企业随着发展会从整体性走向分割化，数字化转型的本质是让企业重新回归价值创造。关键不在于用什么AI技术，而在于从业务最有价值的地方出发，构建无边界的数据流，打破部门壁垒，实现全局优化。好钢用在刀刃上，让AI真正驱动业务系统性改善。

你是否也有这样的焦虑？看到各种AI技术层出不穷，看到别人都在利用AI取得了很好的效果，迫不及待地想要数字化转型，不被这个时代落下？

但请停下来思考一个根本问题：企业存在的唯一目的是什么？

答案很简单：创造价值。只有业务才能创造价值。这些AI和数字化的愿力可以成为企业推动转型的动力，但真正要起到效果，要把动力传递到业务上，应该怎么做？

公司发展的熵增：从整体性到分割化

在创业期，当公司规模还很小的时候，你会从整体上去考虑问题，不失问题的整体性，考虑的主要就是业务。但是随着公司大了以后，有了组织，你需要更多考虑所谓的管理，考虑人和人之间的权力关系以及利益的平衡，最后脱离了创业的初心。

这就是企业发展的“熵增”现象——企业从有序走向无序，从整体性思维逐渐分割化。数字化转型的真正使命，就是要让企业重新回归整体性。

但到底这些数字化的技术如何跟业务结合，创造真正的价值？关键在于从业务有价值的地方出发。定义从哪个点去解什么问题，可能是比用什么系统和算法更重要的。

不要一上来就说我要搭一个智能体，我要做一个工作流，我要Fine-tune大模型，而要说对业务最有战略意义的关键问题是什么？为什么不利用AI的时候解决不了？那些长久存在的难题，往往是系统性的问题。

数字化如何创造价值？

企业很多系统性难题的本质原因，是因为工业时代特有的、基于标准化的大规模生产。导致我们：

1. 1. 职能组织之间割裂，每个部门只对自己部门的职责负责，无法解决系统性问题
2. 2. 标准化管理，解决不了快速变化带来的不确定性。

智能时代的解决思路，是用数据驱动业务，实现大规模定制。对于工业时代的两大问题，在时间和空间两个维度上可以优化：

1. 1. 打破部门墙，实现系统性优化
2. 2. AI赋能业务，对异常进行快速响应，提高柔性敏捷力

锚定价值高地：从业务建模开始

一个设备制造商，业务是多样的，既有主机的配套，也有售后的服务，到底哪一个空间大？要判断一下。服务端不只是换东西，我们当时做风场运维的时候就提出来这样的理念：常规的运维都是叫做被动式响应，坏了以后去换东西，所以就会出现需求难以预测。我们当时会采集运行的数据，会基于运行数据做预测性的运维服务。由这些数据驱动的服务，比如说汽车滤芯的售后，也是从这个产品上去切入，用数据驱动服务还是从产品端切入，这些是要做一个讨论和判断的。

在做业务的数字化转型时，首先要进行业务的建模，将原来的业务活动中最有价值的部分显化出来，利用数字化加强价值创造的业务活动，而对那些非创造价值的业务活动，不但不应该去做数字化、智能化，而应该尽量减少和取消。这是很多自下而上去推进数字化的误区。

从业务基层提报的很多数字化场景，往往是那些边缘业务甚至往往是不创造价值的业务部门，他们不承担最直接的经营压力，他们有更多时间来琢磨怎么利用AI加强自己的地盘，所以往往会在行政、人事、仓储、物流这些边缘业务上挖掘出很多的数字化场景。然而这些场景严格意义上来说都不是创造价值的业务主战场，好钢要用在刀刃上。

AI是生产力的变革，而不是生产关系的加强。我们恰恰要利用AI技术、智能技术的平民化，打破原有阶层的壁垒，生产关系的束缚，部门墙之间的隔阂，让生产要素在数据流的推动之下，更加自由地流动，而流动带来组织的活力和蓬勃向上的生产力。生命在于流动。

当我们要开发一个AI智能体之前，一定要考虑：解什么样的题，希望达成什么样的目的，为谁在什么场景下创造了价值？这是做数字化做智能体之前首先要想到的。基于系统控制论，对业务建模，精确地定义真正的问题。同时说清楚到底数字化凭什么能够解决业务的系统难题？

