AI营销价值鸿沟
为什么用了很多AI，经营结果仍没改变

董事会阅读提示
先看执行摘要、十项核心判断和“五层价值证据阶梯”；再根据价值泄漏链定位断点；最后用90天价值恢复路线决定继续、修正、暂停或扩大。

核心结论
AI营销价值鸿沟不是模型能力不足的单点问题，而是经营目标、流程、数据、组织、关键任务采用、输出质量、客户响应、增量测量、财务转换和规模复制之间的连续泄漏。工具越多、产能越高，如果这些接口没有闭合，企业只会更快地产生不可归因的活动、返工与风险。

1

AI工具活动量与经营价值无稳定等号

若在控制基线、任务组合和外部因素后，调用量能持续解释客户与财务增量，则该判断被削弱。

2

关键任务采用比员工总体使用率更重要

若非关键任务使用率同样稳定预测业务结果，则需修正任务权重。

3

流程瓶颈决定局部提效能否兑现

若非瓶颈环节提速能在无流程重构下稳定改善端到端周期和结果，则该判断需修正。

4

数据可用性是业务状态而非数据集中度

若仅集中数据、不定义状态与责任也能稳定驱动决策和执行，则该判断被削弱。

5

没有业务owner的AI产出难以进入经营动作

若无明确owner仍能长期形成跨部门执行、预算和复盘，则需重新解释组织机制。

6

质量成本可吞噬名义生产率

若复核、返工、错误和风险成本长期显著低于节省且不随规模上升，则可放宽质量闸门。

7

客户响应是内容产能与财务结果之间的必要桥梁

若产能增长不改变任何客户行为或渠道效率却能稳定带来财务增量，则需寻找其他机制。

8

多触点归因不能单独证明增量

若模型能在前瞻验证中稳定复现因果效应且通过实验校准，则其决议权可提高。

9

工时节省只有在兑现条件满足时才是财务价值

若节省工时自动减少现金支出或增加可计量产出，则可提高兑现率。

10

复制机制比复制工具配置更重要

若试点在无标准输入、数据契约、控制和能力转移下仍可稳定扩张，则该判断被削弱。

L1 工具活动

系统是否被接入和调用

活跃用户、调用量、生成量、单位调用成本、故障率

CIO/CDO、产品负责人

系统日志、采购与成本记录

仅证明活动，不证明关键任务改变

判断可用性与成本纪律

持续低使用、单位成本失控、重大安全缺陷

L2 任务采用

关键任务是否真正使用

目标任务渗透率、建议采纳率、一次通过率、例外率、人工接管率

业务owner、运营负责人

任务记录、工作样本、质检记录

证明任务层变化，不自动证明端到端结果

决定是否继续改造流程

关键任务采用低、返工抵消节省、质量未达门槛

L3 流程改变

端到端运行方式是否改变

总周期、等待时间、交接次数、返工回路、异常关闭时间

流程owner、业务负责人

流程事件日志、SOP版本、审计轨迹

证明流程机制变化，不自动证明客户价值

决定是否扩大流程范围

瓶颈未改善、下游积压、人工补丁上升

L4 客户/业务行为

外部反应是否改变

响应率、转化率、复购、流失、满意、投诉、信任、销售阶段推进

CMO、销售/客服负责人

实验、CRM、渠道数据、客户研究

需控制季节、投放、价格和样本选择

判断价值假设是否成立

无行为改善、负面信号上升、细分群体受损

L5 财务/风险

是否进入损益、现金流、资本效率或风险结果

增量毛利、现金节约、营运资金、风险损失避免、资本周转、长期资产

CFO、CEO、审计/风控

财务核验、实验估计、风险事件、合同与预算

最高层证据；仍需说明时滞和机会成本

拨款、停止、规模化与资本配置

兑现率不足、增量成本超标、风险暴露不可接受

是否有明确经营结果与时间窗？

目标能否分解到客户行为和流程指标？

目标泄漏

是否锁定一条端到端价值流？

瓶颈、输入、验收、异常是否明确？

流程泄漏

是否存在可运行的最小数据产品？

数据状态、权限、时效和责任是否可审计？

数据泄漏

是否有业务owner与预算责任？

关键决策权和人工承接是否明确？

组织泄漏

关键任务是否真实采用？

一次通过率和质量成本是否达标？

采用/质量泄漏

客户行为是否改变？

是否有基线、对照或替代解释？

客户泄漏

增量是否可识别？

能否转为财务或风险结果？

测量泄漏

价值能否复制？

是否依赖冠军个人、补丁或隐性劳动？

扩张泄漏

1 经营目标

用覆盖率、生成量代替增长/风险目标

目标无基线、无期限、无客户行为桥梁

预算无法审议

错误目标会奖励错误活动

