今天和大家分享的内容为《LLM趋势下的数字化转型范式变革》，将和大家探讨数字化转型在新生产力变革趋势下的一些新变化和思考。近年来，大模型的兴起已经引起了数字化转型实践的一些新变化。在这个新趋势下，数字化转型是否存在一些不同于过去的特点？

本次演讲将涉及产品、技术、模式、人才和组织等方面，同时也会分享一些我在数字化转型实践中遇到的挑战和解决方案。

一、LLM趋势下的数字化转型范式升级

1. 从信息时代到认知时代，信息差异转变为知识差异

传统的数字化转型始于信息时代，注重利用信息技术和互联网革命来解决信息存储和处理问题，最终实现信息的大爆炸。这种以信息差异为核心的数字化转型已经持续了20多年。

随着大模型的兴起，我们正在逐渐进入认知时代。大模型能够挖掘数据中的价值，实现知识表达和展现。信息差异转变为知识差异，这意味着数字化转型面临新的挑战和机遇。

企业需要从仅关注信息革命转向关注知识革命，让数据智能和大模型技术成为数字化转型的新驱动力，以更有效地获取知识优势和提供自定义服务。这将推动数字化转型从外围表现升级为核心能力提升。

数字化转型从信息时代的信息差异逐渐向认知时代的知识差异转变，标志着数字化转型范式的升级。

2. 数字化转型内在本质是人类智能模式向企业延伸

然而在推进数字化转型的过程中，许多企业仍然面临着营销增长乏力、运营管理失控、业务系统割裂等方面的困境与挑战。这些问题的根本原因在于，信息化技术本身无法完全取代企业管理团队的认知能力和决策能力。

1. 市场萎缩时，信息化可以提供数据分析，但难以制定有效对策；
2. 资金压力大时，信息化可以预测资金流向，但难以进行融资风险管理；
3. 组织管理上，信息化可以推进流程标准化，但难以替代管理认知决策。

数字化转型的内在本质，是将人类的智能模式逐渐延伸到企业中。人类的智能模式主要体现在不断探索和改造环境来取得进步。企业数字化转型也正是借鉴这种智能模式：

一方面通过技术革新不断实现产值增量，获得营收增长；

另一方面通过算法运营和流程优化，将存量经营成本转化为固定成本，提升效率。

这么做的目的在于，让企业的方式思考和行动模式越来越像一个“聪明”的实体，能像人类一样快速适应和改进环境。

因此，企业必须不断学习升级自己的智能模式，才能实现真正的数字化转型。而这需要引进人类智能的技术驱动力，如大模型、人工智能、机器学习等。

数字化转型的进程就是将人类智能的认知模式和行动样本逐渐通过技术手段移植到企业中的过程。

3. 感知、认知和执行三个阶段

1）感知阶段：信息技术解决信息获取难题

这已经持续了近20年时间。互联网和信息技术通过信息大爆炸，解决了企业快速获取信息的需求，实现了信息差异。但是信息本身没有价值，无法解决核心经营问题。

2）认知阶段：大模型技术提供认知能力

大模型技术能挖掘信息中的知识价值，为企业管理层提供决策认知。解决企业面临的市场、技术、人才等方面的挑战，将信息差异转化为知识差异。

3）执行阶段：实现自动化和智能化

当认知能力足够强大时，将转化为执行能力，实现任务自动化和智能化。机器能替代人类执行复杂行为和任务，完成人类自主适应和环境改造的目的。

数字化转型的进化就是从感知到认知再到执行三个阶段。当前我们仍处于认知阶段，信息技术和大模型技术并存，但未来10-20年执行智能将遍地开花。

二、大模型驱动的数字化转型框架

在认知智能时代，数字化转型的路径已经发生变化。我根据实践提出了一个系统的大模型驱动数字化转型五步法。

1. 五步法

1）统一数字化转型战略

1. 明确数字化转型的战略定位，它是企业级战略的重要组成部分，而不是仅仅作为业务支撑的辅助手段。
2. 调整传统信息化时代的数字化策略，从解决信息差的角度转变为解决知识差，满足认知智能时代的需求。
3. 使数字化战略与企业主业务战略达成高度统一，形成知识差闭合的新战略体系。
4. 实现从高层到基层对新战略的深入理解和认同，使之成为推动企业转型的共同认知基础。

2）构建核心大模型能力

1. 在传统信息系统能力的基础上，进一步构建以大模型为核心的新型数字化能力体系。
2. 重点打造自然语言处理、知识提取、智能决策等能力，使企业真正拥有大模型赋能的核心竞争力。
3. 构建可靠的大数据中台，提供持续高质量的数据供给。
4. 建立算法工程和模型迭代的机制，不断优化模型性能。

3）形成系统化、数字化的解决方案

1. 针对不同的业务场景，形成系统化的、可复用的数字化解决方案。
2. 解决方案要全面覆盖数据采集、模型构建、业务输出等环节。
3. 解决方案要关注客户语音化交互，提供更优的用户体验。
4. 通过快速迭代更新解决方案，使其适应业务需求的变化。

