两会之后，“新质生产力”成为了各行各业的热门话题，笔者之前写过一篇关于“新质生产力”的文章，称其为本轮数字化转型的终点，阅读量还挺好的，说明大家对此确实抱有很大热情，相信很多企业也在探索如何将这一理念运用到企业的经营管理中，迎接企业的“时代性升级”。本文准备分两个部分，粗浅地聊聊“新质生产力”落地与数字化转型这个方向性话题。谈运用当然离不开正确地认识，所以得先认识“新质生产力”，以下是对“新质生产力”的标准解释：新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态。它由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生，以劳动者、劳动资料、劳动对象及其优化组合的跃升为基本内涵，以全要素生产率大幅提升为核心标志，特点是创新，关键在质优，本质是先进生产力。这一点很重要，因为从企业视角而言，运用任何一种新的理念、方法、技术，都会天然地试图跟收益直接挂钩，但是理解“新质生产力”则要把直接收益先放一放，生产力发挥作用是在由生产关系结成的生产环境之下的，所以，生产力是不是具有直接收益，并不完全由生产力自己决定，不要总是很直接地跟生产力要企业效益，同样的一碗饭，饭量大的人吃了不一定够饱，饭量小的人还不一定吃得下，但饭就是那碗饭，它不因吃饭的人而改变，食物的构成、提供的热量、包含的营养都一样，但产生的效用就跟条件有关了。“新质生产力”必然有高科技的一面，“黑科技”是最家喻户晓的“生产力”。但更全面的理解，要从“劳动资料、劳动对象”的“跃升”来体会，也就是企业用的工具，比如 ChatGPT 和处理器；企业处理的对象，比如数据。数据是新的生产要素，读者可能会觉得，123456789 有什么神奇的，神奇就在于今天的数据比较“大”，只能用无可争议的“新质生产力”中劳动资料的代表，也就是软硬件去处理，而且可能是非常复杂的软硬件，数据则是“新质生产力”中劳动对象方面的典型代表。除了这些比较容易直观理解的“新质生产力”之外，还包括“生产要素创新性配置、产业深度转型升级”、“优化组合”这类“软”的“新质生产力”，读者可能会觉得，这里面是不是有生产关系在，如果细分的话，此处可以认为是实现“生产要素创新性配置、产业深度转型升级”、“优化组合”的“方法”，也就是相关领域的方法论、方法研究，这些仍旧属于生产力，落地实现之后才是生产关系，也即，它们是设计和实现“生产关系”的“生产力”，这些正是企业比较缺乏且不太热衷于投入的，比如，企业转型方法论、数字化方法论、企业架构方法论等，方法论的创新原本也在国家数字化相关政策的要求中，但这些方法论往往被企业当成“虚”的东西，可它们恰恰是帮助企业“无中生有”的“虚”，而不是浪费时间、浪费资源的“虚”。企业不热衷于对方法的研究，但却经常找人来教自己怎么快速“落实”方法，希望立竿见影，这不代表分工合理，而是有些本末倒置了，外人来最多是“点醒”自己，如果自己对方法缺乏“悟性”和积极性，那怎么“点”也不会“醒”，企业必须有自己做方法论的能力，才能更好地吸收外部的方法，就像学习一样，一个好学生不会只是一个等着往里倒答案的水缸，必然有能力举一反三甚至让水变甜，这需要企业自己对方法论有一定的研究和热情才行。面对“新质生产力”，请像对待企业自身主营业务一样对待方法论吧，没有方法论归纳总结能力的企业，恐怕成为不了知识型企业，也很难驾驭“新质生产力”。“劳动者”的“跃升”是“新质生产力”理论中关键的一环，“新质生产力”是人创造的，也是人使用的，最终是给人带来价值的，“新质生产力”的全生命周期中，人都是关键因素，所以国家政策中一直有关于全民数字素养提升的部分。