本文来自微信公众号： 复旦管院 ，编辑：徐玉茹，责编：孙睿，作者：窦一凡，原文标题：《补“家底”、抓痛点，破解中小企业的“AI焦虑” | 智能涌见》
小管
当前中国的中小企业有哪些特点，为什么这些企业要实现AI落地难度很大？
窦一凡教授：从2015年开始，我对浙江十多个城市的许多民营中小企业展开调研并进行模型化的研究。这些中小企业大多从草根起步，由家庭作坊逐渐发展为小工厂，再建立起标准生产车间。从行业来说，他们以各类小商品生产批发为主，追求节奏，因此往往需要马上见效，尤其喜欢从单点应用切入并快速试错。
以浙江企业为例，他们具有中国企业特有的韧性，也有其局限性。如果用SWOT（态势分析法）进行分析，浙企最大的优势是供应链密度高、老板决策快、配套齐、补位能力强。这些企业节奏快、敢试错，但短板也很明显。例如同质化严重、利润薄、品牌掌控力不足、系统和治理水平参差不齐。从发展机会看，跨境贸易、产业带数字化和人工智能工具的普及正在降低很多前端能力的门槛。风险则来自供应链波动、新平台适应和新规则变化、二代接班难、组织治理升级滞后等问题。
AI正在颠覆许多行业的本质，也让很多企业，尤其是中小企业感到焦虑——到底怎样才能用好AI？正如工业革命时期，“近代工厂之父”、英国企业家阿克莱特在发明水力纺纱机之后把工厂搬到河边，以实现水力纺纱设备的能效最大化，新技术的到来需要重构组织与流程，而不仅仅是叠加一个工具。
很多中小企业想要拥抱AI实现升级，却很难招到合适的人，为什么会出现这样的短缺？
窦一凡教授：中小企业人才短缺的核心问题，是缺少“既懂算法又懂车间”的人。这不是引进几位科学家或者顶尖技术人才就能直接解决的问题。为什么大城市的人才没有大量涌入制造业车间？原因并不是他们不愿意来，而是车间里坐着一位“动不了”的老师傅。这位老师傅跟着企业创业多年，积累了丰富的显性与隐性经验，熟悉生产的每一个环节。可以想象，如果AI人才进入车间，他们会遇到一个现实困境——是听老师傅指挥，还是去指挥老师傅？
遗憾的是，这两个选项都不可行。因为真正的挑战，不在于单纯引入新技术，而在于企业如何管理知识、协调新旧经验与逻辑的匹配。人才始终是第一道门槛，对企业来说，不是简单地给员工接入ChatGPT这样地AI工具就是实现了AI化。关键在于，如何让新引进的AI人才与企业原有的经验体系相结合，让两者形成有效的协同，而不是彼此对立。
AI要在中小企业真正落地还会面临哪些挑战？
窦一凡教授：首先是同质化扩散太快。例如在浙江众多县镇的小商品城、毛纺城、童装城、皮革城等市场，经常能够看到这样的现象：只要有一家商铺吸引了大量客户，其他商铺就会迅速出现类似产品。抄袭的速度和扩散的速度都过快，这种快速模仿让企业很难构建属于自己的核心竞争力和“护城河”，最终导致每个企业的利润都在不断压缩，很难在激烈的竞争中保持持续优势。
第二是IT项目的长周期与企业短期经营节奏不匹配。例如，企业与IT服务商洽谈业务，通常会按照年度商业周期来介绍项目规划，最常见的模式以一年为单位，至少需要滚动推进两到三轮，按规划逐年推进。但站在中小企业负责人角度，会希望更快的周期，因为下一季度的订单已经迫在眉睫。IT系统能否能在短时间内提供支持？账期能够承受资金压力？这种时间周期与业务逻辑之间的不匹配。可能导致AI项目无法落地，最后留下的往往只是简单功能的应用。
第三是缺少数字底座。核心业务数据分散在微信群、孤立的excel表格、账本与老师傅的经验记忆中，无法直接供模型训练。如果没有干净数据，再聪明的模型也只能瞎猜。
第四是系统“太轻”、工厂“太重”。很多企业不是没有工具，而是工具只解决“打卡审批”类工作，无法解决如报价追溯、库存准确率、返工分析等真正经营所需。最终我们会发现，只有将问题落到企业治理层面，才能从根本上加以解决。
要解决难题，有哪些可行的切入点？
窦一凡教授：问题最终仍回归到一个核心——企业领导这应当扮演何种角色。我个人将中小民营企业实现AI落地的发展路径分为四层接地，而且只能循序渐进、一步一步走。
首先是补齐“数字家底”，把产品样本、次品照片、客户反馈等细节数据沉淀下来。第二，选“痛点开刀”，从能直接改进排产或交付的场景切入。例如，我在调研面料生产企业时，了解到一个典型场景：这些企业每年通过广交会，等待来自中东的客户告知布料图案的需求。于是他们开始反思，为什么不能提前预测客户可能需要的布料样式并做好准备？随着数据不断积累，企业便能逐步了解中东客户的审美偏好与需求，从而提前规划下一年度的布料生产。
第三，把AI嵌入整条业务流程，形成难以被复制的链条。例如，针对产品容易被同行快速模仿的问题，如果AI能够同时完成指导生产、排产、接单和采购，而不是只被一个环节或一个部门使用，当功能贯穿整个产业链，企业掌握了全链条的业务数据与流程控制，那么竞争对手就很难抄袭，这也是企业构建竞争壁垒的关键。
第四，重构人岗权责治理，让老板从日常操作中退居“例外管理”的角色，推动知识与流程的标准化。AI是否发挥作用，关键在于决策权、责任边界和例外处理机制是否安排清楚。
再次回溯历史，阿克莱特认为未来的生产不依赖于人工，而是由AI驱动，工厂的运转会如水流般不间断持续。有人担心这种模式会加剧“内卷”，而问题的关键最终取决于企业的“品味”。真正决定产品、服务的市场竞争力的不只是价格，更重要的是企业所传递的独特价值。
企业必须清楚，当客户对产品感到满意，他们实际获得的是什么。目前还有很多企业没有将这些关键数据记录下来。真正的挑战在于，如何利用AI将企业的独特品味和价值精准传递到客户手中。不同地区和行业的答案各不相同，这意味着AI的应用必须因地制宜，才能发挥最大效能。