我在北京大學深圳研究生院講授《人工智能時代的公司戰(zhàn)略決策》

6月13日，我受北京大學深圳研究生院的邀請，做了一場主題為《人工智能時代的公司戰(zhàn)略決策》線下課程分享。

整場課程圍繞認知重構、六大商業(yè)決策、Skill與Agent實戰(zhàn)應用三大板塊展開深度拆解。

現(xiàn)將本次課堂核心干貨整理出來，供大家參考學習。

和到場不少管理者溝通后，我發(fā)現(xiàn)一個普遍認知誤區(qū)：大家覺得AI能加快決策速度，就等同于能做出高質(zhì)量決策。

如今獲取信息早已沒有門檻，行業(yè)資訊隨手可得，真正拉開企業(yè)差距的，從來不是信息搜集能力，而是成熟的分析框架、自洽的商業(yè)邏輯，以及管理者獨立清醒的判斷力。

整場分享，我主要圍繞AI與人的決策邊界、企業(yè)六層決策體系、AI全產(chǎn)業(yè)鏈機會、實戰(zhàn)落地方法四大板塊展開，結合多年咨詢與授課經(jīng)驗，分享可直接落地的思路。

01

厘清核心：AI與人的決策分工

在課堂上我反復強調(diào)，當下很多管理者陷入誤區(qū)：AI讓決策速度大幅提升，但快不等于好。

決策的本質(zhì)，是在不確定性中做出選擇并承擔后果。

AI擅長信息整合、數(shù)據(jù)分析、方案生成，能解決傳統(tǒng)決策里信息零散、耗時久、分析片面的難題，但它存在三大短板：數(shù)據(jù)存在時效局限、容易生成虛假信息、無法洞悉企業(yè)內(nèi)部隱性場景。

所以我明確了二者的分工：

AI是優(yōu)秀參謀與執(zhí)行工具，負責事務性工作;

而人類才是最終決策者，把控方向、做價值判斷、承擔決策后果。

像倫理取舍、顛覆性創(chuàng)新、復雜人際管理這類工作，絕對不能交給AI主導。

02

六大決策維度：AI全鏈路賦能企業(yè)經(jīng)營

我現(xiàn)場拆解了企業(yè)完整的六層商業(yè)決策閉環(huán)，這也是所有經(jīng)營動作的底層框架，如今每一環(huán)都能借助AI實現(xiàn)升級。

1. 方向性決策：聚焦賽道選擇、市場進退與創(chuàng)新布局，AI可抓取全網(wǎng)趨勢，輔助判斷發(fā)展方向。
2. 模式性決策：主攻商業(yè)模式與定價策略，依托AI測算不同模式的收益，優(yōu)化盈利邏輯。
3. 競爭性決策：分析對手、搭建競爭壁壘與商業(yè)生態(tài)，AI能全景掃描競品動態(tài)，推演博弈策略。
4. 資源性決策：統(tǒng)籌資金、人才、并購等核心資源，用數(shù)據(jù)測算ROI，完成最優(yōu)配置。
5. 運營性決策：覆蓋產(chǎn)品、營銷、供應鏈，AI可實現(xiàn)需求預測、智能排產(chǎn)，大幅降本增效。
6. 風險合規(guī)決策：作為企業(yè)經(jīng)營底線，AI實現(xiàn)7×24小時全域監(jiān)控，前置規(guī)避風控與合規(guī)隱患。

03

AI七層產(chǎn)業(yè)鏈：讀懂機遇，分清風險

結合2026年產(chǎn)業(yè)現(xiàn)狀，我和大家梳理了AI七大價值鏈，并劃分上、中、下游，分析不同環(huán)節(jié)的機會與風險：

• 上游(原材料、半導體、AI芯片)

如今AI產(chǎn)業(yè)第一瓶頸早已從芯片轉向電力

能源、半導體設備、高端硬件壁壘高、需求剛性，是穩(wěn)健的投資壓艙石，但目前行業(yè)估值已處于高位，后續(xù)超額收益空間有限。

• 中游(算力基建、基礎大模型)

2026年是中游的“驗證之年”。數(shù)據(jù)中心、云平臺等算力基礎設施資本投入龐大，確定性更強;而頭部大模型研發(fā)燒錢迅猛，商業(yè)模式仍在探索，需要謹慎布局。

• 下游(開發(fā)工具、行業(yè)應用、AI Agent)

這是AI價值最終兌現(xiàn)的主戰(zhàn)場，場景十分豐富。

開發(fā)工具降低落地門檻，AI Agent更是2026-2028年的核心主線。垂直領域結合行業(yè)數(shù)據(jù)與經(jīng)驗，會形成獨特壁壘，建議分散布局，不要單一押注某一家企業(yè)。

基于產(chǎn)業(yè)鏈特征，我也給出了簡單的布局思路：上游堅守龍頭控風險，中游優(yōu)先算力賽道，下游深耕垂直應用。

04

四大實戰(zhàn)方法：告別無效AI提問與分析

不少人使用AI效果不佳，根源在于缺少專業(yè)分析框架。現(xiàn)場我分享了四套可直接套用的實操方法，幫助大家產(chǎn)出真正可用的決策內(nèi)容：

1. 結構化提問法：遵循「角色+任務+約束+格式」四大要素，拒絕模糊指令，從源頭提升輸出質(zhì)量。
2. 多視角分析法：讓AI分別扮演支持者、反對者、中立分析師，打破個人主觀偏見，全面研判利弊。
3. 情景模擬法：搭建樂觀、基準、悲觀三大場景，找到風險臨界點，制定抗風險的穩(wěn)健方案。
4. 魔鬼代言人法：方案定稿后，讓AI專項排查漏洞并給出整改建議，避免全員樂觀埋下隱患。

05

進階落地：從單次使用到Skill+Agent體系

單純的對話式AI只是初級用法，我也向大家介紹了企業(yè)長效落地的核心形態(tài)：Skill(標準化能力模塊)與 AI Agent(智能體)。

我們可以把戰(zhàn)略分析、股權設計、商業(yè)模式等專業(yè)方法論封裝為Skill，將企業(yè)資深經(jīng)驗沉淀為可復用的數(shù)字資產(chǎn)。

而整合多項Skill的AI Agent，相當于企業(yè)的“數(shù)字員工”，能夠自主拆解任務、跨流程執(zhí)行，覆蓋戰(zhàn)略、商機、投資等全決策場景。

06

六大行業(yè)落地方向與避坑原則

結合當下市場，我梳理了金融、醫(yī)療、教育、制造、內(nèi)容、企業(yè)服務六大主流行業(yè)的AI核心應用場景，每個賽道都有明確痛點與落地路徑，同時點明了各行業(yè)的核心壁壘。

最后，我著重提醒了AI決策的三大避坑原則：

一是核查所有數(shù)據(jù)、案例的原始來源，防范AI幻覺;

二是補充實時資訊，彌補AI數(shù)據(jù)滯后問題;

三是結合企業(yè)自身現(xiàn)狀評估方案，杜絕生搬硬套。

07

AI浪潮之下，工具人人可得，但“懂商業(yè)、善用AI、堅守獨立判斷”，才是企業(yè)管理者的核心競爭力。

AI能幫我們提速增效、拓寬視野，但最終的戰(zhàn)略選擇與責任，始終要由人來承擔。

后續(xù)我也會持續(xù)分享AI商業(yè)決策、Agent落地等實戰(zhàn)干貨。如果大家想要做業(yè)務增長診斷、商業(yè)模式設計，或是系統(tǒng)學習AI商業(yè)思維，歡迎一起交流探討。