重写目标树和价值假设

2 端到端流程

把AI塞进旧SOP

等待、交接、返工不降

总周期与客户结果不变

局部提速使下游拥堵

画现状/未来价值流

3 数据与业务状态

文档多但状态不可执行

字段缺失、口径冲突、时效低

输出不能写回CRM/投放/服务

错误状态被自动放大

构建最小数据产品

4 组织责任

无人对结果和例外负责

审批悬空、跨部门争议

产出停在建议层

责任空洞导致隐性人工

设业务owner与决策权

5 关键任务采用

员工只在边缘任务试用

总体活跃高、关键任务渗透低

经营流程未改变

易用任务掩盖高价值难题

按任务而非按人衡量

6 输出质量

低质、错误、品牌不一致

一次通过率低、返工高

质量成本和风险上升

规模扩大错误传播

验收标准、抽检和红线

7 客户响应

内容更多但相关性/信任不变

互动虚高、有效行为无改善

转化、复购或满意不变

噪声消耗渠道与客户注意

客户任务和行为实验

8 增量测量

把相关性写成因果

无对照、归因模型不校准

ROI争议和错误加码

成功叙事锁定预算

实验/准实验/MMM分层

9 财务转换

工时直接乘工资

兑现率和机会成本缺失

利润、现金流未变化

纸面价值掩盖新增成本

价值瀑布与CFO核验

10 规模复制

复制工具，不复制机制

冠军依赖、手工补丁增长

边际价值下降

复杂性和例外指数上升

复制门、数据契约、能力转移

非平均原则
价值泄漏链不采用简单平均分。目标、数据、责任和测量属于“证据门”；任一门失效，财务结论必须降级。流程瓶颈、质量红线和客户伤害属于“否决门”；触发后应暂停扩大，即使其他指标良好。

提高新客增量毛利

合格线索率、试购、首单毛利

线索响应时间、销售接受率、内容到线索可追踪率

生成内容数、AI调用数

月度经营会

客户行为无改善或获客成本上升

降低服务成本且不伤害体验

自助解决率、重复来电、投诉、满意

一次解决率、人工接管、异常关闭时间

机器人对话量

双周质检/月度财务

成本下降但投诉或流失超过阈值

缩短B2B销售周期

阶段推进率、决策人覆盖、方案接受

资料准备周期、跟进及时率、信息完整率

生成方案数

按销售周期设定

只提速资料、不改变阶段推进

降低品牌与合规风险

错误传播、投诉、下架、审查发现

一次通过率、敏感内容拦截、审批时效

扫描次数

每月风险委员会

重大错误或责任不清

机会识别

热点与客户问题分散

将市场信号转为可排优先级的机会单

来源、客户任务、潜在价值

证据不足退回；高风险升级

机会到brief转化率

内容/方案形成

需求模糊、反复改稿

结构化brief→生成→专业复核

目标、受众、主张、证据、禁区

事实错误、品牌偏差、法律风险

一次通过率、返工小时

渠道执行

复制粘贴、状态不可见

平台适配、审批、发布与回写

渠道规则、预算、版本、责任人

发布失败、预算异常、评论升级

周期、失败率、回写完整率

线索承接

内容与CRM断开

来源标识、评分、首响、销售接受

身份、来源、意图、权限

重复、无效、敏感数据

首响、接受率、阶段推进

复盘学习

报表与决策脱节

假设—结果—解释—动作闭环

基线、对照、成本、质量

样本不足、混杂因素

可复用规则与下一轮决议

主体与时间

美国一家《财富》500强软件企业的客服体系；研究于2023年发布，样本5,179名客服人员。

业务情境

客服人员需要实时解决技术问题，知识分散且新手学习成本高。

具体动作

分阶段上线基于大语言模型的对话助手，提供回复建议与知识指引，员工可采纳、修改或拒绝。

作用机制

系统把高绩效人员的沟通与问题解决模式扩散给其他员工，主要改善新手的知识调用和交流质量。

公开结果

每小时解决问题数平均提高14%；新手和低技能人员提高34%；对高技能人员影响很小。研究还观察到客户情绪与留任相关信号改善。

归因限制

研究衡量任务生产率，不披露企业利润、客户终身价值或完整部署成本；分阶段上线提供较强识别，但仍属于特定客服环境。

适用边界

适用于知识密集、任务重复、质量可观察且有丰富历史互动数据的服务场景。

可复制条件

需要高质量历史记录、清晰绩效指标、员工可拒绝建议、持续监测分群效果。

主要证据

Brynjolfsson、Li、Raymond，NBER Working Paper 31161。[S1]

