新技術會迅速讓傳統(tǒng)優(yōu)勢領域“商品化”。以攝影術的誕生為例：肖像畫家無法僅通過使用相機來優(yōu)化工作流程以求生存，因為這項技術徹底重塑了圖像創(chuàng)作的價值基礎——寫實描繪變得廉價，客戶付費意愿驟降，畫家原有的價值空間就此干涸。

我們的研究顯示，生成式AI正催生相似的模式。我們分析了800家美國上市公司，將崗位職責映射到具體工作活動，并根據物理在場需求、數據可及性、任務邏輯依賴度等因素，評估了每項活動被生成式AI增強或自動化的潛力。結果顯示：各行業(yè)生成式AI自動化潛力指數，與ChatGPT發(fā)布后該行業(yè)的利潤率變化之間，并無顯著相關性。事實上，自動化潛力最高的行業(yè)——金融、科技、媒體——其利潤率反而停滯或下滑。

這種關系也并非由行業(yè)間生成式AI采用程度的差異所解釋。我們通過企業(yè)公開數據（如擁有相關技能的員工比例、合作的第三方AI技術供應商數量）來近似衡量其應用深度，結論依然成立。

總而言之，即便企業(yè)持續(xù)投入生成式AI，由此帶來的生產率提升似乎已在市場競爭中被“消化”——價值流向了客戶或供應商，而非沉淀在企業(yè)內部。這是價值被“商品化”的早期信號。數據表明，生成式AI的長期回報，并不在于僅僅用它更快、更高效地執(zhí)行現有任務。

真正的機遇在于關注新技術帶來的另一重效應：開啟全新的價值池。

企業(yè)內部應用生成式AI的

三大戰(zhàn)略方向

當技術消除了價值鏈某一環(huán)節(jié)的瓶頸時，稀缺性并未消失，而是發(fā)生了轉移。曾經的核心價值變?yōu)榇笞谏唐?，但與此同時，新的瓶頸或摩擦點隨之浮現，成為新的稀缺性與價值源泉。例如，攝影術讓精準再現現實變得廉價且普及，但作品的意義、視角與情感表達則成為新的稀缺品，從而催生了印象派、立體主義等全新的藝術流派。

新技術不僅沿現有鏈條轉移價值，更會創(chuàng)造全新的價值網絡。通過打破固有約束，它們催生了此前難以想象的商業(yè)模式。正如攝影術通過實現對現實客觀、可復制的記錄，徹底重塑了新聞、廣告與出版業(yè)。

突破性技術引發(fā)的連鎖反應——舊價值池枯竭，而圍繞解決新摩擦、構建新商業(yè)模式的新價值池涌現——為我們提供了一個前瞻性的框架，用以思考在生成式AI時代，可持續(xù)的價值將源自何處。

1. 優(yōu)化者：強化現有能力

許多公司部署生成式AI，旨在讓現有能力變得更快、更高效、更敏捷。例如，數字媒體如BuzzFeed利用大語言模型批量生成內容；彭博社將其整合到終端服務中，快速總結財報電話會議。這類應用能釋放新的增長潛力或顯著提升效率，為率先有效應用新技術的企業(yè)帶來競爭優(yōu)勢。

然而，這類優(yōu)勢很可能只是暫時的，因為它們所優(yōu)化的活動，正迅速被生成式AI本身“標準化”。換言之，生成式AI在短期內通過提升效率為企業(yè)帶來“順風”，但長期看，隨著技術普及，高效執(zhí)行這些任務將變?yōu)楦偁幍摹叭雸鋈?，其底層價值終將消散。

2. 整合者：解決新涌現的“摩擦”

持久的優(yōu)勢，不太可能源于用生成式AI把你已經在做的事做得更快。優(yōu)勢將來自轉向那些因生成式AI普及而變得更具挑戰(zhàn)性的領域。

例如，咨詢公司提供研究、綜合與報告撰寫的核心服務，正被生成式AI商品化。但該技術讓海量內容生成變得容易的同時，也催生了新的痛點：如何驗證信息真?zhèn)?、提煉有效洞見、判斷事項?yōu)先級。價值正從“內容生產”向“判斷力應用”遷移。

