2024 IDEA 大会集结小米科技联合创始人黄江吉，数说故事创始人兼 CEO 徐亚波，香港大学经管学院创新及资讯管理学学术领域主任万智玺，香港科技大学市场营销副教授、工业工程与决策分析副教授刘佳，以及 IDEA 研究院副院长兼 CTO 幺宝刚，在“价值创造：大模型与企业决策”圆桌论坛上，从理论的演进与企业的商业经验双重角度，拆解人工智能技术对企业决策的实际价值。

IDEA 研究院（署理）院长、首席科学家郭健主持本场讨论。

决策就是做选择，但如何找到最优的选择？这始终是困扰企业领导者的核心问题。

在市场营销领域，常听到一个段子：一位著名的企业家说，他每年花 1 亿美元打广告，但至少有一半的钱打水漂了，只是不知道是哪一半。

现在，人工智能时代有全新的工具。大数据、深度学习等，让我们有机会追求前所未有的精准和高效的决策。

那么人工智能对决策，不论是企业决策、营销决策还是供应链管理的决策，带来了哪些具体改变？2024 IDEA 大会集结学术界和企业界的双重力量拆解这个问题。

（从左到右）IDEA 研究院（署理）院长、首席科学家郭健，小米科技联合创始人黄江吉，数说故事创始人兼 CEO 徐亚波，香港大学经管学院创新及资讯管理学学术领域主任万智玺，香港科技大学市场营销副教授、工业工程与决策分析副教授刘佳，以及 IDEA 研究院副院长兼 CTO 幺宝刚。

商业实践中
技术一直在改变企业决策

企业决策的过程，一直在随着技术的进步而进化。小米科技联合创始人黄江吉指出了几个阶段的演进。

他表示，曾经在微软工作时，团队开发了基于数据的辅助决策工具，如利用数据仓库，分析 MSN 的网站流量以优化网站设计。这是一个用数据支持决策的初级阶段。

后来，进入互联网时代，在小米创立的初期，团队每天面对大量产品决策。“我们当时讨论得很激烈。比如哪些功能该做，哪些不该做？我们那时候思考的还是，决策到底该由老板‘拍脑袋’，还是由工程师和产品经理‘争吵’决定。”黄江吉表示。

在没有足够用户数据的情况下，为了从用户视角优化产品，当时团队通过粉丝的投票，决定功能的优先级。

“当时没有 ‘人工智能’，只有 ‘人工’。我们想找到一种机制，哪怕不能确保做出最好的决策，至少要避免做出一些蠢决策。”

而现在，随着大模型的出现，这些人工方法，早已是过去式。

不过，在使用 AI 时，决策者如果对问题的本质的理解不够接地气和深入，AI 可能反而变成一个误导的工具。“决策者的责任很大”，黄江吉认为。

“比如你问的到底是什么问题，看到的是什么洞察？用户为什么会选择这个产品，他们的需求和诉求是什么？这些都要清楚。”

关于 AI 在企业决策中的作用，IDEA 研究院副院长兼 CTO 幺宝刚提出，数据洞察就像决策者的“Copilot”（副驾）。大部分数据都是已经发生的事件，关键在于如何从中提取有价值的洞察。“对历史的回顾，是决策者非常重要的参考依据。”

随着公司规模的扩大，决策的复杂性和成本也在增加。企业每天面临的决策都需要数据支持，从进入哪个市场、卖什么样的产品，到投放一篇小红书文章的具体内容。

无论是 CEO 还是普通员工，每个人都需要一个类似“决策 Copilot”的工具，收集可能性数据和做分析，最终找到高 ROI（投资回报率）的方案。

“所谓决策，就是在各种方案中选择，”数说故事创始人兼 CEO 徐亚波表示，“所以我们数说故事的 slogan 叫‘数据驱动智能决策’。”

