带着这些问题，本期36氪《CEO锦囊》栏目，幂律智能CEO涂存超，Flowy创始人兼CEO祁国良两位高朋，跟大家实际聊聊AI是如何帮助企业降本增效。
在这场直播中，两位高朋紧张谈论了以下问题：
1、降本增效便是“砍砍砍”吗？如何精确地理解“降本增效”？
2、两位都是 AI 公司，叨教你们内部有哪些降本增效的方法？效果如何？
3、说到数字化，其紧张目的便是实现降本增效，对付企业来说，数字化转型的最大寻衅是什么？
4、比较于此前的数字化转型，这波AI浪潮对数字化转型产生了哪些影响？
5、AI时期，我们个人怎么来应对AI带来的冲击？如何更好利用AI工具？
6、除了各自公司自身在做的产品之外，AI还在哪些场景有比较大的空间？
7、就如何让AI真正帮助企业实现降本增效，分享3点锦囊妙计？
以下为两位高朋和36氪的对谈，部分内容经由整理编辑：
36氪：降本增效便是“砍砍砍”吗？如何精确地理解“降本增效”？
涂存超：降本是一方面，增效也很主要。通过降本增效，我以为终极还是要达到公司目的，能够让公司发展更高效、更稳定。除了正常的一些降落本钱的方法，通过数字化的办法能够把企业内部的业务流程梳理得更高效，也是一个比较主流的办法。什么是有效的降本增效？最紧张还是当作果，便是到底有没有达到降本增效终极目的，让企业运行更顺畅、更高效了。结合国内外的降本增效案例，如果企业进行了很多的优化调度，全体产品迭代和正常运行没有受到特殊大的影响，我认为是比较好的降本增效。但如果由于降本增效造成了非常严重的后果，影响了企业的高效运转和运营，那便是比较失落败的降本增效操作。
祁国良：我个人实在不喜好降本这个词，这是存量思维下的操作。我更喜好增效，这是在增量思维情形下思考我们企业的效率和质量如何提升？我们梳理企业，甭管是什么行业，大概就环绕着三件事情做，第一是效率，第二是事情的质量，末了是本钱。如果效率和质量同步提升了，本钱自然而然低落。在增量思维下，如果我的效率、质量都提升了，业务增加 1% ，或者一倍乃至三倍以上的时候不增加人，是不是算降本了？这里面更主要的是如何通过大模型、AI帮助企业更快地实行，在效率上提升。
在企业里面人有时候是相称不靠谱的，一个月就准备一场直播是绝对OK，但我们每天忙不同的事情，花在每件事情上的韶光精力就少，有太多的事情让你变得质量低。如果在这些低级缺点之前，我们能用各种各样的AI审查好，我不一定有最好员工的事情质量，但是把所有员工的质量都提升到均匀线往上，全体公司的质量流程都会提升。
36氪：两位都是AI创业公司，叨教你们内部有哪些降本增效的方法？效果如何？
涂存超：最大略的减少一些非必要的支出、减少人、降落福利、减少一些品牌上的投入，这个是初创公司操作比较多的办法，我们内部也会采纳一些数字化的办法。我们做事的都是中型、大型客户，无论我们卖的是AI干系的产品，还是信息化干系的产品，都免不了要做一些交付履行，相应客户定制化的需求。之前在我们全体交付履行过程中，项目管控的某些环节没有细化。以是从2022年底到2023年整年，我们都在迭代内部的项目管理以及工时管理系统，能够细化到所有职员的本钱支出，能够及时在中间创造一些支出是不是超了。这对我们项目本钱的管控和效率提升起到了比较好的浸染。
