开课时间2026年11月10日
城市上海
讲师尹老师
周期1天
费用 ￥4800/人
开课场次
▸2026年11月10日/ 上海
费用说明
- ▸含授课费、证书费、资料费、午餐费、茶点费、会务费、税费
- ▸不包含学员往返培训场地的交通费用、住宿费用、早餐及晚餐
课程背景
如需颁发上海市人工智能技术协会认可证书，需单独支付证书费用RMB 200/张。
课程背景：
过去两年，AI 在企业中的落地大多始于一线员工的“自发探索”——用 ChatGPT 写文案、用豆包辅助客服、用文心生成招聘初筛……这些散点式的尝试确实带来了局部效率提升，却也暴露了深层问题：数据不回流、经验不沉淀、场景不可复制，AI 始终徘徊在核心业务之外。与此同时，纯自上而下的“全公司 AI 化”口号往往脱离一线实际，沦为空洞的 PPT 战略。
企业 AI 落地的真正难题，不是技术选型或 prompt 优化，而是治理模式的选择——如何让顶层战略与一线场景形成咬合，而非各自为政。这需要一号位亲自进场，既要有高屋建瓴的产业视野，也要有脚踏实地的场景感知，在“自上而下定框架”与“自下而上找场景”之间找到动态平衡。
本课程正是基于这一现实困境而设计，旨在帮助一号位及核心决策层建立 AI 落地的正确认知框架、中长期规划路径与可执行治理机制，避免陷入“散点试错”或“空中规划”的两难境地。
课程目标：
看清全貌：跳出“提效工具”的狭隘视角，从产业链重构的高度理解 AI 对您所在行业的真实冲击与机遇。
找准姿势：摒弃“等一线试完再说”或“拍脑袋全盘 AI 化”的极端路径，掌握自上而下与自下而上咬合发力的正确方法。
定好框架：带回一套可落地的企业 AI 顶层设计模板——包含方向、边界、资源、节奏四大核心要素，而非空泛的理念。
激活组织：明确一号位在该进程中的不可替代角色，学会设计组织配套、人才策略与数据底座，让规划不卡在“最后一公里”。
少走弯路：借鉴不同行业的真实演进路径，避免重复踩坑，把宝贵资源投在真正“动了会疼”的核心环节上。
这不是一堂 AI 技术课，而是一堂面向决策者的 AI 战略治理课。
参训对象：
组织的1号位（董事长、总经理、CEO）、AI的落地规划组织者（常务副总、副总、CIO）、IT负责人、HRD等。
授课形式：
知识讲解、案例分析讨论、角色演练、小组讨论、互动交流、游戏感悟、头脑风暴、强调学员参与。
课程大纲
1.过去两年企业 AI 落地的真实画像
- ▸执行层自发用 ChatGPT/豆包/文心提效：文案、代码、客服、招聘初筛
- ▸特征：散点、低成本、无数据沉淀、不可复制、难进核心业务
- ▸结果：效率账算得过来，战略账算不过来
2.自下而上模式的天然边界——它有用，但不够
- ▸自下而上擅长"发现"——一线最清楚痛点在哪
- ▸执行层离问题最近，能快速试出哪些环节用 AI 真省力
- ▸低门槛、低成本、见效快，是 AI 在企业里的"启蒙运动"
- ▸但自下而上有三个绕不开的天花板
- ▸只能碰"边缘场景"，碰不到"核心价值链"
- ▸数据不回流、模型不沉淀，做完就散，无法复用
- ▸部门级 ROI 容易过，企业级 ROI 永远算不清
- ▸结论：自下而上是必要的起点，但不是终点
3.纯自上而下同样行不通——规划不能飘在半空
- ▸常见误区：一号位拍脑袋定"全公司 AI 化"，缺场景、缺数据、缺验证
- ▸顶层规划如果脱离一线实际，会变成"PPT 战略"
- ▸方向宏大但落不了地，部门不知从哪下手
