當企業(yè)探索如何借AI獲得優(yōu)勢時，必須意識到，情境才是其真正的競爭優(yōu)勢所在。當所有人都能使用相同的AI模型、相同的AI賦能工具和相同的供應商生態(tài)系統(tǒng)時，情境便成為差異化要素。

乍看之下，這兩家大型B2B公司幾乎毫無二致。它們都銷售復雜、長達數(shù)年的技術服務，爭奪著同一批企業(yè)客戶。銷售階段、預測節(jié)奏和高管評審周期也完全相同。僅從客戶關系管理（CRM）系統(tǒng)來看，它們的流程似乎難以區(qū)分。

然而在實際運營中，二者在顯著影響收入、風險和效率的層面存在根本性差異。

第一家公司服務于受嚴格監(jiān)管的關鍵行業(yè)，如公用事業(yè)、金融機構和公共基礎設施。其銷售團隊逐漸形成了一套獨特的工作方式：銷售人員推進交易前會例行暫停，等待交付負責人同步審核可行性假設；解決方案架構師在確定范圍前會對比過往項目的團隊配置模型和特例情況；即使商業(yè)條款仍在變動，風控和法律團隊也會提前介入；通常只有在多次內部驗證后才會啟動升級流程。

第二家公司則服務于快速數(shù)字化轉型的企業(yè)，以部署速度和價值實現(xiàn)速度為競爭核心。早期勢頭比絕對確定性更重要。銷售人員在敲定范圍前就讓交付和解決方案負責人參與探索性討論；文件可在推進中修改；即使信息不完整，客戶緊迫信號也會觸發(fā)升級流程；領導者早期介入以引導方向，而非驗證確定性。

這兩種模式下，上述行為都未被CRM系統(tǒng)記錄。系統(tǒng)只記錄階段變更和預測更新，卻不記錄可行性如何辯論、權衡了哪些風險，或為何推遲升級。這些決策存在于電子郵件、聊天記錄、電子表格、工作文檔和對話中，并在交易推進后大多消失無蹤。

然而這種看似短暫的“情境”，恰恰構成了一個組織的運作肌理。這些判斷、協(xié)調和權衡的模式，塑造了工作的真實展開方式。它們在數(shù)百個交易和成千上萬個小決策中反復出現(xiàn)。這種情境反映了一個組織通過經驗習得的、在其市場中獲得成功的關鍵行為模式。

當企業(yè)探索如何借AI獲得優(yōu)勢時，必須意識到，這種情境才是其真正的競爭優(yōu)勢所在。當所有人都能使用相同的AI模型、相同的AI賦能工具和相同的供應商生態(tài)系統(tǒng)時，情境便成為差異化要素。

過去五年，我們致力于開發(fā)技術來分析全球數(shù)百家組織中團隊的工作方式。在此過程中，我們研究了50多家大型企業(yè)（多為《財富》500強或同級別歐洲企業(yè)）的200多種獨特工作模式。我們發(fā)現(xiàn)，即使在同一行業(yè)、執(zhí)行相同職能、使用相同系統(tǒng)的公司，其實際執(zhí)行也始終存在差異。解釋這種差異的關鍵是情境，而非工具獲取能力。

以下是領導者需要理解的情境成為決定性競爭優(yōu)勢的原因，以及如何捕捉并將其落地應用。

什么是“情境”？

情境是可驗證的執(zhí)行模式：團隊跨系統(tǒng)實際遵循的工作流、他們響應的信號、角色介入的順序、觸發(fā)行動的例外情況，以及在實際工作中反復出現(xiàn)的判斷決策。這些模式僅在執(zhí)行中可見，不在既定流程中。

在受監(jiān)管服務公司，情境要求客戶主管、交付負責人和風控利益相關方在交易推進前建立交付確定性和可辯護性。在數(shù)字驅動型公司，情境更重視早期信號捕捉和速度，即使信息不完整。這些規(guī)則很少存在于政策手冊中，它們存在于行為中，并通過獲得批準、被延遲、升級或被阻止的事項得到強化。

幾十年來，管理系統(tǒng)試圖消除差異。標準化承諾效率與控制，實現(xiàn)了成本節(jié)約，卻也抹去了微妙之處。AI改變了這個等式：由于模型具有通用性，它們需要明確的情境根基來反映特定組織內部真正重要的因素。

