AI向实——TCL的AI应用及组织与人才策略思考 | AI·学习官

TCL创立于1981年，从一家生产磁带的中外合资小工厂起步，逐步成长为全球化科技产业集团。变革和创新始终是这家企业的发展基因：20世纪90年代末建立现代企业制度；2004年通过海外并购开始打造国际化经营能力，逐步拓展海外市场；2011年启动产业转型，进入产业链上游的高科技制造领域；此后，TCL实业和TCL科技又完成了一次重大的资产重组。每一次变革都推动TCL迈向新的发展阶段，而当前这一轮变革，则以全球领先战略和创新驱动为主线，也为拥抱AI时代奠定了基础。 

目前，TCL的业务架构围绕TCL科技和TCL实业两大主体展开。TCL科技聚焦半导体显示、新能源光伏、半导体材料等高科技产业，TCL实业则涵盖智能终端及其他服务业务。如今，TCL在全球拥有16万多名员工，设立47个研发中心和39个制造基地，业务覆盖160多个国家和地区，累计直接服务用户超过13亿。2025年，TCL整体营收突破3547.5亿元。这些数字背后不仅体现了TCL从传统制造企业向科技驱动企业转型的发展成果，也成为全面拥抱AI时代的重要基础。

AI正在从技术热点快速演变为企业必须面对的经营命题。对TCL而言，这意味着AI不再停留于实验室探索，而是要深入研发、制造、供应链、营销、品质等核心业务环节。

但在推进过程中，AI应用普遍面临三大挑战：投资回报不够清晰、试点难以规模化、探索项目失败率较高。要让AI真正进入主流程、主战场、主价值链，持续创造经营价值，企业必须回答三个核心问题：AI应用的优先级如何确定？组织是否具备承接AI的能力？人才和流程是否已经准备就绪？

TCL从2016年开始在智能终端产品中引入AI应用，例如精准推荐、品质增强、场景识别、语音助手等；2019年起，又陆续将AI应用拓展至硅片拉晶工艺改善、OLED打印设备软件重构等研发和工业制造领域，并取得了一定成效。TCL董事长李东生说：“制造企业要推动人工智能从技术突破走向产业应用，从单点创新走向生态协同”。

面对AI带来的变革，TCL提出了“AI向实（AI for Real）”的发展理念，希望推动AI从技术探索走向价值落地，让AI真正进入业务主流程、主战场和主价值链。围绕这一理念，TCL进一步明确了AI发展的方向：以AI提升B端业务效率；以AI重塑C端产品体验。

围绕"AI向实"，TCL持续推动AI在研发设计、生产制造、供应链管理和产品创新等核心场景落地，并形成了三个面向不同业务领域的自研大模型。

在半导体显示产业，TCL华星打造了自有垂域大模型——星智（X-Intelligence）大模型，应用于产品开发、质量管控、工艺优化等环节，仅去年就在这一领域创造了约6亿元的AI综合效益。在智能终端领域，伏羲（Fuxil）大模型已应用于全屋智能场景，实现洗护、空调、电视等产品的智能交互；在新能源光伏和半导体材料领域，TCL中环依托深蓝（Deep Blue）大模型优化材料配方和生产工艺，持续提升研发效率。近三年，TCL各类AI应用累计创造约25亿元综合经济效益，目前拥有约500名"数字智能员工"，AI已渗透超过三成业务流程，上线智能体和工具超过1万个。

其中，智能算柜方案是最具代表性的实践之一。该方案打通了SAP、PLM等七大核心业务系统，将原本约30分钟的货柜规划时间缩短至30秒以内，效率提升约5900%，货柜装载率提升1.5%。仅2025年，就为企业创造约1400万元收益，并减少762吨二氧化碳排放，入选2026年世界经济论坛"AI应用之星"，成为全球供应链韧性标杆案例。

基于这些实践，TCL总结出了AI落地过程中四个典型误区：

• 第一，把AI当作单纯的技术工具，而非组织变革；

• 第二，停留在局部试点，缺乏系统协同，难以规模化复制；

• 第三，重技术、轻人才和流程，导致技术与业务脱节；

• 第四，将AI视为IT项目，业务部门和管理层参与不足，最终偏离真实业务需求。

企业要让AI真正创造价值就必须围绕战略、组织、人才和规模化落地进行系统设计。

技术只是工具，真正决定AI能够走多远的是使用工具的人，以及承载他们的组织。当前，不少企业在AI投入上出现了一种结构性的"倒挂"：投入大量资金采购AI工具和算力，却因为员工不会用、不愿用，难以真正转化为经营价值。

