老板的AI市场部决策指南

BOARD BRIEF 01

出版说明

竹势 AI 营销智库出品

本报告面向董事长、创始人、CEO、总经理、CMO、CFO、CIO/CDO、业务单元负责人及相关治理角色。它提供一套用于立项、拨款、授权、验证、扩展与停止 AI 市场部项目的董事会决策体系。

报告的中心主张是：AI 市场部首先是一项受约束的经营系统投资。工具、模型和内容产量均不是最终回报。董事会需要同时管理增长、人效、现金流、能力资产与风险暴露五类账户，并通过分段拨款、有限授权、可回滚设计和预设停止条件控制资本损失。

报告中的企业结果按证据性质分别标注为现场实验、公司披露、平台案例或监管裁决。公司和供应商自报结果不作为独立行业结论。无法核验的数字、引语和市场规模不纳入正文。

版权：竹势 AI 营销智库。公开引用请保留报告名称、版本时间与出品方。

品牌网址：shichangbu.ai

执行摘要

第一章董事会命题与不启动条件

第二章五类经营账户：把热度翻译成资本语言

第三章首个闭环场景：五维评分与否决项

第四章三段拨款：发现、验证、扩展

第五章责任契约：经营结果与事故不能悬空

第六章最小可信数据与技术底座

第七章买、集成、共建、自建：边界与退出

第八章 90 天验证：基线、对照、阈值与决议日

第九章单点到规模化：复制条件与边际收益

第十章风险红线、授权半径、接管与回滚

第十一章岗位、绩效与预算权重构

第十二章投资委员会决策总账与季度资本重配

第十三章企业案例卷宗：成功、受限与失败

第十四章经典管理思想与专家观点的管理转译

董事会工具箱

行动路线：14/30/60/90/180/365 天

来源索引（纯文本）

附录 A：术语与证据等级

附录 B：最终自检清单

BOARD BRIEF 02

执行摘要

竹势 AI 营销智库出品

董事会真正需要决定的不是“是否购买 AI”，而是“哪一个经营约束值得用 AI 改写，以及愿意承担多大可逆损失来验证”。市场部拥有大量文本、图像、客户交互、知识检索和跨系统操作任务，具备较高的 AI 可用性；但它同时处于品牌、广告、个人信息、客户承诺和平台规则的高风险交叉点。建设方式必须兼顾速度与控制。

本报告提出“投资委员会决策总账”：每个候选场景必须同时进入五类经营账户；通过价值—可行性—回收速度—可逆性—学习外溢评分；依次经过发现、验证、扩展三道拨款闸门；在第 90 天由董事会作出继续、调整、扩展或停止决议。停止错误项目、缩小授权半径、回收许可证和沉淀可复用能力，均计入资本配置回报。

董事会问题	结论
为什么现在启动	AI 能力、成本和企业采用已进入可做现场验证的阶段；但没有清晰经营约束、基线、数据责任人或可回滚路径时不应启动。
第一笔钱投哪里	投向高频、可测量、可人工接管、能在 30—90 天闭环的任务链；优先缩短周转、提高转化覆盖或减少返工，不以“最炫”作为排序。
投多少	按最坏可承受损失设上限。发现阶段买信息，验证阶段买证据，扩展阶段买复制能力。现金回收与能力沉淀分账。
谁负责	业务负责人对经营结果负责；CIO/CDO 对系统与数据控制负责；法务/合规对规则解释和红线负责；供应商对合同化服务水平、缺陷和退出协助负责；CEO 对风险偏好和跨部门冲突负责。
90 天后怎么决	达到财务阈值且风险受控才扩展；达到领先指标但单位经济未过线则调整；风险越线或没有学习资产则停止；不允许以“还需要更多时间”无限延期。

十个可验证、可反驳的核心结论

1. AI 市场部项目的首要失败原因通常不是模型能力，而是没有把经营结果、流程责任和数据边界写进同一张投资台账。可反驳条件：若工具采购在缺乏上述设计时仍能稳定产生可审计经营回报。
2. 第一笔预算应购买“证据”而非“规模”。高热度但低频、不可测量、不可逆或跨系统过多的项目，不应成为首个场景。
3. 生产率实验可证明任务效率的可能性，不能自动证明企业利润。财务回报取决于采用率、需求容量、质量返工、转化瓶颈和释放产能是否被重新配置。
4. 低经验人员往往从 AI 获益更多，但这并不等于可以取消资深判断。AI 可能压缩技能差距，也可能在能力边界外诱发一致性错误。
5. 对外发布、客户承诺、预算变更、敏感数据调用和自动化触达，应采用最小授权半径；授权扩大必须以实测可靠性和可回滚能力为前提。
6. 现金回收与能力资产必须分账。知识库、评测集、流程图、接口、品牌规则和事故演练属于长期资产，但在未被复用前不能等同财务收益。
7. “买、集成、共建、自建”不是技术偏好题，而是交易成本、差异化、数据敏感度、切换成本和责任可追索性的组合题。
8. 90 天试点必须在开始前写明基线、对照、阈值、决议日和停止条件；没有预注册决议规则的试点容易被沉没成本绑架。
9. 规模化的前提不是更多账号，而是任务可标准化、输入稳定、质量可测、异常可接管、单位经济可复制。
10. 停止项目并非失败。及时停止可回收现金、减少风险暴露、释放管理带宽，并留下可复用的评测与治理资产。

BOARD BRIEF 03

第一章董事会命题与不启动条件

竹势 AI 营销智库出品

第一笔预算之前：五项启动测试任一硬门未过，结论都是暂不启动。

01经营瓶颈能否一句话说明
02业务责任谁拥有结果
03可信基线今天表现如何
04风险边界什么不能牺牲
05可逆退出失败如何止损

闭环要素	本章结论
判断	AI 市场部应以具体经营约束立项，而非以技术焦虑立项。
机制	将目标、任务链、数据、授权、责任、阈值和退出机制绑定，才能把不确定技术转化为可管理投资。
证据	NIST AI RMF 要求组织围绕 Govern、Map、Measure、Manage 管理 AI 风险；现场实验显示收益高度依赖任务、经验和工作流。
边界	模型能力、监管义务、组织成熟度和数据质量随场景差异显著，不能用单一行业平均值替代企业基线。
管理含义	董事会应先批准问题定义和最大可承受损失，再批准工具。

“现在”的含义不是所有企业必须同步上马，而是企业已经能够用较低成本获得足够强的模型、成熟的云或本地部署能力以及可验证的工作场景。与此同时，监管执行已经从原则进入具体义务。中国《人工智能生成合成内容标识办法》自 2025 年 9 月 1 日起施行，明确显式与隐式标识要求；2026 年 4 月，网信部门公开查处未有效落实标识规定的平台，说明内容治理已经进入执法阶段。[S1][S2]

不启动条件不是保守清单，而是资本纪律。只要以下任一条件成立，董事会应推迟或缩小项目：没有可量化的经营约束；流程本身未稳定；关键输入数据无法合法获得；没有业务负责人；无法建立人工接管与回滚；单次错误可能造成不可承受的品牌、法律或客户损失；供应商不接受数据删除、日志交付和退出协助；90 天内没有可能观察到的领先指标。