- ▸容易选错场景：选了"好看"的而非"会疼"的
- ▸资源投进去，半年后发现和真实业务两张皮
- ▸结论：没有自下而上滋养的自上而下，是空中楼阁
4.正确的姿势：自上而下定框架 × 自下而上发现场景
- ▸好的 AI 落地，从来不是二选一，而是双轮驱动、相互咬合
- ▸顶层规划做什么——确定方向和框架
- ▸明确 AI 在企业里的战略定位：降本器、增长引擎还是新业务种子
- ▸划定发展边界：哪些数据能进模型、哪些不能，合规红线在哪
- ▸确定资源口径：预算、人才编制、治理结构、优先级排序
- ▸制定节奏：哪一年试、哪一年扩、哪一年重构核心流程
- ▸场景发现做什么——在框架边界内解决实际问题
- ▸执行层继续在一线提效场景中探索和验证
- ▸所有场景提报统一归口，纳入"场景漏斗"评估
- ▸场景不是乱选，而是在顶层划定的战略方向内，找"动了会疼"的核心环节
- ▸验证成功的场景沉淀为可复用资产，失败的场景快速止损
- ▸两者的关系：不是上下级，是"骨架"与"血肉"
- ▸顶层规划是骨架——没有骨架，场景再多也是散沙
- ▸场景发现是血肉——没有血肉，规划再好也是空壳
- ▸骨架先立、血肉填充、边长边调，才是健康的企业 AI 生长方式
5.一号位在这个双轮里的独特角色
- ▸不是去写 Prompt，也不是去选模型，而是做三件事
- ▸定方向：这个企业用 AI 到底要赢什么
- ▸划边界：什么能做、什么不能做、资源给多少
- ▸保对齐：让自下而上的场景发现始终不偏离战略框架
- ▸一号位不进场的代价
- ▸同行用 AI 重做一遍成本结构，你还在优化边角料
- ▸产业链话语权转移：未来 3–5 年，谁握 AI 原生流程，谁定规则
- ▸人才侧：顶级 AI 人才只看"这事是不是老板真推"
6.这一轮 AI 和过往数字化、信息化的本质区别
- ▸不是"流程线上化"，是"能力模型化"
- ▸软件公司→数据公司→模型公司的产业链价值迁移
7.从行业到产业链的三层冲击逻辑
- ▸第一层：企业内部效率层（所有人都在做，红利最快吃完）
- ▸第二层：产品/服务重构层（AI Native 新品、新定价、新交付）
- ▸第三层：产业链位置重构层（渠道、中介、设计、审核类环节被压缩）
8.不同行业的"AI 敏感度地图"（课上用行业分组讨论替代表格）
- ▸高敏感：客服、内容、电商、招聘、翻译、初级法律/财税
- ▸中敏感：制造、零售、物流、金融中后台
- ▸低敏感但会变：重工、医药研发、复杂 B2B 交付
9.一号位要回答自己的三个产业级问题
- ▸我的行业 5 年后"赢家画像"长什么样
- ▸我这个企业在产业链里是被集成、是集成者、还是被绕开
- ▸AI 是让我护城河更深，还是让我护城河暴露
10.规划的时间锚：1 年 / 3 年 / 5 年分层
- ▸1 年看"跑通闭环"：选 1–2 个核心业务场景进生产
- ▸3 年看"能力沉淀"：数据、模型、流程、组织四位一体
- ▸5 年看"商业模式"：是否长出 AI Native 的第二曲线
11.一号位要定的四件事（不是 CIO 定的）
- ▸定方向：AI 在企业里的战略定位（降本器 / 增长引擎 / 新业务种子）
- ▸定边界：哪些数据能进模型、哪些不能，合规红线在哪
- ▸定资源：预算口径（CAPEX vs OPEX）、人才编制、是否设 CDO/CAIO
- ▸定节奏：哪一年试、哪一年扩、哪一年重构
