2023年末，当消费品包装公司利洁时（Reckitt）的管理团队考虑采用生成式AI时，潜在的应用场景已经从起草演示文稿、提供客户支持，到优化采购合同，覆盖了整个业务领域。许多应用场景都实现了节省时间与即时的投资回报，但这些场景仅适用于分散的单项任务。利洁时的高管对生成式AI能节省时间感到满意，但也知道这些努力不会改变公司战略，也无法创造实质性的竞争优势。高管们希望看到更具突破性的成果，而不仅仅是边际效率的提升。
因此，他们没有批准每个能提升投资收益率的AI项目，而是决定专注于单一领域：营销。在这里，生成式AI可用于多个相关任务，包括洞察生成、内容创作和新产品开发。这些任务互相关联，使用了从相同数据、客户和市场研究中提取的信息，且一项任务的结果可以连接到其他任务。例如，实时消费者洞察可以带来卓越的产品创新和更精准的用户细分。而更高效优质的产品创新则有助于企业推广贴合市场需求的产品，进而提高客户忠诚度及客户留存率，并优化客户推荐。高管们认为，只将精力集中在市场营销领域时，就能助力公司实现规模化提升。
利洁时在营销方面拥有既有优势，比如有丰富的客户数据和一支精通预测性AI等先进技术的团队。采用生成式AI并专注于优化营销流程，帮助利洁时发现了该部门可以采用的新运营方式。这促使营销团队彻底重新思考了自己的方法，随着团队了解生成式AI可以如何改善整个营销运营，而不仅仅是一两项零散任务，许多流程都得到了重塑。
不到两年时间，利洁时就表示，自己对生成式AI的审慎应用帮助公司生成产品概念的速度较以往提升了高达60%。同时，在不同流程中，生成式AI还使品牌及营销传播流程的效率提高了30%或更多。如果利洁时没有将其AI实验和投资工作集中在单一领域内一组相互关联的功能或任务上，这些成果就不可能实现。
利洁时的经验阐明了一个重要启示：企业如果想借助生成式 AI获得持久的竞争优势，就必须规避两个常见且相关的部署误区。第一是将精力和资源分散投入公司内的一次性应用场景中，第二是只关注短期投资收益率。这种“覆盖场景零散、每个场景均以短期高回报为噱头”的模式，通常被称为“浅而广”的部署策略。我们访谈过的许多高管都认为应该尽可能广泛地部署生成式AI，以找到有效路径。虽然这种方法会产生一些即时的成本效益，但不太可能带来竞争优势，采用这种方法的企业也很难取得应有成功。
原因如下，假设某家企业在多个领域分别实现了少量流程的自动化，一些在供应链、营销，一些又在财务和人力资源领域，这时就会发生两件事：首先，当只有5%～10%的任务使用生成式AI时，高管们几乎没有动力彻底改革整个职能部门；其次，如果所有应用场景均未围绕一个更宏大的目标展开，往往会导致“行动疲劳”。而当这些应用场景无法带来显著的竞争优势，或很容易被竞争对手复制时，员工也会逐渐产生怀疑情绪，甚至对生成式AI的价值感到失望（相比之下，利洁时更大的目标是通过更快将新产品推向市场来推动营收增长）。
在AI部署方面，企业应效仿利洁时的做法，即我们所说的“深耕窄域”方法。这是一种不同寻常的策略：根据BCG 2024年对1 000名C级高管及资深高管的调查，只有4%的公司会聚焦于少数几个优先事项并进行深度变革。但随着时间的推移，采取该策略的企业能实现两倍于其他企业的投资回报率。
我们在营销、战略与技术领域拥有数十年经验，曾以从业者、辅导及咨询顾问的身份服务众多全球品牌。自2022年生成式AI进入市场以来，我们观察到“深耕窄域”策略具备诸多优势。它会要求你从根本上重新思考企业某一业务板块的工作方式，通过发挥竞争优势来提高生产力，还能鼓励探索符合企业文化的独特工作方式，让竞争对手难以复制。一旦在一个业务领域熟练掌握了生成式AI，你就可以将其中所学应用到其他领域。
