头图：AI生成
作者：虎嗅智库
当下，企业谈AI落地，关注的已经不再是“要不要用”，而是如何真正用起来，并且产生价值。
一种常见的情况是“技术先行”，企业投入大量资源研究模型和工具，演示效果很惊艳，却迟迟进不了核心业务。另一种情况是“浅层改造”，各部门各自采购AI工具，在原有流程上不断叠加功能，投入不少，产出却并不明显。
对企业经营者来说，真正需要回答的，是几个更具体的问题：AI应该从哪里开始落地？怎样把AI能力变成客户愿意付费的结果？又怎样把一次性的效率提升，变成能够持续兑现的经营成果？
合思创始人兼CEO马春荃提供了一份相对少见的样本。他不是站在技术或管理的外围讨论AI，而是作为企业经营的决策者，亲自下场推动一场AI转型。从业务场景选择、产品设计、商业模式调整，到交付体系、组织分工和风险管理，他都亲自参与其中。在转型过程中的判断、困惑、试错和踩过的坑，也成为他新书《CEO AI挖矿指南》的重要内容。
这份罕见的来自企业一把手的一手AI转型实践，首先呈现了一个很现实的问题，产品能用，不等于客户愿意买单。
2025年5月，合思推出财务+AI产品，技术上已经能够使用，但直到9月，却只卖出3单。问题并不完全出在产品能力上，而在于客户若要使用AI智能审核，就需要先购买合思的费控系统。
对于不少潜在客户来说，系统切换成本太高，最终放弃了尝试。后来，合思把AI能力从费控系统中解耦出来，调整收费方式，尝试按审核结果收费，让客户根据实际使用量付费。商业模式一变，客户的接受度也随之发生变化，首期合同金额达到20余万元。这个过程说明，AI产品的价值不只取决于技术能力，还取决于企业能不能找到客户愿意付费的方式。
但收费方式改变，并不意味着利润自然就会到来。企业还要找到真正有价值的业务场景，把客户的隐性规则转化为AI可以执行的能力，让交付经验沉淀和复用，并重新设计人与AI的分工。
马春荃将这套实践概括为“找矿、采矿、炼矿、分矿”，试图回答如何发现业务价值、形成AI能力、把控成本，并让创造出来的价值真正转化为经营成果。
当然，比产品和商业模式调整更难的，是组织转型。AI能力变化很快，组织也不能只靠一张事先设计好的蓝图。马春荃提出“不做端到端的规划”：先从具体问题入手，快速尝试，发现不合适就调整，再把新的AI能力不断融入组织。此外，他也认为“有时，消灭比改善更有效”。管理者往往习惯于优化现有流程，比如让一个环节提效5%；但有时，更有效的办法是重新审视这个环节是否还有存在的必要，直接把它拿掉。
转型的阵痛不仅来自AI本身的不确定性，也来自人的路径依赖和行动惯性。马春荃坚信，团队的指挥官需要站在队伍最前线，树立标杆，走到客户现场，给团队试错和容错的空间也很重要。他在合思内部探索Harness独立小组、深度现场部等组织形态，思考如何让真正懂业务、能推动变化的人发挥作用。
与此同时，他也在重新审视AI时代人的价值，面对复杂情境时的灰度判断与弹性，人与人之间的情感连接，以及抽象建模、看清问题本质的能力。技术可以不断进步，但这些能力仍然决定着企业如何理解问题、作出判断，以及让人与AI更好地协作。
马春荃也坦言，自己对AI落地的认识，是被一个个具体问题推动着逐渐形成的。因此，合思的实践并不是一套已经定型、可以直接复制到所有企业的方法论，而是一家企业在真实业务中摸索出来的阶段性答案，有已经发生的业务结果，也有仍在探索、需要继续验证的判断。合思这个AI转型案例的价值不在于提供一个正确答案，而在于呈现一个企业CEO如何亲自走进业务现场，寻找AI的价值、验证商业模式，并推动组织随之改变。
