一、嘉宾背景
徐斌，长江商学院CIO，计算机科学博士，西南财经大学客座教授。拥有20年全球五百强及上市公司高管工作经历，擅长传统企业数字化转型、科技及互联网企业经营管理。曾获新经济领军人物、全国数字化创新突出贡献人物等荣誉。此前，徐斌曾任得力集团副总裁兼CIO，主导得力数字化转型全链路工作。在其推动下，得力集团获得第一批浙江省未来工厂认定。
二、徐斌的数字化方法论：「三驾马车」
徐斌曾多次公开阐述其数字化转型方法论："我把2022年定义为得力数字化元年。"他将数字化定义为"三驾马车"——流程变革、IT系统固化、数字运营。
• 流程变革：重新梳理企业业务逻辑，用数字化手段重构端到端流程
• IT系统固化：围绕流程建设相应IT系统，确保流程可执行、可追溯
• 数字运营：通过系统产生规范性数据，用数据驱动业务决策
这一方法论在得力内部落地后，覆盖"研产供存销服"六大模块，实现订单流、货物流、资金流可视化、可决策。
数据来源：徐斌公开采访，《21CBR》、《搜狐》等媒体（2023年）
三、得力实践：离散型制造业的数字化难题与解法
得力集团是一家典型的离散型制造企业：
• SKU规模：2万多个
• 新品数量：每年约5000个新品
• 产品线跨度：小到橡皮擦，大到数码打印机、家具、工具，产线极宽
这对数字化的柔性和响应速度提出了极高要求。
解法一：SOP标准化 + AI自动补货
得力形成了一套完整的标准化作业（SOP）模式，从销售预测到SOP管理，到最终运营计划的落实，可以做到自动补货、仓库间自动调拨，大幅提升库存周转效率。
解法二：数字研发管理
新品研发周期约3~5个月，涉及大量跨部门协同。徐斌介绍："新品的Bug率，通过数字化进行管理，涉及研发数据、研发协同、研发变更——这些是过去人力做不到的。"得力在研发端引入IPD（集成产品开发）咨询到PLM（产品生命周期管理）实施，实现了研发全流程数字化。
解法三：未来工厂
得力获得第一批浙江省未来工厂认定，关键数据：
指标 | 数据 |
| -------- | ---- |
| 关键装备数控化率 | 100% |
| 生产效率提高 | 25% |
| 产品不良率降低 | 20% |
| 单位产值能耗下降 | 15% |
数据来源：徐斌公开分享，得力集团官方资料（2023年）
四、数字化转型的本质：不是工具升级，是组织重塑
徐斌在多个公开场合表达过一个核心观点："转型是一场全面变革，它涉及技术、流程和文化，每一个维度都需要重新审视。"他将"转型"定义为一种管理理念的升级：
• 从"技术导向"转变为"业务导向”
• 从"传统管理"转变为"数据管理"
• 从"以经验为主"转变为"以流程和工具为主"
这一判断对AI时代的企业转型同样适用："优秀的CIO不应该只聚焦在企业内部做传统的信息化工作，更多的还是应该跟随企业的战略去做布局。"
数据来源：徐斌，星云奖专访（2023年8月）
五、AI时代的组织进化：三个维度的变数
结合徐斌公开分享及行业研究，AI时代的组织面临三个维度的变数：
1️⃣ 技术维度：从「信息化」到「智能化」
传统信息化解决的是"流程在线化"问题（ERP、CRM、SCM）。AI时代的智能化解决的是"决策自动化"问题——用数据训练模型，让模型替代部分人工判断。
对于制造业，这意味着：
• 设备预测性维护（减少非计划停机）
• 工艺参数AI优化（提升良率）
• 供应链智能调度（降低库存成本）
2️⃣ 流程维度：从「层级驱动」到「数据驱动」
传统组织的流程依赖层级审批，决策链条长、响应慢。数据驱动的组织将决策权前移至一线：
• AI实时分析业务数据，给出决策备选
• 管理者从"审批者"转变为"监督者和规则制定者"
• 流程从"串联"变为"并联"，响应速度提升
3️⃣ 组织维度：从「岗位驱动」到「价值驱动」
AI承担大量标准化、重复性工作后，组织的价值衡量标准发生变化：
旧逻辑：一个人做好一个岗位的工作，就是合格
新逻辑：一个人能解决多少业务问题、创造多少可量化价值，才是核心
这意味着绩效考核、晋升通道、薪酬体系都需要重建。
六、人才转型：从「技能型」到「架构型」
徐斌认为，CIO在数字化时代需要完成一次角色升级："CIO要从成本中心、内向型职务，转向利润中心、外向型岗位。"具体到组织内部的人才转型，他提出三个方向：
① 从执行者到设计者AI工具承担执行层工作后，人才的核心价值在于"定义问题"和"设计解决方案"的能力，而非执行单一技术任务。
② 从单一技能到复合能力T型或π型人才（技术深度+业务广度）成为组织核心资产。跨部门协同能力、复杂问题拆解能力变得比单一技能更重要。
③ 从岗位驱动到价值驱动以"交付价值"而非"完成任务"为衡量标准，建立与AI协作的新型工作模式。
七、给企业数字化转型负责人的建议
战略前置：数字化转型不是IT部门的项目，是"一把手工程"，需要业务部门深度参与
数据治理先行：高质量数据是AI落地的基础，建议先投3~6个月做数据标准化
ROI分阶段设定：短期目标（36个月）验证业务假设，长期目标（13年）看系统性价值
分层设计转型路径：执行层学工具操作，管理层学协同决策，高管层学战略思维
允许试错，控制成本：用轻量级工具验证业务假设，再决定是否规模化投入