最近一年人工智能领域可以说非常炸裂，我们也看到，这些国外领先的人工智能创新企业都是人才高度密集型企业，虽然 90% 多的其他类型企业都无法达到这种人才密度，但是如果没有对全体员工数字素养的基本提升，就很难在这个时代的劳动资料（计算机软硬件）、劳动对象（数据）背景下搞创新，对于处在这个时间段的人来讲，转型、增加新技能是一个艰苦的过程，但这是转型期必须经历的，从来没有轻松的转型，也从来没有时代切换期会让人轻松渡过，尤其是知识密度如此高的今天。知识不只是“干货”，更是创造力，要学知识不是总盯着所谓的“干货”，而是学习对知识的创造能力，只盯着“干货”学习，不会举一反三，是很难适应环境变化的，而对环境的适应，是企业的整体行为，不是只有少数人知道怎么适应就行的。基本素养的提升也许没有想象的那么难，最适合这个时代的思维方式就是结构化思维，尤其是全局性结构化思维，因为劳动资料（软件）和劳动对象（数据）都跟这种思维方式关系密切。具备这种思维模式，可以更好地理解周围的事物，也能更好地吸收知识，它是知识提炼的基础，可能很多人会觉得这个有困难，但是回想一下自己的学生时代吧，对于大多数人来讲，基本的结构化思维能力都是有的，只是需要重新唤醒而已。最近确实也有人在聊天中谈到高质量发展、新质生产力的度量问题，高质量发展的体系很庞大，其度量更不是三言两语可以说清楚的，但是在“新质生产力”方面，其解释中毕竟有这么一句关键的度量要求，也就是“全要素生产率大幅提升”，所以，在企业层面的检验可以围绕着这句话来，这个毕竟是企业自己可衡量且可改进的。但是不要把这个要求机械地落实在所有时间点上，生产力的创新、落地、调整都是充满变化的，各个要素发挥作用的时间周期也未必一致，所以，不能很刻板地用一把单一的尺子进行要素生产率提升衡量，这一是个“技术活”，更像是一个复杂的项目组合管理，多个要素依据自己的时间节奏在一个统一的时间线上共同演进，但在同一个时间点可能有升有降，最终获得阶段性总体提升。有些要素的“生产率大幅提升”，也可以根据环境进行灵活定义，比如，数字化对人力的替代问题，不能单一用更高人效来评价，这容易导致一些有机会通过人机结合发挥更好效果的行业出现不必要的“减人增效”，比如，金融行业的普惠业务就可以在数字化能力提升的情况下，通过更多的业务人员来提供更有“温度”的服务，而不是总从成本或者数字技术效能的角度追求让一个客户经理管更多的普惠客户。简单总结下，认识“新质生产力”要首先把握“生产力”这个关键定位，“生产力”不是简单等同于收益；其次，“新质生产力”不只有“黑科技”，还包括各种方法研究，对于大多数企业而言，方法的研究是更普遍的，也是在具备条件时，能够真正用好“黑科技”的基础；再次，最强大的“新质生产力”应该是人，人不提升，有新武器也用不好，人有长足进步，自己也能造武器，但人的学习中不能只围着所谓的“干货”来；最后，“生产力”毕竟是“生产力”，所以，在企业层面检验“新质生产力”，要看“全要素生产率”的提升程度，但这个衡量是需要有一定的时间跨度，注意不同要素发展周期的交叉性的。对于“新质生产力”的高阶理解，可以尝试通过下图进行分析：“新质生产力”的“新”突出的是时代性，“质”反映的是技术、方法、理念的进步。从对“新质生产力”的认识，可以大致总结出“新质生产力”的落地路径，这也是一个跟数字化转型度相关的事情，很多在企业中可以应用的“新质生产力”都会与数字化产生联系。企业该用什么东西，能用好什么东西，需要先向内看，自我诊断，自己企业的目标是什么、特点是什么、资源是什么、客户是什么、市场是什么、优势是什么、劣势是什么，用用 SWOT 分析、五力分析、价值链分析等经典分析框架，先给自己把把脉。“新质生产力”既然首先定位是“生产力”，那“生产力”的施展是必然有其环境，也是依赖环境的，环境中的软、硬因素都会对“新质生产力”的作用产生影响，很多企业应用新技术、新方法最终没能取得好成果，然后背锅的总是新技术、新方法甚至是实施探索的人，而不愿意从环境上分析自己。