近期，OpenAI公司推出的最新生成式人工智能产品SORA在原本热度不减的AI大模型领域又加了一把火。面对美国在AI领域应接不暇的科技创新，全网到处是对于中美两国在AI领域差异和差距的讨论。

对于SORA和ChatGPT等AI大模型，借用哈佛商学院教授克莱顿·克里斯坦森在《繁荣的悖论》中提出对创新的三种划分，AI技术的进步从长远看来将对各行各业的发展带来颠覆性影响，属于“开辟式创新”;而以“精益管理+管理自动化+数据驱动业务”为核心的数字化转型，则被很多专家视为“效率式创新”和“持续式创新”的代表。最近有篇博文，强调了产品个性化、追求差异化竞争和技术创新的重要性，对中国制造业企业追求精益管理和“降本增效”的“内卷”生态进行了批驳。

那么，从《繁荣的悖论》中对创新的三种划分来看，数字化转型对于传统企业而言属于哪种创新?传统企业在开展数字化转型过程中，面对精益管理、工业互联网、数据治理、AI大模型等概念，以及今后可能出现的各种其他风口、浪潮时，应当怎样对待呢?

一、数字化转型属于什么创新?

按照《从信号处理到数字化和数字化转型》和《数字化转型“降本增效”的底层逻辑是什么》中的观点，我们把业务从数字化到数字化转型，合并为“业务活动步骤化”、“步骤环节要素化”、“要素数据规格化”、“以数据为中心的业务变革”四个阶段。其中前三个阶段分别以“科学管理”、“精益管理”、“管理自动化”为标志，我们称之为业务的“数字化”，而第四阶段为狭义的“数字化转型”。

前三者作为20世纪的管理创新，在它们刚开始应用的阶段，是属于开辟式创新;但是在企业后续运营过程中，所开展的优化就属于效率式创新和持续式创新。

对于数字化转型的第四阶段——“以数据为中心的业务变革”，在《到底是信息化还是数字化》中我们提到了国家层面的“产业数字化”定义：产业数字化是指通过运用数字技术，对企业生产、经营、管理等各个环节进行改造和优化，以实现企业“降本增效”，提升竞争力。产业数字化的核心是数据，通过对企业内部和外部数据的收集、整合、分析和应用，实现企业决策的科学化、精细化和智能化。

笔者认为，“以数据为中心的业务变革”作为企业新时代的经营管理的核心理念，兼具持续式创新、效率式创新和开拓式创新。

而“业务活动步骤化”、“步骤环节要素化”、“要素数据规格化”则是实现“以数据为中心的业务变革”的基础，在企业数字化转型中无法跨越。在信号处理领域的“数字化转型”中：对于模拟信号，如果不按照奈奎斯特抽样定理等物理和数学规律去抽样、量化和编码，所得到的数字信号就无法保留所关注的原始信号特征，无法对原始信号进行还原，对其开展任何后续的数据处理都没有意义;而“业务活动步骤化”、“步骤环节要素化”、“要素数据规格化”就是企业业务领域数字化的“抽样”、“量化”、“编码”三步骤，这三步根据企业业务管理的需要进行精心设计和执行后，相关业务产生的数据才能有效反映企业业务经营的现状。

二、从创新维度看“以数据为中心的业务变革”

在《“以数据为中心的业务变革”之三种范式》中，笔者根据业务使用的数字模型规则不同，以及数据驱动业务方式的不同提出了以“数字看板”、“数字工程”、“大数据和数据智能应用”为代表的“以数据为中心的业务变革”三种范式。

从创新维度看，“以数据为中心的业务变革”是怎样实现持续式创新、效率式创新和开拓式创新的呢?