麦肯锡提出的"1∶5法则"对此给出了重要警示：AI转型是一项系统工程，组织和人才的准备程度才是决定转型成败的关键。公开数据和TCL自身的实践也表明，95%的企业AI投资未达到预期回报，多数项目停留在试点阶段，失败率甚至高于传统IT项目。究其原因，主要集中在三个方面：

• 第一，数据和流程治理薄弱，业务之间形成数据孤岛；

• 第二，缺少既懂AI又懂业务的复合型人才，技术与业务脱节；

• 第三，低估组织变革的复杂性，部门协同不足，组织惯性较强。

因此，AI项目表面上卡在技术，根源却在组织、流程、数据和人才。

AI带来的真正变化，并不仅仅是多了一项新技术，而是企业分工、协同和决策方式的重构。标准化工作不断交由AI承担，岗位边界逐渐被打破；大量重复协调由算法完成，决策效率持续提升，组织也随之向更加敏捷、扁平、网络化的方向演进。人的价值，则越来越集中于创造性工作。

基于这些观察，TCL认为，技术只是起点，组织才是真正的主战场。BCG研究显示，AI价值实现约70%来自组织和流程变革，20%来自数据和基础设施，算法和模型本身仅占10%。因此，真正有价值的人才，不只是懂AI技术的人，更是那些能够理解业务、沉淀经验，并将业务知识转化为AI能够理解和执行规则的人。

随着AI深入业务，组织形态正逐步从传统的金字塔式分工走向“架构师+超级个体+AI执行”的三层结构：顶层的架构师负责设计系统和规则；基层由AI承担标准化、重复性工作；中间层的“超级个体”则负责复杂判断、校准和跨部门协同。

因此，与其讨论哪些岗位会消失，不如关注哪些任务会被AI接管。真正受到冲击的并非岗位本身，而是其中标准化、重复性高、判断含量低的工作；复杂决策、系统设计、跨部门协同等高价值工作则会进一步凸显。产品经理、业务架构师、HRBP等需要持续输出解决方案的岗位，也将拥有更大的价值空间。

人才标准也将随之调整。学历和经验依然重要，但已不能再成为最重要、甚至唯一的评价依据。相比专业是否完全对口，企业将更加重视系统思维、批判性思维、逻辑迁移能力、持续学习能力以及原创创造力等底层能力，因为真正拉开人与人差距的，正是这些AI难以替代的能力。

AI人才不是课堂里培养出来的，而是在真实业务场景中“逼出来、练出来”的。TCL首先识别那些有内驱力、愿意主动尝试AI的员工；再将培养对象划分为四类关键人群实施分层培养：“旗手”对应高层管理者，“先锋”对应业务主管，“火种”对应业务骨干，“全员”则聚焦AI工具的基础普及。并始终围绕真实业务项目开展实践，让大家切身感受到AI确实能够提升效率、创造价值，从而激发员工愿意学、愿意用、持续用的内在动力。

AI时代，管理者需要重新锚定自己的价值。

过去，管理者更多承担监督、协调和控制的职责；今天，这些标准化、规则化的管理工作正逐渐由AI承担。管理者的角色也因此从“监工”转向“设计师”或“赋能者”。

因此，管理者需要把更多精力投入到组织设计和机制建设中，包括建立更加清晰的价值评价体系、更灵活的协作流程和更加公平有效的激励机制，减少组织内部的内耗，让普通人借助AI创造出不普通的成果，让团队整体产出实现指数级提升。同时，还要重新划分人与AI的职责边界：重复性、规则化、高算力的工作交给AI，创造性、情感沟通和复杂决策仍然由人承担，实现整体效能最大化。