不启动信号	为什么危险	替代动作
目标是“提升 AI 能力”	无法形成经营基线和决议阈值	改写为周转时间、线索覆盖、转化率、返工率或服务水平约束
流程每天变化、负责人不清	自动化会固化混乱并放大扯皮	先完成流程梳理和责任定界
要求 AI 直接对外承诺或改预算	错误成本高且难回滚	先采用草稿、建议、dry-run 和双人审批
数据来源和授权不清	可能触发个人信息、合同和商业秘密风险	完成数据清单、处理依据、最小化和留存政策
供应商只能“黑箱演示”	无法评测、审计和退出	要求评测集、日志、SLA、数据迁移和删除证明
没有决议日	项目会无限延长	立项同时锁定第 30、60、90 天闸门

管理思想连接：Michael Jensen 的代理理论提醒董事会，项目发起人、供应商与实际承担损失的人并不天然一致。AI 项目尤其容易出现“采用率由技术团队负责、收益由业务承担、事故由法务兜底”的责任错配。管理修正是把风险所有者、预算所有者和收益所有者放进同一责任契约。

BOARD BRIEF 04

第二章五类经营账户：把热度翻译成资本语言

竹势 AI 营销智库出品

01增长账增量收入与贡献毛利

02人效账单位经济与有效产能

03现金流账全成本与回收周期

04能力资产账知识、规则与复用

05风险账暴露、损失与恢复

闭环要素	本章结论
判断	单一 ROI 会漏掉能力资产与尾部风险；单一“战略价值”又会掩盖现金损失。
机制	通过增长、人效、现金流、能力资产、风险五本分账，形成可加总但不混算的决策总账。
证据	企业实验和官方案例表明 AI 可影响速度、质量和服务，但财务兑现取决于具体瓶颈与采用。
边界	风险避免与能力资产通常难以直接货币化，应保留证据等级并避免伪精确。
管理含义	董事会应同时看当期损益、现金回收、长期期权和风险暴露。

账户	核心指标	可进入财务口径	领先信号	常见误判
增长	增量合格线索、转化、客单、留存、销售周期	有对照或可信归因的增量毛利	触达覆盖、响应速度、内容测试量	把曝光、内容量直接当收入
人效	每单位产出工时、返工率、等待时间、服务容量	可撤销外包、避免新增编制、释放工时的可兑现价值	任务完成时间、采用率、人工修改率	把节省分钟数全部按工资折现
现金流	现金支出、回款加速、库存/预付款影响	实际减少现金支出或提前回款	采购承诺下降、周期缩短	忽略模型、集成、运维和治理成本
能力资产	评测集、知识库、连接器、SOP、品牌规则、复盘资产	只有被复用并减少未来支出时才确认	复用次数、覆盖场景、迁移成本下降	把所有文档都计为资产
风险	事故概率×影响、控制覆盖、恢复时间	可验证的保险、罚损、客诉或中断损失避免	红队缺陷、越权尝试、回滚演练	把“没有事故”视为零风险

价值证明树采用五条路径：成本节约、质量改善、增量收入、风险避免、长期资产。前两条最容易在 90 天内验证；增量收入需要更严格的对照和归因；风险避免应使用情景和暴露上限；长期资产通过复用记录逐步确认。

价值路径	证明公式	证据等级 A	证据等级 B	不得进入财务口径的情况
成本节约	可取消支出 + 可避免新增支出 - 新增全成本	发票、编制、外包合同实际变化	经 CFO 批准的容量释放计划	仅记录“节省时间”但没有重分配
质量	缺陷成本下降 + 返工下降 + 服务补救下降	对照组缺陷与成本差异	抽样盲评、返工工时	只有主观满意度
增量收入	增量转化×单位贡献毛利	随机/准实验或清晰 holdout	多周期前后对比并控制季节性	把全部成交归因给 AI
风险避免	暴露额×概率变化×控制有效性	历史事故与控制测试	情景分析与红队结果	没有概率和影响边界
长期资产	复用次数×替代成本 - 维护成本	后续项目实际复用节省	通过迁移测试和覆盖度证明	仅完成知识库上传

BOARD BRIEF 05

第三章首个闭环场景：五维评分与否决项

竹势 AI 营销智库出品

首个闭环业务任务 × 责任人

价值经营影响
可行数据与流程
回收现金周期
可逆停止成本
外溢能力复用

红线、无基线、无 owner、不可回滚：一票否决

闭环要素	本章结论
判断	首个场景应选择“最短证据链”，而非“最大想象空间”。
机制	用价值、可行性、回收速度、可逆性、学习外溢五维加权，并设置合规、数据、责任和不可逆损失否决项。
证据	生产率研究的收益在高频、结构化、可反馈任务中更稳定；经验差异显著。
边界	评分无法消除管理判断，权重应做敏感性分析。
管理含义	先选能在 90 天内形成闭环和组织学习的场景。

维度	建议权重	5 分口径	1 分口径	关键证据
经营价值	30	%贡献毛利或可兑现成本影响高，直接命中瓶颈	只增加产量或体验，无经营连接	基线、瓶颈、单位经济
实施可行性	20	数据稳定、接口明确、流程所有者清楚	依赖多系统、多团队和未知权限	数据清单、流程图、接口验证
回收速度	20	30—90 天可观察现金或高可信领先指标	12 个月后才可能观察	现金周期、样本量、周期性
可逆性	15	可暂停、人工接管、回滚、数据可删除	错误不可撤回或引发重大承诺	回滚演练、审批设计
学习外溢	15	评测、连接器、规则可复用于多场景	高度一次性、专属化	复用地图、迁移测试

否决项	判定标准
违法或无法确定处理依据	个人信息、受监管内容、客户授权或标识义务无法满足
不可承受单点事故	一次错误即可导致重大财务、生命安全、监管或品牌后果，且无人工接管
无业务责任人	只有技术或供应商负责，没有经营结果所有者
无基线或对照可能	无法定义分母、无法取得历史或同期对照
供应商不可退出	无法导出数据、配置、日志、评测资产或完成删除
全成本不可知	许可证、模型、集成、运维、审计、培训成本无法估算

敏感性规则：当任何单一维度权重上下浮动 10 个百分点导致排名翻转，说明项目排序不稳。此时不要直接拍板，应购买更多信息，例如两周数据盘点、接口原型或小样本盲评。

BOARD BRIEF 06

第四章三段拨款：发现、验证、扩展

竹势 AI 营销智库出品

GATE 01发现小额验证瓶颈、数据与责任
GATE 02验证锁定基线、对照、阈值与红线
GATE 03扩展只复制单位经济和控制同时成立的能力

闭环要素	本章结论
判断	预算应随证据成熟度递增，任何阶段都保留停止权。
机制	发现阶段降低信息不对称，验证阶段证明单位经济和风险控制，扩展阶段证明复制能力。
证据	Cooper 的 Stage-Gate 将创新投资分成阶段与闸门；实物期权理论强调用小额可逆投入换取未来选择权。
边界	阶段上限应根据企业规模和风险偏好设定，本报告不提供通用金额。
管理含义	以“最大可承受损失”和下一道门所需证据反推预算。

