OpenAI与Anthropic重仓FDE 零售企业借数字员工降本增效

OpenAI与Anthropic重仓FDE 零售企业借数字员工降本增效 在AI时代，由于每个商业单元独特的经营上下文可被自下而上地捕捉，传统的工业标准化与标准作业程序（SOP）正因代表着慢与落后而被终结。 播客深入探讨了FDE（前置部署工程师）在AI ToB落地时代的本质，指出AI不是软件工具而是数字劳动力，FDE的角色犹如带队进驻企业的“工头”。节目结合乳品企业、连锁零售餐饮的“暴雨排班”与“五米外大超市之战”等丰富的一线商业案例，论证了结合“街头智慧”自下而上赋能一线的重要性。嘉宾提出在AI时代标准作业程序（SOP）代表着慢与落后，AI转型是一场技术占比不足三分之一的电力级别组织革命，并最终将这种“既提供咨询服务又交付智能体”的全新商业模式定义为Service as Software（服务即软件）。 OpenAI 与 Anthropic 分别宣布成立十亿美元级企业 AI 合资公司并提出 FDE（前置部署工程师）概念，反映出 ToB AI 正在从展示能力走向交付结果。 (2:19) AI 不再只是人来操纵的工具，而是智力劳动力本身；FDE 角色如同“带清北学生的工头”或 HRBP，核心任务在于推动业务融合、知识治理与系统对接，并帮企业将数字员工顺利送上岗。 (19:58) Rolling AI 将交付物从传统的 200 页 PPT 升级为可在 15 天内上线的智能体；通过把一线优秀老师傅的专业流程与“街头智慧”蒸馏给模型，AI 副店长结合精准上下文，能帮餐饮或零售门店大幅提升业绩并降低损耗。 (8:22) 在 AI 时代，SOP 和标准化代表着慢与落后，AI 的价值在于推动生产端实现“千人千面”，使总部从管控型重构为赋能型组织，而纯粹承担“上传下达”的中层管理岗位将最先面临消失危机。 (25:09) AI 落地企业中技术占比不超过三分之一，且失败率超过 50%，主要死于 CEO 预期过高、让 IT 团队主导以及生产关系激励脱节；未来更看好以“Service as Software（服务即软件）”模式扎根一线并与客户共享增值。 (32:01)

Rolling AI 合伙人阿干与刘凯指出，AI 在企业端落地并非传统 IT 方案实施，而是类似培养“数字员工”的组织变革；新近受 OpenAI 和 Anthropic 青睐的 FDE（前置部署工程师）本质更贴近“带队工头”，需深入业务现场通过人机协同重构一线生产力。 从交付PPT到交付智能体：FDE的本质与定位 传统外资咨询（如 MBB）在中国常以数百页 PPT 交付框架，但本土民营企业更关注实际利润与组织变革。阿干与刘凯认为，传统软件是供人操作的工具，而 AI 本身是智力劳动力。因此，FDE 类似 HRBP 或“人力外包工头”，核心职责不是交付系统就走，而是帮助数字员工融入业务场景，完成业务融合、知识治理与系统对接三项任务。Rolling AI 内部确立了智能体必须在 15 天内上线的标准，对齐企业对新员工的常规培训周期。 在交付形式上，他们提出“Service as Software”（服务即软件）模式：虽然最终落地为一个 AI 智能体或 AI 副店长，但前期需提供深度的业务诊断与流程重构服务。例如在某乳企第二曲线业务中，AI 模型微调承载了 600 万在线用户，后台仅需 1 名员工带领 50 多个 AI 机器人，单次专业服务成本从 16 元降至一毛钱甚至四分钱。 街头智慧对抗一刀切算法：反标准化与因地制宜 传统连锁门店常依赖总部统一下发的算法做进货与排班预测，但往往因缺乏精准上下文而失真。阿干认为，工业时代的 SOP 和标准化往往代表着保底与迟缓，抹杀了单店特性；而在 AI 时代，技术可以在生产端实现最小商业单元的“千人千面”，从自上而下的约束转向自下而上的赋能。 在实践中，AI 需与一线的“街头智慧”融合。例如在餐饮场景中，AI 提供暴雨预警后，店长提前与兼职打招呼以弹性排班，为千家门店年化节约数百万元人工浪费；在某社区店酸奶选品案例中，AI 结合店长提供“五米外有大型低价超市”的独特上下文后，调整为供应差异化与高端商品，使品类销量增长 50%。2025 年下半年起，他们将方法论转为 Bottom-Up，让 AI 像影子陪跑生一样每日与店长复盘，在协助日常杂务的同时沉淀一线经验。 重构生产关系：技术占比不足三分之一的落地现实 阿干与刘凯强调，AI 变革堪比电力革命，技术在落地过程中占比不足三分之一，关键在于围绕原生动力重构商业模式。当前企业 AI 转型项目成功率不足 50%，常见败因包括 CEO 预期过高、由不懂业务的 IT 团队主导，以及缺乏生产关系和激励机制的配套调整。如果业务员工担心经验被“蒸馏”替代，或考核机制未做调整，AI 工具极易被排斥。 在某长租公寓平台，AI 被引入处理漏水、纠纷等琐事查询，管家则转向提供情绪关怀并承接销售增值服务。在未裁员的前提下，管家管房比例从 1:500 提升至 1:2000。这表明有效落地必须重构人机分工：让 AI 处理信息补偿，让人专注于情绪价值与决策判断。 组织重组与中层危机：从智力执行迈向智力决策 随着 AI 对信息的采集与结构化分析能力超越人工，仅承担“上传下达、信息传递”的中层管理岗位将面临被裁撤的危机。未来工作将从“智力劳动时代”走向“智力决策劳动时代”，方案撰写、功能设计和代码编写将大幅交由 Agent 执行，人类的核心价值收缩为设定预算、规划路径和做出判定。 对于咨询行业自身，纯做桌面研究（Desk Research）与基础 Paperwork 的初级咨询师面临断层危机。OpenAI、Anthropic 等机构及 PE 重仓 FDE，反映出大模型需要深入私域获取垂直行业知识，且 2B 业务本质需依靠深度服务以捕获企业资产增值收益，单纯售卖模型 Token 难以覆盖这一价值空间。 两位从业者认为，企业若仅将大模型视作外挂工具而不改变组织与做事方式，仍难避免淘汰。AI 虽大幅降低了技术与知识壁垒，但兼具商业洞察、组织重塑力与技术构建能力的复合型 FDE 人才在供给上依然极其稀缺。

