【亿邦原创】12月3日，亿邦产业互联网年会在京举行，端点科技创始人/CEO赵沣伟发表了题为《从战略到执行，AI重塑企业管理》的演讲，他演示了一个虚拟公司“从战略到执行”的管理过程，这个过程中，在战略层，AI董事会驾驶舱提供全局业务的洞察和辅助决策能力，为高层战略会提供辅助指导；在管理层，计划主管的AI顾问提供针对专项指标、业务进度维度的风险决策和建议，确保业务方向正确；在执行层，计划助理的AI顾问为计划员提供各项计划专业领域所需的优化能力。
赵沣伟表示，AI参与企业管理决策，体现在理论、软件、Agent三要素的结合。让软件深度参与到管理决策中，是企业AI关键的应用场景。
以下为演讲全文，经亿邦动力整理。
大家好，很荣幸今天有机会在这里跟大家交流。正如刚才陈总（震坤行董事长陈龙）所述，企业需要构建一套AI的组织架构，这是一个重要的方向。我接下来的演讲主题便是阐述在这个方向上端点是如何实现产品化的，所以我今天的演讲题目是《从战略到执行：AI融入企业管理》。
首先，我简要介绍一下我们公司背景，端点科技作为一家软件企业，在过去服务了中国众多规模型客户。
结合本次论坛主题，我在这里介绍两个我们所经历的产业互联模式。
在我们服务案例中，有一个是源氏木语，源氏木语以及其500家外部协作工厂均使用我们的软件，实现从订单到排产再到履约的全链路协同运作。这是典型的由链主企业带动一组工厂集群的模式。当前中国许多新兴品牌都以此模式运转。
在能源行业，我们服务包括中国海油在内的多家客户。我们为中国海油构建了一个大宗交易平台，为企业提供从采购到销售的全程管理链路。
经过多年系统实施，我们发现一个有趣现象，即成员公司通过海油的大宗交易平台采购油气，同时利用业内的管融平台完成交付。这是长期建设形成的大型企业间系统运作方式。当我们初始构建这些系统时，并未预见到此类效果：不同企业的不同平台，在长期建设中形成这种互联互通格局。而这也是产业链价值核心。
今天，所有企业都在思考AI、探索AI带来的变革。我们访谈众多客户，各方均寻求AI应用场景。那么，当前AI在企业管理领域最大的应用场景是什么？这也是我想与大家探讨的话题。
作为软件公司，端点科技提供的是标准化产品，但在服务各家企业的过程中，总会遇到大规模定制开发和配置需求。其背后的原因在于，现今许多企业拥有各自独特的管理理念和思路，而软件此时更多扮演“记录员”的角色——以符合企业理念的方式记录企业业务行为。因此，虽然这些软件将许多线下业迁移至线上，提高了效率并使流程标准化，却并未真正参与企业的管理决策。
当前的企业管理仍依赖于在座各位及其管理团队，这些团队成员拥有丰富管理经验、掌握先进管理理论，并具备强劲执行力，因此，企业至今仍主要依靠人力和组织来管理。然而，人会疲劳亦会失误，尤其当管理团队核心成员离职时，他们所推行的管理策略能否有效延续和运行，无论是在主观和客观层面，都将面临较大挑战。
能否将企业的管理理论与最具价值的高管经验注入软件系统，使软件真正成为企业的管理工具？即不再依赖个人，而是建立起企业永不间断的核心能力？事实上，AI Agent出现让这件事已经成为可能。
接下来，我将通过一个简单的演示来展示其效果。我们创建一个名为时代集团的虚拟公司，这是一家生产冲浪板的制造企业。我们将以此作为演示案例。
界面左侧展示的是本次故事线中的所有角色，分为战略层、管理层、执行层三个层次。
每个角色有两个头像，白底头像为人类员工，黑底头像代表的是其对应的AI管理顾问。右侧展示的则是完整的业务故事线，从年度战略经营会开始，涵盖销售、采购、财务等环节。
我们现在正式来演示，今天仅展示该故事线的其中三个部分。
首先来到战略层，由CEO组织召开年度战略经营会。
第一部分进行经营复盘时，图表上是以杜邦分析法理论呈现公司经营数据，涵盖盈利能力、营运能力、偿债能力三个维度。会议讨论中，高管团队不仅可自行分析图表，AI顾问也会在讨论中对各项指标提供分析建议。
年度战略经营会的第二部分是制定下一年度经营目标。在这里，我们切换到假设分析模式：高管团队在此设定下一年关键目标，当拖动这些业务目标时，各项能力指标会自动计算，并通过严谨的杜邦分析法公式得出ROE（净资产收益率），从而辅助团队设定业绩目标。目标确认后可以保存当前方案，AI将生成分析报告，对整体经营局势做出总结。
根据波士顿矩阵及产品收入占比图，呈现了金牛产品和问题产品状况。本次战略会议的经营方案聚焦两点：新产品追求增长，老产品提升效率。
在战略分析报告完成后，AI会列出会议识别的风险和行动，其中之一是设定新的经营目标，并拆解为具体的行动：设置四位主管的关键OKR目标。CEO判定后全部采纳，这四个任务将会出现在CEO的待办事项中。
点击相应任务，即可跳转至业务负责人及其AI顾问个人页面，包括OKR目标设定。需要说明的是，此OKR目标将同时分配给主管及对应的AI顾问。AI顾问将协同员工共担目标，此前我们已展示过销售主管AI顾问的OKR。通过本次战略会议，所有管理层AI顾问均设置了对应OKR目标。