闸门	目的	资金上限原则	必须证据	责任人	停止条件
发现：0—30 天	确认问题、基线、数据和技术可达性	不超过验证预算的 10%—20%；只买信息	流程图、基线、数据清单、样本评测、风险初判	业务负责人 + CFO + CIO/CDO	没有可测价值；关键数据不可得；红线无法控制
验证：31—90 天	证明质量、采用、单位经济与控制	以最坏可承受损失为上限；禁止提前买长期规模许可证	对照/holdout、全成本、质量阈值、事故日志、采用数据	业务负责人主责；CFO验收财务；CIO验收系统	未达最低阈值；严重事故；单位经济恶化；无法复现
扩展：90 天后	证明跨团队、跨渠道或跨区域复制	分批释放；每批绑定容量、收益和控制覆盖	复制模板、迁移测试、SLA、培训、运营模型、退出演练	CEO/投资委员会	边际收益递减；控制覆盖下降；切换成本失控

投资上限公式：验证阶段最大预算 ≤ min（董事会批准的可承受损失，预计 12 个月可兑现价值×风险折扣，达到下一闸门所需最小样本的全成本）。风险折扣应体现归因不确定性、采用不确定性和供应商锁定。

经典思想：Henry Chesbrough 的开放式创新提示企业不必拥有所有技术，但必须拥有问题定义、接口、评测与关键数据。Richardson 与 Williamson 的交易成本逻辑则提醒，当专用资产、数据敏感度和不确定性上升时，单纯购买标准 SaaS 的表面低价可能被集成、监督和退出成本抵消。

BOARD BRIEF 07

第五章责任契约：经营结果与事故不能悬空

竹势 AI 营销智库出品

业务 owner经营结果

产品／流程 owner场景与运营

技术 owner可靠性与回滚

风险 owner规则与事件

财务 owner口径与资本

“人类在环”必须被翻译为姓名、权限、SLA、暂停权和接管动作。

闭环要素	本章结论
判断	AI 责任必须落到具体角色、具体对象和具体时点。
机制	将业务结果、模型系统、数据、内容审批、合规、事故和供应商责任拆分，并设置暂停权与升级路径。
证据	NIST 强调治理贯穿风险生命周期；高监管企业官方实践普遍保留人工决定与审计控制。
边界	RACI 不能替代法律责任，也不能把最终责任外包给供应商。
管理含义	董事会批准的是责任契约，不只是项目章程。

责任对象	CEO/董事会	CMO/业务负责人	CFO	CIO/CDO	法务/合规	供应商
经营结果	A：风险偏好与资本配置	R：单位经济、采用、流程结果	C/A：财务口径与拨款	C	C	I
模型与系统	I	C	I	A/R：架构、可靠性、访问控制	C	R：合同 SLA、缺陷修复
数据	I	C：业务必要性	I	A/R：分类、权限、留存、质量	C/A：处理依据与合规	R：按约处理、隔离、删除
内容审批	I	A/R：品牌与业务真实性	I	C	C：法律红线	C
对外动作	A：授权半径	R：动作规则与人工接管	C：预算动作	R：技术限制与日志	C/A：受监管动作	R：执行能力与故障通知
事故响应	A：重大事故决策	R：客户与业务处置	C：损失评估	R：隔离、回滚、取证	R：报告与法律处置	R：通知、修复、证据交付
退出迁移	A	C	A：商业结算	R：迁移与删除验收	C	R：导出、协助、删除证明

暂停权应授予三类角色：业务负责人可因质量或客户影响暂停；CIO/CDO 或安全负责人可因越权、泄露、异常调用暂停；法务/合规可因规则变化或内容红线暂停。任何暂停不应等待项目发起人同意。恢复必须经过原因确认、修复验证和授权重开。

BOARD BRIEF 08

第六章最小可信数据与技术底座

竹势 AI 营销智库出品

业务定义任务、对象、阈值
数据与知识来源、时效、权限
规则与评测质量、红线、对照
编排与审批身份、额度、动作
日志与恢复证据、接管、回滚

闭环要素	本章结论
判断	首个场景不需要“企业数据大一统”，但必须具备最小可信闭环。
机制	以身份权限、数据清单、知识来源、评测、日志、审批、回滚和成本计量八个组件构成最小底座。
证据	NIST GenAI Profile 将内容来源、数据隐私、信息完整性、模型风险与人机配置纳入治理。
边界	底座强度应与风险等级匹配；低风险内部草稿无需复制银行级架构。
管理含义	控制随授权半径升级，而非一次性过度建设。

底座组件	最低要求	扩展触发
身份与权限	实名、最小权限、角色分离、离职回收	接入客户系统或自动执行
数据清单	来源、目的、处理依据、敏感度、留存、责任人	新增数据类型、跨境或第三方处理
知识与来源	版本、有效期、引用来源、冲突处理	对外承诺或高监管内容
评测集	代表性样本、答案标准、盲评、失败类型	模型、流程或供应商变更
日志与审计	输入、输出、工具调用、审批、版本、成本	自动化动作和监管要求
人工审批	审批对象、SLA、替补、拒绝原因	风险升高或质量波动
接管与回滚	一键暂停、人工队列、撤回/恢复步骤	任何对外动作
成本计量	许可证、模型、集成、运维、人工审核	扩展前必须分摊到单位经济

中国适用边界：向境内公众提供生成式 AI 服务与企业内部自用的法律适用范围不同，但企业内部应用仍受个人信息保护、数据安全、网络安全、商业秘密、广告、知识产权和合同义务约束。《生成式人工智能服务管理暂行办法》明确其对向境内公众提供生成内容服务的适用范围，并强调发展与安全并重、分类分级监管。[S3]

BOARD BRIEF 09

第七章买、集成、共建、自建：边界与退出

竹势 AI 营销智库出品

闭环要素	本章结论
判断	采购模式应由差异化、数据、专用资产和责任可追索性决定。
机制	用交易成本与动态能力判断哪些能力商品化采购，哪些接口和知识必须内部掌握。
证据	企业官方案例显示，高监管组织倾向在专有知识、权限和工作流上进行定制，同时使用外部基础模型。
边界	自建不等于自研基础模型；采购也不等于把责任转移。
管理含义	企业至少应拥有场景定义、评测集、数据权限、流程规则和退出能力。

模式	适用条件	主要优势	主要风险	必须保留的内部能力
购买标准产品	流程通用、数据敏感度低、差异化低	上线快、初始成本低	锁定、黑箱、功能过剩	选型、配置、评测、合同管理
集成组合	已有系统多、需跨工具闭环	复用存量、灵活替换	接口脆弱、责任碎片化	架构、数据模型、监控、故障归因
共建	场景有差异化、供应商有技术、企业有知识	缩短学习曲线、共同承担探索	知识归属和范围蔓延	产品负责人、领域专家、验收标准
自建应用层	核心流程、敏感数据、高复用价值	控制、差异化、可演进	人才、维护、机会成本	工程、运维、安全、模型评测