AI技术仍在快速变化，但企业经营始终要回答一些朴素的问题：价值在哪里，谁来创造价值，客户为什么愿意付费，创造出来的价值又如何持续留下来？
带着这些问题，虎嗅智库与马春荃展开了一场深入对话，以下是这场对话的摘要整理，enjoy！
图：AI转型中，CEO 最关心的五大模块
01
Q1：为什么合思要这么坚决地做AI转型？作为CEO，你最初是怎么判断这件事的？
马春荃：我们做AI转型，不是因为觉得AI是个风口，而是有一种“逃亡和求生”的感觉。
生成式AI出来以后，过去很多软件赖以存在的东西正在发生变化。传统管理软件大体上有两类能力，一类是表单加流程，一类是分析和算法。但表单、流程，本质上是建立在原来的分工协作方式之上的。
AI来了以后，分工协作本身会变，很多显性的表单和流程可能会调整、萎缩，甚至塌缩。什么时候塌缩、哪些流程还会留下来，现在没有准确答案。但我觉得，它们会越来越底层化，像地下管网一样，最后只剩必要的主动脉，其他东西可能就不需要了。
所以，企业不能只是在原来的产品上增加几个AI功能，而是要重新思考业务、产品和组织。身后的传统业务像冰川一样在坍塌，你必须跑得更快。
Q2：企业应该如何找到适合AI落地的场景？合思为什么把第一座“矿”选在财务审核？
马春荃：我们不是先有一个AI技术，再到处找场景，而是要先找矿。
判断一个场景值不值得做，核心要看两个维度，一个是规模够不够大，一个是AI的可替代性够不够强。规模大、AI又容易替代的，就是应该优先挖的“金矿”；规模小、又不容易替代的，就不应该一开始投入太多。
图：合思找AI落地场景的四象限法则：可替代性 × 可规模化
此外，还要看数据是不是比较完备，规则是不是相对清晰，结果是不是容易衡量。三项条件缺一项，场景质量都会下降。
我们最早选择财务费控审核，就是因为它比较符合这些条件。发票、消费记录、审批流已经形成了一定的数字化链路，财务制度和合规要求也给AI提供了比较明确的判断边界，而且费用报销是企业里的高频场景。
我们希望AI不是只帮你识别一张发票，而是能够承担完整的审核任务，把信息提取、规则校验、风险判断和结论输出连起来。
02
Q3：合思的AI产品早期效果不错，为什么还是“叫好不叫座”？这让你意识到了什么？
马春荃：去年4月新品发布以后，产品已经可以让客户上手使用，我们也沉淀了很多真实业务场景、规则和Skill，但从2025年5月到9月，实际只卖出去3单。
当时我们还是按传统软件的方式报价，20-40万都有。客户谈下来，可能就只愿意出数万元，还会拿OA厂商的价格来比较。
这件事让我意识到，产品做得好，不代表客户就愿意按原来的方式付钱。我们觉得自己提供的是很强的AI能力，但客户不一定愿意为模型、技术或者一套软件买单。
客户真正关心的是，这件事到底能帮我做成什么，能省多少钱。
所以，不能只想着把产品做好，还得重新想清楚怎么收费。AI带来的不只是功能变化，也要求我们重新思考价值应该怎么表达。
Q4：后来为什么改成按审核单收费？“AI马力”这个概念是怎么来的？
马春荃：我打个比方，瓦特当年卖蒸汽机，不是只卖机器，而是把“马力”这个客户能感知的价值单位卖了出去。
到了AI时代，也一样。不要卖API、Token或者模型参数，要卖客户能感知的业务结果。客户要的是“马力”，不是“引擎”。我们卖的不是AI，是结果。
合思是把智能审核的价格锚定在每单10元。这个价格不是凭空想出来的，市场上本来就有参照：一些人工审核或外包审核，每单大概15到20元；企业共享财务中心，也会核算每单审核成本。我们大致把价格放在人工作业成本的一半左右，让客户能够理解它的经济性。
从2025年10月中旬调整报价，到12月底，大约卖了70余...