[2:19] 传统软件是工具，需要人来操纵。但 AI 本身就是劳动力。 [5:00] 传统咨询行业简化它就是……梳理一个框架并且交付出来一个 200 页的 PPT。但今天不是……我交付出来的不是 PPT，我交付出来是一个智能体。因为所有 PPT 里面讲的最好的做事方式、最好的协同方式、最好的信息流转方式，我都可以在智能体里面实现。 [8:22] 如果有人说我要减肥，你的第一句话应该是：你又不胖，你为什么要减肥。 [19:58] 本质上它带着一群像北大、清华或者斯坦福的年轻人，这些年轻人是 AI……你没办法让一个 AI 上岗就面试，我们在内部要做大量的对齐……这个 AI FDE 就是那个人力外包公司的工头，他带着这些员工进去，但他不是把人扔在那里就行，他得确定他们能够执行工作，甚至确定他能执行足够高质量的工作，他才能离开。 [23:09] 刘凯: 你刚毕业，我想不到任何一件你能做、AI 做不了的事情。 [25:09] 阿干: SOP 和标准化代表着落后与慢 [28:21] AI 这次变革对社会的影响幅度，会超过互联网，像当年电力革命一样大量取代智力劳动。 [28:21] 所有消失的 95% 的企业，相信我，他都接了电，他都上了网……他是因为没有全心全意地把它当成一个原生动力去围绕它重构自己的商业，所以才被消失的。仅仅接上电、仅仅接上网、仅仅接上大模型，是不能阻止你的企业在这个过程中被消亡的，如果你的做事方式不变的话。 [32:01] 谁懂怎么对付客户、让他买保险？是业务团队，不是 IT。 [43:29] 阿干: 这件事情的核心来自于本身时代就变了。被消失的不是你，而是那个落后的岗位，那岗位已经不存在了。你不应该再在那个落后的岗位里面去寻求一个更好的发展，而是看看有些什么样新的岗位会发生。 [46:49] 需要又懂 AI、又愿意扎进去的服务者，才能改变这个世界。 [54:07] 刘凯: 我们确实交付 Software（软件），但我们提供的本质核心是一个 Service（服务）。只是大家看上去说你们在这家企业做了好多 Service 怎么解决问题，那最终上了什么呢？上了一个 AI 智能体、上了一个 AI 副店长、上了一个 AI 销售。

[0:00] 嗨,我是Koji本周十字路口我们来聊一个最近非常热门的话题FDE然后请到了Rolling AI的两位合伙人阿干和刘开二位好,欢迎来到十字路口大家好事情的起因是5月初OpenAI和Anthorpec在同一天发布了一个大新闻他们都宣布各自做了一个10亿美元级别的企业AI合资公司并且称自己做的事情叫做FDE叫Forward Deployed Engineer就是前置部署工程师这个词最早来自Palantir指的是派驻一位FDE工程师深入到客户公司的内部去从零开始帮他们定制构建落地靠AI的系统也有很多人说硅谷就是挥造概念以前我们说套壳他们要说Agent Harness我们之前说授钱他们要说是FDE但不管怎么样我觉得当有一个概念出现的时候它背后一定也是一些现象趋势有一些共识大家愿意用一个词去凝聚它所以我们今天就请到二位来给我们讲一讲这个新的概念背后它出现的原因以及在中国的一些实践我们还是先从快快快答开始请问二位的年龄我88年了今年应该37了我83年的毕业的院校我是米兰理工和同地我是北京交通大学的研究生MBTI和星座我原来是ENFP,我现在是EFJ我是ENTJ,我星座是水平我是天称一句话介绍一下你们的公司Rolling AIRolling AI就字面上就是Rolling AI就卷AI就是我们卷的是AI,我们不卷AI实际上我们自己本身是一个AI详细咨询公司那咱们的收入和利润目前方面讲有人说如果问就是千亿以内团队的规模呢目前60多个人在做Rolling AI之前二位在做什么我和刘凯其实都是联系创业者然后我们俩之前认识是因为在B7认识的我原来做过IP的复化我有做过海外的投资的一个平台我是07年第一次创业然后做的是社交媒体监控15年这个公司卖给了欧洲最大的社交媒体分析公司后来进入了咨询这个轨行业在BCG居家改让出来创所以你们是BCG的同事没错要不要先给大家讲一讲在你们看了FDEOpenAI Anthropic他们讲了FDE的时候他们在讲什么然后以及为什么在AI的大背景之下FDE这个词儿突然被提出来了我们有个本质的认知AI跟传统软件是非常不一样因为传统软件是个工具必须要有人去操纵这个工具而AI本身就是劳动力所以在很多情况下FDE做的事情其实有点像像一个HRBP我把一个数字员工放到企业里面帮你培养好然后我看着他去上岗的过程而不是传统的软件今天的AI在企业里面别把它看成一个软件别把它看成一个IT解决方案你得把它看成一个新的员工在上岗不管他的能力有没有做到就我们觉得能力在逐渐接近人的水平那一个人在企业里面上岗他需要是mentor帮他准备好他的工作台资料理解流程当然也存在一些IT的系统这是最大的区别叫做真正你想要一个AI在一个公司里面上岗你怎么把公司的上下文能够交给他能够给他一个工作台运作起来这是FDE要干的事我觉得这个蛮有意思的就是原来是卖个软件然后我们的这个服务可能是来教你的员工怎么用软件但其实现在有点像就是卖了一个数字员工给你其实这个FDE就是帮数字员工更好的融入企业去产生它的价值的一个角色没岗帮他上岗这还挺有意思的你们原来也会叫自己FDE吗原来就有这个岗位吗我们不太叫自己FDE我们更多把自己叫Builder就是Business BuilderOK但这个岗位都是像FDE的这种工作包括我们甚至我去看了Platinier他的FDE在企业工作的那些视频做的事情跟我们一样咱们开始做给企业AI的不管叫FDE也好叫Business Builder也好我们做了多久了我们服务了大概多少企业这里面可能最大的企业如果不能说名字我们可以说一下规模大概是什么我们实际上从二年开始就是那时候GPT 3.5等于其刚有接口的时候我们就正好有客户有相应的需求我们实际上从那时候到现在快四年多了我们是最早的EP开始把企业做AI转型的服务我们到现在基本上服务了快100多个企业现在基本上都是这种全年制的所以目前都是大客户每个客户都是大客户平均客单价是我们几百万到千万好我们待会会重点来聊一聊你们服务这些客户里面的案例的故事包括采购的坑但在此之前还是想聊一聊因为二位都是BCG的背景我们的听众里面 [5:00] 非常多MBB的朋友或者前校友然后大家可能多多少少也有一些在职业的十字路口的感觉所以想先听二位讲一讲你们当时是出于什么考虑从BCG出来做现在这个Rolling AI我们也很明确的发现MBB这样的企业在服务中国的本土企业里面遇到了一些困难不管是它的收费的模式包括它能够落地真正帮助中国企业家的这种方式遇到了一些困难中国企业家也不像90年代末00年初的那个时代那么迷信说海外的咨询公司或者一个所谓的专家他们会非常在意就中国就这一点是特别不同的就中国的企业家基本上还是一代和二代没有几乎很少有职业经理人而一代和二代都是为了自己企业的利润或者自己企业的长效发展长治久安来思考问题的所以他不会太在意这种阶段性的paypalwork写的怎么样他非常在意能不能做下去能不能做出结果来能不能带来组织上的改变这件事情其实虽然MBP在做但是他的成本结构和他的定位导致它很难做的非常深入你们当时在BCG做过最贵的一个项目是多少钱的项目相当贵就只能说相当贵快接近九位数一亿人民币对就接近九位数之前在BCG做咨询然后现在在Rolling AI也其实通过咨询的方式给客户提供服务然后当时的项目今天的项目当时的客户今天的客户有什么相同的一些不同客户类型最大的不同就是当时主要服务华国企业就现在主要服务民企实际上做的事情的本质我觉得还是比较像的都是为了解决商业上的一个特定的问题然后第二就是在解决问题的时候我们的呈现形式是我们重新build a business有没有AI这个带来的影响大吗我觉得影响非常难对我觉得非常大传统咨询行业简化他就是我得到一个问题我进到这个产业和这个企业里面去做调研去用以往的经验以往的成功和失败去梳理一个框架并且交付出来一个200页的PPT但今天不是今天我们做完咨询前面做的所有事情都一样我依然要理解这个行业理解这个公司理解它背后做过的努力背后解题的资源但我教出来不是PPT我教出来是一个智能体因为所有PPT里面讲的最好的做事方式最好的协同方式最好的信息流转方式我都可以在智能体里面实现在当年要实现一套新的业务模式可能它的成本是半年甚至一年今年做一个智能体上线可能是几个月几周甚至在我们公司内部其实有一个明文的标准叫做所有的智能体必须在15天内上线15天对原因很简单因为你雇一个员工你不会让他去一个学校学习三个月再来上班的你会最多给他15天的培训期他就得开始干活你们如果要分享一个案例特别能够代表你们今天把一个智能体送去一个企业让他开始干活并且build business然后最后产生一些结果你们会想到什么样的案例我们第一个就是2022年开始那个当时的状况是这样它是一个乳品的企业大家知道当出生率不是那么旺盛的时候实际上整个乳品是一个下滑的态势所以很多乳品企业其实他想到的第二曲线比如说有的企业他想做快销就是做水啊做饮料其实有的企业会想去做跟乳品相关更高溢价的东西比如说蛋白银益生菌就等等之类的但他们的最大的问题在于他原有的这个经销的渠道其实不适合于卖这些高溢价的东西他需要有一种全新的销售方式这是我们的problem我们的第一个解决方案其实是我们在看全市场有没有足够多的营养师在线上能够服务这群人我们当时把全中国的营养师大概算了一遍全中国真正注册营养师可能就40万人而他要服务的群体是8千万人我们算了一下这个差距大概10倍左右要服务这么多人而且他每次服务成本我们当时核酸下来16万元那当时就正好GP3A5发了结果我们就有一个感觉说能不能把它变成一个几十万的这种这个营养师什么等等来服务这家企业于是我们当时做了营养健康的模型的微调这个平台最后承载了这家企业600万的在线用户就这一个小姑娘在运营然后这小姑娘带了50多个几钱有的做测评有的写帖子有的做营养咨询这是没有AI做不到的没有AI完全做不到的然后刚才说的成本这个当时我们核算下来一次的服务成本已经降到一毛钱还是四分钱对然后讲讲一个小姑娘就是一开始的时候实际上现在大概 [10:00] 比如用豆包用签问你去问一个说我要减肥他一定就开始给你一个solution但实际上我们发现一个正经的减肥师过来看到这个答案他说你这样说的不对如果有个人问说我要减肥你第一回答是你又不胖你为什么要减肥就上来第一步其实是一个情绪价值然后第二步问你最近吃了什么你最近一周的饮食习惯是怎么样你的健身习惯是怎么样你减肥的目标是什么所以这个onboarding或者转化客户的过程要先有情绪价值然后让他给input类似这样的员工上岗都是要找到一个好的师傅好的师傅交给这个是一个专业的服务流程我记得之前你们也分享过你们应该也有一些客户是比如线下的奶茶连锁在这样的奶茶连锁的企业里面他的师傅是谁是优秀的店长找到企业的优秀的师傅是非常重要的所以进到每个企业都要去识别谁是最优秀的在一线有最多实践的这种过程经验的人FDE要去和他做什么在25年之前我们会把最好的金牌销售拉过来最好的培训师拉过来我们做访谈我们总结他的最佳实践总结他的最佳的思维方式至上而下的这么一个梳理方式然后把这个梳理的结果和最佳时间话数等等的放到AI里面去从二五年下半年之后我们开始逐渐的不这么做了因为我们发现在整个商业社会中所谓的做生意的最佳实践它可能就没有一个权威的top down的解法或者正确答案事实上在一个门店里面不管做奶茶还是在一个门店里面卖货在一个城市里面卖保险成功的方式有千千万都很不错所以我们现在从TopDown变成了Bottom Up比如说在一些连锁经营的门店里面我们就会有一些AI的机器人每天下班之后就跟店长复盘今天做了什么做的好做的不好你觉得为什么对吧把复盘的经验采集下来把每一个店长优秀顾问教练金牌销售身边都放一个助手然后这个助手就有点像我们咨询行业做shadow一样就做一个陪跑生在旁边观察着组件的他会越来越聪明越来越理解就是不是提问去获得信息而是就是在他旁边去观察他他也会有互问互答的方式这听起来也很像在争流一个员工这套东西我们叫学徒,学习最好的老师傅的状态那会遇到一些抵触吗?