可退出条款	合同最低要求
数据可携	结构化导出业务数据、配置、知识库、评测结果、日志和审批记录
可删除	终止后删除时限、备份处理、分包商删除与证明
模型与供应商替换	接口文档、提示/规则可迁移、不得以专有格式锁死核心资产
服务连续性	故障通知、降级方案、人工接管、重大变更提前通知
知识产权	输入、输出、定制组件、改进成果和第三方素材的权属与许可
责任与赔偿	数据事件、侵权、错误执行、SLA 未达标的责任边界
退出协助	迁移窗口、人员支持、费用上限、验证标准

BOARD BRIEF 10

第八章 90 天验证：基线、对照、阈值与决议日

竹势 AI 营销智库出品

0—14 天基线与否决项
15—30 天影子运行与接管
31—60 天真实小流量与对照
61—89 天单位经济与复制条件
第 90 天四分决议

闭环要素	本章结论
判断	试点的目的不是证明 AI 有用，而是判断特定系统在特定企业是否值得继续配置资本。
机制	通过预注册指标、对照、全成本、质量门槛和风险事件记录，避免成功叙事偏差。
证据	随机现场实验显示平均效应可能掩盖经验组差异；组织采用研究显示工具可用不等于持续使用。
边界	无法随机时可采用同期 holdout、分阶段 rollout 或匹配对照，但需披露局限。
管理含义	决议规则必须在第 1 天确定。

时间	核心任务	董事会可见产物
第 0—14 天	基线、流程、数据、样本评测、风险分级、成本模型	项目卡、五账户基线、否决项、最大损失
第 15—30 天	受控原型、人工审批、质量盲评、日志与回滚演练	发现闸门报告、继续/停止建议
第 31—60 天	真实业务小流量、holdout、采用与单位经济测试	中期台账、缺陷分布、成本拆解
第 61—89 天	稳定性、峰值、异常、跨人复制、供应商退出演练	复制条件、风险余量、扩展预算
第 90 天	四分决议	继续、调整、扩展或停止；下一阶段资金与责任

指标层	指标	阈值示例的写法
财务	单位贡献毛利、可兑现成本、现金回收期	“增量贡献毛利/全成本 ≥ 1.2，且回收期 ≤ 12 个月”
质量	准确率、品牌一致性、缺陷率、返工率	“关键事实错误率低于人工基线，严重错误为 0”
采用	目标用户周活、建议采纳、人工绕开率	“核心岗位连续 4 周采用率 ≥ 70%”
速度	周转、等待、响应、服务容量	“中位周转时间降低 ≥ 30%，P90 不恶化”
风险	越权、泄露、违规发布、恢复时间	“红线事件为 0；高风险事件在 SLA 内闭环”
学习资产	评测集、规则、连接器、SOP 复用	“至少 2 个相邻场景通过迁移测试”

BOARD BRIEF 11

第九章单点到规模化：复制条件与边际收益

竹势 AI 营销智库出品

流程标准化输入稳定质量可测异常接管运营责任资产复用

扩展席位之前，先扩展证据与控制覆盖。

闭环要素	本章结论
判断	规模化不是增加席位，而是复制单位经济和控制能力。
机制	通过流程标准化、输入稳定、质量可测、异常接管、运营责任和资产复用六项复制条件。
证据	跨 66 家企业、7,137 名知识工作者的随机实验显示工具改变了部分工作模式，但效果依赖实际使用；大规模劳动力研究也提示实际时间节省低于实验任务估计。[S4][S5]
边界	实验工具、岗位和企业环境不同，不能直接外推到营销全链路。
管理含义	扩展前应测边际成本、边际收益和控制覆盖。

复制条件	通过标准	失败表现
流程标准化	80% 以上输入输出可定义，异常有路径	每次都靠专家临场解释
输入稳定	核心数据质量、时效、权限稳定	频繁缺字段、版本冲突
质量可测	有代表性评测集与关键错误分类	只靠“看起来不错”
异常接管	人工队列、SLA、回滚已演练	出错后不知道谁接手
运营责任	有产品/流程 owner 和月度复盘	上线后交给供应商
资产复用	知识、规则、接口、评测可迁移	每扩一个场景重新定制

动态能力视角：Teece 将企业长期优势归纳为感知、捕捉与重构能力。AI 市场部的战略价值不在一次生成，而在于更快感知市场信号、用低成本试验捕捉机会，并把成功流程重构为组织能力。该理论的当代修正是：AI 加速决策循环，也可能加速错误扩散，因此“重构能力”必须包含评测、回滚和责任更新。

BOARD BRIEF 12

第十章风险红线、授权半径、接管与回滚

竹势 AI 营销智库出品

L1建议只读分析
L2草稿生成但不对外
L3受控执行白名单与额度内
L4有限自主预设策略与熔断

闭环要素	本章结论
判断	自主性应按动作风险递增，不应一次性开放。
机制	将 AI 动作分为建议、草稿、受控执行和有限自主四级，每一级绑定审批、额度、数据和回滚。
证据	NIST GenAI Profile、内容标识规则及企业高监管实践共同支持分级治理。
边界	低风险内部任务可放宽，高风险客户与资金动作必须收紧。
管理含义	授权是可撤销许可证，不是永久能力。

级别	AI 权限	典型营销任务	控制要求
L1 建议	只读分析与建议	竞品摘要、选题、投放诊断	来源引用、评测、人工决定
L2 草稿	生成但不对外	文案、邮件、客服回复、预算调整草案	审批、品牌规则、事实校验
L3 受控执行	在白名单和额度内执行	定时发布、CRM 更新、低风险触达	双人审批或阈值审批、日志、回滚
L4 有限自主	按预设策略连续运行	线索分配、低额度实验、内部巡检	额度、异常检测、熔断、定期复核

红线事件	立即动作	恢复条件
敏感数据外泄或越权访问	隔离系统、冻结凭证、保全日志、启动事件响应	根因修复、影响评估、权限重置、必要报告完成
未经批准对外发布或承诺	撤回、客户通知、人工接管	审批链修复、回归测试、责任确认
生成内容违反强制标识或监管要求	停止发布、补救标识、审查存量	规则更新、技术验证、合规批准
模型或供应商重大变更未通知	切换降级方案、暂停高风险任务	完成重新评测和合同确认
单位成本异常或调用失控	触发预算熔断、限流、切换模型	成本根因消除、预算重新批准

高可靠组织理论由 Weick 与 Sutcliffe 系统化，强调对失败征兆保持敏感、避免过度简化、贴近一线运行、保持韧性并尊重专业。用于 AI 市场部时，管理转译是：记录近失事件；按失败类型而非只按平均准确率复盘；让一线审核者拥有暂停权；定期演练人工接管；重大判断由最懂风险的人而非职级最高的人主导。

