近期，OpenAI公司推出的最新生成式人工智能產品SORA在原本熱度不減的AI大模型領域又加了一把火。面對美國在AI領域應接不暇的科技創新，全網到處是對于中美兩國在AI領域差異和差距的討論。

對于SORA和ChatGPT等AI大模型，借用哈佛商學院教授克萊頓·克里斯坦森在《繁榮的悖論》中提出對創新的三種劃分，AI技術的進步從長遠看來將對各行各業的發展帶來顛覆性影響，屬于“開辟式創新”;而以“精益管理+管理自動化+數據驅動業務”為核心的數字化轉型，則被很多專家視為“效率式創新”和“持續式創新”的代表。最近有篇博文，強調了產品個性化、追求差異化競爭和技術創新的重要性，對中國制造業企業追求精益管理和“降本增效”的“內卷”生態進行了批駁。

那么，從《繁榮的悖論》中對創新的三種劃分來看，數字化轉型對于傳統企業而言屬于哪種創新?傳統企業在開展數字化轉型過程中，面對精益管理、工業互聯網、數據治理、AI大模型等概念，以及今后可能出現的各種其他風口、浪潮時，應當怎樣對待呢?

一、數字化轉型屬于什么創新?

按照《從信號處理到數字化和數字化轉型》和《數字化轉型“降本增效”的底層邏輯是什么》中的觀點，我們把業務從數字化到數字化轉型，合并為“業務活動步驟化”、“步驟環節要素化”、“要素數據規格化”、“以數據為中心的業務變革”四個階段。其中前三個階段分別以“科學管理”、“精益管理”、“管理自動化”為標志，我們稱之為業務的“數字化”，而第四階段為狹義的“數字化轉型”。

前三者作為20世紀的管理創新，在它們剛開始應用的階段，是屬于開辟式創新;但是在企業后續運營過程中，所開展的優化就屬于效率式創新和持續式創新。

對于數字化轉型的第四階段——“以數據為中心的業務變革”，在《到底是信息化還是數字化》中我們提到了國家層面的“產業數字化”定義：產業數字化是指通過運用數字技術，對企業生產、經營、管理等各個環節進行改造和優化，以實現企業“降本增效”，提升競爭力。產業數字化的核心是數據，通過對企業內部和外部數據的收集、整合、分析和應用，實現企業決策的科學化、精細化和智能化。

筆者認為，“以數據為中心的業務變革”作為企業新時代的經營管理的核心理念，兼具持續式創新、效率式創新和開拓式創新。

而“業務活動步驟化”、“步驟環節要素化”、“要素數據規格化”則是實現“以數據為中心的業務變革”的基礎，在企業數字化轉型中無法跨越。在信號處理領域的“數字化轉型”中：對于模擬信號，如果不按照奈奎斯特抽樣定理等物理和數學規律去抽樣、量化和編碼，所得到的數字信號就無法保留所關注的原始信號特征，無法對原始信號進行還原，對其開展任何后續的數據處理都沒有意義;而“業務活動步驟化”、“步驟環節要素化”、“要素數據規格化”就是企業業務領域數字化的“抽樣”、“量化”、“編碼”三步驟，這三步根據企業業務管理的需要進行精心設計和執行后，相關業務產生的數據才能有效反映企業業務經營的現狀。

二、從創新維度看“以數據為中心的業務變革”

在《“以數據為中心的業務變革”之三種范式》中，筆者根據業務使用的數字模型規則不同，以及數據驅動業務方式的不同提出了以“數字看板”、“數字工程”、“大數據和數據智能應用”為代表的“以數據為中心的業務變革”三種范式。

從創新維度看，“以數據為中心的業務變革”是怎樣實現持續式創新、效率式創新和開拓式創新的呢?