主体与时间

宝洁与哈佛商学院等研究团队；约791名专业人员参与，2025年工作论文与研究解读公开。

业务情境

跨职能团队完成产品创新任务，研究关注个人、团队与AI协作的创意质量和专业边界。

具体动作

随机分配个人/团队及有无生成式AI条件，比较解决方案质量、时间与跨职能知识表现。

作用机制

AI帮助个人获得类似团队的知识广度，缩小职能边界，并提高产生高排名创意的概率。

公开结果

公开研究显示使用AI的个人可达到与无AI团队相近的表现，AI条件更可能产生进入高排名区间的方案，并缩短任务时间。

归因限制

实验输出是专家评价的创新方案，不是产品上市、销售额或利润；任务时间短、参与者与企业环境特殊。

适用边界

适用于结构化创新挑战、可盲评方案、跨职能知识互补明显的场景。

可复制条件

需要明确任务、独立评价、知识边界管理，并把后续市场验证单独作为价值证据。

主要证据

Harvard Business School AI Institute及相关工作论文。[S2]

经营目标

结果、基线、期限、owner、决议日

CEO/业务负责人

全部价值流

季度确认、月度更新

版本留痕

禁止生成无目标任务

客户/账户状态

身份、同意、来源、阶段、价值、下一动作

CRM/销售/客服

营销、销售、服务AI

事件级更新、去重

最小权限、敏感字段隔离

进入人工核验队列

内容/主张资产

版本、证据、适用人群、禁区、有效期

品牌/产品/法务

内容与渠道流程

发布前有效

审批链与引用来源

过期或无证据不得发布

渠道与预算状态

账户、目标、预算、投放状态、限制

投放/财务

投放优化流程

日/小时级

变更审批、回滚日志

仅输出建议不执行

任务与流程状态

输入、阶段、责任、截止、异常

工作流系统

所有角色

实时

完整事件日志

异常超时升级

质量与风险事件

错误类型、严重度、影响、处置

质检/法务/客服

模型与流程改进

事件级

不可篡改记录

触发暂停或降级

实验与财务映射

分组、暴露、结果、成本、兑现率

数据/CFO

经营决议

按实验周期

预注册/口径冻结

降级为方向性信号

主体与时间

中国平安，2025年上半年公开披露，金融与保险高监管场景。

业务情境

集团客户服务量巨大，需要控制成本、响应速度和一致性，同时满足金融合规与客户权益要求。

具体动作

持续升级AI智能客服，以AI服务代表承接大量标准化服务，并与人工服务结合。

作用机制

将高频标准任务自动化，把复杂、敏感和例外任务转交人工；依赖客户数据、知识规则和组织治理。

公开结果

公司披露AI服务代表提供约8.82亿次服务，占总客服量80%，并称有效降低人工服务成本。

归因限制

属于公司披露；未公开完整客户满意、投诉、分群质量、现金节约和因果对照，不能把服务占比直接等同利润。

适用边界

适用于高频、规则明确、可监控且能设置人工接管的金融服务任务；重大权益决定不能仅靠自动化。

可复制条件

需权限隔离、知识有效期、全量日志、人工接管、风险分级和持续质检。

主要证据

中国平安2025年中期业绩及可持续发展披露。[S12]

选择价值流

A

R

C

C

C

C

C

批准价值假设与基线

A

R

R

C

A/R

R

C

流程与任务重构

I

A/R

R

C

C

C

C

数据产品与权限

I

C

C

A/R

C

R

C

质量与人工接管

I

A

R

C

C

C

R

实验与归因

I

C

R

C

A

R

C

财务兑现

A

R

C

C

A/R

C

C

规模化/停止

A/R

R

C

C

R

C

C

任务可覆盖

可标准化且允许AI介入的任务/全部目标任务

定义可用边界

把所有工作都算作潜在覆盖

先排除高风险与不可观察任务

实际介入

AI介入任务/可覆盖任务

真实渗透

用月活代替任务渗透

在流程系统记录任务事件

建议采纳

被采用建议/AI介入任务

相关性与信任

采纳即代表正确

区分原样、修改、拒绝

一次通过

无需返工通过/提交

质量与规范匹配

只看生成速度

建立盲检和分层门槛

业务执行

进入发布、跟进或决策/通过项

组织承接

产出即执行

责任人和状态写回

结果可追踪

连接客户/财务信号/执行项

价值链闭合

用曝光替代价值

统一标识和实验设计

预防成本

知识维护、规则、培训、测试

增加前置投入，降低失败概率

风险分级与标准输入

鉴定成本

人工复核、抽检、事实核验

占用专家容量

按风险抽检、自动校验

内部失败

返工、重复生成、流程回退

吞噬节省工时、形成积压

一次通过率与根因分析

外部失败

错误发布、客户误导、投诉、赔付、处罚

直接损失与品牌/法律风险

人工接管、停机、追溯与纠正

主体与时间

Klarna，2024—2025年；全球支付与消费金融服务。

业务情境

公司希望降低客服成本、提高响应速度并扩大服务覆盖。

具体动作

上线OpenAI驱动的客服助手，承担多语言聊天，并持续调整人工与自动服务组合。

作用机制

自动化高频查询、缩短处理时间并降低单笔服务成本；复杂问题仍需升级人工。

公开结果

2024年公司称首月完成230万次对话、约占客服聊天三分之二，相当于700名全职人员工作，并称重复咨询下降25%；2025年称客服每笔交易成本较2023年一季度下降40%。