BOARD BRIEF 13

第十一章岗位、绩效与预算权重构

竹势 AI 营销智库出品

判断问题定义与取舍

关系承诺与升级判断

创造洞察与原创责任

执行白名单自动化

监督异常、复盘与规则更新

闭环要素	本章结论
判断	AI 不应只减少写作时间，还应重构任务组合、质量责任和预算分配。
机制	把岗位拆为判断、关系、创造、执行、监督五类任务，决定增强、自动化或保留。
证据	客户支持实验中低经验员工收益更大；P&G 与 HBS 的团队实验显示 AI 可在部分创新任务中替代或补充协作，但不能外推到所有团队任务。[S6][S7]
边界	岗位结果受行业、任务和劳动关系影响，不能仅依据实验裁员。
管理含义	先重配任务和绩效，再讨论编制。

任务类型	AI 角色	人的责任	绩效变化
事实检索与初稿	优先执行	定义问题、核验关键事实	从产量转为准确率、周转和采纳
创意探索	扩展选项、组合刺激	洞察、取舍、原创责任	从单稿评价转为组合质量与测试学习
客户沟通	辅助准备、实时建议	关系、承诺、同理心、升级判断	从回复量转为解决率、满意度和风险
渠道执行	按白名单自动化	策略、异常处理、品牌控制	从手工动作量转为稳定性与单位经济
监督与复盘	日志、异常、总结	判断偏差、更新规则、责任承担	增加控制覆盖、近失事件和学习资产

社会技术系统理论源于 Trist 与 Emery 对煤矿工作系统的研究，核心是技术与社会系统需要联合优化。对 AI 市场部的修正是：不能只优化模型准确率，也要优化任务边界、员工参与、反馈速度、职业发展和权责。若 AI 降低任务难度但增加监控压力、反馈冲突或技能退化，局部效率可能换来长期组织成本。

BOARD BRIEF 14

第十二章投资委员会决策总账与季度资本重配

竹势 AI 营销智库出品

继续证据向好，维持预算与边界

调整价值存在，重设流程或阈值

扩展经济、质量、采用与风险同时过线

停止红线、持续不达标或不可复用

闭环要素	本章结论
判断	AI 项目组合应像资本组合一样定期重配，不应按部门预算惯性续费。
机制	将五账户、闸门证据、责任、风险和下一决议汇总到一页总账。
证据	平衡计分卡强调财务与非财务指标联动；资本配置与实物期权强调停止、等待和扩展均是有效决策。
边界	总账不能替代项目底层数据，应可追溯。
管理含义	季度会议只讨论证据变化、风险变化和资金机会成本。

总账字段	填写要求
场景与经营约束	一句话说明瓶颈、业务 owner、受影响客户/流程
五账户基线与变化	每项给出分母、周期、数据源和证据等级
累计全成本	许可证、模型、集成、运维、人工审核、培训、治理
单位经济	每合格线索、每解决工单、每内容资产或每节省小时的全成本
质量与采用	中位数和 P90；人工修改率；核心岗位持续采用
风险事件	红线、高风险、近失、恢复时间、未关闭问题
学习资产	新增评测、规则、知识、接口、SOP 及实际复用
供应商暴露	锁定、集中度、重大变更、退出演练状态
下一决议	继续、调整、扩展、停止；金额、责任人、日期、条件

四分决议	触发条件	资本动作
继续	领先指标达标，财务证据尚需一个周期；风险受控且学习速度高	维持预算与授权，不扩大范围；明确下一证据
调整	价值存在但流程、模型、采用或成本未过线；可在一周期内修正	缩小场景、换模型/流程/供应商、重设授权与阈值
扩展	单位经济、质量、采用和风险均过线；复制条件完成	分批增加预算、用户或渠道；保留 holdout 和退出机制
停止	红线事件、持续不达阈值、全成本超限、无可复用学习或机会成本过高	终止合同、回收权限、导出资产、删除数据、复盘并重新配置资本

季度资本重配应回答四个问题：新增一元预算最可能在哪个场景创造最大风险调整后价值；哪些项目继续消耗管理带宽却没有新增证据；哪些能力资产可以被其他业务复用；哪些许可证、接口或供应商承诺应被回收。

BOARD BRIEF 15

第十三章企业案例卷宗：成功、受限与失败

竹势 AI 营销智库出品

以下案例用于展示机制与边界，不构成收益承诺。实验结果按原研究样本和指标表述；公司案例标注“公司披露”或“官方案例”。

案例 1：Fortune 500 软件公司客户支持 AI 助手（现场研究）

案例要素	内容
主体与时间	2020—2021 年部署；研究样本 5,179 名客户支持人员。
业务情境	客户支持人员处理技术问题，绩效指标为每小时解决问题数等。
具体动作	向部分人员逐步开放基于历史对话训练的生成式 AI 建议工具，员工可采用、修改或拒绝建议。
作用机制	系统把高绩效人员的表达与问题解决模式实时传播给其他人员。
公开结果	研究报告平均每小时解决问题数提高约 14%；新手和低技能人员提升约 34%，高经验人员效果很小。[S6]
归因限制与边界	属于单一公司、支持场景和特定工具；并非营销收入实验；平均生产率不等于利润。
可复制启示	首个场景应优先选择高频、反馈快、答案有历史标准的任务；对不同经验组分层评估。

案例 2：P&G 与 Harvard Business School “Cybernetic Teammate”

案例要素	内容
主体与时间	2024 年研究；791 名 P&G 专业人员参与产品创新相关任务。
业务情境	比较个人、团队以及有无生成式 AI 的任务表现与协作机制。
具体动作	参与者被随机分配到个人或团队，并在部分组使用生成式 AI 完成创新任务。
作用机制	AI 可提供跨职能知识、扩大选项并改变个人与团队的协作结构。
公开结果	研究显示 AI 辅助个人在部分任务上可达到或超过无 AI 团队的表现，并改善跨职能知识整合；具体结果以论文任务和评分为限。[S7]
归因限制与边界	单次受控创新任务不等于长期组织绩效；不能据此取消团队、品牌洞察或消费者研究。
可复制启示	把 AI 视为可调用的“协作资源”，但保留任务选择、评审和跨部门责任。

案例 3：Morgan Stanley 财富管理 AI 助手与会议 Debrief

案例要素	内容
主体与时间	2023—2024 年逐步推出；公司官方披露。
业务情境	高监管财富管理场景中，顾问需要检索大量内部研究并记录客户会议。
具体动作	建立基于内部知识的顾问助手；Debrief 在客户同意后生成会议笔记、行动项和可编辑邮件，并写入 Salesforce。
作用机制	把 AI 限制在受控知识、客户同意、顾问编辑和系统记录中，减少检索与记录负担。
公开结果	公司披露某顾问称每次会议约节省半小时；未披露全公司财务回报。[S8][S9]
归因限制与边界	为公司披露和个体陈述；不能视为独立平均效果。金融建议与客户关系仍由人承担。
可复制启示	高监管场景可从内部检索、记录和草稿切入，通过同意、编辑、日志和 CRM 落库控制风险。