我们自己的业务紧张也是在给客户办理降本增效这个问题。我们最核心的能力便是智能条约审查，帮助每年有大量条约须要审查的企业提高条约审查的效率。我们有个客户，每年有大量的线下店要新开，还有老店要续约，都须要审大量的商铺租赁条约。他们为了审商务租赁条约外聘了大量的状师，本钱特殊高。但不仅外聘状师，包括他们自己内部法务团队都会存在着审查标准差异非常大的问题。纵然内部梳理了严格的审查标准，完备靠人来实行是很难的。上线了智能条约审查的系统之后，帮助他们办理了几个方面的问题。一个是标准统一，对很多客户来说这比效率更加主要，能够防控很多风险。第二个是能够让他们审核的效率大大提升，相对节约了很多人力本钱。客户在算ROI 的时候，看的是末了能够给他带来多少效率提升，能够让他节省多少外聘状师的本钱，他会从这里面来付一定的比例给我们。这实在便是从降本增效的角度，给企业推数字化系统，如果这件事情客户的ROI算不清楚账，这个事很难落地效果好。
祁国良：我们叫数字员工也是从这个角度去做，中国的企业去采购IT软件没有人真的知道自己买了什么系统，大家都在低毛利率里面去竞争。本日一个很主要的商业模式改变，便是拟人化按效果去付费，我本日帮你省了多少韶光，提升了多少质量？这个是很随意马虎评估的。以前采购供IT系统，对付一把手来说，有时候真不知道买了什么IT系统，对全体公司有什么提效？大家只知道花了钱。在环境相对恶劣的情形下，就会说这是本钱，明年可能不弄了。
就我们内部来说，所有人都在用AI干工作。比如说开拓用AI去做一些代码的自动天生，售前可以借助大模型很快出一套跨行业出方案，来赞助售前事情；乃至招聘，有时候我们也不清楚这个岗须要什么样的人，大模型可以帮你写JD、筛简历。以前我们是写代码，本日我们是在写流程，在给客户配场景，很多东西不再须要去去世抠一个算法。这样这几种形式下来，企业效率都在提升，本钱也不才降。
36氪：说到数字化，其紧张目的便是实现降本增效，对付企业来说，数字化转型的最大寻衅是什么？
涂存超：我一贯是以为数字化最大的寻衅肯定是来自于人和组织。数字化转型这件事情，无论是决策者还是末了实际利用的用户，一定是多个角色来参与的，大家的利益诉求是不一致的。比如说决策者采购一个别系，更多是从管理的视角要方便管理，但很多用户是被管的角色，大家做这件事情的诉求不太一样。从利用的效果看，采购一些信息化系统，末了的目的是要降本增效，到底是降的谁的本？降哪个部门的本？但其余一方面，无论是我们的系统，还是其他数字化系统，都普遍存在人对新系统的学习和利用的本钱，而且会涉及到用新系统有可能对之前的业务模式、业务流程的更新和调度，这也会形成比较大的阻碍。
祁国良：刚才涂总讲的我基本上都认同。便是摩擦力，来源于人和人、部门之间的摩擦力。人是有惯性的，很多公司领导和员工是站在对立面的。高层的想法是管理，上任何一个别系，比如发卖系统，须要的是发卖漏斗，要去考察的是公司的资源如何优先给更加靠谱、优先级更高的客户？但是一线员工的视角是抵触的，由于这并不能帮助他做什么事情，而且每天都会给他带来非常繁琐的包袱。一天几个小时都在做这些事情，比如填个CRM、写个周报等。当你创造员工每天在公司花很多韶光做这种数字债务的时候，他的质量就会低落。以是在落地的时候便是如何让管理层和员工都满意，这个数字化才能推得下去。我们的履历是让管理层看到更高质量的数据，那数据质量来源于什么？便是帮助一线员工通过更大略的办法从繁琐没有代价或者说代价很低的事情中解放出来。如果有一个AI在企业里面专门帮你做这些事情，比如写周报、日报、拜访记录等，那就知足了领导层数据的哀求，同时员工不用每天花很多韶光做这些事情。
数字员工帮你去实行检讨事情，条约检讨、文本检讨、标书各种各样的检讨、公函的检讨等等，末了提出里面的风险点，或者说里面有哪些低级缺点。人去做人该当做的事情，很多时候更多的摩擦力于来源于部门和部门之间、人和人之间、任务和任务之间，把这些事情都变成流程自动化。现在的流程好多都勾留在人停流程就停，只要这个人在开会，很多事情就实行不下去。用AI实行，出错的时候见告人用更高维的视角判断这件事情的走向，这样将效率提升。过去我们做了那么多软件，以前说这些软件是给人用的，但是现在想想，大概是给AI用的，是让AI帮你去实行。以是我们之间就变成了人和人之间对话，人和AI以对话框的形式推动流程往下。这样的效率会更高，质量也会高起来。