归因限制

均为公司自报；“相当于人员”不是实际现金裁减；客户满意、流失、投诉和产品组合影响未完整披露。随后公司公开强调继续提供人工服务选择，显示体验边界需要动态校准。

适用边界

适用于高频、规则化、多语言服务；金融争议、脆弱客户和复杂异常需要人工。

可复制条件

端到端监测成本、满意、重复联系、人工接管、投诉和长期客户价值；保留客户选择。

主要证据

Klarna官方新闻稿及经营更新。[S3][S4]

主体与时间

加拿大Air Canada；争议源于2022年，裁决于2024年2月。

业务情境

客户查询丧亲票价，网站聊天机器人给出与正式政策不一致的信息。

具体动作

客户依据机器人信息购票并申请退款；航空公司拒绝后进入民事争议程序。

作用机制

自动化触点被客户视为企业正式信息渠道；错误内容直接影响购买与权益决定。

公开结果

不列颠哥伦比亚民事解决法庭认定Air Canada应对机器人误导负责并判给客户损害与费用。

归因限制

单一案件不能量化全部AI风险概率，但清楚证明企业责任不会因界面自动化而消失。

适用边界

适用于所有对外承诺、价格、政策、权益和高后果客户沟通。

可复制条件

权威知识源、政策版本控制、关键主张引用、人工升级、错误纠正与责任归属。

主要证据

Moffatt v. Air Canada, 2024 BCCRT 149及法律解读。[S5]

提高相关性

有效点击、停留后行动、合格线索

负反馈、屏蔽、投诉

内容/受众随机或分阶段测试

曝光和点赞不能单独证明

降低购买障碍

配置完成、咨询到试用、购物车到支付

退订、退款、误购

漏斗A/B、可用性测试

转化提升需检查长期质量

提高响应速度

首响、解决、阶段推进

重复联系、人工升级

分流实验、队列分析

速度不能牺牲准确与尊重

增强信任

资料下载、决策人参与、复购

质疑、投诉、合规事件

品牌追踪、因果调查、面板

短期点击不代表长期信任

改善体验

满意、一次解决、留存

脆弱群体受损、差异待遇

分群监测、人工审查

平均值不能掩盖群体伤害

主体与时间

阿里巴巴淘天集团，2024—2025财年公开经营材料。

业务情境

电商商家需要商品问答、价格比较、智能投放和经营效率工具，平台同时推进变现机制升级。

具体动作

在大促和日常经营中提供AI工具，并推动“全站推”等智能投放产品采用。

作用机制

工具可降低商家运营摩擦、提高广告自动化和消费者信息匹配；平台收入还受流量、费率、竞争和宏观消费影响。

公开结果

公司披露商家和消费者在618使用AI工具，并称全站推采用增加；同期客户管理收入和电商变现改善。

归因限制

官方材料未提供独立商家样本的随机对照，也不能把平台收入增长全部归因于AI；商家个体利润、长期复购和增量成本未披露。

适用边界

适用于有闭环交易和丰富行为数据的平台营销；单个品牌仍需自己的增量验证。

可复制条件

商家级基线、分群、预算控制、利润口径、停止条件及平台外溢监测。

主要证据

阿里巴巴季度及年度经营披露。[S10][S11]

主体与时间

快手科技，2025年多季度公开业绩。

业务情境

短视频和直播平台需要改善广告匹配、素材转化和商家全域经营。

具体动作

用大模型升级投放产品、内容理解和推荐，并推进全域智能营销方案。

作用机制

更好的客户—商品匹配和自动投放可能提高转化，进而增加营销客户消耗和平台营销收入。

公开结果

公司披露2025年一季度在线营销服务收入180亿元，同比增长8%；二季度198亿元，同比增长12.8%；四季度236亿元，同比增长14.5%，并把AI应用列为驱动因素之一。

归因限制

公司级时间序列同时受流量、行业需求、产品组合、价格与竞争影响；“更高转化”多为平台披露，未给出客户级独立对照。

适用边界

适用于平台闭环广告与交易场景；品牌广告、长周期B2B和平台外交易需另设证据。

可复制条件

客户级增量实验、毛利而非仅GMV、创意疲劳与长期效果监测。

主要证据

快手2025年季度及年度业绩材料。[S8]

