课程单价：￥4800元
课程背景
过去两年，AI 在组织中落地大多始于一线员工的“自发探索”——用 ChatGPT 写文案、用豆包辅助客服、用文心生成招聘初筛……这些散点式的尝试确实带来了局部效率提升，却也暴露了深层问题：数据不回流、经验不沉淀、场景不可复制，AI 始终徘徊在核心业务之外。与此同时，纯自上而下的“全公司 AI 化”口号往往脱离一线实际，沦为空洞的 PPT 战略。
组织AI 落地的真正难题，不是技术选型或 prompt 优化，而是治理模式的选择——如何让顶层战略与一线场景形成咬合，而非各自为政。这需要一号位亲自进场，既要有高屋建瓴的产业视野，也要有脚踏实地的场景感知，在“自上而下定框架”与“自下而上找场景”之间找到动态平衡。
本课程正是基于这一现实困境而设计，旨在帮助一号位及核心决策层建立 AI 落地的正确认知框架、中长期规划路径与可执行治理机制，避免陷入“散点试错”或“空中规划”的两难境地。
课程目标
1. 看清全貌：跳出“提效工具”的狭隘视角，从产业链重构的高度理解 AI 对您所在行业的真实冲击与机遇。
2. 找准姿势：摒弃“等一线试完再说”或“拍脑袋全盘 AI 化”的极端路径，掌握自上而下与自下而上咬合发力的正确方法。
3. 定好框架：带回一套可落地的企业 AI 顶层设计模板——包含方向、边界、资源、节奏四大核心要素，而非空泛的理念。
4. 激活组织：明确一号位在该进程中的不可替代角色，学会设计组织配套、人才策略与数据底座，让规划不卡在“最后一公里”。
5. 少走弯路：借鉴不同行业的真实演进路径，避免重复踩坑，把宝贵资源投在真正“动了会疼”的核心环节上。
6. 这不是一堂 AI 技术课，而是一堂面向决策者的 AI 战略治理课。
参训对象：组织的1号位（董事长、总经理、CEO）、AI的落地规划组织者（常务副总、副总、CTO、CIO）、IT负责人、HRD等。
授课形式：知识讲解、案例分析讨论、角色演练、小组讨论、互动交流、游戏感悟、头脑风暴、强调学员参与
课程大纲
模块一：为什么现在必须是"一号位进场"——重新理解 AI 落地的正确姿势
一、过去两年企业 AI 落地的真实画像
* 执行层自发用ChatGPT/豆包/文心提效：文案、代码、客服、招聘初筛
* 特征：散点、低成本、无数据沉淀、不可复制、难进核心业务
* 结果：效率账算得过来，战略账算不过来
二、自下而上模式的天然边界——它有用，但不够
* 自下而上擅长"发现"——一线最清楚痛点在哪
-- 执行层离问题最近，能快速试出哪些环节用 AI 真省力
-- 低门槛、低成本、见效快，是AI 在企业里的"启蒙运动
* 但自下而上有三个绕不开的天花板-- 只能碰"边缘场景"，碰不到"核心价值链"
-- 数据不回流、模型不沉淀，做完就散，无法复用
-- 部门级ROI 容易过，企业级ROI 永远算不清* 结论：自下而上是必要的起点，但不是终点
三、纯自上而下同样行不通——规划不能飘在半空
* 常见误区：一号位拍脑袋定"全公司AI 化"，缺场景、缺数据、缺验证* 顶层规划如果脱离一线实际，会变成"PPT战略"
-- 方向宏大但落不了地，部门不知从哪下手
-- 容易选错场景：选了"好看"的而非"会疼"的
-- 资源投进去，半年后发现和真实业务两张皮
* 结论：没有自下而上滋养的自上而下，是空中楼阁
四、正确的姿势：自上而下定框架 × 自下而上发现场景
* 好的AI 落地，从来不是二选一，而是双轮驱动、相互咬合
* 顶层规划做什么——确定方向和框架
-- 明确AI 在企业里的战略定位：降本器、增长引擎还是新业务种子
-- 划定发展边界：哪些数据能进模型、哪些不能，合规红线在哪
-- 确定资源口径：预算、人才编制、治理结构、优先级排序-- 制定节奏：哪一年试、哪一年扩、哪一年重构核心流程
* 场景发现做什么——在框架边界内解决实际问题-- 执行层继续在一线提效场景中探索和验证-- 所有场景提报统一归口，纳入"场景漏斗"评估
-- 场景不是乱选，而是在顶层划定的战略方向内，找"动了会疼"的核心环节
-- 验证成功的场景沉淀为可复用资产，失败的场景快速止损* 两者的关系：不是上下级，是"骨架"与"血肉"
-- 顶层规划是骨架——没有骨架，场景再多也是散沙
-- 场景发现是血肉——没有血肉，规划再好也是空壳
-- 骨架先立、血肉填充、边长边调，才是健康的企业AI 生长方式