我们首次提出“深耕窄域”的部署理念时，许多高管担心这一思路违背直觉，且比“浅而广”的方式风险更大。毕竟，“浅而广”的部署方式并没有错，它们确实能节省时间和成本。高管也应该放心开展一些浅尝辄止、广泛开展的试验，尤其是在开始测试组织采用AI的意愿和准备情况时。但这里也需要明白，在互不关联的一次性应用场景中的，并非变革性部署。高管们还会对重建流程所需的大量投资感到不安，并且担心会偏离“需开展数百个人工智能项目才能成功”的传统认知。此外，许多企业未能坦诚且深入地评估自身的核心竞争力与数据成熟度，因为他们认为这类评估过程难度大、耗时长，但这正是确定“深耕窄域”的必要前提。不过随着时间推移，许多原本持怀疑态度的高管逐渐理解了“深耕窄域”策略的合理性。
在本文中，我们将探讨为何许多公司在采用生成式AI时会遇到管理问题。然后，我们将以宜家、欧莱雅等公司为例，提供一份通过“深耕窄域”策略成功部署AI的实践指南。
为什么要“深耕窄域”？
领导者往往要求为每个应用场景提供具体的投资收益率预测。他们表示，只有在证明能实现即时投资收益率后，才应将生成式AI部署到其他领域。但这种做法忽略了AI应用的实际运作规律：不同应用场景下，投资收益率的积累速度与规模各不相同。在我们认为有效部署了生成式AI的公司中，成效可能需要一段时间才能显现，且不应仅以短期投资收益率来衡量进展。
与“浅而广”的实施策略相比，“深耕窄域”需要花费大量时间和精力。要在多个领域同时推进这一策略难度极大，因为它需要开展全面的变革管理工作：要引入员工不熟悉的新技术，改变工作流程，团队结构和工作方式也必须随之改变。当然，引入任何新技术都需要学习过程，工作流程也需做出一定调整，但深入推进则需要全面变革，并重新构想工作方式。
“深耕窄域”的实施部署可以专注于单一职能部门或端到端流程。全球最大的化妆品公司欧莱雅和利洁时一样在营销职能中广泛部署了AI。相比之下，阿克梅银行（Acme Bank，化名）则专注于重塑端到端的抵押贷款流程。该银行原先的这一流程极为烦琐：首先，抵押贷款顾问要收集借款人的文件，手动将数据录入贷款发起系统；接着，贷款专员核验文件，并借助其他文件（如产权检索报告、洪水受灾证明）进行辅助评估；最后，核保人评估借款人的信用资质并确定贷款条款。现在，阿克梅银行会用生成式AI自动处理所有抵押贷款文件，还为核保人搭建了生成式AI对话界面，他们可以与系统对话并指挥其执行各类任务，例如运行预测性AI模型，以及撰写关于申请人获批或被拒的理由说明。这一便捷的界面使得贷款专员能够深入探究模型决策的依据，他们还发现，如果提供更丰富的客户背景信息，还能为客户与银行双方都带来更优结果。最终，阿克梅银行提高了决策质量和速度，也增强了对客户关切问题的响应能力。
如何开始
部署生成式AI前，你需要确定它在哪些方面最具战略意义，因为最终它要能够强化现有优势。这里我们想推荐一个四步流程。
步骤1
确定最有潜力的机遇。生成式AI是一项通用技术，具有广泛用途。总结会议和制作演示文稿等办公生产力类任务属于用途范围的常规端，另一端则是价值创造活动，如利用生成式AI构建新的商业模式，或是将其融入产品与服务以彻底革新客户体验。应用范围的中间地带是领域重塑，即对工作流程或职能部门进行端到端的重新构想。
办公生产力类应用的核心是提升处理日常琐碎任务的效率，这类应用很难为企业带来竞争优势。借助AI实现新的商业模式是一个令人兴奋的机会，但对要销售“难以融入人工智能的产品”（例如牙膏）的企业而言，实现难度可能较大。相比之下，涵盖职能与流程的“领域重塑”对几乎所有企业来说，都是一片可把握的机遇领域。