至此，战略设定完成，我们继续观察管理和执行流程。
第二部分在管理层继续推进。
这里演示一个计划的流程。计划主管谭亦辰每日登录系统时，会查看AI安排的待办事项页。此任务中谭主管需分析供应链计划专项指标，展示供应链运作参考模型的核心指标并展开多维分析。从产品维度下的库存周转率指标可见：第一代和第二代动力板均出现周转天数异常。
AI已感知这些风险：新产品存在供应链中断风险，老一代产品有库存呆滞风险。针对两代产品的不同风险，AI提出六项应对策略，包括科学排产和库存优化。此处谭主管判断并采纳了所有的六项行动，其中部分生成主管日常待办任务，还有两个为特定行动。
于是谭主管委托其下属计划员张青云执行：一项优化老产品库存；另一项完成新产品车间排查。
接下来，第三部分通过执行层来展示具体操作流程。计划员张青云通过待办工作台启动老产品库存优化任务。虽然计划工作具有专业性，但AI可完成最繁杂的部分，之后由人来选择和评估。
库存优化主要输出为安全库存和再订货点，AI按步骤执行操作：
1. 第一步和第二步获取基础信息；
2. 第三步获取历史销量；
3. 第四步计算并统计预测销量；
4. 第五步计算实际与预测标准差；
5. 第六步根据标准差和服务水平计算安全库存；
6. 第七步据安全库存和提前期计算再订货点。
之后AI将生成库存优化分析报告。
如果计划员指示，需要将服务水平提升1%。AI则重新计算安全库存和再订货点，并再次生成分析报告。直到确认AI方案无误后，计划员核准当前方案，AI会将安全库存和再订货点更新至管理系统。
通过智能层AI辅助，可以看到计划员业务执行与高层管理目标保持一致。
实际上，今天的这个演示，代表的是未来企业软件及管理方向。我们会往哪一个方向走？ 我简要总结，各位可以感受软件使用逻辑正发生巨大变化。
第一是组织架构，正如前面陈总（震坤行董事长陈龙）提及，每位员工在工作时都有一名AI顾问辅助。而在端点科技AI原生ERP这套实际系统中，已经构建了完整的AI管理顾问的组织架构，以支撑每个角色的日常操作。
第二是软件交互逻辑。目前我们所使用的软件多由表单和按钮组成页面，用户通过操作来记录企业事务。但从今天的演示可以看到：AI始终在分析和洞察系统问题，并给出方案与风险提示，且每条提示会附带解决方案。人类员工更多是审视方案，并在认为合理时指示AI执行任务。
因此，AI辅助用户完成系统操作，这标志着软件交互的重要变革。想象这一模式持续发生时，现在的大量软件的最终用户可能仅剩AI本身，人类更多负责关键决策节点。
另外，我们发现AI进行洞察分析时，总是依托先进理论武装自身以辅助决策。例如，它会应用波士顿矩阵分析、杜邦分析法处理财务事务。这些都属于AI在理论层面的应用，而这一点恰恰最为关键，AI智能体的出现，可以将管理理论即企业管理决策能力注入软件系统，让软件得以7×24小时参与企业管理活动。
那它背后的实现逻辑是什么？
QuantumBlack是麦肯锡公司的AI团队，他们今年提出观点，认为企业AI战略需建立于三个基础条件上：理论嵌入、API授权和监护规则保护。
理论嵌入刚才已简述，API授权确保AI与软件深度融合，监护规则保护则界定了AI的工作权限范围，包括哪些事务可直接执行、哪些需授权审批。从软件工程视角，API授权和监护规则保护均属系统范畴。
所以说，它实现的核心本质即理论、软件、智能体三个环节的紧密结合。
我们分别查看每环节内容，首先是管理理论。企业所有管理环节皆涉及成熟的管理理论，如战略层包含平衡计分卡，财务环节有杜邦分析法等。这些理论均能注入软件系统，使软件在此支撑下协助我们开展后续工作。不仅经典理论可用，企业自身独特的管理策略和经验亦可注入软件之中。
第二部分是软件，软件把工作所需要的数据导入系统，然后再输出决策所需要的结果。核心要素即智能体与软件的深度整合。当整合度提升时，许多软件使用将由智能体直接驱动。
因此人、软件与AI的交互界面，我们认为存在标准范式，可以总结为感知分析、预警建议、助力执行。AI将持续协助我们分析公司内部问题，并在发现问题时给出提醒、提供分析报告及建议行动方案。人类若确认方案无误后发出指令，AI可直接执行任务。因此，整个软件交互范式将演变成此格局。
第三部分是AI Agent。端点科技AI原生ERP中构建完整的AI智能体组织架构，覆盖所有软件场景。同时这些智能体具备高度可评估性：每个智能体能做什么、已经做了什么、执行效果如何，这些信息均能进行评估。
最终，这三个环节通过具体的业务场景落地。每个业务场景配备多个可适配的智能体，每个智能体都有其所需的流程包、数据结构、模型、工具以及边界限制。
我们遵循一条原则：更广泛的洞察能带来更合理决策。所以若需最大化AI效能，就需要实现场景的广覆盖。端点科技在软件中已经实现大量场景的覆盖。
管理理论是人类百年经验的沉淀，软件体系是理论持续运行的载体，而AI的出现则是融合两者的智能引擎。
2025年乃智能体元年，我们认为软件深入参与管理决策是企业AI关键的应用场景。
谢谢各位！