“数字看板”作为企业管理精益看板方法的数字化表达的， 以步骤定时记录的方式，将步骤执行过程中反映业务活动全过程、全状态信息的数据记录下来，实现业务价值流动可视化;通过显式化业务流程规则并将其数据化、规格化，在业务运行过程中发挥看板对业务的拉动机制，加速用户价值流动，并有效驱动数据更新和状态跳转;通过为各类资源建立状态参数，动态监测资源占用情况，有效暴露资源瓶颈。整个过程以减少库存、加快价值流动为目标，突出体现了效率式创新的特点。

“数字工程”在装备概念研究、立项论证、样机研发、鉴定测试、列装运行、售后服务全生命周期中，将以文档为中心的装备采办流程转变为动态、以数字模型为中心的数字工程生态系统，通过数字模型的建立和运用，以数字孪生理念最大程度确保模型的逼真度。通过数字孪生方式迭代优化后的数字样机，可以帮助设计师在数字环境中快速迭代和优化设计方案，缩短产品研发周期，提高产品竞争力;在数字环境中模拟和测试各种方案，避免现实世界中的高昂成本和潜在风险，以及降低维护成本和延长设备寿命。“数字工程”以数字模型的运用为核心，从根本上革新了装备研发和制造业务;且能够有效缩减装备研发的成本，提高效率，同时体现出开拓式创新和效率式创新的特点。

“大数据和数据智能技术的运用”作为“以数据为中心的业务变革”中最具有魅力的部分，在生成式AI技术大发展的当下，在数字化转型这个大框架中，用于对现有业务模式的逐步优化和改进，可视为持续式创新;用于发现现有业务资源和效率瓶颈，提高效率、降低成本，可视为效率式创新;用于发掘新需求、创造新产品、新市场，就可视为开拓式创新了。

三、数字化转型路上怎样对待新技术、新理念和新思路

企业数字化转型是一项“以数据为中心的业务变革”，也需要持续的高投入和运营优化，是一条艰难而正确的道路。在这个过程中，在面对不断涌现的新技术、新理念和新思路时，企业高层难免会自我质疑。那么企业在数字化转型路上，应当怎样看待类似生成式AI这样的新技术，以及相应的新理念和新思路呢?

1.正确认识开拓式创新、效率式创新和持续式创新的关系

回到本篇开头，在美国AI领域新技术不断涌现的当下，面对国内企业内卷加剧、经营困难的局面，很多专家甚至是数字化专家产生了道路质疑，被新技术、新理念和新思路牵着鼻子走，总结起来就是认为应当摈弃效率式创新和持续式创新主导的企业经营模式，走新技术、新产品领航的开拓式创新之路。对于上述观点，笔者认为且不论数字化转型本身就兼具三类创新;开拓式创新、效率式创新和持续式创新三者都很重要，没有先后高下之分。

读过《繁荣的悖论》一书的读者就会发现，在国家、社会直至单个企业中，开拓式创新、效率式创新和持续式创新在企业经营和发展过程中扮演者不同的角色。开拓式创新为企业开辟新市场、推出新产品提供核心竞争力，效率式创新和持续式创新为企业做大做强站稳市场提供根本方法。20世纪初福特公司推出的T型轿车将汽车从富人的奢侈品变为普通美国家庭买得起的产品，这一开拓式创新推动了福特公司走上巅峰。然而由于在后续的经营中没能在效率式创新和持续式创新方面持续跟进，福特很快输给了后来居上的竞争者通用和克莱斯勒。

2.数字化转型既是企业业务变革的开拓式创新，又是包容和吸纳一切新技术、新理念、新思路，持续发展与改进的企业常态化经营架构。

从以上来看，作为企业数字化转型中“数字化”基础的“业务活动步骤化”、“步骤环节要素化”、“要素数据规格化”属于效率式创新和持续式创新。而作为“狭义”数字化转型的“以数据为中心的业务变革”更多得体现出了开拓式创新的特点。因此，我们之前片面强调数字化转型“降本增效”的作用，其实是不够全面的。

在《“以数据为中心的业务变革”之三种范式》中，提出了以“数字看板”、“数字工程”、“大数据和数据智能应用”为代表的三种范式，实际上是将数字化转型看作吸纳一切新技术、新理念、新思路，持续发展与改进的企业常态化经营架构。随着AI领域技术的进一步发展，“以数据为中心的业务变革”必然会呈现出更加丰富的内容。

坚守初心，保持定力，拥抱创新，这也许是数字化转型应当坚持的道路吧，特书此文与诸君共勉。