随机对照/A-B

可控渠道、内容、流程、客服分流

相对清晰的短中期增量

外溢、样本量、伦理与执行污染

高

地理/时间准实验

无法个体随机、区域投放

在假设成立时估计增量

平行趋势、同期冲击

中高

MMM

多渠道、长期、宏观与品牌投入

渠道边际贡献和预算情景

粒度低、模型依赖、需校准

中；经实验校准后提高

多触点归因

数字路径优化

转化路径分配

选择偏差、平台封闭、不能证明反事实

低至中

B2B阶段证据

低频、大额、长周期

推进率、覆盖、速度、胜率前置信号

最终收入时滞、样本小

分层使用

财务核验

成本、现金、毛利、风险损失

是否兑现到财务

无法单独识别因果来源

与因果证据结合后最高

主体与时间

腾讯，2025年度及2026年初公开业绩材料。

业务情境

广告业务需要在微信生态和视频内容增长中提高匹配、自动化投放和营销效率。

具体动作

升级广告技术模型并推出自动化投放方案AIM+，将AI用于内容生产、用户体验和营销效率。

作用机制

推荐、创意和投放自动化可提高广告相关性和客户投放效率，平台通过营销服务收入实现部分价值。

公开结果

腾讯披露2025年营销服务收入增长快于行业；2026年一季度营销服务收入381.71亿元，同比增长20%。

归因限制

公司级收入增长还受流量、视频号时长、商业化节奏和行业广告需求影响；未披露AIM+客户级因果效果及客户利润。

适用边界

适用于拥有大规模流量和闭环广告技术的平台；广告主仍需独立衡量增量毛利。

可复制条件

产品级实验、客户分群、预算与创意控制、平台收入与广告主价值双重监测。

主要证据

腾讯2025年度业绩演示及2026年一季度披露。[S9]

效率

处理时间、单位任务成本、容量

真实减少外包/加班/新增编制，或容量转为增量产出

现金节约、避免成本、增量毛利

工时×工资全额计入

质量

一次通过、错误、投诉、退货

缺陷确实下降且未转移到其他环节

返工成本、赔付、流失、品牌风险

只算速度不算复核

速度

上市/响应/销售周期

时间提前改变需求捕获、库存、回款或赢率

提前毛利、营运资金、机会价值

把所有提前天数等同收入

风险

违规、泄露、错误承诺、模型失效

有历史暴露、概率和损失区间，控制有效

预期损失避免、资本与保险影响

把“零事故”全部归功AI

长期资产

知识、数据、流程模块、品牌学习

可复用、可维护、能降低未来边际成本

期权价值、未来成本曲线

把沉淀文档直接估值

规范性价值瀑布
可审议净价值 =（效率现金兑现 + 增量毛利 + 质量损失减少 + 风险预期损失减少 + 经批准的期权价值）×归因权重 − 增量技术与运营成本 − 变更与治理成本 − 机会成本。所有项均需给出区间、证据级别和负责人。

1 原始改善

改善相对什么基线？样本和期限是什么？

仅记为方向性信号

2 因果归因

没有AI时会怎样？有何对照或替代解释？

降低归因权重

3 兑现率

容量如何变为现金、收入或风险变化？

按可兑现比例计入

4 增量成本

模型、集成、质检、治理和隐性人工是否齐全？

设置成本准备金

5 时滞与持续性

价值何时发生、能持续多久、是否衰减？

折现并设置复核日

6 复制风险

扩大后成本与质量曲线如何变化？

不提前计入规模价值

G1 诊断门

价值流、基线、owner、客户任务明确

目标仅为工具覆盖；无数据权限

批准小额诊断/停止

G2 重构门

未来流程、最小数据、质量与人工接管可运行

依赖大量手工补丁；重大风险未控

批准受控试点/回退

G3 证据门

关键任务采用、流程改善、客户行为和增量证据达到门槛

只有活动量；质量成本抵消收益

追加、修正或停止

G4 复制门

跨团队可复现、单位经济可接受、治理与支持容量充足

冠军依赖、例外激增、边际价值下降

分批扩张/限制范围

主体与时间

京东，2023—2025年官方企业新闻与商家服务发布。

业务情境

中小商家面临内容、活动、客服和经营成本压力。

具体动作

推出AI增长营销平台及“春晓计划”AI服务包，覆盖营销活动、文案素材和商家运营。

作用机制

标准化工具有望降低制作和运营成本，扩大中小商家能力。

公开结果

京东官方曾称AI增长营销平台可将营销生产效率提高百倍，2024年AI服务包目标是使商家运营成本最高降低50%；另有官方披露智能客服服务大量商家。

归因限制

属于平台/供应商自报与目标性表述；缺少独立商家样本、成本定义、分母和长期利润对照，不能作为普遍ROI。

适用边界

适用于资源有限、任务标准化的商家；品牌差异化和复杂经营仍需专业判断。

可复制条件

商家需自行记录全成本、质量、销售增量和平台依赖，并以小范围实验验证。

主要证据

京东官方企业新闻材料。[S13]