36氪：比较于此前的数字化转型，这波AI浪潮产生了哪些影响？AI扮演着什么角色？
涂存超：海内涵大模型运用侧还是明显掉队的，当然缘故原由是多方面的，包括几种模型的效果、海内涵运用层的投入、客户需求的多样性、本地化、安全性等。我们一贯认为2024年该当算是运用层验证效果走完闭环的元年。我们之前面临最紧张的问题便是在AI技能的根本之上，要怎么给客户做定制？这个问题我们一贯非常头疼，举一个详细的例子。之前客户要定制一个审查点，我们要剖析这个审查点涉及哪几个法律条款和法律观点，然后网络一堆条约数据，把这些条款和观点标注出来，再演习一些小模型，把这种模型调到非常高的效果，由于法律的场景容错是非常低的。全体过程本钱非常高，周期非常长，流程也很长。
有了大模型之后，我们的产品给客户的感想熏染还是智能审查的产品，但我们做这个审查点定制的办法完备变了，全都是基于大模型。大模型天然具备剖析条约文本，从条约里剖析信息，抽取信息的能力。我让大模型来从条约里面抽取某个条款，我可以给他一些私立条款，写一个比较好的Prompt，让大模型基于我们抽取的条款直接做判断。假设这是一个首款条款，我直接让他来判断这个首付款到底有没有超过条约额的30%，之前我们须要再训一些序列标注的小模型，把这个片段给识别出来，再通过规则来判断。现在便是一个Prompt，让大模型直接来判断这个条款里面的约定跟客户的审查标准是否同等。以是现在的办理方案全都是基于大模型的，业务还是那块业务，但我们自己内部本身的效率和相应的办法完备改变了。但我们只是在完成了初期的闭环验证，真正往外推规模化我以为2024年该当是元年。
祁国良：我们过去一年是在捏人的过程，紧张环绕着企业的需求梳理流程，做一些行业konw how的整理。我们希望通过这些整理固化下来，变成可以用的横向长尾需求。比如在出差的办公场景里，可能要在IM上申请出差，在OA里面审批，乃至去不同的平台订票，这韶光还是花的蛮长的。再乘以全体公司的人数，便是我们说的数字债务，公司的本钱也高，我们的效率也不高。现在你可以在IM上通过大略的对话就能完玉成部流程，大模型的好处便是我可以跨过这些流程，在跟数字员工对话的过程中，提取有效信息快速做完这些事情。大模型是通过自然措辞去连接以前的流程。
36氪：AI时期，我们个人该当如何做来应对AI带来的冲击？怎么更好利用AI工具？
涂存超：我以为人跟机器的合营是有非常大潜力的，AI替代一个完全的人是不太可能，人有很多自己独到的能力，比如沟通互换的能力、全局信息的掌控能力。一些偏高频、偏严谨、低难度的任务大模型是完备可以做的。形成共识的便是，人该当学好怎么样利用工具，利用大模型来让自己的事情能做得更好。不太须要担心被替代，但如果你不学会利用工具，就会损失竞争力。
现在还没到大模型最佳运用实践阶段，无论是海内还是国外都在考试测验。但我以为现在可以做的是，评估自己的事情，到底哪些100%没技能含量，长期来看对你没有代价；要判断出哪些事情纵然有了大模型，对你来讲也是有代价的。
祁国良：有了大模型之后，一部分事情确实被大模型取代了。以是我以为人该当更贴近业务，理解需求。你越理解业务越不随意马虎被替代，你越理解需求，越理解场景，你的代价就越大，由于你办理的不仅仅是0和1的问题。不是只有这个程序要不要开拓的情形，很多时候都存在着建议A，但选B的情形，这是人要去办理的。建议是A，为什么要选B？你没办法让AI明白在仅仅看到一点点信息情形下，选择 B作为我的终极结果，这是人要去做的事情。