最后，评价标准也将随之改变。未来，不论是人还是AI，最终都应以是否真正解决问题、创造用户价值、实现业务结果作为评价标准。 

领导力同样需要实现升级。

在心智层面，管理者要主动接纳AI带来的不确定性，从"我知道答案"转向"我能够找到答案"，保持终身学习的空杯心态；在行动层面，更加聚焦战略方向判断、资源整合和风险把控，把具体执行充分授权给团队以及AI；在情感层面则更加关注团队状态、人才成长和组织连接，持续激发团队的内驱力和创造力，因为这些始终是机器无法替代的能力。

AI时代领导力不是被削弱，而是被放大。领导者需要完成从经验管理向愿景引领的转变。

真正决定AI能否落地的既不是高管也不是全体员工，而是中间那部分既懂业务、又懂流程、又愿意尝试AI的人。企业管理者和HR需要为这部分人创造更加开放、更有试错空间的成长土壤，使其成为AI落地的重要推动者。

实践证明，AI应用最有效的推动方式不是喊口号，而是业务主管，尤其是一把手亲自参与实践，带头学习AI、开发Agent，通过示范效应推动AI真正进入业务。与此同时，大型企业不能只追求速度，更需要建立数据安全、知识产权保护和风险治理等制度保障，确保创新始终在可控范围内推进。

AI也正在改变企业的人力成本结构。

过去，人才成本往往随着人数增加而线性增长，边际效率却不断下降；未来，企业需要更加敢于投资少数超级个体，同时持续投入AI平台和数据治理能力。当精锐人才、AI算力和数据资产能够持续复用时，企业规模越大，边际成本反而可能持续下降。

当越来越多的工作由人和AI共同完成，如何衡量个人贡献也成为新的管理课题。评价重点将逐步从关注工作过程转向关注最终结果，以及个人能够沉淀下来、持续赋能整个组织的价值。

AI时代组织的演进可以从两个维度理解：横轴是AI从单点工具引入走向组织逻辑的系统嵌入，纵轴代表组织从适配现有架构的适应性调整，走向深入业务底层逻辑的生成性变革。

基于这两个维度，企业大致会经历四种组织形态，可以对应四个象限：只进行单点工具替代、组织形态变化有限的“效率补丁”；流程被AI重塑，但仍保留原有科层结构的“智能流水线”；借助AI充分放大个体能力、推动组织平台化发展的“超级个体”；以及最终构建人机协同网络、组织边界逐渐融化的“涌现生态”。

多数中国企业当前仍处于从“效率补丁”迈向“智能流水线”的发展阶段，并逐步向“涌现生态”演进。真正具有挑战性的跃迁在于从适应性调整迈向生成性变革。这不仅意味着技术升级，更意味着组织底层心智、管理方式和权力结构的重构，也是整个AI转型过程中最难跨越的一步。

 
组织与人才转型也对人力资源提出了前所未有的新要求。HR不能再停留于传统职能工作的定位，而需要真正成为业务战略伙伴，同时具备战略思维、技术理解和数据能力，成长为组织的设计者和建设者。这也是未来HR需要持续发展的三个角色方向——人力战略家、人力科学家和人力技术专家。

对于人力资源从业者有几点具体建议。

首先，率先成为AI的使用者和实践者，通过亲身实践和示范应用消除组织和员工对AI的疑虑，成为组织里的“AI灯塔”；

其次，要转变思维方式，从事务执行走向战略思考，主动参与甚至引领组织在AI时代的变革与设计。

同时，要持续挖掘新型人才价值，推动组织效能不断提升，真正成为业务发展的赋能者，实现HR自身价值的升级。

作为组织变革的重要推动者，还需要与业务部门共同重构组织架构和协作模式，打通AI应用过程中技术、人才与文化之间的壁垒，推动组织从个体应用提效迈向整体效能跃迁。

最后，要持续学习AI工具及其背后的底层思维。这不仅是适应未来工作的基本要求，也是人力资源在智能化时代保持专业竞争力的重要基础——用AI重塑组织也重塑自己，而不是等待被AI改变。

*****

方向已显，路径待明。对于TCL而言，“AI向实”仍是一场持续推进的实践；对于更多企业来说，真正需要回答的问题，也不是部署多少AI工具，而是如何让AI真正融入主流程、沉淀为组织能力，并持续创造业务价值。这或许正是TCL"AI向实"希望回答的核心命题。