课程简介
统一认知：帮助高管层理解 AI 与大模型对传统软件行业的本质影响，打破认知局限，明确 AI 转型的核心业务价值
· 对标标杆：通过科大讯飞、华为等头部 ToB 企业的真实转型案例，掌握从项目制到产品化、再到智能化升级的底层逻辑
· 掌握方法：复用成熟的市场细分、价值评估、资源配置工具，学会 AI 场景筛选、项目优先级判断与产品组合决策方法
· 理清路径：明确 AI 转型的落地步骤、组织适配要求与投入价值评估逻辑，结合自身业务形成初步转型思路
目标收益
培训对象
产品经理（重点）、业务线负责人、解决方案（售前）工程师、研发工程师、营销/市场
课程大纲
| 模块一：AI 浪潮下的行业变局与 ToB 软件企业转型本质 |
一、AI 时代的底层逻辑：从工具革命到决策革命 · 从传统软件到智能软件：AI 产品的三大核心要素（物联网 - 神经网络、云计算 - 基础设施、数据智能 - 业务大脑） · 企业创新模式变革：从 “试验验证” 到 “模拟择优”，对传统软件开发模式的冲击 · ToB AI 赛道的竞争逻辑：从 “卖功能软件” 到 “卖智能服务” 的范式转变 二、传统软件企业的 AI 演进路径： · 四步演进逻辑：项目制→产品化→服务化→平台化 · 不同阶段的核心特征、竞争力升级逻辑与资源配置重点 · AI 产品化的核心壁垒：构建 “产品 - 数据 - 用户” 的正反馈循环 三、标杆实战：头部企业 ToB 业务是怎么做 AI 转型的 · 科大讯飞：从 AI 技术厂商到行业解决方案服务商的落地路径（以教育云平台 0-1 商业化为例） · 华为：数据通信业务从项目制到全产品化的转型复盘（七层货架视角下的产品竞争力升级） 四、避坑复盘：典型 AI 项目失败的核心原因拆解 · 从需求定位、产品化程度、落地运营三个维度，复盘 AI 项目常见失败诱因 |
| 模块二：IPD 体系下的 AI 转型战略与资源配置决策 |
一、产品化核心工具：VRM 版本规划方法论 · V/R/M 三层版本体系：平台版本、特性版本、更改版本的定位与价值 · 核心价值：如何通过版本规划实现服务与产品分离，提升研发效率、缩短创新周期 · 案例：科大讯飞 / 华为 ToB 业务从项目制到产品化的演进实践 二、企业 AI 业务的资源配置策略 · 产品 721 原则：不同业务类型的资源投入逻辑（70% 存量赋能、20% 增量探索、10% 前沿预研） · 业务分类管理标准：AI 新业务扶持的 8 项审定标准、老旧业务淘汰的 8 项判定依据（参考科大讯飞公司级产品管理策略） 三、产品组合战略决策框架 · 产品组合策略象限图：老客 / 新客、老技术 / 新技术双维度下的 AI 投入策略 · SPAN 产品定位法：市场吸引力 + 竞争地位双维度，评估 AI 业务的战略定位 · 现场思考：企业现有业务在象限中的位置，以及潜在的 AI 增量机会 |
| 模块三：AI 场景识别与项目优先级评估 |
一、高价值 AI 场景的筛选逻辑 · 市场细分的核心方法：垂直行业划分 + 水平特征划分 · 选择目标场景的三大核心评估要素：市场吸引力、竞争地位、财务回报 · 传统软件企业三大高频 AI 落地方向：产品智能化升级、内部运营提效、客户服务体验升级 二、AI 项目优先级评估体系 · 五维需求价值打分法：客户层级、项目金额、项目阶段、需求类型、成果可复用性 · 工具复用：云服务项目需求响应优先级计算器，适配 AI 项目评估 · BSA 需求分层法：区分基本需求、满意需求与兴奋需求，匹配对应 AI 投入策略 三、互动研讨：结合公司核心业务，筛选首批高潜力 AI 落地场景 |
| 模块四：AI 转型落地路线图与组织保障 |
一、AI 应用落地路线图制定 · 产品路标规划逻辑：R1 抢占市场、R2 巩固市场、R3 拓展市场的分阶段策略 · 三阶段落地路径： 0-1验证期：选准切入点，快速验证价值，打造内部标杆 1-N 扩张期：沉淀能力、产品复用，实现规模化推广 长期深化期：构建 AI 平台能力，形成智能化业务壁垒 · 高管决策工具：产品规划的十四个灵魂问题，用于审核 AI 项目立项 二、投入产出与竞争力评估 · 基于 $APPEALS 模型的 AI 产品竞争力评估：从价格、性能、易用性、生命周期成本等 8 个维度，对标竞品评估商业价值 · FFAB 矩阵：从客户收益到技术投入的价值传导，评估 AI 项目的投入产出匹配度 三、风险管控：AI 转型的 5 个常见误区与规避方法 · 盲目跟风技术，忽视业务适配性 · 重技术投入，轻场景落地与运营 · 脱离现有业务基础，从零搭建 AI 体系 · 资源平均分配，没有重点突破方向 · 只关注技术选型，不重视组织流程适配 |