“數字看板”作為企業管理精益看板方法的數字化表達的， 以步驟定時記錄的方式，將步驟執行過程中反映業務活動全過程、全狀態信息的數據記錄下來，實現業務價值流動可視化;通過顯式化業務流程規則并將其數據化、規格化，在業務運行過程中發揮看板對業務的拉動機制，加速用戶價值流動，并有效驅動數據更新和狀態跳轉;通過為各類資源建立狀態參數，動態監測資源占用情況，有效暴露資源瓶頸。整個過程以減少庫存、加快價值流動為目標，突出體現了效率式創新的特點。

“數字工程”在裝備概念研究、立項論證、樣機研發、鑒定測試、列裝運行、售后服務全生命周期中，將以文檔為中心的裝備采辦流程轉變為動態、以數字模型為中心的數字工程生態系統，通過數字模型的建立和運用，以數字孿生理念最大程度確保模型的逼真度。通過數字孿生方式迭代優化后的數字樣機，可以幫助設計師在數字環境中快速迭代和優化設計方案，縮短產品研發周期，提高產品競爭力;在數字環境中模擬和測試各種方案，避免現實世界中的高昂成本和潛在風險，以及降低維護成本和延長設備壽命。“數字工程”以數字模型的運用為核心，從根本上革新了裝備研發和制造業務;且能夠有效縮減裝備研發的成本，提高效率，同時體現出開拓式創新和效率式創新的特點。

“大數據和數據智能技術的運用”作為“以數據為中心的業務變革”中最具有魅力的部分，在生成式AI技術大發展的當下，在數字化轉型這個大框架中，用于對現有業務模式的逐步優化和改進，可視為持續式創新;用于發現現有業務資源和效率瓶頸，提高效率、降低成本，可視為效率式創新;用于發掘新需求、創造新產品、新市場，就可視為開拓式創新了。

三、數字化轉型路上怎樣對待新技術、新理念和新思路

企業數字化轉型是一項“以數據為中心的業務變革”，也需要持續的高投入和運營優化，是一條艱難而正確的道路。在這個過程中，在面對不斷涌現的新技術、新理念和新思路時，企業高層難免會自我質疑。那么企業在數字化轉型路上，應當怎樣看待類似生成式AI這樣的新技術，以及相應的新理念和新思路呢?

1.正確認識開拓式創新、效率式創新和持續式創新的關系

回到本篇開頭，在美國AI領域新技術不斷涌現的當下，面對國內企業內卷加劇、經營困難的局面，很多專家甚至是數字化專家產生了道路質疑，被新技術、新理念和新思路牽著鼻子走，總結起來就是認為應當擯棄效率式創新和持續式創新主導的企業經營模式，走新技術、新產品領航的開拓式創新之路。對于上述觀點，筆者認為且不論數字化轉型本身就兼具三類創新;開拓式創新、效率式創新和持續式創新三者都很重要，沒有先后高下之分。

讀過《繁榮的悖論》一書的讀者就會發現，在國家、社會直至單個企業中，開拓式創新、效率式創新和持續式創新在企業經營和發展過程中扮演者不同的角色。開拓式創新為企業開辟新市場、推出新產品提供核心競爭力，效率式創新和持續式創新為企業做大做強站穩市場提供根本方法。20世紀初福特公司推出的T型轎車將汽車從富人的奢侈品變為普通美國家庭買得起的產品，這一開拓式創新推動了福特公司走上巔峰。然而由于在后續的經營中沒能在效率式創新和持續式創新方面持續跟進，福特很快輸給了后來居上的競爭者通用和克萊斯勒。

2.數字化轉型既是企業業務變革的開拓式創新，又是包容和吸納一切新技術、新理念、新思路，持續發展與改進的企業常態化經營架構。

從以上來看，作為企業數字化轉型中“數字化”基礎的“業務活動步驟化”、“步驟環節要素化”、“要素數據規格化”屬于效率式創新和持續式創新。而作為“狹義”數字化轉型的“以數據為中心的業務變革”更多得體現出了開拓式創新的特點。因此，我們之前片面強調數字化轉型“降本增效”的作用，其實是不夠全面的。

在《“以數據為中心的業務變革”之三種范式》中，提出了以“數字看板”、“數字工程”、“大數據和數據智能應用”為代表的三種范式，實際上是將數字化轉型看作吸納一切新技術、新理念、新思路，持續發展與改進的企業常態化經營架構。隨著AI領域技術的進一步發展，“以數據為中心的業務變革”必然會呈現出更加豐富的內容。

堅守初心，保持定力，擁抱創新，這也許是數字化轉型應當堅持的道路吧，特書此文與諸君共勉。