- AI 转型是改变公司的工作方式，让 AI 承担实际业务流程中的部分环节，并与开始前对比，用数字衡量效果。
- 给全员买许可证、在网站上挂一个聊天机器人，都只是工具。工作步骤不变，公司的数字也不会变。
- 真正推进时，工作、数据、人和管控四个方面会一起变化。
- 从一个有可量化问题、有一位负责人的流程开始。
- 头 90 天结束时，应当有一个衡量过效果的试点、一份 AI 使用政策、一支会用系统的团队，以及对下三个流程的决定。
AI 转型是什么
AI 转型，是改变公司的工作方式，让 AI 承担实际业务流程中的部分环节。为此需要系统能够访问的数据、知道该检查哪里的人，以及谁审批什么的规则，并与开始前对比，用数字衡量结果。
这里的"转型"指工作步骤发生变化。即使人人都有 AI 账号，只要财务人员仍在把发票逐张手工录入系统，流程就和去年一样。
各方对这个词的定义并不一致。有的咨询公司把它算作数字化转型的一部分，也有的把它视为数字化转型之后的阶段。上面的定义是开发团队设计工作时使用的版本，好处是可以检验它是否真的发生了。
常被称为 AI 转型的三件事
第一件是给全员购买许可证。有了 ChatGPT 或 Copilot 账号，每个人起草邮件、整理会议纪要会更快，但公司的流程照旧运转；如果没有使用政策，客户数据还可能进入公司无法管理的工具。
第二件是网站上的聊天机器人，根据文档回答一般问题。一旦问题需要查询状态或新建记录，工作还是回到同一位员工手里。聊天机器人接入后台业务系统之后，才算改变了工作方式。
第三件是数字化转型，即把纸质和手工作业搬进系统，例如上线 ERP 或开通线上销售渠道。AI 转型在此基础上推进，改变的是在现有系统中由谁负责哪个环节。核心数据仍在纸上的公司，需要同时补上数字化这一步，因为系统里没有的数据，AI 也读不到。
| 数字化转型 | AI 转型 | 为员工购买 AI 工具 | |
|---|---|---|---|
| 改变什么 | 纸质和手工作业进入系统，数据开始以数字形式积累 | 流程中的环节：AI 承担一部分，人负责判断并检查例外 | 每个人自己的工作变快，公司流程不变 |
| 由谁主导 | IT 部门与流程负责人 | 对结果负责的管理层，加上 IT 部门和每天做这项工作的一线主管 | IT 部门或采购部门 |
| 怎样判断有效 | 工作在系统中运行，数据完整、可查询 | 该流程的数字相对基线发生变化，例如每笔处理时间、需要更正的笔数 | 使用人数，尚不能说明业务成果 |
| 常见失误 | 系统是新的，工作方式是旧的 | 多个流程同时启动，结果哪一个都无法衡量 | 公司数据流入员工的个人工具 |
真正推进时会变化的四个方面
工作最先改变。逐个流程重写步骤，明确哪些环节由 AI 完成，哪些由人判断，哪些在进入下一步之前需要人审批。这种做法叫作人在回路（Human-in-the-Loop）。最先着手的，适合是每天重复、出错后可以更正的工作。
数据需要一个公司认定为准确的版本，也就是唯一可信数据源（Source of Truth），并且能通过系统访问。如果产品价格分散在三个数字互相矛盾的 Excel 文件里，AI 打开哪个文件就按哪个回答。还要清楚个人数据存放在哪里，以及按照泰国《个人数据保护法》（PDPA）可以输入哪些工具。开始前检查这些，叫作数据就绪度评估。
人的角色发生变化。原来负责录入的员工，转为检查系统没有把握的事项；一线主管负责制定通过标准。在泰国的工作场所，新系统没人用，原因往往很具体：系统读不准泰文单据，或者泰籍员工担心自己的工作被系统取代。所以变革管理要从第一天就规划，说明材料和培训用泰语、结合现场工作来准备。团队需要的技能，见跟上 AI 不掉队：员工需要学会的 10 项技能。
管控要形成书面文件：哪类数据可以输入哪些工具，哪些输出在使用前必须由人检查，系统每次运行都要在审计日志（Audit Log）中留下记录。如果员工已经在用个人 AI 应用处理公司数据，这种情况叫作影子 AI（Shadow AI）。应先发布政策，并提供公司管理的工具。只靠禁止，使用会转到 IT 部门看不到的地方。即使中国总部已有 AI 使用规定，也需要一份符合泰国法律和泰语业务的本地版本。
模拟案例
春武里府一家中资汽车零部件分销公司（名称和细节均为虚构）为全部办公室员工购买了 AI 许可证，并把这件事称为 AI 转型。一个季度后，有些员工用它起草邮件，但没有人说得清公司得到了什么。财务部仍在把供应商发票逐张手工录入系统，还有员工把客户价格表贴进了个人 AI 应用。
第二次，管理层只选了一个流程：登记供应商发票并与采购订单核对。开始前，团队先统计了每张发票的处理时间和需要更正的张数，由财务主管负责这些数字。开发团队搭建了一套系统，用 OCR 读取泰文发票，与 ERP 中的采购订单核对，只把不匹配的发票转给人处理。与此同时，公司写好了 AI 使用政策。三个月后，管理层拿到了前后对比的数字，并据此选出了下三个流程。
公司可以开始的信号
下面的清单一周之内就能核对完。符合五项或以上，就可以启动第一个流程；不足五项，缺的那几项就是第一步要做的事。