12.规划文档的"最小可行结构"（现场模板）
- ▸战略假设：对行业、对技术、对对手的三条判断
- ▸核心目标：3 年内要看到的业务指标变化（不是 AI 指标）
- ▸关键举措：每年不超过 3 件大事
- ▸治理机制：谁汇报、谁决策、谁叫停
13.自上而下那一轮：一号位亲自做的
- ▸把 AI 写进企业战略，而不只是年度 IT 计划
- ▸选定"董事长直管"或"CEO 兼职 CAIO"的治理结构
- ▸挑那 1–2 个"动了会疼"的核心场景，而不是"动了好看"的边缘场景
14.自下而上那一轮：执行层补的
- ▸执行层提效场景继续跑，但统一归口、统一数据标准
- ▸建立"场景漏斗"：提报 → 评估 → 试点 → 沉淀 → 规模化
- ▸避免"十个部门十个模型、十个知识库"
15.中台的定位要讲清楚
- ▸不是"再建一个 IT 中台"，是"数据+模型+算力"的共享能力
- ▸小步起：从向量库、权限体系、模型网关这三件事先跑
16.和外部的关系
- ▸大模型用谁的、私有化还是 API、自研比例多少——这是战略选择不是技术选择
- ▸和云厂、模型厂、集成商的合作边界要画清，避免被绑死
17.组织侧
- ▸现有业务老大要不要背 AI 指标？要
- ▸是另建 AI 团队还是嵌进业务？前期嵌，后期分
- ▸一号位自己花在 AI 上的时间：建议每周不少于 2 小时复盘核心场景
18.人才侧
- ▸不需要全员懂模型，但需要"业务+AI 素养"的中层
- ▸CAIO/CDO 画像：懂业务 > 懂算法，能跟一号位对话 > 能发论文
- ▸薪酬池要单独留，AI 人才市场价和传统数字化不是一回事
19.数据侧（最容易被低估）
- ▸很多企业 AI 做不起来，根子在数据不在模型
- ▸规划第一年至少有一半精力在数据：盘点、清洗、权限、标注
- ▸客户数据、交易数据、过程数据——哪类能训、哪类只能推理、哪类不能碰
20.跨行业标杆的中长期规划样本（简析，非案例堆砌）
- ▸互联网/SaaS 类：AI 从功能嵌入 → 定价重构 → 新产品线
- ▸制造/供应链类：研发辅助 + 预测维护 + 排产优化，慢但稳
- ▸零售/消费类：客服+营销+选品，快但容易同质化
- ▸专业服务类（律所/咨询/财税）：知识库 + 初审，人是放大器不是被替代
讲师介绍：尹老师
讲师介绍：尹老师
- ▸中智国培人工智能首席讲师
- ▸清华大学社会科学院客座研究员
- ▸上海人工智能研究院专家讲师
- ▸上海交大宁波人工智能研究院特聘专家
- ▸上海市元宇宙产业发展专家咨询委员会专家
- ▸上海人工智能技术协会专家委专家
- ▸未来创意实验室副主任
- ▸临港产业大学客座教授
- ▸原商汤科技智能产业研究院首席架构师
- ▸Oracle Master企业架构师
- ▸原惠普企业服务新形态IT首席架构师
- ▸尹老师是人工智能首席专家/讲师/顾问、中智国培人工智能方向首席讲师，清华大学社会科学院客座研究员，未来创意实验室副主任，上海交大宁波人工智能研究院专家讲师，上海人工智能研究院专家讲师，上海人工智能技术协会专家委专家，贵州大数据专家委员会委员，临港产业大学客座教授。尹老师曾任商汤科技智能产业研究院首席架构师，德勤Oracle CX首席架构师，惠普企业新形态IT首席架构师，Oracle Master企业架构师。尹老师专注在人工智能战略和架构规划、AI+ 产业规划及落地，数字化客户体验， 以及AI及大数据驱动的新形态ICT架构规划和咨询落地，有超过20年在中国大陆和荷兰的职业经验。先后服务过世界顶级的通讯和网络设备及方案商，世界顶级的咨询和审计服务公司和企业软件公司。