让我们回到阿克梅银行的例子。它是该地区最大的贷款机构之一，抵押贷款是其业务组合的重要组成部分。即使在低利率环境下，抵押贷款仍然有很大的利润空间，这使得抵押贷款成为实现银行战略十分重要的产品。阿克梅银行会利用抵押贷款来改善客户关系并交叉销售其他产品。团队梳理了流程中的关键步骤，评估了哪些环节有优化空间，并剔除了冗余步骤。团队设计出一个更有效的流程，生成式AI进一步加快了这个流程，也让其变得更容易操作。
步骤2
确定持久优势。无论什么时候部署AI，目标都应该是保护或增强现有的竞争优势，或者创造难以被复制的新优势。
欧莱雅就借助生成式AI创造了新的竞争优势。这家市值430亿欧元的法国化妆品零售商最近将自身的美妆专业能力与强大的生成式AI工具结合，重塑了客户互动模式。公司CEO叶鸿慕（Nicolas Hieronimus）表示，欧莱雅将个性化置于使命的核心，从而将愿景转变为“‘美’一个你”（“beauty for each”）。怎么做到这一点？ 它将生成式AI的努力集中在消费者旅程上进行深度挖掘。其Beauty Genius聊天机器人会对每位用户的皮肤进行深度诊断，随后提供专业分析、产品推荐和个性化护肤方案。之所以能够做到这一点，是因为欧莱雅自2015年以来一直在稳步提升增强现实（AR）技术能力，另一方面是因为机器人可以调用公司在皮肤生物学领域的前沿研究数据。欧莱雅将生成式AI项目聚焦在了自身的专业领域知识和丰富的客户数据。通过推出Beauty Genius，公司重塑了消费者旅程，让消费者轻松了解自己的皮肤（诊断）、获取建议、选择合适的产品，并与朋友分享。此外，客户每次与聊天机器人的互动，都会为欧莱雅带来更具价值的数据。
这个项目成效显著。在推出的前六个月里，Beauty Genius在美国完成了超过40万次对话。欧莱雅正在将Beauty Genius整合到WhatsApp中，我们预计这将大幅提升该工具的使用率。欧莱雅的战略是提供一系列“美妆科技”（Beauty Tech）服务，Beauty Genius是其中关键的组成部分。这些服务，比如虚拟试妆和智能化妆工具Hapta就广泛利用了AI，已经有了超过1.1亿次的使用。在东南亚、中东和北非，“美妆科技”使5 000万用户的转化率提高了一倍。有了这样的成功，必然会出现许多模仿者，但他们无法提供欧莱雅所具备的海量化妆品研究资源。
宜家采取的策略则稍有不同，是利用生成式AI强化自身优势。这家以平价家具闻名的公司还提供室内设计服务，但对消费者而言，价格成了一道门槛，因为提供这些服务需要高额聘请设计师。现在，宜家正在寻求利用生成式AI让设计服务更具性价比。参考初步成果，宜家首席数据与分析官弗兰切斯科·马尔佐尼（Francesco Marzoni）预计，宜家的专业设计师将能够利用生成式AI工具在10分钟内完成设计项目，然后利用自身的专业知识对设计方案进行优化。这与聘请顾问的模式有很大不同，因为顾问的收费通常是每个房间99美元，而且需要几天时间才能交付设计方案。
这种全新的项目设计方式进一步强化了宜家在设计领域已有的竞争优势。宜家本身就拥有全球规模最大的室内设计师群体，承接的室内设计项目数量也远超对手。如今，宜家可将数千个项目产生的高质量数据实时输入其生成式AI模型。而“专业人才储备”与“项目规模优势”这两大要素，将使其生成式AI系统比其他企业的系统学得更快更好，其他家具零售商很难在同等质量和价格下提供类似服务。
步骤3
选择正确的顺序。生成式AI可以通过实现成本效益与推动业务增长来增加利润，那么企业应该优先考虑成本效益、业务增长，还是两者兼顾？在采用“深耕窄域”策略时，从单一领域的成本效益提升入手往往是最明智的选择，因为通常而言，降低成本比实现营收增长能更快见效。
