在AI热潮席卷全球的今天，许多企业陷入了一个怪圈：试点项目（Pilot）遍地开花，一旦试图扩展（Scale）到全公司，却发现寸步难行。
埃森哲欧洲、中东与非洲区CEO Mauro Macchi一针见血地指出：“AI试点通常能迅速成功，但真正的挑战在于扩展。若想让AI带来真正的附加价值，必须对公司进行全方位重塑。”
AI不仅仅是技术的升级，更是对商业模式的重构。如果只把AI当作插件（Add-on），它永远无法带来质变。
今天，我们通过美妆、能源、供应链三个行业的头部案例，揭示企业在AI扩展期必须跨越的三座大山：碎片化数据、流程重构与实体交互。
行业痛点：美妆行业面临严重的“美妆疲劳”。仅在英国，每年就有价值超10亿英镑的产品因不适合消费者而被浪费。
AI破局：欧莱雅投资的初创公司Noli，并没有急于套用通用大模型，而是先解决数据问题。 美妆数据极度碎片化：科研配方、面部扫描、用户行为、感官属性……格式千差万别。
Noli的打法是构建“美容知识图谱”：
结构化清洗：将一百万份面部扫描数据与科研数据打通。
防幻觉机制：验证AI输出，确保推荐科学可信。
持续学习闭环：每一次购买和退货都在训练系统。
成效：转化率翻了4倍，5个月内复购客户翻倍。
💡 洞察：企业的护城河不是模型本身，而是高质量、结构化的专有数据。没有知识图谱做底座，AI只能是产生幻觉的聊天机器人。
行业痛点：作为拥有2.5万名员工的能源巨头，Repsol发现：仅仅靠Copilot提升员工个人效率，很难在财报的损益表上体现出显著价值。
AI破局：Repsol将目光投向了“流程重塑”，并部署了多智能体系统（Multi-Agent Systems）：
角色分工：系统中包含“编排器”、“规划器”以及具备特定技能（如推理、执行）的专用智能体。
人机协作：100多名员工已在混合环境中与这些智能体并肩工作。
认知基础设施：建立经验池，让AI从失败中学习。
Repsol首席信息官Juanma García强调：“AI绝非即插即用。唯有彻底重新设计流程，才能获得显著附加价值。”
💡 洞察：不要满足于“辅助工具”。AI真正的金矿在于接管复杂的业务流程。将大任务拆解，交给协作的智能体团队，是未来的工作方式。
行业痛点：地缘政治和供应链断裂要求仓库必须具备极高的韧性。传统的刚性自动化架构已无法适应。
AI破局：供应链专家Kion选择在虚拟世界中“练兵”。
数字孪生：利用Nvidia Omniverse蓝图，将实体配送中心1:1复刻到数字世界。
大规模模拟：在数字环境中测试AMR（自主移动机器人）集群，提前测算吞吐量和利用率。
反向指导：用模拟出的最优解，去指导现实世界的物理操作。
Kion CEO Rob Smith同时也呼吁：“先允许创新，再谈监管。”相比欧美，更宽松的监管环境是推动AI落地的关键。
💡 洞察：对于涉及物理实体的行业，“模拟优先（Simulation First）”是降低成本及风险的最佳路径。数字孪生是实体AI落地的必经之路。
Mauro Macchi的建议值得所有管理者深思：AI落地应从需要解决的问题出发，而不是技术。
Noli解决了“选不对产品”的问题；
Repsol解决了“流程效率低下”的问题；
Kion解决了“供应链缺乏韧性”的问题。
AI转型的成功，不在于你用了多先进的模型，而在于你是否有勇气为了适配AI，去推翻旧有的流程、治理结构甚至商业模式。
这是一场伤筋动骨的重塑，但也是通往未来的唯一门票。
原文：当扩展AI意味着基础性改革
要实现AI转型，往往必须对整个公司进行重新设计。
图源：Credit: Screenshot L'Oréal, Repsol, KION
埃森哲欧洲、中东与非洲区首席执行官Mauro Macchi（毛罗·马基）表示，AI试点项目通常能迅速且成功地落地，但真正的挑战在于将解决方案扩展到整个企业。若想让AI带来真正的附加价值，通常需要对公司进行全方位重塑，包括流程、系统、技能与工作方式。
