一、找矿：识别高价值AI场景
找矿核心是找准值得投入AI的业务场景。书中借鉴电气化时代的两类创新：电灯式延展创新、电报式跨越式创新，同时用“可替代性×可规模化”四象限划分场景：核心金矿（规模大、易替代，优先开采）、局部银矿、零散铜矿、无价值废矿（果断放弃）。
具备落地价值的AI场景要满足三个条件：拥有业务数据、业务规则清晰、业务规模足够。很多AI项目失败，不只是技术短板，更是经济账不划算。企业应当聚焦朴实的业务脏活累活，而非追求炫酷演示效果。
二、采矿：重构AI时代商业模式
采矿解决产品价值交付与付费问题，企业客户购买的从软件使用权转向业务结果，商业模式由传统SaaS向RaaS结果即服务转型。
书中提出“AI马力”定价逻辑，效仿瓦特售卖“马力”而非蒸汽机，不售卖API、Token等底层技术，对标人工成本，按照实际业务结果计价，例如按审核单据数量收费。客户不关心模型消耗，只关心任务完成质量、人力节约成效，甚至可采用按结果付费、不达预期不收费的模式，倒逼供应商承担质量管理责任。
三、炼矿：重塑组织与生产关系
炼矿的本质是生产关系变革。AI承接标准化重复劳动后，人不再被工具化，转型为决策者、分析者。现实中常出现一线懂操作不懂全局、管理层懂流程不了解现场的矛盾，造成AI流程落地受阻。
有三件事AI无法替代：灰度判断，处理复杂模糊场景；情感连接，完成信任、谈判等人际工作；抽象建模，把业务转化为可计算结构。企业管理者要把组织目标从“管人”转向放大人的独特价值，合思也搭建专门团队，协助客户完成面向AI的组织分工调整。
四、分矿：设计适配AI的激励机制
分矿重点不是简单分钱，而是重构价值核算与激励体系。AI接管基础执行工作后，人的价值不再看工作量多少，而在于引导系统产出正确结果。若沿用打卡、计件的工业时代考核方式，会打击AI创新者的积极性。
组织要走向分型、分权、分享：拆分出可独立核算的小型业务单元；把决策权交给一线现场人员；团队共享增量经营收益，共担经营风险。释放人力去完成AI做不到的创造性工作，依靠机制把整体价值蛋糕做大。
五、驾驭AI：筑牢风险安全底线
驾驭AI贯穿转型全流程，要把AI视作能力放大器，而非责任转移器，遵循四项原则：明确人机分工边界；关键输出人工复核校验；决策全程留痕可审计、可追溯；准备人工兜底的降级备用方案，应对AI故障中断，保障业务稳定运行。
总而言之，企业AI转型不是单纯技术升级，是从场景选择、商业模式、组织架构、激励制度到风险管控的完整体系变革，最终实现AI能力向企业实际利润转化。