利洁时就是这样做的。公司确定了五个生成式AI试点项目，以证明其在营销领域可立即实现的效率提升。其中一项试验显示，生成式AI完成媒体营销活动分析仅需数小时，而此前这一过程需要数天时间。此类早期成果为项目赢得了高管层的支持。在领导层认可后，利洁时才在营销领域深入推进了“深耕窄域”策略，同时实现了效率提升与业务增长。
接下来，利洁时采取了系统的部署方法。它对全球2 000多名营销人员执行的所有任务进行了分类。这是一项艰苦的工作，涉及调查和一对一访谈。通过这项调研，团队梳理出 300 项独立任务，并由营销人员估算了每项任务所需的时间。随后，公司以两个维度对每项任务进行定位分析：一是可自动化程度（基于适用的生成式AI类型判断），二是企业机遇规模（基于完成该任务所需的时间）。借助这一分析，团队最终锁定了约100项最适合应用生成式AI的任务。由于团队的大部分工作现在都将涉及AI，利洁时的领导层认识到，营销人员必须全面重新审视部门的工作方式。随着生成式AI承担起日常任务，人类营销人员承担了更具挑战性的工作，包括以前由其领导执行的任务。利洁时将生成式AI的部署重点放在了效率上，因为这些成果能直接为企业利润作出贡献。一旦看到这点，高管就会批准将生成式AI用于增长目标，而增长目标通常需要更长时间才能实现。营销人员利用生成式AI将消费者洞察转化为了更好、更快的产品创新，并缩短了产品上市时间，最终实现了企业发展。
由于“深耕窄域”策略需要更专注于流程变革，且对员工日常工作的影响更大，因此其管理复杂度远高于“浅而广”的策略。在这一过程中，变革管理占挑战的70%，而完善数据与有效运用生成式AI分别仅占20%和10%。当企业试图在早期成功的基础上再接再厉，从最初深耕的部门拓展到其他领域时，就必须为全面的变革管理举措做好准备。
步骤4
密切关注竞争格局。正如你在利用生成式AI强化自身的竞争定位一样，你的竞争对手也在这么做。可以问问自己：主要竞争对手能否通过使用生成式AI来复制我们的一项宝贵优势？对方未必需要做到和你一样出色，只需提供一个“足够好”且更简单、成本更低的解决方案，就可以给你带来麻烦。为了避免失去优势，你必须以能扩大公司与竞争对手差距的方式部署生成式AI，就像欧莱雅的Beauty Genius那样。在运营中优先考虑生成式AI时，它将揭示改变工作方式的机会。你要抓住这些机会。
我们仍处于生成式AI和智能体AI的初期阶段，但一种清晰的模式已经显现。大多数公司都在整个组织中广泛部署了AI，它们采用的是“浅而广”的策略，希望通过几个试点项目产生重大价值。其中许多努力确实能带来投资收益率，但总体而言，其影响往往有限且短暂，因为浅而广的部署方式很容易被复制。
采用“深度聚焦、窄化领域”的策略能以更谨慎的方式强化企业优势。宜家、欧莱雅、利洁时等公司均运用这种“深而窄”的方法改进了各项职能或复杂的端到端流程。它们围绕自身的人工智能目标提出了棘手问题。在某些情况下，这一举措促使它们开辟了新的业务线，且让付出的努力最终获得了可观收益。BCG的一项研究发现，采用“深耕窄域”策略的企业的投资收益率是采用“浅而广”部署方式企业的两倍。我们预计这一差距还将继续扩大。
古塔姆·查拉加拉是洛桑国际管理发展学院（IMD）的Dentsu Group可持续战略与营销教席教授。
马赫韦什·汗是IMD的高级顾问。
法布里斯·博略是利洁时的前全球首席营销官。
古塔姆·查拉加拉（Goutam Challagalla） 马赫韦什·汗（Mahwesh Khan）法布里斯·博略（Fabrice Beaulieu）| 文
DeepL | 译 孙燕 | 编辑