系统性问题的本质：信息流转的阻力

现在工业体系是建立在分工协作的大规模生产之上。不同部门之间的协作效率比较低，成为信息在不同部门流转时具有很大的阻力。而数字化能大幅降低阻力，让信息在部门之间更自由地流转。

过去信息化基于业务流程，跟人做了绑定，信息流绑定在业务流程审批流程。如果审批节点没有被通过，信息仍然无法流到下一个环节。而数字化是要建构一套自主的数据流，数据不依赖于人自由流动，这才是真正意义上的信息高速公路。因此能够驱动业务，包括人和部门，进行更大范围的协作，从而进行更全局的优化，更好地解决原来系统性的问题。

数据驱动的业务本质上是构建了一个新的数据流。所有的业务都有信息，数字化加速了业务信息的流转速度，提高了业务对异常事件的响应能力和响应速度。更快的数据流拉动业务更快响应，能实现两个效果：

第一个效果是当生产现场有任何的异常（这都是不可避免的，比如设备会坏，来料会波动），任何异常的时候，你能第一时间快速响应，不是靠人，是靠系统去基于算法基于逻辑去驱动的。以前这些基本上都是靠人层层升级，尤其涉及到外企的决策链又比较长。

第二个好处是由于数据是没有边界的，人和人协作、组织和组织协作起来的这种部门墙和边界还是有的，信息的流通和协作都会受一些限制。数字化跟信息化的很大不同是一个单独的数据流，它不依赖于审批，不像过去信息系统需要都会卡在人的节点上。数字化数据流是一个独立的，不依赖于人的自动的信息流，信息流可以实现全局的优化。

---

思考题：你的企业在数字化转型中，是否真正回归了价值创造的本质？是否构建了自主的数据流来解决系统性问题？

想深入了解工业数字化转型的系统方法？我的新书《工业数字化转型：敏捷方法与敏捷实践》正式出版，凝结了我在三一重工、远景能源、GE、宁德新能源等企业近20年的实践经验，总结出了一套基于控制论的工业数字化转型方法论。

内容简介

本书是工业数字化转型的实践著作，作者结合自己在三一重工、远景能源、GE、宁德新能源等企业近20年的实践经验，总结出了一套基于控制论的工业数字化转型方法论和一套基于敏捷思想的工业数字化转型实践路径，方法论与实践并重。

本书一共10章，分为三个部分，从方法论、实践和底层逻辑三个维度对工业数字化转型进行了全方位讲解。

第一篇 系统方法（第1~4章）

首先对数字化进行了追本溯源，探讨了广义数字化和狭义数字化的本质；然后介绍了工业数字化转型的各种常规路径，以及数字化如何与工业化融合；最后，提出了基于复杂系统控制论的工业数字化转型方法论，是本书的核心。

第二篇 敏捷实践（第5-8章）

将系统方法应用到具体的业务实践，讨论了典型工业场景中敏捷迭代的数字化转型实践。对于数字化的业务架构和设计，要透过现象从业务本质出发，并通过数字化技术赋能业务变革与创新，同时借鉴最小作用量原理，沿着“最速降线”进行迭代，找到推动变革最省力的路径，逐渐推进数字化、智能化的广度和深度。通过低成本试错和快速反馈迭代，找到适合自身战略的数字化转型路径。

第三篇 探讨与展望（第9和10章）

从哲学底层探讨了驱动数字化和智能化的底层动力，确信了未来智能化趋势的笃定趋势，并在此基础上展望了智能社会，个人应该如何准备好自己，在智能时代安身立命。

王晓钰的个人微信公众号

面对越来越复杂的未来，做个有人文情怀、有独立思考的技术领导者。

经验丰富的实战型专家：从风力发电、人工智能，到智能制造、数字化转型。

童心不泯的终身学习者：融通科学技术与哲学社会，探寻复杂生命的科学规律。

希望以文会友，寻找一批志同道合者，通过入世的企业实战与出世的终极追问，共同探讨后工业时代的数字化转型之路。进一步了解我：http://xywang.org