戰(zhàn)略專家長期認為，可持續(xù)優(yōu)勢取決于有價值、稀缺、難以模仿且不可替代的資源。組織情境符合所有四個標準。

它有價值，因為它影響收入、風險、速度和客戶信任；它稀缺，因為它反映了客戶、約束條件和累積決策的獨特組合；它難以模仿，因為競爭對手可以復制流程，卻無法復制多年嵌入執(zhí)行中的隱性知識；它不可替代，因為沒有情境，即使最先進的AI系統(tǒng)也會抹平關鍵差異。其影響通過重復而增強：當情境持續(xù)指導跨角色和工作流的日常決策時，績效差異便持久存在。

AI讓情境更有價值，而非貶值

隨著AI變得更便宜、更快、更普及，獲取前沿模型已不再構成差異化。許多公司使用相同的模型和平臺，但結果差異巨大。原因不在于模型質量，而在于情境。

AI系統(tǒng)本質上是通用的。除非明確提供特定模式，否則它們無法推斷哪些信號重要、哪些權衡優(yōu)先、如何平衡風險與速度。當AI疊加在通用流程上時，它會標準化行為；當它以組織情境為根基時，便能放大該組織的獨特性。

這也解釋了為何許多AI試點項目難以規(guī)?；Ｔ缙趯嶒炘谑芸丨h(huán)境中顯示出潛力，但部署到實際工作流中后，影響便趨于停滯。若缺乏對團隊實際運作方式的理解，AI難以駕馭組織內部的權衡取舍和協(xié)調規(guī)范。在演示環(huán)境中有效的方法，很少能在接觸運營復雜性后延續(xù)。領導者通常通過調整提示詞、添加文檔或擴展訓練數(shù)據來應對。這些邊際改進雖有幫助，但很少觸及核心問題：模型缺乏組織的運作邏輯。除非AI系統(tǒng)以工作實際展開方式為根基，改進將始終局限且短暫。

過去，組織通常通過重新設計工作流與系統(tǒng)來“固化”情境。而如今，同樣的情境知識能直接成為模型與智能體的運行基礎。這意味著，杠桿的支點已從重構系統(tǒng)轉向了增強決策。真正具有變革性的并非情境本身，而是系統(tǒng)性捕捉情境，并在人們日常使用的工具中實現(xiàn)即時調用的能力。

情境的實際應用：如何塑造決策

為理解情境如何在實踐中發(fā)揮作用，請看以下案例。

在我們研究的一家大型企業(yè)組織中，一位負責1000-1500萬美元企業(yè)客戶的銷售總監(jiān)在CRM中審閱一個標記為“談判中”的商機。銷售員的記錄很樂觀，表面看交易似乎健康。

當她瀏覽近期動態(tài)時，幾個微妙信號引起了注意：交付經理在聊天中詢問提議范圍是否可以分階段實施；解決方案架構師悄然更新了定價模型，移除了兩個可選模塊；客戶郵件提及“內部預算協(xié)調”而非“法務審核”。

孤立來看，這些都不足為慮。其重要性取決于公司的情境。在風險規(guī)避型組織中，這種模式可能是常規(guī)操作，此時升級只會制造噪音；而在速度導向型組織中，歷史表明除非領導層早期介入，否則相同模式通常預示著進度延遲。

這種區(qū)別不存在于CRM中，而是存在于組織跨眾多交易和角色累積的經驗中。當在當下被呈現(xiàn)時，它并不取代總監(jiān)的判斷，而是校準其判斷，幫助她決定以符合組織成功經驗的方式升級交易、重構方案還是維持路線。這種校準在數(shù)百個決策中重復，便能產生更準確的預測、更及時的干預和更一致的執(zhí)行。久而久之，這會減少預測偏差、改善領導干預時機、提高成交率可預測性，這些成果直接轉化為可衡量的績效提升。

這種動態(tài)并不僅限于銷售領域。在采購環(huán)節(jié)，系統(tǒng)記錄的是訂單與審批結果，卻無法體現(xiàn)特例如何協(xié)商或供應商風險如何評估；在客戶服務中，工單系統(tǒng)追蹤問題解決狀態(tài)，但防止事態(tài)升級的協(xié)同機制卻無從追溯；在財務部門，ERP系統(tǒng)忠實記載每一筆交易，而信貸決策背后的考量與資本分配時的權衡則隱于幕后?？v觀各個職能，記錄系統(tǒng)擅長捕捉“結果”，卻極少呈現(xiàn)“過程如何發(fā)生”。