具体而言，虽然过去十年经历了从数据不足到数据过载的转变，但是徐亚波认为，从客户的角度来看，其实决策的核心始终围绕科学性、成本和效率展开。

“第一个是决策的科学性，判断是否做出了正确的决策。第二个是成本问题，也就是为了这个决策，到底付出了多少成本。第三个是效率，决策到底能有多快做出来。”徐亚波指出。

数说故事创始人兼 CEO 徐亚波

过往，外企凭借成熟的组织架构和数据思维，率先利用数据形成竞争优势。随后，中国的大型民营企业也逐渐加入，利用数据优化决策。如今，数据的可用性比以前大幅提高，小公司也有了使用数据的机会。

然而，市场决策一直是最复杂的领域，特别是在消费者需求变化快、不确定性高的情况下，企业需要投入大量成本。

决策周期往往较长，比如开发一款新产品可能需要六个月到两年时间。在如今高度竞争的环境下，这种慢节奏显然难以适应。现在的企业可能需要在两三个月内完成产品迭代，甚至在华强北，一个月内就能完成 POC（概念验证）。

这个痛点 AI 是可以解决的，徐亚波认为。AI 可以筛选出关键数据，让企业无需依赖完整的数据集，就能决策。AI 还能完成一部分分析师和研究员的工作。同时，AI 可以 24 小时工作，无论面对什么问题，都可以快速分析并出答案，没有复杂的汇报流程。

幺宝刚进一步提出，如今早已不是数据匮乏的问题，而是相反，是数据量激增，但是大多数企业难以准确分辨数据数据的价值。例如随着 AIoT（人工智能物联网）技术的发展，传感器几乎覆盖了每一个终端、每一条线路，企业能够收集到海量数据。但这些数据中真正被使用的比例却非常低。

在这种背景下，如果决策模型能够帮助企业过滤掉噪音数据，对企业的决策是一个非常大的贡献，幺宝刚认为。

此外，幺宝刚指出，企业在面对大规模决策时往往犹豫不决，一个重要原因在于很难预测这些决策的实际结果。全局优化牵涉范围广、影响深远，企业往往不敢轻易尝试。这样的情况下，如果有一个基于 AI 技术的全局仿真系统，就可以为企业提供全新的工具。

仿真系统利用现有数据或合成数据，真实模拟决策环境，帮助企业验证假设，降低试错成本，避免不确定性带来的停滞不前。

IDEA 研究院副院长兼 CTO 幺宝刚

AI 与供应链决策的
最新理论

从理论研究的角度来看，自从 ChatGPT 等大语言模型出现后，供应链管理和研究方向经历了显著变化。

香港大学经管学院创新及资讯管理学学术领域主任万智玺指出，AI 在供应链决策中的应用并非新现象，其历史可以追溯到运筹学和优化模型。这些模型一直在影响供应链的各个方面，包括供应商选择、库存物流需求预测、销售配送和定价等。

随着深度学习模型的出现，AI 开始帮助人类将更多数据类型整合到优化模型中，以辅助决策，其中包括图像和视频数据。这对于开发供应链风险管理的控制塔（control tower）至关重要。控制塔是帮助企业管理和优化其供应链的工具。企业可以利用这些技术，实时监控风险信息和流程的各个环节。

而大语言模型的出现，带来了几个新特点。

首先，大模型在处理自然语言方面引发了革命性变化，特别是在供应链的下游，与用户、客户和消费者交流的语言应用发展迅速，出现了许多新模式。

采购领域而言，不仅涉及数据分析，还包括与供应商的一对一交流和反馈分析。以亚马逊为例，其开发了基于语言模型的聊天机器人技术，可以同时与成千上万的全球供应商谈判价格和协商合同。

香港大学经管学院创新及资讯管理学学术领域主任万智玺

结合企业的具体场景，香港科技大学市场营销副教授、工业工程与决策分析副教授刘佳指出，举例而言，一个公司要卖产品，需要决定选品、供应商选择、物流安排，以及每个商品的定位和价格。接下来是营销，要决定投放渠道和找哪些达人推广。

