数势科技CEO黎科峰最近迷上了一件事：自己写文章。

每天一篇，发在公众号【AI夜行】上，雷打不动。不是品牌稿，不是公关文，是他把脑子里的想法录成音，让AI帮他整理、帮他写，结果比任何编辑写的都要好。他说，这件小事让他想通了一件更大的事：人脑袋里面想的东西，和真正动手做出来的东西之间，距离已经被极度压缩了。

这个判断，是数势科技过去三年整个组织演化的起点，也是他对AI时代最核心的认知——AI不是工具升级，是一次重新定义组织与价值的机会。

在爱分析这次访谈里，黎科峰和我们谈了三件事：他怎么理解AI和数据的关系，为什么他认为数据才是真正的护城河；他怎么看AI时代组织该怎么建；以及数字员工这门生意，壁垒究竟在哪里。

核心观点：

l 代码会被平权，流程会被平权，方法论也会被蒸馏。唯有私有数据、私有语义、私有经验，大模型拿不走。

l 组织AI化的第一步，不是买工具、搭平台，而是管理者自己下场用AI。不信AI比自己强，就不可能真正放手。

l 未来ToB市场一定比过去更集中，垂直SaaS的生存逻辑正在被颠覆。卖代码的时代过去了，卖结果的时代来了。

以下为本次访谈实录，在不改变原意基础上略有修改。 

01 组织AI化，先要求管理者从指挥者变成使用者

爱分析：数势科技大概什么时候开始做组织AI原生化这件事？

黎科峰：我们做得比较早。2023年很多团队还没看清方向时，我就判断要先把组织压扁。因为如果一个leader下面管很多人，他很容易继续做指挥者，而不是自己下场尝试AI。

AI原生不能靠口头指挥，必须每个人亲自上手，包括我自己。过去两年，我们最重要的事就是让大家真正使用AI、体验AI。只有亲自用过，知道它能做什么、不能做什么，组织才可能真正转身。

招聘新人的时候，我们同样不能继续用老思维。我们要逼自己判断：哪些问题适合AI解决，哪些事情应该交给AI，哪些环节人应该往后退。

爱分析：很多厂商CEO用AI做战略或直接上手Coding，您如何使用AI？

黎科峰：我应该是公司里最早、最深度使用AI的人之一。最直接的原因是，我自己用过之后，真的看到了它的能力，甚至觉得AI在很多事情上比我强。如果老板不相信AI比自己强，就不可能真正放心拥抱它。

另一个变化是，我现在基本从一线决策里退出来了。以前我觉得自己是最好的产品经理，什么都想指挥，后来发现效果也不一定好。现在我的角色更多是做判断、为团队提供AI创新环境。我对产品、用户和场景的判断能力强，可以帮年轻人把关。剩下的就交给他们，他们更会用AI，也更有冲劲。

数势科技目前全员扁平化，每个人都得自己干活、自己体验AI。以前销售让研发排期两个月才能看原型，现在自己动手第二天就能给客户看。东西卖出去，回来再迭代、再用到产品里。

爱分析：如果CEO不直接把控产品方向，怎么保证大家没有跑偏？

黎科峰：我的判断是，一开始做的东西大概率都是错的。但只要迭代够快，就会越来越对。

在信息不完备、环境高度不确定的时候，你不可能一开始就把方向判断得特别准。你能做的就是快一点，同时要有验证信号。我会告诉他们，什么样的东西能够证明这个方向是对的，什么样的反馈是有价值的。

但具体怎么做，我希望变成他们自己的事情。所以我给大家一个比较宽容的犯错空间。中间肯定会有试错，甚至看起来像浪费钱，但我不觉得这是浪费。人不经历这些过程，就没法真正理解AI原生到底是什么。

爱分析：这种组织方式适合所有业务吗？

黎科峰：要看AI在这件事情里的占比。如果AI占比越高，人就应该离得越远。我们现在有不同产品线，老产品面向银行等客户，还是要考虑安全、部署、客户内部诉求，那套节奏会慢一些，也更传统一些。

但团队做的新业务，我希望它是AI占比90%的东西。很多东西我们不懂，AI懂，那我们就往后退。所以你要判断AI是不是这个业务最内核的东西。如果是，那组织方式、管理方式、产品方式都要跟着变。如果AI只是某个环节提效，那传统管理方式、风险控制、流程管理仍然很重要。

02 代码可以被平权，数据不行

爱分析：AI更像是一种新的组织能力？

黎科峰：是的。AI不是一个简单的提效工具。代码会被平权，Coding能力会被平权，流程也会被平权。未来，很多方法论也会被大模型持续蒸馏和沉淀。随着大模型公司不断向上延展，它们会逐渐吃掉很多框架层、平台层的能力。