诊断

第1—14天

锁定结果、价值流、基线、瓶颈、风险和owner

目标树、现状价值流、证据阶梯、数据缺口、停止条件

基线完整率、关键任务样本、风险清单关闭率

G1

重构

第15—35天

设计未来流程、最小数据、验收、异常与人工接管

未来价值流、数据契约、RACI、质量标准、实验方案

一次通过、异常响应、数据完整、人工补丁

G2

证据

第36—70天

受控运行并收集任务、流程和客户证据

实验/准实验结果、质量成本、价值瀑布初版

任务渗透、周期、客户行为、成本

G3

扩张

第71—90天

跨第二团队/第二细分复制，验证单位经济与治理容量

复制包、支持模型、财务核验、下一次决议材料

跨组差异、例外率、单位成本、支持负荷

G4

关键任务渗透率

按真实基线填写

填写

项目自定

分任务与人员经验

业务owner

低于门槛则查流程/信任

一次通过率

填写

填写

项目自定

区分错误类型

质量负责人

重大错误触发暂停

端到端周期

填写

填写

项目自定

区分处理与等待

流程owner

瓶颈不变则重构

客户行为

填写

填写

项目自定

说明对照和分群

CMO/销售

无改善则修正价值假设

增量成本

填写

填写

预算上限

含隐性人工

CFO/CIO

超限则缩小范围

风险事件

填写

填写

风险容忍度

严重度与处置

法务/风控

红线事件立即停机

经营结果

明确指标、基线、期限、财务/风险口径

客户任务

客户在何种情境要完成什么进展

价值流边界

起点、终点、流程owner、客户触点

当前瓶颈

等待、返工、数据缺口、决策延迟或质量风险

AI作用机制

具体改变哪个任务、判断、接口或反馈

五层证据

分别列活动、采用、流程、客户、财务/风险

停止条件

质量、成本、客户伤害、数据或采用红线

下一次决议日

明确日期、决议人和所需证据

本次申请

诊断、试点、修正、扩大或停止

价值假设

如果采取何动作，将通过何机制改变何客户/财务结果

证据现状

五层证据分别达到何级别

资本与资源

本阶段预算、关键人员、机会成本

风险容忍

不可接受后果、人工监督与停机权

阶段门槛

下一闸门的量化/定性条件

决议期限

下次董事会/经营会具体日期

责任签署

业务owner、CFO、CIO/CDO、法务/风控

CEO/董事长

选择一条价值流；任命业务owner；禁止用活动量替代经营结果

根据G3/G4证据决定追加、修正或停止

CMO

建立客户任务—内容—渠道—线索—销售链；定义客户行为信号

证明客户反应和营销增量，而非仅产能

CFO

冻结基线与成本口径；定义兑现率、归因权重和机会成本

确认净价值进入现金、毛利、资本或风险

CIO/CDO

交付最小技术架构、权限、日志、成本和可靠性

确认单位成本、可扩展性和退出/替换能力

业务负责人

重构流程、推动关键任务采用、处理例外

对流程与业务结果负责

数据负责人

建立最小数据产品、事件标识和实验数据

保证证据可复核、口径稳定

法务/治理

风险分级、人工监督、客户告知、责任与停机机制

对红线事件拥有否决权

营销运营

维护任务漏斗、质量成本、每周看板与根因改进

形成可复制运行手册

下一次决议日
每个试点必须在启动时写入具体日期。建议：第14天做G1决议，第35天做G2决议，第70天做G3决议，第90天做G4决议。长周期业务可延长财务核验，但不得取消行为证据、风险门槛和预算复核。

[S1]

Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond

Generative AI at Work

NBER Working Paper 31161，2023；5,179名客服人员，分阶段上线，指标为每小时解决问题数等任务结果。

[S2]

Fabrizio Dell’Acqua等；Harvard Business School AI Institute / Procter & Gamble

The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise

2025；约791名专业人员，随机分组完成产品创新任务，衡量方案质量、时间和跨职能表现。

[S3]

Klarna

Klarna AI assistant handles two-thirds of customer service chats in its first month

2024-02-27；公司自报230万次对话、约三分之二聊天量及“相当于700名全职人员”等口径。

[S4]

Klarna

Q1 2025经营更新

2025-05-19；公司自报客服每笔交易成本较2023年一季度下降40%。

[S5]

British Columbia Civil Resolution Tribunal

Moffatt v. Air Canada, 2024 BCCRT 149

2024-02-14；聊天机器人提供错误丧亲票价信息，企业承担误导责任。

[S6]

National Institute of Standards and Technology

Artificial Intelligence Risk Management Framework 1.0；Generative AI Profile NIST AI 600-1

2023、2024；自愿风险管理框架及生成式AI风险画像。

[S7]

International Organization for Standardization

ISO/IEC 42001:2023 AI management systems

2023；AI管理体系的建立、实施、维护与持续改进要求。

[S8]

Kuaishou Technology

2025年第一、第二、第三、第四季度及全年业绩公告/演示

2025—2026；在线营销服务收入、AI营销产品及平台自报转化与客户消耗口径。

[S9]