比如说老师傅会说你把我的蒸馏了,或你把我都学走了那我之后在企业的价值也没了你要学习他的东西,首先你要给他付出一点东西所以我们所有的学徒进去之后,肯定先帮老师傅去干一点货比如说实际上这个这种问题不仅仅只是学习我们会日常,比如说他要排班的时候,我会给他一些建议比如说他要去做营业的预估的时候我们会给他提出一些东西他会觉得这个学徒在他身边是有用的他才会教这个学徒我们并没有觉得AI比人强我们绝大多数发现都是AI加人强过人然后人强过AI所以绝大多数情况下一个能被蒸留出经验的优秀基层员工其实是这个企业最大的资产其实是不应该被你放弃的因为每天商业场景都在变化每天都有新的竞争试态每天都要做新的判断AI能够帮你想很多事情但不能取代你的决策这是一个点第二个点是确实因为这样的机制存在我们会发现能产生复盘和经验的优秀员工它的价值变化了举个例子就以前你是一个金牌销售对吧你能卖人家的两倍三倍很了不起了你再做的厉害一点你说我带土地我整个团队都能做到人家两倍三倍很了不起了但今天不是今天你积累的经验和方法论是可以复制到全国所有的省所有1000个销售1万个销售身上的那意味着说你对企业的价值就只增大了这个增大应该配对一些对应的激励这也是我们在转型过程中会告诉企业家去做的你得激励那些能给你的AI带出好的AI智能的这些员工他有一个具体的案例可以分享一下吗通常连锁里面他很重要的一个工作就是预估第二天的营业额因为预估了营业额之后他就能基于这个营业额去排班他就能预估第二天我要去进多少个货这种的预估通常以前都是总部的一个某种算法后来我们发现这个算法通常是不准的为什么因为每个门店的情况太不一样有些地区下雨有些地区不下雨有些门店旁边忽然有个新店开张有些门店它就是在夜店边上等等之类的有各种各样的奇奇怪怪的因素会导致每个门店的经营上下文特别不一样后来我们把总部的这种比较一刀切的这种算法全部拆掉 [15:00] 我们拆成说我们给每一个店长都配一个帮助到他预估年额的这种负店长或智能体我们告诉他说明天下午可能会下暴雨明天我看到你周边忽然有一个店在做活动明天会发生什么事由他最终来决定他应该顾一个什么样的值而不是由一个系统告诉他应该顾一个什么样的值就我们做了这个改变之后发现整体的预估准确率高了非常非常多我们现在越来越觉得就负能一线是一个特别有值得做的一件事情因为所有的经营的事情都发生在一线而他们作为一个店长他们反而变成了一个上下文的提供者上下文越准就大摸性能够帮到它的地方越多而每家门店的上下文都不一样给更好的上下文的时候人家AI比人又更强的一些我们觉得AI更多是书文智慧但中国的很多很多上海场景里面有太多的街头智慧就有一个店长他在某一个方面曾经想过一个街头智慧的东西他就特别厉害而那件事情一定没有办法就在那个情况下想到对所以我们会收集这些所谓的街头智慧还有这样类似街头智慧的故事吗我再举个零售门店的案例比如说我们之前在连锁的某个餐饮我们发现当区域下暴雨的时候这个门店那天下午的营业额就会比较差然后这时候就带来一个问题因为之前头一天都排过班了然后如果下了暴雨营业又很差人员力量是浪费的浪费我们统计了一下如果按照1000个门店放到一年可能大几百万的钱在这种情况下聪明的店长会怎么做就在他知道可能会下大宝有的情况下他会和临时员工先打好电话说第二天我有可能不会叫你来但是你可能要做好这个相应的准备这样的话那个临时员工心里也有数他不会生气之类的就当这个介绍之后如果能够推行到足够多门店整个体系一年就能剩几百万而这种案例原来其实通过每个人是没有办法推行的就一层一层的往下压也没有办法推行我们有一套AI他也像一个副店长一样帮助店长去选他的货盘定他的价盘等等的然后我记得当时有一个AI副店长和店长聊他们在看那个冷柜他们专门在做冷柜的酸奶品类的盘点这一家店为什么酸奶卖的不好然后那个副店长说你们家店为什么大包装的我记得叫成功还叫哪一个品牌的大酸奶他说根据我拿数据分析在你周边的七八家店都卖的很好为什么你这里就卖的不好是不是你这里人都觉得比较高端店长说不是呀我这里人没有很高端我就是一个摄取店他说那你为什么卖的不好呢但是我看到你这里的卡式当时有个品牌叫卡式说你这里卡式的这种优酸乳卖的特别好还是很贵的所以AI说我觉得你是因为你人群很高端店长说不是的是因为我五米之外开了一家叫乐福的超市比我大两倍然后只要他卖的东西就比较便宜这些高端的卡式东西他不卖那个大包装的他也卖他卖的更便宜所以我卖不掉然后AI说哦那行那咱换个方式咱就抢不过那家店咱的所有的酸奶或者冷藏饮品的策略全部改成我只卖我们家供应商独供的东西以及高端的东西这样子大家不关心价格只关心进不进货品好不好马上我们销量能增百分之五十但这些你说没有光靠AI去判断他可能完全得出一个错误的决论因为他不知道一线发生了什么得店长和AI在一起才能得出正确的AI是能给店长很多补充思考所以当你说到副店长的时候他就是AI是吧对当我说副店长的时候是AI我们已经习惯这个语境了我记得原来看711的一个故事我当然知道一个冷知识711一开始美国企业然后日本拿了它的授权然后但日本越做越大越做越强就把美国收购了现在711是一个日本企业当时711有一个拐一点就是当时他们给到一线的店长进货的决策权所以每个店长可以自己决策明天我要加多少酸奶明天我要加多少巧克力原来都是统一调度然后711在日本做了改变之后然后业绩带来了一个非常大的提升所以还是把权力下放到一线去决策但在过去其实有很多的困难是店长不管是他的信息采集和信息分析的能力包括他去做这些分析或采集的时间都没有那么的充分和全面但现在有了一个AI副店长的帮助他可以做得更好没错您说的特别对就是AI最大的红利 [20:00] 