案例 4：Klarna 客服 AI 的效率与品牌边界

案例要素	内容
主体与时间	2024—2025 年；公司公告和管理层公开表述。
业务情境	支付与购物平台希望降低客服成本并提高服务覆盖。
具体动作	大规模引入 AI 客服处理常见咨询，同时保留人工服务；随后管理层强调需要更高质量的人类服务和重新招聘。
作用机制	自动化适合标准问题，但复杂、情绪化和高价值客户互动需要人工判断。
公开结果	公司曾披露 AI 助手承担大量客服对话并降低重复联系；后续战略表述显示纯效率导向存在服务质量与品牌边界。
归因限制与边界	公司口径、指标和比较基线有限；媒体表述不能直接换算利润。
可复制启示	董事会应同时设效率、客户结果和人工接管指标；不能只以自动解决率决定扩展。

案例 5：Air Canada 聊天机器人错误承诺（受限/失败）

案例要素	内容
主体与时间	争议源于 2022 年客户交互；2024 年加拿大不列颠哥伦比亚省民事解决法庭裁决。
业务情境	客户依赖航空公司网站聊天机器人关于丧亲票价退款的错误信息。
具体动作	聊天机器人给出与公司真实政策不一致的承诺，公司事后主张机器人是独立实体。
作用机制	对外自动答复形成客户合理依赖；企业无法通过“系统错误”转移责任。
公开结果	裁决要求 Air Canada 对错误信息承担责任并赔偿相关损失。
归因限制与边界	个案金额有限，但责任原则具有普遍管理意义；不同法域规则不同。
可复制启示	客户承诺、价格、退款和权益必须使用受控知识、版本管理、审批或可靠升级；企业对机器人输出负责。

案例 6：Coca-Cola 生成式 AI 广告的规模与品牌争议

案例要素	内容
主体与时间	2024 年假日广告；公司与合作方公开项目。
业务情境	品牌使用生成式 AI 重制经典节日广告，希望提高制作速度和版本能力。
具体动作	多家制作团队与模型工具生成、合成并人工后期制作广告资产。
作用机制	AI 扩大创意版本与制作方式，但品牌资产的情感真实性成为评价核心。
公开结果	广告按计划发布并获得广泛关注；公司未披露增量销售或独立 ROI，公众评价分化。
归因限制与边界	传播热度不能等同品牌增值；创意归因、劳动和风格争议难量化。
可复制启示	高辨识度品牌应把 AI 用于探索与版本化，并用消费者测试、品牌一致性和声誉阈值约束发布。

案例 7：Samsung 员工向公共生成式 AI 输入敏感信息

案例要素	内容
主体与时间	2023 年公开报道，随后公司限制员工使用外部生成式 AI 工具。
业务情境	员工为提高效率，将源代码或内部会议内容输入公共工具，造成敏感信息外流风险。
具体动作	公司收紧设备和工具政策，并推动内部受控能力。
作用机制	公共模型的便利性降低了员工分享门槛，而数据一旦进入外部服务难以完全撤回。
公开结果	公司未披露直接财务损失；事件成为企业数据治理的典型警示。
归因限制与边界	公开细节有限，不能推断具体泄露范围。
可复制启示	先完成数据分类、允许清单、脱敏和内部替代工具，再扩大使用；培训不能替代技术控制。

案例 8：中国内容平台生成合成标识执法

案例要素	内容
主体与时间	2026 年 4 月；中国网信部门公开通报。
业务情境	《人工智能生成合成内容标识办法》实施后，平台需要落实显式和隐式标识。
具体动作	监管部门对“剪映”“猫箱”及“即梦AI”等未有效落实标识要求的问题依法处置。
作用机制	强制标识把内容来源与平台责任转化为可检查义务。
公开结果	监管通报确认执法已发生；具体处罚细节以官方通报为准。[S2]
归因限制与边界	主要针对相关网络信息服务提供者；企业具体义务需结合角色和发布方式判断。
可复制启示	营销内容工作流必须保存生成来源、标识状态、发布渠道和审批记录，不能把标识视为设计细节。

案例 9：跨企业知识工作者的生成式 AI 随机实验

案例要素	内容
主体与时间	2024—2025 年；66 家企业、7,137 名知识工作者，六个月随机实验。
业务情境	研究生成式 AI 集成到办公应用后对工作时间和协作模式的影响。
具体动作	半数员工被随机提供工具访问，研究者比较数字工作活动。
作用机制	工具可减少部分邮件和文档时间，但效果受采用与任务可用性影响。
公开结果	研究报告观察到工作模式变化；并不支持把所有可节省时间直接转化为组织产出。[S4]
归因限制与边界	跨行业提高外部有效性，但企业、岗位和使用强度差异大。
可复制启示	董事会要测真实使用、释放时间去向和组织瓶颈，不以实验任务速度替代利润。

案例 10：生成式 AI 销售工作流现场实验

案例要素	内容
主体与时间	2025 年工作论文，多种销售工作流。
业务情境	研究 AI 在不同销售任务中对销售结果的边际贡献。
具体动作	在真实销售流程中比较采用与未采用生成式 AI 的结果。
作用机制	当 AI 补足现有流程的边际贡献较高时，效果更大；已有成熟实践时增益有限。
公开结果	研究报告不同工作流的销售影响从无法检测到约 16.3% 不等。[S10]
归因限制与边界	工作论文、企业和产品细节受限；不能作为普遍销售提升承诺。
可复制启示	场景优先级要看 AI 相对现有流程的边际贡献，而非任务是否“可以生成”。

BOARD BRIEF 16

第十四章经典管理思想与专家观点的管理转译

竹势 AI 营销智库出品

顾客创造竞争取舍平衡计分卡实物期权交易成本高可靠组织动态能力社会技术系统

思想/作者与原作	与 AI 市场部的连接	当代修正	董事会转译
Michael Porter，《Competitive Advantage》	技术价值取决于它改变价值链活动和差异化/成本位置	AI 能力快速商品化，优势更多来自专有数据、流程与组织配套	先画价值链瓶颈，再选 AI；拒绝无战略位置的工具堆叠
Robert Cooper，Stage-Gate	用阶段投资和闸门证据管理创新不确定性	AI 迭代更快，闸门周期应缩短，但风险评测不能省略	发现、验证、扩展三段拨款，预设停止条件
Dixit & Pindyck，《Investment under Uncertainty》	小额可逆试点购买未来扩展选择权	数字项目撤回成本低但数据、锁定与品牌损失可能不可逆	把可逆性计入场景评分，避免一次性大合同
Kaplan & Norton，平衡计分卡	财务、客户、流程、学习需要联动	AI 增加风险和能力资产两个显著维度	采用五类经营账户，不以单一 ROI 或采用率决策
Williamson，交易成本经济学	采购边界取决于专用资产、不确定性和监督成本	模型供应链、数据与接口提高新的锁定成本	合同必须覆盖可携、可删、可替换和退出协助
Teece，动态能力	感知、捕捉、重构决定长期适应力	AI 同时加快学习与错误扩散	把评测、回滚和复盘作为动态能力
Trist & Emery，社会技术系统	技术与组织需联合优化	AI 会改变技能、监督、身份和工作意义	任务、岗位、绩效和技术同步设计
Weick & Sutcliffe，高可靠组织	关注近失、韧性和一线专业	生成式 AI 的平均准确率会隐藏尾部失败	建立暂停权、失败分类、接管演练和事故学习