五、一号位在这个双轮里的独特角色
* 不是去写Prompt，也不是去选模型，而是做三件事
-- 定方向：这个企业用 AI 到底要赢什么
-- 划边界：什么能做、什么不能做、资源给多少
-- 保对齐：让自下而上的场景发现始终不偏离战略框架
* 一号位不进场的代价
-- 同行用AI 重做一遍成本结构，你还在优化边角料
-- 产业链话语权转移：未来3–5 年，谁握AI 原生流程，谁定规则
-- 人才侧：顶级AI 人才只看"这事是不是老板真推"
模块二：产业视角看 AI——一号位要有的那张"大图"
一、这一轮 AI 和过往数字化、信息化的本质区别
* 不是"流程线上化"，是"能力模型化"
* 软件公司→数据公司→模型公司的产业链价值迁移
二、从行业到产业链的三层冲击逻辑
第一层：企业内部效率层（所有人都在做，红利最快吃完）
第二层：产品/服务重构层（AI Native 新品、新定价、新交付）
第三层：产业链位置重构层（渠道、中介、设计、审核类环节被压缩）
三、不同行业的"AI敏感度地图"（课上用行业分组讨论替代表格）
高敏感：客服、内容、电商、招聘、翻译、初级法律/财税
中敏感：制造、零售、物流、金融中后台
低敏感但会变：重工、医药研发、复杂B2B 交付
四、一号位要回答自己的三个产业级问题
* 我的行业5 年后"赢家画像"长什么样
* 我这个企业在产业链里是被集成、是集成者、还是被绕开
* AI 是让我护城河更深，还是让我护城河暴露
模块三：企业 AI 中长期规划的"顶层设计框架"
一、规划的时间锚：1 年 / 3 年 / 5 年分层
1 年看"跑通闭环"：选1–2 个核心业务场景进生产
3 年看"能力沉淀"：数据、模型、流程、组织四位一体
5 年看"商业模式"：是否长出 AI Native 的第二曲线
二、一号位要定的四件事（不是 CIO 定的）
定方向：AI在企业里的战略定位（降本器/ 增长引擎/ 新业务种子）
定边界：哪些数据能进模型、哪些不能，合规红线在哪
定资源：预算口径（CAPEX vs OPEX）、人才编制、是否设CDO/CAIO
定节奏：哪一年试、哪一年扩、哪一年重构
三、规划文档的"最小可行结构"（现场模板）
战略假设：对行业、对技术、对对手的三条判断
核心目标：3年内要看到的业务指标变化（不是AI 指标）
关键举措：每年不超过3 件大事
治理机制：谁汇报、谁决策、谁叫停
模块四：从规划到落地——双轮驱动怎么转
一、自上而下那一轮：一号位亲自做的
* 把AI 写进企业战略，而不只是年度 IT 计划
* 选定"董事长直管"或"CEO兼职CAIO"的治理结构
* 挑那1–2 个"动了会疼"的核心场景，而不是"动了好看"的边缘场景
二、自下而上那一轮：执行层补的
* 执行层提效场景继续跑，但统一归口、统一数据标准
* 建立"场景漏斗"：提报 → 评估 → 试点 → 沉淀 → 规模化
* 避免"十个部门十个模型、十个知识库"
三、中台的定位要讲清楚
* 不是"再建一个IT 中台"，是"数据+模型+算力"的共享能力
* 小步起：从向量库、权限体系、模型网关这三件事先跑
四、和外部的关系
* 大模型用谁的、私有化还是API、自研比例多少——这是战略选择不是技术* 选择和云厂、模型厂、集成商的合作边界要画清，避免被绑死
模块五：组织、人才、数据——规划里最容易漏的"三大底座"
一、组织侧
* 现有业务老大要不要背AI 指标？要
* 是另建AI 团队还是嵌进业务？前期嵌，后期分
* 一号位自己花在AI 上的时间：建议每周不少于2小时复盘核心场景
二、人才侧
* 不需要全员懂模型，但需要"业务+AI素养"的中层
* CAIO/CDO 画像：懂业务> 懂算法，能跟一号位对话> 能发论文
* 薪酬池要单独留，AI人才市场价和传统数字化不是一回事
三、数据侧（最容易被低估）
* 很多企业AI 做不起来，根子在数据不在模型
* 规划第一年至少有一半精力在数据：盘点、清洗、权限、标注
* 客户数据、交易数据、过程数据——哪类能训、哪类只能推理、哪类不能碰
模块六：跨行业标杆的中长期规划样本（简析，非案例堆砌）
互联网/SaaS类：AI从功能嵌入 → 定价重构 → 新产品线
制造/供应链类：研发辅助+ 预测维护+ 排产优化，慢但稳
零售/消费类：客服+营销+选品，快但容易同质化
专业服务类（律所/咨询/财税）：知识库+初审，人是放大器不是被替代