这一点笔者自身的专业领域，也就是企业架构与工程方面，总是不乏引入企业架构、引入中台、引入 DDD、引入敏捷等方法失败的例子，这类失败大多数情况下都是失败于一个“适配”问题，也就是对企业的目标、能力、环境等软因素判断不准，导致方法引入错误或者方法落地调整发生错误，不能够很好地正视自己是大多数失败的开始，也就是说，很多失败都是从一开始就失败了，而不是实施没做好。数字化转型是很多“新质生产力”落地的手段，但是很多企业的数字化也是在犹豫和怀疑中“耗过”本可以突破一下的时间的，究其根本，就是执着于“数字化转型”这个词，而没有把握好企业自身的需求和对未来发展节奏的判断。“数字化转型”有没有用，是根本就不需要问的问题，因为该问的是企业随着时代和技术的发展到底该是什么样子，打破头都要去想这个问题，根据笔者的经验，凡是企业自己理解不了、驾驭不了的东西，最终是落不了地的，不是工具有问题，而是企业和工具现在“没缘分”。“数字化”对不同企业确实价值不同，有的企业只是提升运营效率，而有些企业是真的要用数字化手段去竞争的，自己是什么类型，将来会走向什么类型，都需要判断清楚，这个问题必须要由企业自己而不是别人来回答。所以，不要总问工具有什么价值，工具也不会说话，价值都是人发现的。企业应该认真学习这些很基础也很好用的分析工具，自己多给自己诊脉，自己多观察自己。方法也是“新质生产力”，学习并创新对方法的使用，这本身就是落地“新质生产力”最好的方式。很多经典方法其实并没有想象的那么充满“古早味”，比如关于竞争战略的分析，战略大体上就是“差异化最大”、“总成本最低”、“集中战略”这么三类，玩的花样再多也还是这三大类；再比如被大家津津乐道的互联网营销，其本质还是营销领域经典的 4C 理论，是实现手段数字化了，可以说互联网营销更像是 4C 理论的数字化转型。通过现象理解其作用机制，这是学习的根本，互联网营销不是只学习怎么种草、怎么圈粉、怎么写软文的表面方法，一堆“干货”下来，大家都会写了，企业的竞争优势又在哪里呢？好的互联网营销一定是企业在这些基础方法之上的自我创新，而不是持续“复刻”。这里指的是持续对自己的主营业务进行优化、钻研，真搞出自己的一套方法来，成天“疯魔”式对自家业务过程持续复盘、改进，不是好不容易成一单了，终于吐口气了，而是对成功、失败一视同仁，别总是只问结果，没有哪个企业不是失败多于成功的，要根据成功、失败经验持续总结“独门秘籍”，没有这个追求，失败会更常见，成功就成了买“彩票”，这样的企业是很难成长的，也许也可以活下来，但就是很难成长。《马斯克传》中介绍的“马斯克五步工作法”中，第一步是笔者最推崇的，这一步就是追求持续的流程简化，我们不要把它视为单纯的“简化”，而是持续的改良，如果没有这个精神，企业就没有持续创新和改进动力，进而，也就没法把工具使用到极致，那么“新质生产力”在这样的企业中即便落地，也只能发挥出基本功能，甚至成为“新质装饰力”。环境总是变化的，没有对业务改进的持续追求，也很容易出现“摇摆”。去年到今年，汽车行业也出现不少变化，丰田探索新的生产线和底盘都能拆三段的组装式汽车，以达到对柔性生产的极致追求；国外车企对新能源车的发展方向出现调整；国内造车新势力出现困难局面等等，这些变化企业要如何应对，对汽车行业未来发展有什么判断？汽车的制造可能会进化成什么样？生产线的全新变革会由谁来引领？金融行业面临“大而不强”的改革难题，很多行业也是如此，应该没有在优化改进方面足以自我满足和停下来休息下的企业。所有的困难都是方法创新的机会，也是靠方法创新来解决的，也只有具备这种对方法的基本尊重和极致追求，才能引导“新质生产力”发挥作用。这里的“强人”指的是强化人，强化人的能力，尤其是业务侧人员。企业层面可以用的“新质生产力”很多会转化成软件和数据能力来展现给业务侧，也就是业务侧人员要想全面理解“新质生产力”，提高“新质生产力”学习能力，不见得是直接去学一些新技术，这样未必有很直接的效果，或者效果比较浅，只局限在一些软件或技术工具的基本能力上，很难再做更多的创新。