- 有一项每天重复的工作，每周占用员工好几个小时，而且能数出每天处理多少笔
- 这项工作用到的数据存放在可以导出的系统中，或者是能够汇总成套的文件
- 有一位一线主管愿意对这项工作的数字负责
- 管理层为实际做这项工作的人留出了参与设计和测试的时间
- 清楚哪些数据属于 PDPA 定义的个人数据
- 员工已经自发使用 AI，说明需求存在，也说明是时候制定政策了
从一个可衡量的流程开始
行之有效的起点，是一个今天就能用数字描述问题的流程，例如开一张报价单要好几天，或者团队整天重复回答同样的客户问题。多个流程同时启动，团队会被分散，没有哪个流程能留下足够清楚、可以据此决策的数字。选择之前，先用下面四个问题检验候选流程。
称之为"转型"之前的四个问题
- 问题 1 哪个流程 指定一个流程，说清从哪里开始、到哪里结束，例如从收到发票到登记付款。
- 问题 2 用什么数字衡量 一个今天就能统计的数字，即基线，例如每笔处理时间或需要更正的笔数。
- 问题 3 谁来负责 一个对这个数字负责、有权修改步骤的人，即流程负责人。
- 问题 4 数据在哪里 存放数据的系统、导出方式，以及按照 PDPA 哪些部分必须留在公司内部。
规则： 四个问题答不全，这个流程就还停留在试用工具的阶段。换一个流程，或者先补上缺失的答案。
如果还定不下从哪个部门开始，可以参考想降低人力成本，应该先在哪个部门用 AI？中按部门打分的方法。
头 90 天结束时应当拿到什么
只要从第一天就开始衡量，一个试点用 90 天就够了。到期时，公司手里应当有以下四样东西。
- 一套在真实业务上运行的试点系统，以及相对基线的数字，改善的和没有改善的都要列出 - 一份 AI 使用政策，写明哪类数据可以输入哪些工具，哪些工作必须由人检查 - 一支会用系统的团队，知道该检查哪里，也知道系统出错时向谁报告 - 对下三个流程的决定，按投资回报率（ROI）排序，并说明其他流程为何可以往后放
如果第一个流程没有成效，停下来也是有效的结果，因为公司在投入扩展预算之前，已经知道卡在了哪里。分阶段的计划、决策关口、推进小组和跟踪用的看板，见写给企业主的 90 天计划：把公司变成 AI 优先的企业。
写给开发团队 · 试点之前 IT 需要准备好的事项
数据访问：为试点用到的每个系统建立只读服务账号，通过 API 或定时导出获取数据，并准备已对个人数据做脱敏处理的测试数据集。身份认证：员工通过公司的 SSO（例如 Microsoft 365 或 Google Workspace）登录，按角色分配权限，不设共用账号；AI 系统能看到的文档，限于登录用户本人有权查看的范围。日志：把输入、检索到的来源、输出、审批人，以及模型和提示词的版本写入用户无法修改的审计日志。数据分级：用数据分级打上标签，确定哪些级别可以发送到云端模型，哪些级别必须使用私有化部署的大模型（Private LLM）。衡量：基线要用与上线后相同的方法测量，并在上线前用您自身工作中的真实例子测试系统，约定什么算合格。
我们如何陪企业走完头 90 天
DNA Maker 首先坐到每天做这项工作的人身边，看实际的工作过程，评估贵公司的数据、系统和团队，并按回报高低为 AI 能帮上忙的工作排序。在动手开发之前，您会拿到一份就绪度报告、一份排好优先级的应用场景清单、一份写明人员、预算和 KPI 的 90 天路线图，以及一份安全合规的 AI 使用政策。对于暂时不适合用 AI 的工作，我们会直接说明。
之后，由 DNA Maker 自己的工程师把第一套系统做到能在实际业务中运行，不转包，每周向您展示可以运行的软件。系统对接 Microsoft 365、Google Workspace 或您正在使用的 ERP；不能离开公司的数据，交给部署在贵公司环境内的私有大模型处理。收尾阶段，我们培训您的团队自行使用和维护。范围和价格在开工前确定，源代码按约定范围交付。我们 500 多个项目的客户中，有银行、医院和泰国大型企业集团。详情请见 AI 转型咨询页面，或在聊天中把您的流程告诉 Dream。
SOFTWARE ENGINEERING GLOSSARY
软件工程术语表
| 术语 | 是什么 | 通俗示例 | 高管应问开发团队的问题 |
|---|---|---|---|
| AI 转型 | 改变工作方式，让 AI 承担实际流程中的部分环节，并用数字衡量效果 | AI 读取发票，人只检查不匹配的那些 | 我们哪些环节会变，用什么数字衡量？ |
| 试点（Pilot） | 扩大之前，先在小范围的真实业务中运行系统 | 先只处理一部分供应商的发票 | 如果试点失败，我们可以在哪一步停下？ |
| 基线（Baseline） | 使用系统之前的业务数字，用于与上线后对比 | 登记一张发票的平均时间 | 基线的测量方法和上线后一样吗？ |
| 流程负责人 | 对流程结果负责、有权修改步骤的人 | 对月结天数负责的财务主管 | 由谁签字确认新步骤可行？ |
| 影子 AI | 员工在公司不知情的情况下，用个人 AI 工具处理公司数据 | 把客户价格表贴进手机上的 AI 应用 | 目前我们有哪些数据存放在公司不管理的工具里？ |