不在于说我能在顶部或者总部做一些至上而下的策略性的事而是我能够把一个普通的智慧陪在我们的店长销售人员身边这些店长销售人员他不是学商科出身的他不是有完整的经过什么逻辑训练能力出身的他需要一些基础的智慧帮他理清楚这件事情以前是做不到的以前你没办法有一万个教练今天你可有一万个教练陪着他们而且也像我们今天在说越来越多的通用agent在电脑上面他要变得更聪明他需要拥有更多的上下文所以我们开始让他录我的屏幕然后开始让他听我所有的会议他知道的越多他就会越聪明所以在一个店感觉是类似的他如果能够知道这个店越多的情况甚至知道这个店周边500米2公里就越多的信息他能做的这个决策就会越准那聊到这里我们说的这些和FDE它的关系在哪里这FDE在这里面扮演的角色是什么FDE在这个过程中承担了好几个角色本质上它带着一群像北大清华或者斯坦福的年轻人这些年轻人是AI那这些年轻人去一个便利店去一个营销部门甚至去一个人事部门上班对吧比如说做面试这件事情你是没办法让一个AI上职就面的我们在内部要做大量的对齐我们考察的是什么样的能力我们觉得什么样是是对面试者不友好的不尊重的什么样的方式才是友好和尊重的这都是FD在线上去做判断的我们今天好像是一个AI人力外包公司对吧这个IFD就是那个人力外包公司的公投他带着这些员工进去但他要不是把人扔在那里就行他得确定他们能够执行工作甚至确定他能执行足够高质量的工作他才能离开所以他要做我们说三大块就是业务的融合他要做知识的智力他要做系统的对接他这三件事情都做好了他才能够离开我觉得这个公投这个比喻很有意思就我们说FDE的时候感觉很高大上但是有点云里雾里不知道他到底干嘛但是一说公投好像一下子就懂了那一个好的公投和一个不好的公投就是一个好的FDE和不好的FDE因为里面有60多位员工那他需要一些什么样的品质才能做好我觉得他核心要有这么几个能力第一个能力叫做它有某种咨询背景的能力能够一眼看穿这个业务的痛点本质到底是什么是缺人还是缺知识还是缺沟通还是缺协作当它缺人的时候你去做沟通的事情当它缺沟通的时候你去使劲干活都不解决问题对吧这是第一然后第二它需要有一定的我们叫做人机协作的原生能力他能很快的理解到说任何一个工作都不是机器人全部干完的我怎么样把这个合理的拆解成若干和小任务或者小工种然后把人放在最重要的位置上并且告诉人类员工说这件事情还是得你来做审核评判规划还是令你来做剩下的事情我让机器员工补偿第三者他能够很快的构建起来他真的拿出我们的AI工具Webcoding的工具能够在半天一天两天的时间把体系的原型就构建起来他能够写智能题他知道怎么编排对吧这是为什么我们前面说FDE他不像一个英俊年也不像个小手也有点小手的这种感觉在里面听起来很厉害听起来很厉害这样的人是可以培养的吗未必短期能培养起来培养不出来这个问题就是AI时代需要什么样的人才是商业判断力也是某种taste它是在当AI能给出足够多答案然后能采集会足够多信息的时候下部应该怎么做应该往哪个方向的那种feeling就是有一点点玄学它并不是非常非常吸引所以我听下来可能和之前BCG做的事情真的还挺不一样的我们会觉得内核其实挺相近但是所有的做事方式和呈现出来的结果都非常不一样内核还是解决问题但是这个做的方式工具需要的人才都不一样而且我们发现有一个有趣的地方是传统的咨询公司来自于上一个所谓上一个时代就工业时代有很多东西我们觉得AI来的时候这件事情都变了比如说管理层管理层的核心工作是传递信息而现在传递信息这件事情就越来越被替代之前我们做了大量的工作实际上是帮助一个公司去做标准化而现在我们对于标准化这件事情对这三个字是有反抗的每个门店 [25:00] 都应该有每个门店自己的经营上下我们经营的思路经营的方式中国的企业家其实很厉害在AI富人的这个时代里面原来的很多语境和词汇已经不对了就比如说我们认为SOP代表着落后有点暴论我们认为SOP代表着慢代表着落后标准化代表着你只做到了全局60分你没有去让每个人都能拿到90分而今天AI做的是保障你每个店都能做到85分90分我觉得这种思维方式可能只有在中国这么剧烈竞争又剧烈迭代的市场才能产生出来所以在我心中作为一个中国人我觉得下一代的管理之后可能会有中国企业家和中国企业来引领这个让我想到比如说抖音也是改变了媒体分发的机制千人千面每个人看到的东西都更加个性化所以它得到了更高的流程和商业价值但这是消费段现在我们在生产段也开始让每个店或者每一个最小的商业单元每个服务者他都可以千人千面的生产所以你们觉得下一代的管理智慧如果是来自中国企业家的话你们觉得它可能会来自哪里以什么样的方式呈现我们认为标准化这件事情它的本质是保底线的从怎么样用标准化保底线变成怎么样用好的智能到一线去提供最优解我觉得这是一个很重大的管理智慧的变化这个管理智慧的变化就会导致我的管理方式会变以前每一个总部都有大量的标化部门信息化部门内审部门各种采购部门本质上都在管着门店和销售人员和销售网络的每一个节点说你不能乱搞而我们觉得这件事情会逐渐的降低和降温而变成总部会要变成一个负能型的企业每一个人或者每一个组织都带来自己的智能体告诉你门店怎么样弄能够再多拿一点业绩这是一个巨大的不仅仅是管理模式上的变化甚至从我的组织模式从部门设置上可能都会有变化你觉得这个有没有AI是有天壤之别的吗我觉得会有天壤之别我觉得没有AI做不到是因为原来叫做在一个组织里面经营智慧的脑力或者智力生产力是不够的真的懂得又讲得清楚的又能培养和辅导的人是不够的对吧今天够了只要算力开跑你有无限的智力生产力台湾的公司它的主要的管理方式是过程正义它要把所有的过程尽可能的正义国内的企业家才不管那么多过程它只要结果正义了什么样的路径它都可以接受第二就是我们认为所有的中国企业家都清理行为我觉得清理行为这件事情在AI是特别重要自己达智能题自己上考课的什么等等之类的可能底层原因是因为企业家是不是企业的owner可能决定了绝大多数我们可能一代二代还在一线但可能美国有太多企业已经是职业经理人在接班大家的目标函数不同在你们看来比如说AI通过FDE进企业去复党他们技术占比有多少其他方面又有什么样的占比我个人会感觉技术占比不会超过三分之一AI的这次变革它不是一次所谓的技术浪潮它是一次完整的生产力革命它的对社会的影响幅度会超过互联网它会像当年电力革命一样电力革命大量的取代了体力劳动今天AI革命或者大模型革命会大量的取代智力劳动如果我们回头去看电力时代人变了生产工序变了员工的培训方式变了商业也变了以前没有业间商业已经没有大商场以前没有娱乐业现在都有了我们认为AI革命会是像这么一个革命当然我们还在整个革命可能十年十五年二十年的非常早期的这么几年如果是做这样的革命的话它的核心是组织的变化商业模式的变化人才的变化它的核心就接上电或者接上模型那个技术的事情只占它很小很小的一部分当时英国一个地方叫南海夏郡那时候纺织业本身占全世界70%左右的在电力革命被落下你说它又没用电它用电了但它用电的方式是它只把电接到了它原来蒸汽器的那个大肘上它的整个生产方式还是蒸汽时代的生产方式而那个时间段美国 日本 