前沿企业AI成功应用之道：激发一线员工创造力

OpenAI近期发布的《企业中的人工智能》报告，深入剖析了七家前沿企业成功采纳和部署人工智能的经验。报告显示，AI在提升员工绩效、自动化运营以及驱动产品创新等方面，有着显著且可衡量的改进。企业应把AI当作全新的工作范式，而非单纯的软件或云应用，这需要具备实验和迭代的思维。

这份报告对众多正在规划AI战略的企业决策者而言，是一份实用的实践手册。接下来，我们结合该报告和其他机构的研究，为大家呈现部分企业成功应用AI的案例及启示。

摩根士丹利：评估先行，保障质量与安全

案例场景：由于金融服务具有高度敏感和个性化的特点，客户决策依赖深度咨询且涉及大量隐私信息，企业期望借助AI工具提高财务顾问的工作效率。

做法与效果：摩根士丹利引入AI工具时，关键在于对每个AI应用进行严格评估。具体包括评估语言翻译的准确性和质量、内容摘要的准确性、相关性和连贯性，还将AI输出与人类专家的结果进行对比，评判准确性和相关性。采用内部AI工具后，98%的顾问每天使用该工具；文档信息获取率从20%提升至80%，搜索时间大幅缩短；顾问有更多时间维护客户关系。

案例启示：在投入生产前，要用系统化的评估流程衡量AI模型在具体场景下的表现。这不仅是“测验”，更是持续改进的基础。严谨的评估能确保应用稳定可靠，抵抗变化，围绕具体任务，对照基准衡量模型输出质量。

Indeed：嵌入AI于产品，打造新体验

案例场景：作为全球领先的招聘网站，Indeed希望运用AI工具优化职位匹配功能，提升用户体验。

做法与效果：企业使用GPT - 4o mini模型，不仅向求职者推荐职位，还解释“为什么这个职位适合TA”。同时，AI工具能分析候选人背景和经验，为公司生成个性化的“邀请申请”。接入AI模型后的新版引擎与旧引擎相比，职位申请发起率提升20%，下游成功率（雇主更倾向于雇佣）提升13%，商业影响巨大。

案例启示：利用AI处理海量数据、自动化繁琐任务，可创造更人性化、个性化的客户体验。AI应是在原有用户旅程中无缝提升体验的增强器，而非简单的“新增功能”。

Klarna：即刻行动，尽早投入使用

案例场景：作为全球支付与购物平台，Klarna希望借助AI工具优化客户服务。

做法与效果：公司重点推进AI客服系统的深度落地。经过数月测试调优，该系统能自主处理超三分之二的客户咨询量，相当于数百名人工客服的工作效能。系统将平均响应时长从11分钟压缩至2分钟，客户满意度与人工客服持平。同时，90%的员工将AI工具深度融入日常工作流程，加速了内部创新，推动AI效益在业务全链条指数级增长。

案例启示：AI的价值会通过迭代不断增长，越早开始应用，组织从“知识复利”中获益越多。

Lowe's：定制微调模型，释放特定价值

案例场景：作为美国领先的家居建材零售商，平台因商品数据标准不统一、关键属性缺失等问题，存在搜索结果偏差大、相关性不足的痛点。为提升用户购物体验，需借助AI工具构建智能化商品搜索体系，从数据治理、算法优化双维度改善搜索准确性与匹配精度。

做法与效果：联合OpenAI对GPT系列模型进行场景化微调。这需要准确的产品描述和标签，以及对不同品类下消费者搜索行为动态变化的理解。最终，平台的产品标签准确率提升20%，错误检测能力提升60%。

案例启示：越贴近业务场景的AI，越需要数据治理与定制训练支撑。针对特定业务数据和需求定制或微调模型，用企业独有的数据训练模型，能让其输出更相关、符合品牌调性的结果，减少人工编辑和核对，提升效率，显著提升AI应用价值。

Mercado Libre：为开发者减负，加速创新

案例场景：作为拉美最大电商和金融科技公司，公司希望借助AI工具解决工程团队不堪重负、创新缓慢的问题。

做法与效果：公司基于GPT - 4o和GPT - 4o mini构建开发平台层。该平台整合语言模型、Python节点和API，以自然语言为核心交互方式，帮助1.7万名开发者更高效、一致地构建高质量AI应用，无需深入源代码，且内置安全、护栏和路由逻辑。最终，AI应用开发显著加速，赋能多项业务，如提升库存能力100倍、将欺诈检测准确率提高到近99%等。

案例启示：开发者资源是许多组织的创新瓶颈。利用AI构建开发平台层，可统一和加速AI应用的构建。AI平台化能力正成为企业的基础设施。

Open AI：融入工作流，释放员工创造力

案例场景：内部支持团队在访问系统、理解问题、撰写回复和执行操作上耗费大量时间，公司希望将AI工具融入工作流，解放员工的创造力与判断力。

做法与效果：OpenAI在内部验证“AI如何增强人类”。产品经理借助AI工具成为“超级产品经理”。商业产品负责人Nate每周只需与4 - 5位客户直接交流，其余客户调研、市场分析、竞品研究等工作交给AI。他在工作中常采用以下AI工作流：第一层是知识获取加速，通过ChatGPT连接的内部知识库快速了解项目进展和技术实现；第二层是角色模拟预演，利用AI的“角色扮演”功能在面试、会议等场景前进行模拟；第三层是质量提升闭环，让AI批判自己撰写的内容。从组织层面，公司构建内部自动化平台，叠加在现有工作流和系统之上，自动化重复工作。

案例启示：许多流程存在大量重复性工作，适合自动化。流程自动化应以重塑工作方式为目标，用AI构建新流程、新分工和新组织边界。

复制生产力密码的方法

这些案例的共同特点是拥有开放、实验的心态，严谨的评估以及安全护栏。成功企业先聚焦高回报、低门槛的场景，通过迭代学习，再推广经验到新领域。

OpenAI商业产品负责人Nate总结了“双轨制”部署方法论：第一轨是广泛普及，让一线员工自发创造和分享AI工作流；第二轨是聚焦高杠杆，找到能为现有工作流带来巨大价值的用例并集中攻克。关键是找到内部的“AI倡导者”，他们主动推动变革，思考如何利用AI实现业务转型。同时，AI不仅要有用，更要可靠，确保其在公司内部驱动工作流时准确无误。

斯坦福大学《2025年人工智能指数报告》指出，AI在商业领域的应用正在加速，2024年78%的组织使用AI，高于上一年的55%。但企业尚未看到显著的成本节约或新增利润。麦肯锡调研显示，降本企业多数省下不足10%的钱，增收企业大部分增幅低于5%。

尽管如此，企业部署AI势不可挡。越来越多的企业用AI重塑工作流程、加强治理机制，以获取切实的财务回报。以下是麦肯锡《全球AI调研：企业AI部署现状》提到的企业AI应用趋势：AI使用率持续攀升，IT、市场营销和销售是使用最多的职能部门；企业优先在AI可创造最大价值的领域部署；多数使用生成式AI的企业用其生成文本内容，也在探索图像生成、编程等应用；生成式AI在业务单元层面创造价值，企业需构建综合解决方案挖掘AI潜能；企业整体处于早期探索阶段，大型企业释放AI潜能的动作更快。

本文来自微信公众号“红杉汇”（ID：Sequoiacap），作者：洪杉，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com