Tencent Holdings

2025 Fourth Quarter and Annual Results Presentation；2026年一季度披露

2026-03、2026-06；AIM+、广告技术升级、营销服务收入等公司披露。

[S10]

Alibaba Group

2024年季度经营材料

2024；618商家/消费者AI工具、全站推采用等披露。

[S11]

Alibaba Group

2025财年及季度业绩材料

2025；核心电商变现、AI需求和经营结果，属于公司级披露。

[S12]

Ping An Insurance (Group) Company of China

2025 Interim Results；2025 Sustainability Report

2025—2026；AI服务代表约8.82亿次、占总客服量80%等公司自报。

[S13]

JD.com

AI Growth Marketing Platform；Enhanced Spring Dawn Initiative

2023—2024；营销生产效率与商家成本目标，属于平台/供应商自报。

[S14]

Peter F. Drucker

The Practice of Management

1954；企业结果存在于外部的管理观。

[S15]

全国人民代表大会常务委员会

中华人民共和国个人信息保护法

2021；自动化决策透明、公平、公正、差别待遇与个人权利相关规定。

[S16]

Michael E. Porter

Competitive Advantage: Creating and Sustaining Superior Performance

1985；价值链、活动系统与取舍。

[S17]

Michael Hammer, James Champy

Reengineering the Corporation

1993；围绕结果重新设计端到端流程。

[S18]

W. Edwards Deming

Out of the Crisis

1982；系统观、质量与持续改进。

[S19]

Eliyahu M. Goldratt, Jeff Cox

The Goal

1984；约束理论与系统吞吐。

[S20]

Robert S. Kaplan, David P. Norton

The Balanced Scorecard

1996；能力、流程、客户与财务的因果连接。

[S21]

Theodore Levitt

Marketing Myopia

Harvard Business Review，1960；以客户需要定义业务。

[S22]

Everett M. Rogers

Diffusion of Innovations

1962及后续版本；创新扩散的相对优势、兼容性、复杂性、可试用性和可观察性。

[S23]

Jay R. Galbraith

Designing Organizations

组织设计相关著作；战略、结构、流程、奖励与人员匹配。

[S24]