每个环节都有对应的方法和专家，但这些环节之间往往缺乏沟通，各自为政。定价需要经济学家，需求预测需要机器学习专家，但互相之间不一定愿意分享方法和数据，因此，导致了效率低下。大语言模型正是可以打破这些壁垒。

AI 可以作为一个“超级大脑”，把每一层的数据和经验整合起来，实现全通道的整体优化，“而不再是定价只管定价，选品只管选品，库存只管库存。”

企业如果有了这样的超级大脑，即使在数据不足的情况下，也可以将服务范围从 10 万家企业扩展到 100 万家，因为它能快速吸收和传递经验，形成决策套路。

工业工程与决策分析副教授刘佳

从一个细分角度来讲，AI 与数据的结合方式，刘佳认为可以从两个方面考虑。

第一个是特征工程（feature engineering）。过去需要大量领域知识来找到关键特征，而大语言模型能够在海量数据中自动筛选信息，提取决策所需的特征。

比如，在财经领域，可以通过大模型的引导和目标设定，从数据中找到有用的特征，帮助决策者理解和判断。

第二个是预测问题。比如判断爆品或签约 KOL，传统模型是黑箱，无法解释为什么某个品会火，而大语言模型能够反推结果和数据之间的关系，为决策提供证据支持。这样不仅能回答“做还是不做”，还能进一步指导“怎么做”，帮助不同团队协作，提升决策质量。

通过这种方式，人工智能能让企业不再局限于单个环节的优化，而是全面打通供应链和营销链条。

“我的观点是，如果想抓住大语言模型在决策中的机会，就一定要推进信息化转型。这个转型可以是数据的积累，也可以是对过去决策的备案，用不同的方式实现这个目标。”刘佳进一步指出。

挑战前人所不敢想
或许是 AI 时代最重要的决策

小米科技联合创始人黄江吉

“两年前 AI 时代到来，许多人觉得是创业的黄金时代，因为以往的每次技术弯道总是对小公司更友好。”黄江吉表示。

然而，他认为实际情况并不如此。大公司毫不犹豫地全力投入 AI，凭借大量的用户和资源，把最前沿的技术用到了极致。大公司针对核心领域进行优化，即便没有专门投入，也因为 AI 的通用能力自然覆盖了许多领域。

这让创业者更难找到切入点。简单的创意已经被巨头牢牢占据，创业者只有跳出传统思维，探索更疯狂、更突破性的想法，才有机会找到新的增长点。

以美国团队 Cursor 为例，他们用 AI 重新设计了开发者工具 IDE，这个领域几十年没有过大的突破，而 Cursor 的团队用 AI 再次激活了这一市场。这种重新思考和颠覆现有领域的做法，正是当前创业的机会。

过去，创业者面对有百倍资源优势的竞争对手，往往需要很长的准备期，才能找到切入点。而现在，创业者可以借助数据和大模型技术，尝试实现一些过去被认为不可能的目标。

黄江吉认为，现在有了 AI 这么强大的工具，创业者起步的条件比以往好得多。

小团队现在可以用 AI 和现代开发工具大胆尝试新的创意，快速试错，因为 AI 让开发门槛大幅降低。开发者可以用单枪匹马的方式完成过去需要几十人团队才能实现的项目。一个二十多年不碰代码的人，现在可以用 AI 学习新语言，开发前后端，甚至通过 Docker 完成部署，而不需要依赖运维团队。

“既然创业本身就很难，不如把目标定在那些过去没有 AI 就不可能实现的领域。”他表示，“创业者在 AI 这个时代最重要的决策，就是去尝试前人想都不敢想的事情。”

从“人工”智能到“人工智能”，从“拍脑袋”决策到数据驱动，AI 已经成为了企业决策中重要的副手。这是一个不可忽视的力量。