機融合新型組織。

從紅杉到微軟，再到AIM2，不同的研究從資本、企業(yè)、學界的角度指向同一個趨勢：只有當人機關(guān)系被重新設計，AI才可能從工具躍遷為生產(chǎn)力。

企業(yè)要的不是AI工具，而是確定性的業(yè)務結(jié)果

真正讓數(shù)字螞力區(qū)別于大多數(shù)AI廠商的，不是工具本身，而是它敢于對增長負責。

傳統(tǒng)模式下，企業(yè)買到的往往是一套“工具箱”：要采購模型，還要投入時間改造流程、培訓員工，甚至要承擔試錯的成本。這對大企業(yè)來說已經(jīng)是一筆巨大開支，對人手有限的創(chuàng)業(yè)公司而言，更無異于奢侈品。

托管模式正是解決這一矛盾的“普惠解法”。在這種模式下，企業(yè)無需自建算法團隊和龐大的中臺，只需定義業(yè)務目標（例如，GMV提升10%），剩下的模型訓練、流程重構(gòu)、人機調(diào)度全部由數(shù)字螞力打包搞定。

這種模式的可行性，來自于一整套“專家級”的數(shù)字員工團隊。其中，AI數(shù)字客服團隊，可以釋放70%的人效，幫助中小企業(yè)降本35%，其中AI開發(fā)運維團隊一分鐘便能搭建網(wǎng)站，能讓企業(yè)節(jié)省近40%的成本。AI營銷團隊試駕到店率為32%，節(jié)省成本46%。再比如AI督導員能提升15倍的巡檢人效，優(yōu)化商品布局和服務流程，將門店銷售轉(zhuǎn)化率提升20%等等。

截至目前，數(shù)字螞力已與近百家行業(yè)頭部客戶合作，平均幫助電商企業(yè)實現(xiàn)超過10%的GMV增長。

樂刻運動作為中國領(lǐng)先的健身產(chǎn)業(yè)互聯(lián)網(wǎng)平臺，是這一模式的嘗鮮者。樂刻運動在全國擁有2000家門店和1400萬注冊用戶，快速擴張的背后，讓樂刻面臨“規(guī)模與服務質(zhì)量”的持續(xù)張力，人工處理模式效率低下且難以標準化。

在引入數(shù)字螞力的兩大數(shù)字員工團隊后，“AI客服”能對客高效溝通并解決實際業(yè)務問題，解決率超過85%；“AI督導員”利用視覺識別替代人工巡店，實時發(fā)現(xiàn)潛在風險，對比傳統(tǒng)的人工抽檢，大幅提升了門店巡檢效率！

樂刻通過把“數(shù)字員工”融入企業(yè)的業(yè)務流程，最終收獲的不是零散的效率提升，而是確定性的業(yè)務結(jié)果：更高的利用率、更低的獲客成本、更長的用戶生命周期。

這種承諾式交付，對中小企業(yè)而言，遠比任何炫目的功能更具吸引力。這也是托管模式的普惠價值所在：原本只有大企業(yè)才能負擔的AI應用，現(xiàn)在中小企業(yè)也能“開箱即用”。技術(shù)普惠也不再是口號，而是具體可見的商業(yè)現(xiàn)實。

為什么數(shù)字螞力敢為結(jié)果背書？

“為結(jié)果付費”聽上去誘人，但對任何一家企業(yè)服務商而言，這幾乎是最沉重的承諾。在一個容錯率極低、流程高度復雜的企業(yè)環(huán)境里，任何失誤都可能導致客戶流失或合規(guī)風險。多數(shù)廠商寧愿大談模型參數(shù)，也絕口不提“結(jié)果保證”。 為什么數(shù)字螞力敢走這一步？

答案藏在它二十年的場景積累和能力厚度里——金融級的服務經(jīng)驗、電商級的高壓環(huán)境，以及遍布全國的分布式服務資源網(wǎng)絡。正是這些，讓它在行業(yè)少見地具備了承諾結(jié)果的底氣。

螞蟻過去二十年的金融與電商服務經(jīng)驗，本身就是最好的訓練場。在金融領(lǐng)域，極低的容錯率要求數(shù)字螞力必須在安全合規(guī)與用戶體驗之間找到平衡，哪怕在高風險、高復雜度的流程中，也能提供穩(wěn)定可靠的服務；在電商大促這樣的極端場景中，數(shù)以億計的交易請求需要在秒級完成，支付、物流、客服三端同時承壓，數(shù)字螞力則可以通過人機融合的方式，確保在高峰時刻依舊能維持良好的服務體驗。

此外，與依賴開源語料或行業(yè)二次加工的廠商不同，螞蟻掌握著覆蓋金融、支付、電商、客服等多維度的原生語料。這些語料不僅是數(shù)據(jù)，更是行業(yè) know-how 的沉淀。它們幫助數(shù)字螞力形成了對業(yè)務邏輯、服務策略、用戶習慣的深刻理解，使得AI數(shù)字員工不只是“會回答”，而是能夠基于上下文提供更合理的服務策略，識別用戶的真實需求，并給出更貼合的解決方案。

此外，數(shù)字螞力背后還有一張由53w專業(yè)團隊組成的分布式服務資源網(wǎng)絡。當AI難以解決的長尾、復雜、情緒化的場景出現(xiàn)，它能讓AI的交付變成“有保障的托管”：AI負責規(guī)模化執(zhí)行，人類兜底復雜性，最終企業(yè)獲得的是一個可承諾結(jié)果的閉環(huán)。

這三層積累，決定了數(shù)字螞力與其它廠商的差異。微軟、谷歌、Salesforce等海外巨頭長于做“工具”和“平臺”，但鮮少有機會直接面對電商大促、金融風控這類復雜場景。而國內(nèi)同行則更多在單崗位上發(fā)力——客服、報賬、內(nèi)容生成，替代一個人，而不是重塑一個團隊。而數(shù)字螞力是直接把AI拉進組織內(nèi)部，成為真正的生產(chǎn)力。

AI的故事，正在悄然進入下半場。“在下一波AI浪潮中，你賣的不是工具，而是結(jié)果。”紅杉資本的判斷正在成為產(chǎn)業(yè)共識。IDC的數(shù)據(jù)也印證了這一轉(zhuǎn)向：到2027年，全球超過四成的AI支出將流向“結(jié)果導向的托管服務”。

當企業(yè)決策者不再問“你的AI有多強”，而是問“你的AI能為我的財報帶來多少”時，產(chǎn)業(yè)的分水嶺已經(jīng)出現(xiàn)：AI的競爭力不在模型參數(shù)，而在能否把結(jié)果寫進財報。

▲《押注三平米：電梯廣告AI實戰(zhàn)指南》

▲《2024抖音電商CORE經(jīng)營方法論手冊》

▲《天貓國際2024進口消費趨勢報告》

▲《從洞察到生意：阿里健康特色人群消費趨勢報告》

▲《 <出海26講> 跨境新商通識課全面上線》

▲《「鮮生」奪人 農(nóng)貨的品牌征途》

▲《2024出海攻略》

▲《新微商主義》

▲《新獲客時代》

▲《新搜索時代》

▲ 品牌案例洞察