那么最后剩下的是什么？是企业持续变化的能力，是你离客户有多近，是你能不能真正理解业务，是你能不能把私有数据、私有语义和私有经验融入AI体系之中。

所以我认为，企业最终还是要回到最基本的问题：你究竟为哪类用户提供什么价值？是品牌价值、情绪价值、功能价值，还是其他类型的价值？

爱分析：企业真正需要沉淀的是什么？

黎科峰：第一是数据，无论它当前是否规范、是否结构化；第二是对数据的定义，也就是Ontology体系，数据背后的语义和业务定义；第三是经验，即沉淀在老师傅和核心员工脑中的隐性知识。这三类资产本质上都是企业私有的。

数据是私有的，数据背后的语义和业务定义是私有的，长期积累下来的行业经验同样是私有的。AI工具真正要做的，并不是简单调用通用能力，而是将这些私有资产有效融合进来，转化为可复制、可调用、可持续迭代的组织能力。

传统企业最核心的痛点在于：一方面，关键岗位和关键经验往往依赖少数人；另一方面，即便有人掌握这些经验，也很难规模化复制。我们要解决的，正是这一问题。但企业最终能达到的天花板，仍然取决于企业自身。能否把自己的业务经验沉淀下来、训练出来，并真正用好AI，决定了企业最终能够走到什么水平。

代码可以被大模型写，流程可以被AI编排，但你十年积累的客户数据、行业语义、老师傅的隐性经验，这些，大模型拿不走，这才是真正的护城河。

爱分析：所以软件公司的商业模式未来只能是卖结果？

黎科峰：对。软件原来卖的是代码，因为代码很复杂，客户自己搞不了，所以愿意买，但现在代码不值钱了。SaaS卖的是流程，它把一套流程产品化，让企业按这个流程跑。但AI时代，很多编排、Agent能力出来之后，流程本身也在被重新定义，卖的就是结果。

未来，在基础设施之上，真正有价值的形态本质上都是服务。要么成为英伟达、OpenAI这类卖铲子的基础设施提供者；要么就必须回答客户最关心的问题：你究竟解决了什么具体问题？带来了怎样的增长或降本？

03 数字员工的长期壁垒，是持续迭代和结果交付能力

爱分析：数字员工这类产品的长期壁垒是什么？

黎科峰：核心是持续迭代能力。我们不会做一个产品卖十年，传统软件可以这样。但我们的根基是不断有新的产品、新的想法、新的场景，让团队始终保持好奇心，也让客户不断获得更接近业务价值的能力。

我们的目标很清晰，某个角色在初期使用AI时，体验可能只有60分，甚至会提出很多批评。但这并不重要，重要的是我们能否通过持续迭代，把它从60分做到70分、80分，甚至90分。真正的价值不在于把软件卖出去，而在于持续关注客户是否真正用起来、用得好，以及是否产生了实际价值。

这也正是我们的壁垒所在。大厂通常不擅长深入这些细碎而具体的场景，等它们真正反应过来，很多窗口期已经过去了。

爱分析：未来市场竞争格局会比过去SaaS更集中，还是仍然很分散？

黎科峰：未来市场格局会比过去更加集中。在过去的ToB时代，一个非常垂直的行业SaaS，即便处在相对细分甚至偏冷门的领域，也有机会活得不错，并且持续很多年。但AI的泛化能力太强了。当一种能力在某个行业中被验证之后，就有机会外溢到其他行业，形成更广泛的应用。

当然，这并不意味着未来市场只会剩下一家公司，但行业格局一定不会像过去那样零散。与此同时，企业的人效会进一步提升，人力模型也会发生变化。很多过去因为能力、资源或成本限制而无法完成的事情，现在在AI工具补齐短板之后，就有可能被完成。

未来，就业压力可能会越来越大，企业的人效模型会加速重构。这会倒逼更多人走向创业，寻找那些能够被AI放大的事情，也会催生一批围绕AI能力重新组织起来的新型团队。只要工具真正能够帮助他们提升能力、降低门槛，反而会带来新的机会。

爱分析：战略层面，数势科技还会深耕数据这个方向吗？

黎科峰：长期战略没有意义，AI变化太快了。我唯一看重的就是手头要有真实的用户和客户，只有他们认可，产品才真的有价值。真正让我兴奋的不是某个技术名词，而是这个产品能不能离业务更近，能不能真的对业务负责。

有一件事在我这里从未动摇过：数据、语义和业务经验，是AI时代唯一不会被平权的资产。战略可以因为环境快速调整，但企业沉淀下来的私有数据体系、对自己业务的深度定义，是任何外部大模型都拿不走的底座。这恰恰是未来竞争真正的分水岭所在。

对短期方向保持极度灵活，对长期底座保持极度笃定。当所有人都在追技术曲线，真正难得的，是始终知道自己手里握着什么、在为谁创造价值。

本文来自爱分析ifenxi（北京爱分析科技有限公司），AI市场的研究咨询机构，专注于人工智能、大模型、智能体与算力等产业研究。