同樣，生成式AI能近乎無限地生成營銷文案、社交媒體內容或設計創(chuàng)意。面對這種信息過載，差異化策略在于整合——在海量信息中進行篩選、整合與語境化。付費通訊《The Browser》即為一例：它不生產原創(chuàng)內容，而是依靠編輯品味，每日為超過15萬訂戶精選五篇優(yōu)質文章，其全部業(yè)務都建立在幫助用戶應對信息洪流之上。

聚焦判斷與整合的策略并非對所有企業(yè)都適用，且其依賴的“摩擦”點也可能隨技術演進而改變。但不變的規(guī)律是：每當技術解決一類舊摩擦，新摩擦必然隨之產生。因此，企業(yè)的重點應是持續(xù)識別生成式AI催生的新摩擦，并定位自身去解決它們。

3. 重塑者：構建全新商業(yè)模式

生成式AI能夠打破成本或運營復雜性的傳統(tǒng)約束，使得此前不可行的全新服務成為可能。

例如，它可以彌合規(guī)?；c個性化之間的傳統(tǒng)矛盾，使得以定制化體驗服務小眾、碎片化或低利潤客戶群體變得經濟可行。Spotify利用生成式AI將播客翻譯并克隆為多種語言的聲音版本，極大拓展了內容的全球觸達。Meta的AI營銷工具能生成既貼合產品特性、又針對目標用戶個性化定制的廣告素材。

這兩個案例的共同點是：生成式AI被用于放大企業(yè)已有的獨特資產（Spotify的播客庫與用戶規(guī)模，Meta的廣告生態(tài)中心地位）。因此，識別生成式AI高價值應用的一個有效思路是：審視技術如何能倍增你現有的核心優(yōu)勢。

生成式AI尤其擅長處理知識并提升其可及性，因此它能將組織內部封存的獨特專長轉化為新的收入流。摩根大通推出的IndexGPT，正是將其機構級的證券分析能力“產品化”，提供給零售客戶使用?？茖W出版商愛思唯爾則利用其龐大的醫(yī)學期刊與藥物數據庫，構建了生成式AI驅動的臨床決策支持工具，為醫(yī)生提供循證治療建議。

更進一步，生成式AI還能催生全新的交互與體驗模式。教育科技公司多鄰國推出的Max版本，利用大語言模型為每位學習者提供擁有“角色扮演”場景的個性化AI導師，實現嵌入式反饋與動態(tài)課程調整。

以上是基于當前生成式AI能力已可實施的策略。隨著技術演進，新的可能性將持續(xù)涌現，新的商業(yè)模式將不斷誕生并創(chuàng)造價值，正如現有模式也可能再次被商品化。這對決策者的關鍵啟示在于：不應通過尋找生成式AI尚“不能”做的事來尋求差異化，因為相關價值池會隨技術進步而萎縮；而應聚焦于探尋因AI進化而“將成為可能”的事，那里蘊藏著增長中的新價值池。

在生成式AI驅動的生態(tài)中

重新定位企業(yè)

上述策略側重于內部應用生成式AI以增強產品或運營。此外，還有一條更具外向視角的路徑：洞察生成式AI將如何重塑更廣闊的市場生態(tài)，并將企業(yè)重新定位為這個新興生態(tài)中有價值的節(jié)點。

這并非意味著企業(yè)都要去開發(fā)底層模型、建設算力基礎設施。而是指，在一個生成式AI將融入所有市場活動的未來，調整或創(chuàng)造新的價值主張。以下三種策略展示了這種可能性。

重新包裝者：為“AI代理”的消費重塑產品

當消費者的選擇日益由AI提供信息（甚至未來直接由AI代理做出）時，企業(yè)必須為“機器消費”重新設計產品。這意味著提供標準化的產品屬性與兼容性數據，并允許AI代理直接交互（例如完成購買）。Peec AI 和 Profound 等公司正在幫助品牌分析大語言模型如何描述和推薦其產品，這是一種新興的“AI代理優(yōu)化”（類比搜索引擎優(yōu)化），服務于AI代理主導的決策生態(tài)。