还是需要业务侧人员先学会定义问题、分析问题、解决问题，学会形成业务解决办法的基本能力。由于数字时代很多工作、产品、服务都与数字化有联系，因此分析解决办法和表达解决方法就都需要一定结构化能力，就像上文分析过的，凡于数字化相关的，大体离不开软件和数据，而他们都是结构化的，要想将业务解决办法变成数字化方案，就需要结构化地表达需求，那不如从一开始分析问题就采用结构化方法，这样分析和表达就是一体的，连续承接下来的。结构化方法也有很多，考虑到业务和技术之间的衔接，那么企业架构类方法就很值得参考和学习的。很多企业都在谈业技融合问题，在笔者看来，业技融合的关键问题在“聊”，得业务和技术能高效地“聊”到一起，那就需要双方统一聊天的方式，结构化的语言就是双方高效沟通的模式，在业务人员来讲，就是把自己的业务处理过程、业务处理规则、业务处理对象、体验追求都说清楚，这个工作之前一直是技术侧需求分析人员或者产品经理的主要任务，但是现在，既然企业都追求转化效率，那就需要业务侧人员自己具备这个能力了，这不算是很大的跨越，只是要业务人员把自己做的事情有结构地说清楚，无论大家觉得有多难，这都不足以跟任何一种“黑科技”甚至一些基本技术（比如区块链）去相提并论，如果企业之前都打算让业务人员学学新技术了，那还不如多花些时间学习业务人员真能掌握，也确实可以提升业技沟通效率的“技术”，当然，按照笔者本文的解释，这也是“新质生产力”，还是特别该落地的“新质生产力”。考虑到未来企业都要发展人工智能，都想用用大模型，笔者也在这里借着这个点提个关于人工智能的思考。目前的大模型在 C 端的应用很注重自然语言交流，当然也有些结构化的提示词工程，但总体比较“自然”，但是用在 B 端也一定如此吗？笔者认为，B 端非常注重领域知识，这些是该由大模型从企业模棱两可的文件、制度、合同、记录中去“捞针”，还是该通过“企业知识库”来学，这个知识库该是什么内容？什么结构？该由谁来建？笔者认为，业务处理流程、业务处理规则、业务处理对象、特殊专业知识这些基本的业务知识只能由业务人员自己来总结，这应该是大模型学习企业知识的捷径和约束，只有通过这种方式才能更好地理解企业，并发现企业的差异性。所以，培养业务人员的结构化思维，加强对业务的结构化表达能力，也是为智慧企业做的基础性准备，并且没有人能替企业去准备，如果别人能替企业完整准备好这些，那这个企业不被 AI 直接接管的理由又是什么呢？关于“修法”这件事，笔者引用自己课件中的一张图，方便读者进一步理解：大多数情况下，技术的带入并非设计解决方案的第一步，第一步通常是澄清问题，理清现状，之后才能针对问题和现状带入技术解决思路，转化为业技融合的解决方案，这个解决方案也就是“新质生产力”在大多数企业大多数场景下的落地过程。至于追求技术创新的企业，其实发展的第一步也是先给自己个目标，尽管这个目标在多数企业看来都是遥不可及的，正如 Open AI 的奥特曼自己曾说的，他发现很多做出伟大成绩的人都有一个非常宏伟的目标，他们不是先创造了技术，而是先看到了一个遥远的目标或者有一个梦想般的追求，为此最终革新了技术。笔者把“研技”放在最后，是因为这个点对于各类企业而言差别很大，从事“黑科技”的企业，那是要聚集高密度人才去搞“生死”创新的；但是相对而言处于比较“下游”的企业只能做应用方法的创新，而不是“黑科技”本身的创新；至于两者之间的一些资金充裕的企业则可能会处于“二开”状态，也就是对源头技术创新企业的“黑科技”进行一定的技术改造，这一点会成为企业独特竞争优势，但同样需要一定的人才密度，所以，“研技”这个点并非一个普适性说法，不同企业能“研”的“技”会有很大差别，但总体上会分为源头的突破性创新、中间层的改造性创新和纯下游的应用性创新，同一个企业内部也可能会有多种形态同时存在，所以，根据企业自己的定位和企业内部不同部门、团队对自己的定位来决定如何开展“研技”。