Charles Goodhart

Monetary relationships及后续“Goodhart定律”讨论

1975起；代理指标成为目标后失真。

人物

经验/研究基础

具体主张

适用边界

本报告的管理动作

Erik Brynjolfsson

数字经济与生产率研究；参与5,179名客服人员现场研究。

生成式AI的收益高度依赖任务、人员经验和组织互补资产；新手受益显著并不意味着所有岗位平均提高。

不能把单一任务实验外推为企业利润，也不能据此推断营销创意、销售或管理岗位。

先按任务与技能分层部署；把培训资源优先给可从最佳实践扩散中获益的人群；单独核验财务兑现。

Ethan Mollick

沃顿商学院组织与创新研究，长期观察知识工作者采用生成式AI。

AI能力边界不均匀，工作者需要把任务拆分为可验证部分，并对结果保持判断责任。

公开演示和个体经验不能替代企业级因果证据；模型更新还会改变边界。

建立任务地图：允许自动完成、必须复核、禁止自动化三类；每次模型变更重新验证关键任务。

Karim Lakhani

哈佛商学院数字创新研究；参与企业现场实验。

AI不仅提高个人速度，还可能改变团队知识边界与协作结构。

短期创新任务的专家评分不代表市场接受、产品成功或利润。

把“方案质量”与“市场验证”分成两道门；重设跨职能团队的评审、责任与知识共享机制。

Daron Acemoglu

MIT经济学家，研究技术、任务与劳动市场。

自动化价值取决于是否创造新的高价值任务和互补能力；仅替代容易任务可能形成有限生产率收益。

宏观判断不能直接决定某企业项目成败；行业、任务和制度差异很大。

投资组合中必须同时列出自动化任务与新增任务；检查AI是否只是压低成本，还是提高客户价值与能力积累。

Sebastian Siemiatkowski

Klarna联合创始人兼CEO，连续公开AI客服与成本披露。

大规模自动化可以显著降低服务成本，但企业仍需在人类服务选择、复杂问题与体验之间校准。

公司自报不等于独立审计；特定金融科技业务不能直接复制到其他行业。

同时管理成本、满意、重复联系、人工接管和长期客户价值；不得只看机器人处理占比。

Robin Li 李彦宏

百度联合创始人兼CEO；公司推进AI原生应用与营销服务。

企业应聚焦能够形成长期价值的AI应用，并把技术商业化与真实客户付费连接。

平台收入增长不等于广告主利润；公司级口径受产品组合和市场环境影响。

要求每个AI营销产品同时报告平台收入、客户采用、客户增量结果与流失/投诉，避免单边价值。

Elham Tabassi

NIST AI风险管理负责人之一，推动AI RMF。

AI风险无法被简单消除，应通过治理、场景映射、测量和持续管理来降低。

NIST框架是跨行业自愿框架，不能替代中国法律、行业监管和企业风险容忍度。

把风险登记、测量、处置和监控嵌入价值流；风险严重度决定自动化范围和人工监督强度。

Margaret Mitchell

机器学习研究者，长期推动模型卡、透明度和负责任AI。

模型性能必须结合使用情境、数据、群体和潜在伤害进行记录，单一平均指标会掩盖失效。

透明文档本身不会自动产生治理效果，仍需要责任、审计与纠正。

为关键营销模型建立用途卡：允许用途、禁止用途、数据时效、已知失效、群体差异、监控和停机条件。

场景

经营目标

最小价值流

核心证据

测量边界

停止条件

社媒内容与品牌传播

相关客户注意、品牌信任和后续行为，而非发布量

客户问题/品牌主张→brief→证据核验→内容→渠道→客户反应→学习

内容一次通过率、有效互动、品牌搜索、合格访问、负反馈

长期品牌存在时滞；平台互动可被算法与激励扭曲

内容增长而有效行为不变；负反馈或事实错误上升

效果广告与电商

增量毛利、获客成本和新客质量

商品/人群状态→创意与出价→曝光→转化→履约→复购/退货

实验增量转化、毛利、退货、复购、边际成本

平台归因不能单独证明增量；促销和库存会混杂

增量毛利为负；低质客户或退货显著上升

B2B线索与销售支持

合格商机、阶段推进、赢率和销售周期

目标账户→洞察→内容/触达→响应→销售接受→阶段推进→合同

决策人覆盖、销售接受率、阶段推进率、方案一次通过、周期

样本小、周期长、单笔波动大；短期收入不适合唯一指标

线索数量增长但接受率下降；资料提速不改变推进

客服与客户成功

一次解决、成本、满意、留存与风险

客户意图→身份/权益→知识→答复→解决/升级→反馈

一次解决、人工接管、重复联系、投诉、成本/交易

平均满意可能掩盖脆弱客户或复杂争议

错误承诺、投诉或重复联系超过阈值

营销研究与洞察

决策质量和响应速度，而非报告数量

问题→来源→证据→分析→决策→行动→结果回收

证据覆盖、引用可复核、洞察被决策采纳、决策周期

洞察质量难以即时量化；需通过后续决策结果学习

报告增加但无人决策；来源不可复核或结论同质化

高监管营销审查

降低违规、误导和审查周期，同时保持责任

材料→规则/证据→自动检查→专业复核→批准→发布→监测

拦截率、误报漏报、审查周期、外部事件

不能让模型独立做重大权益或法律结论

重大漏检、责任不清、法规更新未同步

关系

机制

例子

管理含义

前置依赖

后续证据必须建立在前一环可靠基础上

客户转化率改善若无法确认暴露、客户身份和基线，就不能进入财务归因

先修数据标识和实验设计，再讨论ROI

瓶颈约束

非瓶颈提效不能提高系统吞吐

内容初稿提速，但法务审查和渠道审批容量不变，导致库存与过期内容增加

预算优先投向瓶颈及接口，而非最容易自动化的环节

质量放大

自动化扩大错误速度和覆盖面

过期价格或错误政策被批量写入多个渠道和客服回复

高影响主张必须有单一权威源、版本和停机控制

行为反馈

客户反应改变后续数据和模型建议

低质点击诱导内容获得高点击，系统进一步生成类似内容，长期信任下降

优化目标加入质量、留存和负反馈，不只看点击

组织反馈

奖励机制塑造使用与数据记录

团队按生成量考核，员工拆分任务并降低质量以完成指标

奖励关键任务结果、质量和客户价值，而非活动量

测量反馈

错误归因驱动错误资本配置

平台归因将自然转化计入广告，预算继续增加但整体增量不变

用实验校准归因并设置预算边际回报门槛

触发器

立即动作

恢复条件

决议人

重大事实错误或权益误导

暂停对外自动发布/答复，纠正受影响客户，保全日志

根因修复、知识更新、复测通过、责任确认

法务/风险负责人拥有否决权

质量成本连续超过节省

减少任务范围，重新设计输入和验收

一次通过率、返工和单位成本回到门槛

业务owner与CFO

客户负面行为显著上升

停止相关细分和内容策略，启动客户研究

确认因果、修正策略并小样本重测

CMO/客户负责人

关键任务采用持续偏低

取消泛化培训，访谈使用障碍，重构流程入口

目标任务渗透和采纳达到门槛

业务owner

数据权限或质量失控

切断连接、冻结写入、进入人工模式

权限审计、数据修复、最小权限复核

CIO/CDO与数据负责人

增量无法识别且预算到期

停止扩大，仅保留学习价值明确的最小运行

新的实验或准实验方案获批

CEO/CFO