這一新范式將與傳統(tǒng)聚焦人類感知和品牌建設的營銷策略形成互補，后者在AI代理更依賴客觀、可驗證數據而非情感信任時，其效力可能減弱。

巴西零售巨頭Casas Bahia走得更遠，它在WhatsApp上推出了生成式AI驅動的對話式購物助手，顧客可通過自然聊天完成瀏覽、比價和購買。自2025年11月上線，該渠道已吸引超200萬用戶，并帶動了超5%的線下銷售額。

為適應AI代理主導的決策模式而重塑服務至關重要，先行者已從中獲益。然而長遠來看，這種“適配”將成為競爭的基礎門檻。當所有品牌都開始為取悅AI算法而優(yōu)化時，市場可能陷入更深層次的同質化陷阱。

監(jiān)督者：成為AI的“質檢員”

隨著生成式AI模型和自主代理激增并成為獨立的經濟行為體，對它們進行監(jiān)督以增強可信度與可靠性的需求日益迫切。

這為企業(yè)提供了解決新摩擦的機會——可將內部已有的驗證能力“產品化”。例如，萬事達卡的“決策智能”服務提供欺詐風險評分API，幫助支付系統(tǒng)判斷交易風險，將風控專長轉化為“合規(guī)即服務”的新收入。新聞可信度評級機構NewsGuard，則將其對出版物的可靠性評估技術授權給大語言模型開發(fā)商，用于幫助模型篩選信源和糾錯。

更廣泛地說，任何擁有專有、已驗證數據資產（如臨床試驗結果、工程手冊、金融分析）的公司，都可將其轉化為針對大語言模型的“驗證即服務”，確保AI生成內容的合規(guī)與準確。

供應者：成為AI的“養(yǎng)分”提供商

最后，生成式AI模型需要訓練數據（公開可用的人類創(chuàng)作文本數據預計在2028年前耗盡，需求迫切），也需要實時響應用戶查詢所需的輔助數據。

對高質量、經過篩選的垂直領域知識的需求，為擁有專業(yè)數據資產的企業(yè)打開了新商業(yè)模式的大門。湯森路透將其實時新聞與市場數據授權用于大語言模型訓練；律商聯訊則為法律垂直大模型提供結構化的法律本體與權威判例庫。同理，一家全球消費品巨頭可以將其匿名的銷售點數據變現，輸入給零售規(guī)劃AI代理，為那些愿意付費獲取更清晰市場洞察的企業(yè)提供服務。

以上六種策略并非詳盡，也非普適。企業(yè)領導者可通過回答以下問題，找到在生成式AI時代最適合自身的價值創(chuàng)造路徑：

風險識別：我們當前的哪些差異化資產或能力，有被生成式AI商品化的風險？

摩擦洞察：生成式AI在我們的市場或客戶側催生了哪些新摩擦？解決它們是否有價值？我們該如何解決？

優(yōu)勢倍增：我們可以在何處部署生成式AI，以倍增現有優(yōu)勢（例如，從獨特能力或資產中萃取新價值）？

模式創(chuàng)新：若利用生成式AI打破歷史的成本或復雜性約束，哪些全新的商業(yè)模式將成為可能？

生態(tài)位思考：我們的哪些資產可以成為生成式AI驅動商業(yè)生態(tài)的關鍵“數據燃料”或基礎設施？

主動思考這些問題，能幫助企業(yè)識別哪些現有優(yōu)勢面臨消逝風險，以及如何開啟持久的、面向未來的新優(yōu)勢。

亞當·約布（Adam Job）、桑吉特·保羅·喬杜里（Sangeet Paul Choudary）、烏爾里?！て|（Ulrich Pidun）、杰弗里·斯普朗（Jeffrey Sprong）|文

亞當·約布是波士頓咨詢公司亨德森智庫高級總監(jiān)。桑吉特·保羅·喬杜里是專注于人工智能與平臺戰(zhàn)略的C級顧問，加州大學伯克利分校高級研究員，四度入選《哈佛商業(yè)評論》“十大必讀文章”作者。其探討AI經濟影響的著作《重塑》榮獲2025年Thinkers50戰(zhàn)略獎。烏爾里希·皮東是波士頓咨詢公司亨德森智庫洞察力負責人，也是波士頓咨詢集團合伙人兼董事。杰弗里·斯普朗是波士頓咨詢公司亨德森智庫特使。

周強|編校

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org