专家/高管	观点上下文	边界与管理含义
Erik Brynjolfsson（Stanford/NBER）	客户支持现场研究显示平均生产率提升集中在低经验人员。	不要把平均值外推到所有岗位；分层测量并关注知识扩散机制。
Danielle Li（MIT）与 Lindsey Raymond（MIT）	共同研究 AI 建议如何改变客户支持人员表现与学习。	工具通过工作流和历史高质量数据发挥作用，不是模型独立贡献。
Ethan Mollick（Wharton，《Co-Intelligence》）	主张把 AI 当协作者并通过实验学习其“锯齿状边界”。	高表现任务和失败任务并存；管理者必须建立评测而非凭印象授权。
Karim Lakhani（HBS）	P&G 团队实验关注 AI 作为“赛博队友”改变知识边界。	实验任务不能替代长期组织设计，但提示个人也可获得跨职能支持。
Vince Lumia（Morgan Stanley）	在 Debrief 发布时强调 AI 节省记录时间，但顾问关系和人类触点仍是核心。	高监管服务中 AI 应减少行政负担，不接管受托责任。
Dario Amodei（Anthropic）	多次强调强大 AI 的经济潜力与治理风险并存。	宏观判断不是企业项目 ROI；董事会仍需场景化评测与风险限额。
Fei-Fei Li（Stanford）	长期倡导以人为本的 AI，强调人类价值与制度设计。	“以人为本”需落实到同意、可解释责任、接管和员工参与。
NIST AI RMF 团队	以 Govern、Map、Measure、Manage 组织风险管理。	框架是自愿、跨行业的，不替代中国法律或行业监管。
ILO 研究团队	2025 年职业暴露指数显示文职及高度数字化专业岗位暴露较高。	暴露代表任务可受影响，不等于岗位必然消失或生产率自动提高。
OECD SME 研究团队	2025 年调查中 31% 中小企业报告使用生成式 AI，并关注版权与法规。	跨国调查反映采用与感知，不等于中国企业财务回报。

BOARD BRIEF 17

董事会工具箱

竹势 AI 营销智库出品

工具 1：场景投资卡

字段	填写内容
经营约束	当前瓶颈、受影响客户/收入/成本、责任人
候选任务链	输入—判断—动作—输出—反馈
五维评分	价值、可行性、回收、可逆、学习外溢
否决项	合规、数据、责任、不可逆损失、退出
最大可承受损失	现金、品牌、客户、监管和管理带宽
第 90 天阈值	财务、质量、采用、速度、风险、学习资产

工具 2：90 天董事会台账

场景	基线	累计预算	单位经济	质量	采用	风险事件	学习资产	下一决议
示例：线索跟进辅助	首响中位 8 小时；跟进覆盖 55%	填写实际全成本	每新增合格商机成本	事实错误/漏跟进	周活与采纳	红线/高风险/近失	话术规则、CRM 接口、评测集	继续/调整/扩展/停止

工具 3：分角色 30 天行动清单

角色	未来 30 天必须完成
老板/CEO	确定一个经营瓶颈；批准最大损失、授权半径和第 90 天决议日；指定单一业务 owner。
CMO	拆解任务链与质量标准；建立人工基线、错误分类、审批和客户影响指标。
CFO	统一全成本和收益确认口径；建立发现/验证/扩展资金闸门；禁止长期许可证前置。
CIO/CDO	完成数据清单、权限、日志、评测、回滚和供应商退出验证。
业务负责人	对采用、单位经济和流程结果负责；每周关闭异常并更新规则。
法务/合规	确认适用法规、数据处理依据、内容标识、合同责任和事故报告路径。

工具 4：董事会决议模板

决议项	决议文本要素
继续	批准至下一闸门的金额、期限、证据、责任人和不扩大授权的限制。
调整	明确缩小范围、替换方案、修正阈值、重新评测和下一决议日。
扩展	批准分批规模、复制单元、边际经济、控制覆盖和退出保留。
停止	终止日期、权限回收、数据导出/删除、资产归档、合同结算和复盘责任。

BOARD BRIEF 18

行动路线：14/30/60/90/180/365 天

竹势 AI 营销智库出品

14 天定界与基线
30 天影子运行
60 天受控验证
90 天四分决议
180—365 天复制与重配

时间	经营动作	治理动作	资本动作
14 天	选择场景、确认基线和任务链	数据清单、风险分级、责任契约	只批准发现预算
30 天	原型与盲评、回滚演练	审批、日志、红线测试	通过/拒绝验证闸门
60 天	真实小流量与对照	异常闭环、成本计量	保留资金，不提前扩容
90 天	四分决议	退出演练、责任复核	继续/调整/扩展/停止
180 天	复制到相邻场景或团队	统一评测、权限和运营机制	按复制单元拨款
365 天	形成项目组合和能力平台	年度审计、供应商重谈、事故演练	季度资本重配、淘汰低回报项目

PUBLISHER

关于竹势 AI 营销智库

竹势 AI 营销智库出品

竹势 AI 营销智库关注企业增长、营销组织变革、智能体运营与 AI 治理，帮助企业老板、CEO、CMO 和数字化管理者把复杂技术议题转化为可讨论、可比较、可执行的经营决策。

本报告的判断框架、责任边界和实施工具，旨在帮助管理团队用受控方式验证 Agentic Marketing 的价值，并在规模化之前建立必要的证据、权限与问责机制。

BOARD BRIEF 19

来源索引（纯文本）

竹势 AI 营销智库出品

[S1] 国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局：《人工智能生成合成内容标识办法》，2025-03-14 发布，2025-09-01 施行。

[S2] 国家互联网信息办公室：《网信部门依法查处“剪映”App等生成合成内容标识违法问题网站平台》，2026-04-28。

[S3] 国家互联网信息办公室等：《生成式人工智能服务管理暂行办法》，2023-07-13 公布，2023-08-15 施行。

[S4] Dillon, Eleanor W.; Jaffe, Sonia; Immorlica, Nicole; Stanton, Christopher T.: Shifting Work Patterns with Generative AI, NBER Working Paper 33795, 2025. Randomized field experiment across 66 firms and 7,137 knowledge workers over six months.

[S5] Humlum, Anders; Vestergaard, Emilie: Large Language Models, Small Labor Market Effects, NBER Working Paper 33777, 2025. Danish labor-market evidence; distinguishes experimental estimates from actual usage and time savings.