综上，“新质生产力”的落地，跟对它的权威解释中提到一个词关系非常密切，也就是“创新”。“创新”并不是灵机一动、灵光乍现，企业追求的是持续创新能力，这就需要首先从“内省”做起，能够客观地分析自己；其次是“修法”，有对优化、改良的持续追求，只有这种追求才能产生持续的创新意愿，否则，一旦自满，创新也就停止了；再次是“强人”，“新质生产力”不是替代人的，人本身就是“新质生产力”，所以必须持续强化人的能力，而人的能力中最有价值的是思维，这是人之所以为人的根本，结构化思维是这个时代的特征，必须培养；最后才是“研技”，没有以上条件“技”无法发挥应有的作用，而“技”在不同的企业可“研”的差别也很大，所以，“技”要企业自己把握该干什么，这也是为什么需要前三项作为条件的原因。“新质生产力”的落地在很多企业中与其数字化转型也是密不可分的，要充分地结合在一起去思考。本文讨论的这些内容无论对企业成长还是对个人成长而言，都一样适用，努力培养自己吧，你就是“新质生产力”！付晓岩，《企业级业务架构设计：方法论与实践》、《银行数字化转型》和《聚合架构：面向数字生态的构件化企业架构》三书作者。北京天润聚粮咨询服务有限公司执行董事总经理，数孪模型科技公司高级副总裁；工业和信息化重点领域数字化转型与人工智能产业人才基地专家委员会副主任；中国计算机学会软件工程专委会委员、数字金融分会首批执行委员；信通院企业架构推进中心、组装式推进中心技术专家；中华全国数字化人才培育联盟专家委员会特聘专家；工信部中小企业发展促进中心产教融合产业实践教授；国家工程实验室金融大数据应用与安全研究中心研究员；CIC 金融科技与数字经济发展专家委员会成员；国家互联网数据中心产业技术创新战略联盟专家委员会副主任专家委员。
📣 欢迎向「InfoQ 数字化经纬」投稿，与我们共享您的思考、洞见和实践经验！投稿可邮箱至 editors@geekbang.com（邮件标题前注明【数字化投稿】）
专题征稿启事AI 的广泛应用，特别是大模型等前沿技术，正在重新定义业务运营、创新服务和客户体验。应此变革，InfoQ 数字化经纬启动《AI+ 千行百业，驱动业务场景创新》专题，借此机会深入探索 AI 在不同行业的应用实践，提供行业洞察。
我们欢迎相关企业实践案例的投稿，或是希望接受我们采访的企业与个人主动联系我们。《行知数字中国数字化转型案例集锦（第三期）》精选 InfoQ 在2023下半年产出的数字化内容与FCon全球金融科技大会的深度案例，涵盖数智视野、行业案例、技术解析，集结华润集团、伊利、平安银行、李宁等多个行业巨头的经验与洞察，为千行百业的数智化之旅提供实践指南。关注「InfoQ 数字化经纬」公众号，回复「案例集3」可免费下载。
极客时间数字化人才培养认证项目共设 15 个岗位，分为初、中、高三个等级，覆盖数字化及人工智能人才所需的主要技能方向，满足人才技能升级和适应产业发展需求，通过测评后可获得工信部颁发的 《工业和信息化人才能力提升证书》，扫码添加小助手，回复「认证」可免费咨询并获得产品手册，一个锦囊、一个助力数字化人才培养的妙策！- 关注「InfoQ数字化经纬」公众号，回复「案例」领取领取 《行知数字中国数字化转型案例集锦》。
- 关注「InfoQ数字化经纬」公众号，回复「进群」加入数字化读者群交流。
- 关注「InfoQ数字化经纬」公众号，回复「抽奖」可以参与本周活动，有机会获得精美礼品。
今日好文推荐
从AI和数据要素角度聊聊“新质生产力”对企业数字化转型的影响
新质生产力案例：我国核工业大模型研发现状、主要挑战与发展策略思考
两会热议：政府工作报告提出的“人工智能+”行动如何在各行业落地？
两会热议：关于数据要素，两会代表划了哪些重点？
汽车产业眼中的新质生产力，还能怎么卷出“花”？