Macchi（马基）补充说，AI落地应从需要解决的问题出发，而不是技术。下文是来自伦敦美妆初创公司Noli、西班牙能源企业Repsol以及供应链专家Kion（凯傲）的使用案例，展示了企业在数据、流程或监管等方面可能遇到的多元挑战。
一、用AI对抗“美妆疲劳”
由欧莱雅集团投资的个性化美妆平台Noli，利用人工智能和应用程序帮助重新定义美容行业，以应对日益严重的皮肤焦虑和美容疲劳问题。
其目标是终结消费者因美容产品过多而感到压力的情况——仅在英国，每年就有价值超10亿英镑（约13.5亿美元）的产品因达不到预期效果而被浪费。
为此，Noli打造了一款垂直领域的美妆专家AI，该AI基于一个强大、多层的架构，涵盖科学研究和多模态消费者信号，其中还包括一百万份匿名面部扫描数据点。
Noli最大的挑战并非AI本身，而是数据。美妆数据极度碎片化：科研数据、配方信息、面部扫描洞察、用户行为、感官属性等，都有不同的来源，格式也各不相同。
这一复杂混合体必须被转化为结构化、可信赖且可扩展的数据。因此，Noli开发了专有的美容知识图谱，该图谱对原始数据进行结构化，验证输出以防止幻觉，并实时将产品与真实需求精准匹配。
Noli的名字源自“No one like I（独一无二的我）”，也是其使命宣言。用户可通过问卷、专家面部扫描或联系Noli直接确定自己的个人“美妆DNA档案”。
随后，公司为值得信赖的、科学合理的美容品牌创建个性化推荐。为了实现这一点，Noli采用持续学习循环：每一次匹配、评价、购买或退货都会改进系统。
转化率似乎印证了这一模式的成功。Noli联合创始人兼首席执行官Amos Susskind（阿莫斯·萨斯金德）表示，网站访客的购买概率提升近4倍，客单价也高于平常；5个月内，复购客户数量翻倍。
二、多能源方法应用于AI
Repsol的AI之路截然不同。这家拥有2.5万名员工的多能源跨国集团早在2018年就将生成式AI纳入整体数字化转型。
该战略包括三个主要领域：提升个人生产力、优化当前流程以及被视为重新设计、重塑项目和流程关键的“金矿”项目。
为实现上述目标，Repsol部署了多智能体系统：让具备知识、规划、推理、协调、执行等技能的专用智能体协同作业并共享长短期记忆。系统由“编排器”统一接收需求，自动匹配最合适的“规划器”，后者再从已上线的专用智能体目录中挑选“人手”。目前，100多名员工已与这些智能体在混合环境中并肩工作。
除数据质量外，首席信息官Juanma García（胡安马·加西亚）面临的关键挑战是让高管们意识到：AI绝非“即插即用”的标准技术，失败是常态，必须把认知基础设施纳入经验池。
另一个持续的优先事项是变更管理——帮用户适应AI驱动的新工作方式。Repsol定义了具有范围边界的专用任务智能体，而不是涵盖太多内容的复杂智能体。
Repsol建议其他公司先通过明确的策略来获取AI投资的价值。靠Copilot提升个人效率很难在损益表上直接体现，唯有彻底重新设计流程才能获得显著附加价值。
三、用实体AI打造新供应链
作为供应链解决方案提供商，Kion旨在将实体AI带入仓储和配送市场。由于地缘政治紧张局势和连锁中断对全球供应链造成了巨大压力，Kion不得不重新思考其仓库自动化的策略。目标是用灵活、可自适应的智能方案取代僵化的刚性架构，使仓库更加实时化和具备韧性。
为此，Kion使用了Nvidia（英伟达）的Omniverse蓝图，名为“Mega”，在数字孪生中大规模开发、测试并优化实体AI与机器人集群。为了快速将物理位置转换到数字系统中，Kion使用扫描仪捕获配送中心或分发中心，并将数据输入到Omniverse蓝图中。随后，所有AMR、AGV和机器人的副本都被集成到数字系统中。
数字孪生可无限次模拟各种场景，提前测算吞吐量、利用率等运营KPI，再反向指导实体仓库采取最佳步骤。
尽管Kion的首席执行官Rob Smith（罗布·史密斯）自认技术储备充足，但欧盟的监管环境让他头疼——“先监管、再创新”的主张抑制了创新。相比之下，北美与中国采纳AI的节奏显著更快。因此他呼吁：先允许创新，再谈监管。
作者：Jürgen Hill（尤尔根·希尔）
译者：木青 编审：@lex
