随着企业AI应用从单点工具试用逐步延伸到业务流程，企业面临的挑战也从验证技术可行性，转向让AI在不同部门和业务环节持续运行、实现规模化应用。这不仅考验技术，也对企业的项目交付和组织协作能力提出了更高要求。
在这一背景下，2026年拉姆·查兰管理实践奖，提供了一个观察中国管理实践的窗口。其中，神州数码通过《以 AI for Process 道法术打造 AI 时代新军——神州数码的组织能力重构之路》获得“2026拉姆·查兰管理实践奖·杰出奖”，相关案例被收录进入《哈佛商业评论》中文案例库。相比单纯讨论模型性能和应用效果，这一案例更值得关注的，是企业如何把实践中的个人经验转化为可持续积累的组织能力。
项目初期，企业往往通过集中投入优秀人才和技术资源，深入客户现场调研、沟通和验证，推动项目落地。但这种依赖资深人员和现场投入的方式难以规模化复制。当项目数量持续增加时，人员和资源投入也随之扩大，交付成本难以有效控制，投入产出效率也难以持续提升。
要改善这一状况，需要减少不同项目之间的重复摸索，让已经形成的经验能够在后续项目中得到借鉴和复用。但实战经验的沉淀，并不是多写几份文档就能解决的。因为最有价值的信息，往往散落在需求沟通的细节、方案修改的过程与一次次试错的记录当中，这类隐性经验很难通过标准化的文档完整传递。
生成式AI的发展，为整理这些分散的信息提供了新条件。麦肯锡的Lilli平台整合长期积累的咨询知识和项目资料，帮助员工查找和使用已有经验。Lilli的实践也提示，知识管理不仅需要技术平台，也需要在日常工作中持续留下有价值的过程记录，让已有经验能够被后来者检索和使用。
神州数码的周报体系提供了另一个观察角度。据神州数码董事长郭为介绍，自2017年推行周报以来，神州数码持续积累了大量工作记录，涉及客户拜访、项目推进、技术攻关和经营复盘等。相比只关注工作结果的考核指标，这些周报还留下了事情是怎样做成的：如何判断客户需求，遇到阻力怎样调整，又如何协调不同团队等。
随着AI技术的发展，这些沉淀多年的过程数据开始被探索用于跨项目的经验提炼与复用。神州数码尝试利用这些长期积累的非结构化信息，对项目经历、工作行为和专业经验进行关联分析。
比如在FDE能力建设中，这些资料能够为人才培养提供更丰富的观察依据。除了考察某个人对于单个项目的完成情况，还可以通过项目记录和工作复盘，总结需求判断、客户沟通、跨部门协调和持续学习等方面的优秀经验。
不过，记录下来不等于能够直接复制。不同客户的条件不同，已有方法仍需在新项目中检验和调整。对神州数码而言，长期积累的周报与项目记录提供素材，项目复盘提炼方法，神州问学平台支持知识沉淀和复用。只有把这些环节连接起来，个人经验才有机会成为组织能够持续使用的能力。
从单个项目的成功交付，到经验在不同团队和业务环节之间持续流动，体现的是企业组织学习方式的变化。神州数码此次获奖案例的观察价值之一也在于此：它展现了企业如何利用AI技术，将分散在个人和项目中的经验，转化为可积累、可复用的组织知识。对于企业而言，项目交付的价值不应止于完成当下任务，更在于让每一次实践都成为下一次改进的基础，让组织在持续积累中形成面向未来的能力。
(责任编辑：许子杰)
