受技术变革、消费者需求升级、可持续发展以及混合办公等因素的影响，当今企业的运营模式正经历多维度、深层次的变革。企业必须加快重塑步伐，才能适应不断变化的环境。埃森哲研究表明，92%的高管已经认识到推进重塑刻不容缓。

生成式AI是快速实现大规模重塑的关键。1 81%的高管认为，开展快速试点是企业未来6至12个月大规模应用生成式AI的重要手段。显然，大多数高管都意识到必须快马加鞭，利用生成式AI推进企业重塑。然而，他们的运营模式是否为此做好了准备？

智能运营的推动因素

为了评估企业运营的成熟度，以及其是否具备利用生成式AI推动业务成果的条件，埃森哲开展了2024年智能运营调研，采访了来自15个行业、12个国家和地区的2000名高管，并用运营发展四阶段来评估企业运营的智能化及成熟度（见图一）。

过去一年中，情况发生了很多变化，迈入重塑准备期的企业数量几乎翻了一番（见图二）。与处于基础期的企业相比，这些企业平均收入增长提高了2.5倍，生产力提升了2.4倍，扩展高价值生成式AI用例的成功概率增加了3.3倍。此外，还有2%极具远见的重塑准备期企业已经在大规模部署生成式AI，并获得了可观的投资回报。

这些企业之所以能够取得上述成就，得益于三个关键驱动因素——人才、资产与平台现代化、方法与流程优化——所支撑的运营体系。这三个因素需要同步推进，缺一不可。重塑准备期企业擅长并行推进这三个推动因素，发挥它们的协同作用；相比之下，处于基础期和自动化期的企业则难以成功运用这三个推动因素（见图三）。

但必须注意的是，智能运营旅程的每个阶段都有一个主要推动因素（见图四）。调动业务和技术团队共同开发资产与平台，是企业从基础运营转向自动化运营的关键；培养推进AI主导型重塑所需的人才，是企业从运营自动化转向洞察驱动成果的关键；部署一流的方法与流程，是重塑准备期企业与洞察驱动期企业的分水岭。

除了以上三大推动因素，现代化数据基础是重塑准备期企业与其他企业的另一个分水岭（见图五）。重塑准备期企业深刻认识到，要有效利用生成式AI，必须制定正确的数据策略，并夯实核心数字能力。他们的数据资产专门为生成式AI的应用场景设计，明确定义数据治理角色，并且能够从源头追踪整个生命周期内的数据。

智能运营的实现路径

尽管实现智能运营的企业数量逐年增加，但制定明确的路线图仍然是企业面临的一项严峻挑战：迈向重塑的最佳路径是什么？在重塑之旅的每个阶段，必须解决的关键要素有哪些？埃森哲建议企业采取以下四项行动，以规划前进方向并实现快速发展。

一、实施“以领域为中心”的数据现代化

重塑准备期企业已经建立了集中式数据治理模式，并采用以领域为中心的方法推进数据现代化，为AI主导的重塑奠定了强大的数据基础。

评估数据基础的方法之一是考察三大驱动因素（人才、资产与平台、方法与流程）每天如何与数据交互。例如，员工是否清楚了解如何创建、处理和使用数据？流程和工具是否在不同职能部门之间实现了互联互通，以便不同团队（如销售、供应链、服务、人力资源、财务、研发）能够使用自己的常用工具访问相同的数据和分析？数据是否以标准化的方式构建，兼具安全性和可访问性，并使用通用数据格式，使AI工具能够在整个企业中轻松访问数据？这些是现代化数据基础的标志，也是大多数企业面临的主要挑战。

获取高质量数据是关键。超过三分之一的重塑准备期企业已经实现了对高质量数据和元数据资产的高速访问，确保数据一致且没有冗余。这一成果得益于业务团队和领域专家共同承担责任，推动数据基础的现代化进程。

二、推行以人才为核心的重塑战略

领先企业将人才置于重塑的核心。在AI时代，这意味着根据技术发展调整员工结构，使新角色与业务需求相匹配；为员工提供全面培训，助力他们发挥潜能，充分利用生成式AI的力量；重塑工作流程，明确生成式AI在服务客户、支持员工和提升业务成果方面的最大效用。

面向非技术团队的培训计划应重点关注三个方面：AI素养计划应教授生成式AI的基础知识，包括功能、局限性和风险；实际应用培训应采用研讨会和沙盒环境，展示AI如何增强营销、客户服务和运营等特定业务职能；设计变革管理项目，帮助团队适应新的工作流程，拥抱AI驱动的流程创新。

人才战略不应仅限于技能培养。企业还必须制定相关计划和政策，确保员工身心健康，薪酬待遇公平合理，激发员工的工作成就感，设立日常目标，调动员工的积极性。这样可以吸引优秀人才，倾听更多真知灼见，加快推进持续重塑之旅。

三、业务和技术团队一同引领重塑

生成式AI不仅是一项技术，更是推动整个企业文化变革的驱动力。因此，在围绕生成式AI做出决策时，技术团队和业务团队应开展紧密协作，共同对结果负责。这意味着要重构团队协作设计解决方案的方式。

技术团队的重要性不言而喻，他们负责将生成式AI与企业的数字基础设施紧密融合。技术团队必须评估各项AI技术，选择合适的技术集成到现有技术堆栈中，管理软件开发、系统配置和数据集成等多方面的工作，确保工具的整体性能。他们还需确保生态系统合作伙伴和应用程序的无缝集成，持续评估性能，使生成式AI解决方案与时俱进、富有成效。这些工作离不开业务团队的支持。业务和技术团队应合作创建生成式AI路线图，共同决策，并商定目标和结果。

企业CEO应发挥主导作用，带头促进跨部门协作，确定资源优先级，营造创新文化。在CEO的领导下，技术和业务团队应被赋予同等责任，共同确定生成式AI应用的前进路径。CEO的影响力有助于打破部门壁垒，简化决策流程，减少对变革的抵触情绪。CEO的参与还能强调项目的重要性，提高员工士气和工作热情。

四、采用领先流程推动业务成果

利用云计算技术分析并优化业务流程，可以帮助企业校准内部和外部基准，直观地发现流程差距，明确低效环节，并标记改进方法，从而加速生成式AI的应用。企业能够获取所需数据，识别AI创造最大价值的领域，通过设立准确的基准，制定实际目标，并使用数字孪生模拟AI干预的影响。数据驱动的方法确保AI计划与战略目标一致，改善决策，推动卓越的业务成果。

集中式数据治理至关重要，在训练生成式AI模型时，它能够加快迭代速度，简化数据检索流程，减少延迟，使AI模型即时访问庞大、多样化的数据集，缩短训练周期，及时更新和改进。此外，集中式数据治理确保数据的一致性和完整性，无论采用何种数据架构，都能提供高质量的输入和输出。元数据提供必要的背景信息，可以增强数据的可发现性和可用性，减少冗余数据，避免模型被重复或冲突的信息训练，从而防止结果偏差。

企业对智能运营的投资与扩展生成式AI的能力息息相关。实现智能运营的企业能够加快应用生成式AI，推动运营变革，这又进一步扩大了生成式AI的应用范围，形成相互依存的良性循环。展望未来，在生成式AI的赋能支持下，企业将拥抱更加深入全面的重塑，企业更需持续优化运营能力，抓住机遇，应对挑战。