[S6] Brynjolfsson, Erik; Li, Danielle; Raymond, Lindsey R.: Generative AI at Work, NBER Working Paper 31161, 2023 and revisions. Sample: 5,179 customer-support agents; productivity defined as issues resolved per hour.

[S7] Dell’Acqua, Fabrizio et al.: The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise, Harvard Business School working paper, 2025. Field experiment with 791 P&G professionals.

[S8] Morgan Stanley: Key Milestone in Innovation Journey with OpenAI, company press release, 2023-03-14.

[S9] Morgan Stanley: Launch of AI @ Morgan Stanley Debrief, company press release, 2024-06-26. Company disclosure; includes client-consent, advisor-edit and Salesforce workflow.

[S10] Generative AI and Firm Productivity: Field Experiments in Online Retail, working paper, 2025. Reported treatment effects vary by workflow from no detectable impact to 16.3%; working-paper status and context limit external validity.

[S11] National Institute of Standards and Technology: Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1, January 2023.

[S12] National Institute of Standards and Technology: Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, NIST AI 600-1, July 2024.

[S13] Stanford Institute for Human-Centered AI: AI Index Report 2026, 2026. Economy and Responsible AI chapters; global indicators with varying definitions and coverage.

[S14] International Labour Organization: Generative AI and Jobs: A Refined Global Index of Occupational Exposure, 2025. Occupational exposure is not equivalent to displacement.

[S15] OECD: Generative AI and the SME Workforce, 2025. Survey reports 31% use among sampled SMEs; adoption and perceptions are not financial outcomes.

[S16] Kaplan, Robert S.; Norton, David P.: The Balanced Scorecard, Harvard Business Review, 1992; and The Balanced Scorecard, Harvard Business School Press, 1996.

[S17] Cooper, Robert G.: Winning at New Products, first published 1986, subsequent editions. Stage-Gate system for innovation governance.

[S18] Dixit, Avinash K.; Pindyck, Robert S.: Investment under Uncertainty, Princeton University Press, 1994.

[S19] Williamson, Oliver E.: The Economic Institutions of Capitalism, Free Press, 1985.

[S20] Teece, David J.; Pisano, Gary; Shuen, Amy: Dynamic Capabilities and Strategic Management, Strategic Management Journal, 1997.

[S21] Trist, Eric L.; Bamforth, K. W.: Some Social and Psychological Consequences of the Longwall Method of Coal-Getting, Human Relations, 1951; Emery, Fred E.; Trist, Eric L.: The Causal Texture of Organizational Environments, Human Relations, 1965.

[S22] Weick, Karl E.; Sutcliffe, Kathleen M.: Managing the Unexpected, Jossey-Bass, 2001 and later editions.

[S23] Porter, Michael E.: Competitive Advantage, Free Press, 1985.

[S24] Jensen, Michael C.; Meckling, William H.: Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure, Journal of Financial Economics, 1976.

[S25] 中华人民共和国个人信息保护法，2021-08-20 通过，2021-11-01 施行。

[S26] 中华人民共和国数据安全法，2021-06-10 通过，2021-09-01 施行。

[S27] 中华人民共和国网络安全法，2016-11-07 通过；根据后续法律文本适用。

[S28] British Columbia Civil Resolution Tribunal: Moffatt v. Air Canada, 2024 BCCRT 149, decision concerning incorrect chatbot information and corporate responsibility.

[S29] Klarna: company announcements and annual/press materials concerning AI customer-service assistant, 2024-2025. Company-reported operational metrics; later management comments emphasize human service quality.

[S30] Samsung Electronics: public corporate response and reporting concerning employee use of external generative AI tools, 2023. Public details limited.

[S31] The Coca-Cola Company and project partners: official campaign materials for the 2024 AI-assisted holiday advertisement. No independent incremental-sales result disclosed.

BOARD BRIEF 20

附录 A：术语与证据等级

竹势 AI 营销智库出品

术语	定义
AI 市场部	由人、模型、数据、流程、系统、权限和治理共同构成的营销经营系统；不等同于单一软件或虚拟员工。
闭环场景	从输入、判断、动作到业务反馈可在限定周期内完成并测量的任务链。
授权半径	AI 可访问的数据、可调用的工具、可执行的动作、金额、客户范围和持续时间的边界。
能力资产	可复用的评测集、知识库、规则、接口、流程、日志、案例和治理机制。
证据 A	随机/准实验、财务记录、监管裁决、可审计系统数据。
证据 B	公司官方披露、有样本与口径的权威研究、稳定的运营数据。
证据 C	供应商案例、专家判断、用户反馈和领先指标；用于假设，不独立证明财务结果。

BOARD BRIEF 21

附录 B：最终自检清单

竹势 AI 营销智库出品

每个数字均保留时间、样本/对象、指标定义或证据性质；公司披露未包装为独立行业结论。
每个案例包含主体与时间、情境、动作、机制、结果、限制、边界和启示。
没有把工具采用率、内容产量、曝光或节省分钟数直接等同经营收益。
所有第三方来源以纯文本列示，文档未嵌入第三方可点击超链接或外部 URI。
出品方统一为“竹势 AI 营销智库”；品牌网址仅保留 shichangbu.ai。
正文包含继续、调整、扩展、停止四分决议以及数据删除、权限回收、人工接管和回滚机制。

老板的AI市场部
决策指南

六个老板决策入口

出版说明

执行摘要

十个可验证、可反驳的核心结论

第一章董事会命题与不启动条件

第二章五类经营账户：把热度翻译成资本语言

第三章首个闭环场景：五维评分与否决项

第四章三段拨款：发现、验证、扩展

第五章责任契约：经营结果与事故不能悬空

第六章最小可信数据与技术底座

第七章买、集成、共建、自建：边界与退出

第八章 90 天验证：基线、对照、阈值与决议日

第九章单点到规模化：复制条件与边际收益

第十章风险红线、授权半径、接管与回滚

第十一章岗位、绩效与预算权重构

第十二章投资委员会决策总账与季度资本重配

第十三章企业案例卷宗：成功、受限与失败

案例 1：Fortune 500 软件公司客户支持 AI 助手（现场研究）

案例 2：P&G 与 Harvard Business School “Cybernetic Teammate”

案例 3：Morgan Stanley 财富管理 AI 助手与会议 Debrief

案例 4：Klarna 客服 AI 的效率与品牌边界

案例 5：Air Canada 聊天机器人错误承诺（受限/失败）

案例 6：Coca-Cola 生成式 AI 广告的规模与品牌争议

案例 7：Samsung 员工向公共生成式 AI 输入敏感信息

案例 8：中国内容平台生成合成标识执法

案例 9：跨企业知识工作者的生成式 AI 随机实验

案例 10：生成式 AI 销售工作流现场实验

第十四章经典管理思想与专家观点的管理转译

董事会工具箱

工具 1：场景投资卡

工具 2：90 天董事会台账

工具 3：分角色 30 天行动清单

工具 4：董事会决议模板

行动路线：14/30/60/90/180/365 天

关于竹势 AI 营销智库

来源索引（纯文本）

附录 A：术语与证据等级

附录 B：最终自检清单