至于怎么更好利用AI，首先是先用起来，哪怕最大略先下一个大模型APP，让他帮你做各种各样的文案天生。我现在都离不开AI了，不知道怎么写的时候就问他，比如给我报告文案，我再按照场景去修正，很多事情他已经帮我做天生。
36氪：除了各自公司自身在做的产品之外，AI还在哪些场景有比较大的空间？
祁国良：我们内部有个画布，分为几个层面。首先是个人层面，帮助个人提效，比如个人写周报、OA审批、 CRM、发邮件等。第二，环绕公司前台和后台的业务层面。人力、法务、财务是企业里面偏后台，企业的前台业务是ROI很高的场景，只要提效了，便是挣钱的。第三，便是跨部门的利用。
2017 年、 2018 年特殊火的是中台，为什么做中台？站在公司角度讲，公司要效率，但随着公司做大不得不拆成部门，把人拆到部门。我们希望把数据、业务共享，供应一个大前台去做。这两年可能中台已经没人再提了，由于投入产出比算不清楚。搞一个大数据平台本身的投入就很大，其次在软件1.0的情形下，特殊依赖产品经理去对不同的部门、业务做需求梳理，末了天生一个大前台。但是很恐怖的是，今年开拓完中台，明年公司可能计策变了，中台要怎么做事于前台？我们说ROI比较高的场景，便是本日可以通过数字员工，在数据不离开每个部门的背景下，入口便是一个对话框，一个任务、一个需求进来，不同的Agent 或者不同的AI去到部门里依据需求取数据给你。我不须要前台，也不须要点击，所有APP都是搜索框，下拉都是瀑布流，用这样的办法直接给你答案。你想问公司去年业务额，你要看跟谁家的条约，可以一问直接得到答案。这种场景下，你就创造AI首先改变了交互办法的入口，是对话框去驱动。我们跟客户讲的也是，在这几个画布里面去找你以为最痛的场景。你说跨部门流转痛，我们就去办理跨部门流转的场景下，去梳理AI在这里的运用；你以为前台业务痛，我们就在前台上去找场景。
涂存超：大模型是一个非常通用的能力，有非常强的泛化能力。无论是软件还是业务场景，只假如在跟信息打交道，是跟人在交互，大模型都有他自己的施展空间。我的意思是每个场景都有改造的代价，但可能最有代价的还是跟大模型本身比较匹配的行业，重文本的行业，比如说法律和医疗就天然跟文本打交道，很适宜大模型。当然还有游戏、电商这些场景下，运用的前景也都是挺好。
36氪：就如何让AI真正帮助企业实现降本增效，分享3点锦囊妙计？
涂存超：
第一，一定要看最佳实践，学习行业最佳实践。纵然是大客户，在详细的业务场景中碰到的问题大概率也不是他自己独占的问题，行业里面比他业务更加繁芜、规模更大的客户基本上都会存在一些最佳实践，不是自己凭空来想这个办理方案。
第二，要算清楚账，这事关末了数字化转型或者说降本增效目标能不能达成。算清楚我投入多少，末了能够得到什么样详细效果？
第三，便是POC，这件事情一定是要做的。你听厂商、供应商再怎么讲，这个东西到底是不是如大家所说，在你自己的真实场景里面能不能用、能不能产生真正的代价，一定是要做POC的，自己感想熏染到的永久是最真实的。
祁国良：
第一，用起来，先让自己的数据飞轮转一转。企业数据无非就几种，一种是文本型的知识，存在于DOCX 、PPT、 PDF里面，你先把这些知识跟大模型结合起来，最大略的，哪怕是有知识库问答，先用起来。一种是企业的OA、ERP这类软件，以流程化的办法实行起来。这个本钱实在也不是特殊高，企业可以先考试测验起来。
第二，全面探索，梳理业务找到正向ROI的场景。
第三，把AI当员工看，不要想它是一个技能。比如说企业要扩招100人，哪个岗位或者哪个任务AI能实行什么样的操作？能解放多少人？站在一个更高层面去核阅这个流程。