- ▸主讲课程类型及具体课程：
- ▸《AI大模型和智能体的核心逻辑、应用和落地》
- ▸《AI大模型和智能体时代的智慧金融》
- ▸《智能体应用场景的落地要素、架构和路径》
- ▸《人人都能理解和实操的智能体应用》
- ▸《人工智能时代地天空产业：低空经济》
- ▸《生成式AI大模型时代的财税领域AI赋能：范式和应用》
- ▸《深入浅出数字化战略和企业架构：框架和应用》
- ▸《数字新基建：智能计算中心承载的人工智能模型和应用》
- ▸《人工智能大模型时代的人力资源赋能：应用和实践》
- ▸《人工智能和AI大模型落地工作坊：从业务分析到技术架构落地设计》
- ▸《AI大模型时代的算法思维和实践运用》
- ▸《人工智能和人工智能+ 产业链》
- ▸《人工智能时代的企业大数据技术和架构》
- ▸《深入浅出人工智能时代的数字化战略和企业架构：框架和应用》
- ▸尹老师的课程深入浅出，视野宏大，案例研究丰富，分析精彩，讲解幽默风趣，用企业和政府的语言，把抽象的人工智能和元宇宙理论知识与产业转化、政府数字化变革融会贯通，讲得通俗易懂，看得见，摸得着，用得上，深受好评。
- ▸尹老师的讲课自我要求：“不讲正确的废话”，“所有听众都要听得懂”，“内容原创”，“不仅讲“What”，更讲“Why”和“How””。
- ▸院校，科研机构：
- ▸复旦大学、清华大学经管学院、上海交通大学、上海人工智能研究院、上海理工大学、上海体育学院、中国传媒大学、同济大学、武汉大学、浙江大学、齐鲁工大、深圳大学、哈工大深圳、南昌大学、福耀科技大学、上海开放大学等。
- ▸政企集团：
- ▸招商蛇口、华润地产、中国金茂、五矿地产、祈福集团、国泰君安、招商证券、东吴证券、东兴证券、国信证券、上海国际资管、北汽集团、上汽集团、上汽大通、赛力斯、南京长安、民生物流、本特勒、东华汽车、一汽车集团、广汽集团、东风汽车、延锋汽车、日立电梯、美的集团、无锡先导、亨通光电、苏州澳冠、巨石集团、软通动力集团、湖畔创研中心、广东机场集团、广东地铁、中国电信、中国移动、中国联通华盛、联通小沃科技、中国通信服务、安徽铁塔、中国银联、中国银行、中国建设银行、中国工商银行、江苏银行、国家金融监管总局广西监管局、兴业银行、南洋商业银行、中核集团、航天科技、中国航发、交通银行、中国工商银行、北京银行、平安银行、平安租赁、平安一账通、平安财险、太平洋财险、建设银行、中金科技、国家电网、华电集团、中电建、国电投、阿里云创新中心、华为云、临港集团、商飞集团、华润医商、中兴科技、嘉楠科技、虎彩集团、银泰百货、农夫山泉、三棵树、天津天士力集团、深农集团、云南中烟、上海烟草、上海铁路局、上海电力、中国南水北调集团、河南能源集团、神华集团、平安集团、中国国航、东方航空数字科技、南方航空、新华三、中石油、中海油、海隆石油、安东石油、江西铜业、四川省自然资源投资集团、中交路桥建、核电工程华东院、中广核、成都新经济局、江西省政府、扬州市政府、合肥市政府、中南建筑设计院、银川市政府、云南市政府、广西南宁市政府、深圳交管局、上海市经信局、成都金牛区、武汉洪山区、嘉兴市政府、遵义市政府、常州西太湖产业园区、江苏南通如东政府、南京大数据局等。
想把这个课开进你们公司？
顾问会按你的行业与痛点给匹配方案与报价区间。