德国全部都用完全电力原生就像现在说AI原生的方式重新构建了它的整个生产组织包括厂房所以它的变化是非常非常大的它不仅只是接着电而已在每一次大的生产力革命电力革命互联网革命移动互联网革命每一次都有95%的企业在这个过程中就消失了真正能跨越周期的 [30:00] 可能就是5%而所有消失的95%的企业相信我他都接了电他都上了网他不是因为不上网才被消失的他是因为没有全心全意的把他当成一个原例去围绕他重构自己的商业所以才被消失的仅仅接上电仅仅接上网仅仅接上大模型是不能阻止你的企业在这个过程中被消忘的如果你的做事方式不变的话所以就是AI这个技术本身可能在企业落地AI的过程中占比很小就是更多的其实可能还是其他的方面可以具体展开一下吗我们做很多的销售相关的我们发现销售这个群体特别奇妙就是他们非常结果导向所以只要跟自己的利益没有太大的变化情况下什么东西他们都不爱用所以我们会和业务房一起去改他的迹象你可能原来是百分之百结果的迹象我现在会把它改成百分之八十结果的迹象和百分之二十的过程的迹象你勤募越多的东西你能够积分然后你能够得到相应的钱等等之类的就是这些东西如果不推动我们相信在里面是不可能落得了地所以这听起来都是曾经采过一些AI无法落地的坑还有什么坑AI整体的AI转型项目的成功率应该不到50%超过50%失败率最重要的三个原因第一个大的原因叫做今天的有一些CEO对AI能做什么有超出现实的预期这个是要去管理控制和帮助他理解的他不能理解AI是超人所有事情就我企业反正怎么弄都行只要上了AI企业就起飞了一定不是这样这是第一第二我觉得最核心的叫做不要让IT团队来立的得让业务团队来立的业务团队如果把自己当成一个乙方让IT团队立的这件事情几乎一定会失败你会发现谁懂怎么选货盘谁懂怎么去预估营业额谁懂怎么去对付一个客户怎么让他买保险都是业务团队IT团队提供不了这样的知识和经验对吧大量的企业依然它的次为定制叫做IT团队承接AI的这件事情一定会办这是我觉得第二大问题第三大问题就是在底层没有业务团队和组织的对应的激励的改变去配合这个模式的改变因为大家不要把它看成一个工具的上限它是一堆员工上限一堆新的生产地来了我们的生产关系要改变了对吧人和人的关系变了人和鸡的关系变了我们的目标可能也变了在这个过程中我做什么样的事情应该被激励什么样的事情已经不需要我做了也要跟着变我觉得可能最大的三个坑在这里面就这里能想到什么故事吗尤其是这个比如说IT人员他们可能在中间成为是AI落地的蓝路虎的故事我们当时进很多大的这种跨国公司的时候我们第一要搏斗的实际上是IT里面的IT governance就是他们的第一诉求是我怎么样能确保过程正义确保我的数据安全性下我觉得都没有错但是他们把这个列为第一优先级华旗生物的董事长在我们一个AI工作坊里面他在内部说说如果你做AI提效做什么50%的提效你就不要做了你就做三倍五倍十倍的事如果你仔细摊开你的业务想想无穷无尽的智力生产力你应该总能找到不是一个可能是若干个能够重构你的整个商业模式或者再退一步至少重构你整个做事的工作流程的这样的事情这样的事情给你的提升应该是不说100倍应该是几十倍或者几倍的提升有这样的案例吗我举个例子我们曾经帮个住房平台就是住房平台都有一个角色叫做管家管家就管所有的租房的人的打小的事情就是什么邻居家狗吵架就叫啊什么这个邻居妈妈又来带男朋友进来空调漏水就各种各样的事情然后呢当实际上我们进去的时候他们想象中就是AI能不能帮我的每个人自动回复回复得更快啊等等之类的但实际上当我们进去的时候我发现他们在业务上有两个巨大的痛点本身成生化力足够的情况下租房他这个业务本身是在下降所以他应该卖更多的服务什么家政保洁什么从商务卫各种各样的服务但是实际上管家这个角色被日常的所有的琐事困住每天要回复大量的带有情绪的问题然后根本没有时间去去卖这些东西我们进去的时候首先定义清楚鸡应该做什么人应该做什么 [35:00] 人应该做有温暖的带就是更多的照顾人情绪的关怀日常的这些所有的琐事应该由AI来负责来解决基本上从那一年结束的时候是一对500到一对1200然后呢今年我们的目标是一个人能对2000个人但这一个人实际上他的日常的工作是变少了而他更多的精力会放在比如说关怀等等我们会用一个偏销售机会探查的智能题告诉他说你看到了这家的租客家里有毛然后他跟你说这几天要出差这时候有个机会你应该给他卖除上不未养以及什么除毛毛什么之类的所以基本上我们在改变他整个商业结构和这个商业的目标这个部门其实没有裁员他只是用人做更多主动光环所以他的服务质量提升了他的好感度提升了他的序约率提升了他的服务收卖提升了所以我们不觉得AI进场应该是个降本的事第二个这个负责人说说发现我们的好员工的标准变了原来好员工叫做打字块记得准的人现在好员工的标准是那种特别能提供情绪价值就说哥哥姐姐你不用急就这种好员工这种才是好员工因为所有的琐碎的事情反正内容书写查资料AI都可以做但是让人开心起来让人放松下来是人才可以做的事情很有意思之前阿甘说这个咨询的销售的本质是给董事长和CEO做心理咨询然后销售能不能成功往往第一次见面就知道了这可以展开讲一下我觉得在传统咨询的时候其实是面对职业经理人职业经理人他有上升有下降的时候然后在不同的时期在涨舵整个公司的时候他需要大量的外部的一些信心也好资讯也好然后给他更多的对公司管理的熟解还有一部分所谓的心理咨询其实来自于一个比较本质的东西管理的本质是对激发善意的释放我觉得在这个时代尤其是AI能够这么成倍的做一件事情的时候如果你的发心是管理是约束是限制它的能量是10倍如果你的发心是负能是善意是让每个人更好的成长让每个人都挣得更多钱再让每个人挣到更多钱它有可能也是10倍我们自己本身比较相信负能一线这件事情在加了一定能成因为如果你是控制的话那你全部换成机器人好了机器人一定比人做得更好对吧那在这过程中我们可能会和所有我们合作的这些CEO去碰说你自己本身想要负能的发信在哪里善意在哪里然后呢你希望看到他们怎么样的成长然后于是我们会把这个落进比如说负店长或者是某种的智能体里面去我觉得这可能也是某种的心理辅导然后还有就是大量的心理辅导来自于对于下面的员工就是我们告诉他说这件事情不是为了替代你就是这件事情的核心来自于本身时代就变了被消失的不是你而是那个落后的岗位那岗位已经不存在了你不应该再在那个落后的岗位里面去寻求一个更好的发展而是看看有些什么样新的岗位会发生而且哪些更匹配你就这种的心