4）建立数字化转型治理体系

1. 优化组织结构，确保数字化转型团队的地位不再是过去的辅助性质。
2. 调整管理方式，鼓励创新，允许试错，降低创新门槛。
3. 引入敏捷化的组织流程，加快迭代更新的速度。
4. 培养数字化时代的变革领导力，实现组织文化的深度融合。

5）实现价值导向的业务创新

1. 在治理体系的支持下，最大限度发挥数字化的能力优势。
2. 围绕客户需求设计数字化产品和服务。
3. 推动产品模式的变革性创新，实现商业模式的重构。
4. 实现数字化赋能业务发展的价值导向，助力企业实现质的飞跃。

2. 与传统信息化转型的差异

1）从信息差异到知识差异

传统的信息化转型主要是解决信息的不对称和信息的流通问题，而数字化转型则更加注重知识的差异和知识的流通。

2）从业务驱动到能力驱动

主要是以业务为驱动，以实现业务流程的优化和创新，而数字化转型则更加注重能力的驱动。

3）从稳定业务模式到开放生态

传统的信息化转型主要是以稳定的业务模式为基础，以实现业务流程的优化和创新，而数字化转型则更加注重开放的生态。同时，数字化转型需要建立数字化转型治理体系，以确保数字化转型的顺利进行。

这个治理体系需要包括组织架构、流程规范、人才培养等方面的内容，以确保数字化转型的可持续发展。数字化转型还需要建立数字化生态，以实现数字化技术的应用和创新，促进数字化产业的发展和数字化生态的繁荣。数字化生态需要包括数字化技术、数字化产业、数字化人才等方面的内容，以实现数字化转型的全面发展。

三、大模型产品模式和技术现状

1. 深度学习模型的特点

深度学习模型是一种基于神经网络的模型，具有以下特点：

1. 具有多层结构，可以自动提取特征；
2. 可以处理大规模数据，具有较强的泛化能力；
3. 可以进行端到端的学习，不需要手工设计特征；
4. 可以处理多种类型的数据，包括图像、语音、文本等。

2. 不同类型模型比较

在大模型技术中，常见的模型类型包括决策树模型、支持向量机模型、神经网络模型等。这些模型在不同的应用场景下具有不同的优缺点。例如，决策树模型具有可解释性强、易于理解等优点，但是在处理复杂数据时表现不佳；支持向量机模型具有泛化能力强、对噪声数据不敏感等优点，但是在处理大规模数据时表现不佳；神经网络模型具有处理大规模数据、自动提取特征等优点，但是模型结构复杂、训练时间长等缺点。

3. 模型性能评测情况

在大模型技术中，模型性能评测是非常重要的一环。常见的模型性能评测指标包括准确率、召回率、F1值等。这些指标可以用来评估模型的分类能力、回归能力等。同时，模型性能评测还需要考虑模型的泛化能力、鲁棒性等方面的内容，以确保模型的可靠性和稳定性。

4. 模型应用场景

大模型技术在各个领域都有广泛的应用场景。例如，在图像识别领域，大模型技术可以用于人脸识别、车辆识别、物体检测等方面；在自然语言处理领域，模型技术可以用于机器翻译、文本分类、情感分析等方面；在推荐系统领域，大模型技术可以用于个性化推荐、广告推荐等方面。此外，大模型技术还可以应用于金融、医疗、交通等领域，以实现数据驱动的智能化决策和服务。

四、新机遇下的人才画像

1. 高知识输出职业受影响最大

数字化转型对职业结构的影响趋势之一是高知识输出职业受影响最大。这类职业主要是以知识输出为主的职业，包括大量的白领职业。数字化转型可能会导致这些职业的数量减少，需要转型或者重新定位。

数字化转型对人才画像提出新的要求。一些传统白领工作面临被部分替代的风险，数据科学家、数字产品经理等新型人才需求激增。

1）高风险职业

• 金融类：分析师、交易员、研究员等
• 媒体类：广告创意、内容生成、客服等
• 教育类：教师、助教等
• 法律类：律师助理、法律顾问等

2）新兴人才画像

• 首席数字官：领导数字化转型
• 业务专家：定义业务需求
• 数字产品经理：连接业务与技术
• 数据工程师：构建数据中台
• 工程师：开发大模型能力
• 分析师：挖掘数据价值

2. 许多职业将出现数字助手

数字化转型对职业结构的影响趋势之二是许多职业将出现数字助手。数字助手是指一个个性化的助手或者团队，可以帮助职业人员完成工作。数字助手可以是人工智能、机器人等数字化技术的应用，可以提高职业人员的工作效率和工作质量。

3. 关键人才包括数字化专家、业务专家、产品专家等

数字化转型需要一批关键人才来推动数字化转型的实施和发展。这些关键人才包括数字化专家、业务专家、产品专家等。

数字化专家需要具备数字化技术的专业知识和实践经验，能够带领数字化团队实现数字化转型的最终价值呈现。业务专家需要梳理业务全景图，对应的大模型产品经理梳理的是业务全景到产品的架构。产品专家需要以设计模型为先的产品为其核心的设计思路，而不是过去的这种交付模式，是以模型为先，以自然语言的方式来进行交互的。这些关键人才需要具备数字化转型所需的技能和能力，以确保数字化转型的可持续发展和成功实施。