當情境連貫一致、與戰(zhàn)略對齊并通過日常行動強化時，它就轉化為競爭優(yōu)勢。

高管團隊當前應采取的行動

AI投資回報率不僅由模型能力決定，更取決于智能系統(tǒng)與組織運營情境的契合精度。未以此為基礎部署模型的企業(yè)可能看到有希望的試點，卻難以將其轉化為持久的運營收益，改進將始終局限于局部。

為將AI投資轉化為可衡量的回報，領導者必須構建一個情境層，使智能系統(tǒng)植根于運營現(xiàn)實。這便是情境工程：捕捉工作的展開方式，將這些模式編碼為可用信號，并在決策時刻向模型和智能體傳遞正確的背景信息。這不是文檔化工作，而是企業(yè)基礎設施。實施此情境層需要四項審慎行動：

1. 監(jiān)測工作以捕捉情境

投資能夠描繪工作如何在不同系統(tǒng)和協(xié)作環(huán)境中展開（工作圖譜）的技術，建立關于決策序列、協(xié)調模式和權衡的持續(xù)更新視圖。用此構建企業(yè)級情境庫：一個與結果關聯(lián)的、經過驗證的重復執(zhí)行模式存儲庫。每個職能部門都需貢獻，因為每個部門都生成情境信號。

2. 使情境庫成為AI的運行時層

每個AI系統(tǒng)都應連接到情境庫。這需要能夠推斷用戶意圖并檢索與任務相關的精確情境片段的技術。情境不足會產生通用輸出，過多則會引入噪音并增加錯誤概率。精確度是將情境轉化為績效的關鍵，也常常是試點停滯與部署成功的分水嶺。

3. 建立治理與信任體系

情境工程需要明確的隱私、安全和訪問控制。敏感信息必須得到管理或脫敏處理。定義驗證、保留和更新協(xié)議。治理還應明確哪些團隊可以訪問哪些情境層以及出于何種目的。信任是基礎；沒有信任，情境既不會被如實捕捉，也不會被自信使用。

4. 監(jiān)控影響并閉合投資回報循環(huán)

在監(jiān)控AI使用的同時測量業(yè)務結果。當預測準確性提高、交易速度加快、風險事件減少或周期縮短時，說明情境根基正在發(fā)揮作用。若未實現(xiàn)，則需優(yōu)化情境層和檢索邏輯。監(jiān)控要求將AI交互與業(yè)務指標關聯(lián)，并基于績效數(shù)據持續(xù)更新情境模型。長期而言，這將創(chuàng)造一個增強反饋循環(huán)，使組織的判斷力日益精準。

這種轉變改變了高管的心智模式。歷史上，企業(yè)技術主要由集中的IT或工程職能部門設計、治理和維護，即使業(yè)務部門是投資方。在模型驅動的企業(yè)中，情境成為基礎設施：一個持續(xù)更新的組織運作方式表征。競爭優(yōu)勢和AI投資回報率取決于這兩個層面集成的緊密程度。

模型獲取途徑將持續(xù)拓寬。情境則將始終具有組織特異性，因而持續(xù)成為競爭優(yōu)勢。

關鍵詞：

羅漢·納拉亞納·穆爾蒂（Rohan Narayana Murty）、拉維·庫馬爾·S（Ravi Kumar S）| 文

羅漢·納拉亞納·穆爾蒂是Workfabric AI創(chuàng)始人兼CEO，該公司通過提供精確的組織情境幫助企業(yè)部署AI智能體。他擁有哈佛大學計算機科學博士學位。拉維·庫馬爾·S是Cognizant公司的CEO，這是一家《財富》500強技術服務和咨詢公司，與全球企業(yè)合作，通過在行業(yè)與技術交匯處提供創(chuàng)新解決方案，幫助它們在快速變化的世界中轉型并引領發(fā)展。拉維入選了《時代》雜志2025年“AI領域最具影響力100人”榜單。

周強 | 編校

聯(lián)系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org