理辅导现在变得比给CEO的心理辅导的工作量大得多什么样的岗位会消失在你们看来所有管理层如果他做的唯一事情叫做信息传递上传下达这岗位就应该消失挺多的你想一个一个销售网络1235级从总部到省总到分区到小片区对中间可能有两到三层就是制作上传下达但上传下达为什么在AI时代被消失呢因为在过去我通过数字化通过SOP也能够让上传下达不需要中间因为上传下达其实有几个工作第一叫做信息清理的工作比如说你问一个一线的店员或者一线的销售人员你今天见到客户好不好销售人给你的不是一个结构化的报告销售人员说这个客户太傻了我怎么怎么卖他也不听我的你得到是一个这样的公司而到这一层你得把它结构化然后能够把它降维然后往上传这是第一个他要做的事情第二个要做的事情是我接收的不是一个销售的信息我接收的是100个销售的信息所以我们每一层要把它汇总把它聚合对吧聚合过程当然也会带很多我的个人观察和视角进去是OK的但得有这么一个人否则就会是1万个销售1万个信息直接到董事长面前其实他们上传下达不只是一个信息通道他还是有智力工作的信息采集和分析报告是吧那现在确实AI可以做得更好所以一个是这样的港位会消失还有什么港位会消失吗原来靠大量的执行力就是打字快记忆力足 [40:00] 不够好的类似这种的工种其实确实会比较困难尤其是靠智力劳动执行性的那些工作者他应该做一些改变要么他自己本身能够驾驭这些agent然后要不然他自己本身在自己的岗位上沉淀了某种奇怪的大模型根本取不到的专家智慧或者戒头智慧然后能够成为贡献戒头智慧的这些我们觉得可能不是今年明年但是更长的时间人类会逐渐的很少做自力劳动我们会从自力劳动的时代变成自力决策劳动的时代于是你会更多的是告诉AI说我要去哪个方向这个方案行不行我只给你多少钱的那个规划我只给你多少时间所以我做的都是决策叫行还是不行去哪里我不再做自力劳动本身我不再写方案我不再画设计图我不再设计功能我不再写代码我不再做这些事情我觉得可能大方向是往那个方向去的你们有不喜欢的客户吗就比如说来找你们都是希望AI复能它的企业对吧但有没有什么客户你一看就肯定复能不成这个单子再大我们都不接你们这样的客户大概是什么样的特点以及你们聚过的最大的单有多大喜欢不喜欢来自于皮肤匹配就是我们的目标是帮客户build business如果他想买的东西不是这个东西那OK不管你多大单子我可能不会接我们其实所谓说不喜欢的都来自于他本身自己内部的角色非常的冗长我们现在其实很简单我们跟客户的一把手直接聊可能大概三次之内我们基本上能够达成一个合作的意向因为大家也非常直接我能提供的价值不是说帮你做个软件而是我帮你重新去看你的business你的诉求也很直接你有三个最头疼的事情晚上睡不着觉我挑一个能帮你用某种方式某种逻辑解决你也认可这个方式我们就可以合作这个是我们喜欢的不喜欢的就是来来回回就是决策链特别麻烦我觉得可能聚的比较多的是买软件的这种风格不管是IT部门发起的还是甚至董事长或者所有者他也会觉得说我不想改业我就是想买个软件提一下销不是说不对就是我们不提供这样的服务最大的单我们反正今年年初我们应该拘过几个六万八百万之类的这代理是买软件吗现在软件能卖那么贵吗软件加这种所谓的定制化服务但我们就问一个问题就是它到底最终业务目标是什么就是来来回回没有人讲的清楚我们觉得这种项目我们进去它验收不了最后可能也会很麻烦肯定很麻烦可以理解就没有责任人目标是移动的这种最可怕了非常恐怖对所以找对象也是Exactly咱们刚才提到这个公司目前60个人你们是一个怎么样的组织结构以及他们是一个怎么样的工作方式我们本身其实非常非常扁平我们自己两个也是就是日常该携带吧携带吧该做项目事情也做项目事情只是他们每个个体就有点像海豹图机队就是他们是基于某一个目标临时组队的我们会非常鼓励他们在一些因为FDE本身也需要在一些是真正在门店里面所以今天如果一个大学生他毕业了想去做咨询他仍然是有GIN MBB的选择但他其实也有来到更AI Native的像类似二位这样的做FDE的公司的选择你会给他们什么建议吗就是一定选你们吗我其实反而会建议他们去更大的平台培养自己的商业sense和judgment我觉得这件事情还挺重要的我先讲个故事那天我们在面试的时候这个打了广告喜欢我们公司的时候可以来应评非常优秀的应评者然后基本上已经通过了然后问我说说凯哥我到这个公司来我特别想知道如果上岗我会需要我能给公司提供什么价值我怎么放大我的价值我很坦诚的说我说你刚毕业他是个毕业生你刚毕业我想不到任何你能做的事情做不了的他说那怎么办我说我倒是有个收主意叫做要不前两年你付我钱后面几年我再翻倍的付你以前才付回去而是个玩笑啊但确实今天的所有的纯桌面研究型的咨询或者纯这种 paperwork 的咨询年轻的咨询是能够精硕的培养或者能够上岗做的事情已经非常少了我们也很担心这个行业形成断层 [45:00] 从另外一个方面讲我们一直在讲说我们喜欢的人是那些有商业善事的人我们也讲了我们发现商业善事这件事反正我个人没有找到一个培养的方式我觉得有些东西是天生的我们发现有的家里是做小生意的家里是二代有的可能是完全没有背景他就很喜欢观察他的观察能力就很强我们会发现这样的年轻人其实他比中老年的咨询师是同样好用的甚至更好用因为他更开放更好奇这个问题答案非常两面一方面我看到年轻人进咨询行业会带来很大的挑战跟原来很不一样但另外一方面我会发现年轻人如果你具备某些特质你上岗的第一天你的能力跟中年咨询师就是一模一样的因为他会写的东西你跟你的AI也会写不用担心这件事现在年龄反而不是一个非常重要的就看了一个东西的标准对吧就是你有没有judgment你对于事情有没有做的好奇心对吧 你是不是proven sovereign你看到问题兴不兴奋对吧 就是有些人看到问题就就头就垂下 有些人看到问题眼睛就发光就是那个感觉是特别不一样这个和年龄也没有关系我们最小的实习生也是应该是高中吧高二的我丝毫不觉得他从老练程度和解体方式上输过任何一个平庸的五年左右经验的这个咨询师所以我觉得这个这是一个特别神奇的时代就年龄和资历开始变得越来越不重要社会方式很重要个性很重要但我确实没有找到特别好的培养路径Yes也是我们在摸索的其实我们今天聊这些播客还是因为起点来自OpenAI