此外，数字化转型还需要一批具备数字化思维和数字化技能的人才来支持数字化转型的实施和发展。这些人才包括数字化营销人才、数字化运营人才、数字化创新人才等。

数字化营销人才需要具备数字化营销的专业知识和实践经验，能够利用数字化技术来实现营销目标。数字化运营人才需要具备数字化运营的专业知识和实践经验，能够利用数字化技术来提高运营效率和运营质量。数字化创新人才需要具备数字化创新的专业知识和实践经验，能够利用数字化技术来推动企业的创新发展。

数字化转型对人才的需求产生了新的变化，需要企业和个人不断学习和提升自己的数字化技能和能力，以适应数字化转型的发展趋势。

五、新范式下的治理体系变革

1. 商鞅变法的启示

1）战略执行比技术更为关键

商鞅变法说明单纯依靠技术并不能决定成功，战略执行的效果更为关键。数字化转型不能停留在技术层面，而需落实到业务进程与组织机制。

2）必须取得决策层全力支持

商鞅在取得秦惠文王支持后推进变法，但在惠文王死后终致失败。这说明数字化转型必需决策层长期推动，否则难以持续。

3）业务结果是数字化的核心目标

以强国富民为目标。数字化转型也应以提升业务结果为目标，不能自成一体脱离业务需求。

4）管理创新应匹配技术创新节奏

变法过于激进，管理制度建设跟不上技术进步。数字化转型需按步骤推进，确保管理创新与技术创新相协调。

2. 治理体系的重要性

是否建立良好的治理体系，将决定企业数字化转型的成败。实践证明，技术本身并不能决定数字化转型的效果，取得组织的共识和支持更为关键。具体包括：

1）实现业务与数字化的战略统一

数字化转型需要业务部门与数字化转型团队之间达成统一的战略与路径，使业务思维和技术视角能够高度融合。否则数字化转型往往淪为业务的辅助工具，很难发挥真正的战略作用。实现战略统一需要业务和技术双方都跳出原有的视角，形成数字化驱动业务发展的共识。

2）建立独立的数字化转型组织

应建立独立的数字化转型组织，使其在企业内部有足够的权威性。数字化不能仅作为过去的业务支撑，而应作为战略核心来推动业务创新与变革。独立的组织有利于数字化团队招募人才，推进专项规划。

3）实施鼓励创新的管理方式

管理方式应鼓励创新与容错，不能简单追求零缺陷。数字化转型的过程充满不确定性，需要企业内部形成试错学习、快速迭代的文化氛围。建立良好的容错机制，降低创新的门槛。

4）运用数据驱动决策

数字化治理应广泛运用数据技术，使决策变得更科学和理性，有利于克服组织的惯性思维。通过大数据预测、情景模拟等方式，让决策依据事实而非主观经验。

5）强化数字化领导力

企业高层需要具备数字化思维，同时大力培养一线员工的数字化能力，使数字化理念成为组织共识。还需设立矩阵式组织来推动业务单位的数字化转型与创新。

六、总结

数字化转型正处于一个新的发展阶段，大模型技术的出现为数字化转型提供了更多可能。要顺应这一新趋势，企业需要做好以下几点：

第一，调整数字化战略，与主业务战略达成统一，使数字化转型成为推动企业核心竞争力的战略手段，而不仅是业务的辅助工具。

第二，在传统信息系统基础上，构建以大模型为核心的数字化能力体系，重点打造自然语言处理、知识提取、智能决策等能力。

第三，针对不同业务场景设计系统化的数字化解决方案，并建立快速迭代的机制。

第四，深化数字化治理体系建设，转变组织文化和管理方式，实现数字化与业务的深度融合。

第五，培养一批数字化领导力和复合型人才，使企业在产品、技术、运营等方面实现全面数字化创新。

第六，汲取过往经验中的启示，重视战略执行和决策层推动，确保数字化转型和业务需求、管理模式、文化氛围实现同步升级。

保持战略头脑和执行力，才能助力企业在数字化时代占据优势地位，实现生存发展。大势所趋，企业必须主动拥抱数字化变革的新范式。

大会预告

产品经理大会举办至今，已经成为了产品经理职业发展的风向标。每一年的大会，我们都聚焦行业发展的前沿动态、热点趋势，重点围绕产品经理人群的职业发展，为大家带来新方向、新思考。

今年的产品经理大会将在北上广深杭5城巡回，在各自领域已经取得结果的嘉宾们，将现身说法，从不同的视角告诉你如何应对当下的需求变化，探寻产品经理的进化方向！

9月9-10日，北京站大会即将举办，邀请资深实战派导师团，分享AI2.0、数字化转型、业务增长等具体可行思路和方法。

现在购票，还能享受限时优惠价哦，快快戳链接报名吧：https://996.pm/76wdp