Anthropic他们不约而同提出FDE这个概念然后都成立了很大规模的合资公司甚至有一些收购在你们看来就是为什么就突然发生了这个事情以及他们做这个事情背后的动力是他们看到了什么他们就公寓的数据毕竟是有限对吧就是当一个就是大模型想要真正进入到某一个行业里面的时候他们应该是看到了所谓数据的短板或者是行业知识的短板那么Athropik他去训练各种东西请每个专家可能实心都上万等等之类的所以与其一个个专家请还不如直接深入到行业里面去解题这是第一个然后第二个是2B这件事情它就不是一个单独软件能够完成的事情它本质上是一个服务业如果大模型企业是要改变今天的所有政府组织和企业它真正主力不来自于说我接不上模型来自于模式来自于工作流程来自于组织人才等等的这个时候需要一些又懂AI又愿意加入AI的服务者进入这些行业才能改变这个世界特别有趣的是因为他们赫兹公司全部都是PE我觉得他们还看到了一个机会在于大模型对于这些行业的改造它最终能够获得的收益不仅只是一个token赚来的钱它能够帮这个企业能够拿到的那个upside就多的那部分收益是非常非常大的有的人会觉得我们服务一年的paypal是600万有的人觉得贵有的人觉得很便宜尤其是我们背后的一些和我们合作的投资人会觉得说你们真的做到老邦企业省几千万甚至多赚几千万但你就是收一百万为什么因为我收不到那个upside那我只有和一些PE一起入场去改变它的头后企业的服务模式商业模式我才能收到资本的那部分钱所以本质上我觉得每一个PE或者VCE自己的投后部门都要有或者甚至改组成一个AI赋能的这么服务中心因为未来我们能见到的10到15年最大的企业增长的enaborer或者赋能器就是AI所以你们觉得这个FDE公司值得被VC投吗它不仅仅值得被VC投它甚至值得被VC拥有VC也好PE也好它的投后部门的一个核心能力将会变成帮助背头企业做AI模式转型然后我们说零售零售本质上大家就在比两件事情比数字化就是AI核心计化在比供应链对吧如果我的投后服务是帮你一家已经有100家店或者1000家店要扩展到1万家店我的核心除了给你钱以外我的核心能力就是把供应链和AI做好帮我做供应链和AI的服务团队或者公司不应该为我的精神对手服务这是我的观点就是我甚至觉得每个VC和PE都应该有自己的独占的服务就简单说这个问题叫做 [50:00] 但是他不应该把这样一家公司当成背头企业他应该把它当成自己的一部分去服务那些背头企业欢迎各个PE来聊我们可能跟每一个领域的PE或者VC也只能住一家因为所有的连锁餐饮是打架的所有的连锁的茶饮是打架的所有的咖啡是打架的所有的临时店是打架的我们服务了一家一定不能再服务另外一家那这个和MBB有什么区别呢我们也其实也可以说一个VC一个PE你没必要去投MBB对吧但你可以拥有它去赋能力的企业这有什么区别吗我们在那个PCE的时候其实我们服务很多PE就是我们在服务它的背头企业我们去帮它做战略啊做增长啊等等之类的丹马锡啊之类的丹马锡是我们最大的客户对这当时最大的客户我觉得可能来自于因为AI带来了我们觉得的战略的规划能不能落到一线的信心改变了就这个可能不是我们跟NBB的比是今天的所有的咨询公司如果愿意做落地的和之前的对比之前你只能产生一些规划你只能对上上中层对吧你也没有能力潜到每一个店长和每个销售的身边去帮助他今天有了AI你可以做到这件事至少我们可以派对兄不说我一定能给你的业务带来upside所以我有信心跟你对赌这件事我相信现在NBB也是考虑这件事情对吧就是如果我能给你业绩带来真实的增长我就不再满足于Sony哪怕是一天一万美元的咨询分了对吧暗含着好像NBB带来的增长没有那么的扎实PPT的增长就很有限对吧当你把PPT转成每天在一线服务的智能体和工具的时候它一定会变扎实MBB说也会变扎实有趣就是这个想到result as a service结果才是服务OKMBB出现之后虽然这个咨询行业也有很多的公司百花齐放但是再也没有像他们那么大规模的公司出现了其实也想听你们讲一讲就为什么就是只有这三家公司为什么后面来的这些百花其放的小资源公司就是长不大然后第二就是你们认为AI时代会出现新的比肩MBB从规模层面这样的新的资讯公司吗其实上个时代还是有很多资讯公司的戏粉的像HR的Mercia像IT的Azenger等等它规模其实也不小就是全年大概也是三四百亿美金左右的这个规模我觉得其实我们谈的MBV核心在谈管理咨询但咨询这个行业有管理咨询有IT咨询有HR咨询有各种各样的不同的咨询方式我觉得MBV它最核心的还是在于他解决的问题是CEO的核心问题他最靠近不管是收入的核心还是权利的核心而且之所以MBB能够成为MBB在于他们自己对于很多结构还是有要求对我觉得这种要求是他们跟别人我觉得特别大的不一样我觉得在中国管理咨询的最好的时代还没来未必是对企业最好的时代就是我觉得对管理咨询最好的时代叫做所有的企业都非常标准化规范化所有的长度人都是职业经理人因为企业的owner对管理咨询的要求和职业经理人的管理咨询的要求是完全不一样的我觉得那个时代还没来可能还要再过30年但是就也就意味着说在中国我相信要么MB会做大要么一些中国的优秀的咨询公司会做的MBB这么大但回过头来我们经常说我们是个AI咨询公司有很多投资人会说那你也不算咨询对吧你肯定也不算SARS叫你们SARS好像有点侮辱人现在叫谁SARS好像都有点侮辱人的意思他说你们更像什么你们更像Service as software就你们确实交付 software但你们提供的本质核心是一个service只是大家看上去说你们在这家企业做了什么做了好多service怎么解决问题那最终上了什么呢上了一个AI智能体上了一个AI副店长上了一个AI销售对吧那不是个software吗不是所以我们是service as softwareOK好今天非常有意思谢谢二位因为我们过去聊很多都是这个模型的进步然后有哪些创业的机会有哪些AI的applicationAI的infra但今天我们很难得的聊了一下就AI落到真实的商业场景里面大家到底在做什么而且我们看到其实已经有很多在中国的企业的一线的实践和成果了也是GFD这个词儿我们今天有了这一期播客希望未来我们可以有更多的机会聊更多的案例也让大家看到 [55:00] 在企业在各行各业怎么能够让AI发挥更大的光与热谢谢谢谢谢谢谢谢谢谢