| 模块五：课程总结、课后答疑Q&A、作业布置分配任务 | 课程总结、课后答疑Q&A、作业布置分配任务 |
|
模块一：AI 浪潮下的行业变局与 ToB 软件企业转型本质 一、AI 时代的底层逻辑：从工具革命到决策革命 · 从传统软件到智能软件：AI 产品的三大核心要素（物联网 - 神经网络、云计算 - 基础设施、数据智能 - 业务大脑） · 企业创新模式变革：从 “试验验证” 到 “模拟择优”，对传统软件开发模式的冲击 · ToB AI 赛道的竞争逻辑：从 “卖功能软件” 到 “卖智能服务” 的范式转变 二、传统软件企业的 AI 演进路径： · 四步演进逻辑：项目制→产品化→服务化→平台化 · 不同阶段的核心特征、竞争力升级逻辑与资源配置重点 · AI 产品化的核心壁垒：构建 “产品 - 数据 - 用户” 的正反馈循环 三、标杆实战：头部企业 ToB 业务是怎么做 AI 转型的 · 科大讯飞：从 AI 技术厂商到行业解决方案服务商的落地路径（以教育云平台 0-1 商业化为例） · 华为：数据通信业务从项目制到全产品化的转型复盘（七层货架视角下的产品竞争力升级） 四、避坑复盘：典型 AI 项目失败的核心原因拆解 · 从需求定位、产品化程度、落地运营三个维度，复盘 AI 项目常见失败诱因 |
|
模块二：IPD 体系下的 AI 转型战略与资源配置决策 一、产品化核心工具：VRM 版本规划方法论 · V/R/M 三层版本体系：平台版本、特性版本、更改版本的定位与价值 · 核心价值：如何通过版本规划实现服务与产品分离，提升研发效率、缩短创新周期 · 案例：科大讯飞 / 华为 ToB 业务从项目制到产品化的演进实践 二、企业 AI 业务的资源配置策略 · 产品 721 原则：不同业务类型的资源投入逻辑（70% 存量赋能、20% 增量探索、10% 前沿预研） · 业务分类管理标准：AI 新业务扶持的 8 项审定标准、老旧业务淘汰的 8 项判定依据（参考科大讯飞公司级产品管理策略） 三、产品组合战略决策框架 · 产品组合策略象限图：老客 / 新客、老技术 / 新技术双维度下的 AI 投入策略 · SPAN 产品定位法：市场吸引力 + 竞争地位双维度，评估 AI 业务的战略定位 · 现场思考：企业现有业务在象限中的位置，以及潜在的 AI 增量机会 |
|
模块三：AI 场景识别与项目优先级评估 一、高价值 AI 场景的筛选逻辑 · 市场细分的核心方法：垂直行业划分 + 水平特征划分 · 选择目标场景的三大核心评估要素：市场吸引力、竞争地位、财务回报 · 传统软件企业三大高频 AI 落地方向：产品智能化升级、内部运营提效、客户服务体验升级 二、AI 项目优先级评估体系 · 五维需求价值打分法：客户层级、项目金额、项目阶段、需求类型、成果可复用性 · 工具复用：云服务项目需求响应优先级计算器，适配 AI 项目评估 · BSA 需求分层法：区分基本需求、满意需求与兴奋需求，匹配对应 AI 投入策略 三、互动研讨：结合公司核心业务，筛选首批高潜力 AI 落地场景 |
|
模块四：AI 转型落地路线图与组织保障 一、AI 应用落地路线图制定 · 产品路标规划逻辑：R1 抢占市场、R2 巩固市场、R3 拓展市场的分阶段策略 · 三阶段落地路径： 0-1验证期：选准切入点，快速验证价值，打造内部标杆 1-N 扩张期：沉淀能力、产品复用，实现规模化推广 长期深化期：构建 AI 平台能力，形成智能化业务壁垒 · 高管决策工具：产品规划的十四个灵魂问题，用于审核 AI 项目立项 二、投入产出与竞争力评估 · 基于 $APPEALS 模型的 AI 产品竞争力评估：从价格、性能、易用性、生命周期成本等 8 个维度，对标竞品评估商业价值 · FFAB 矩阵：从客户收益到技术投入的价值传导，评估 AI 项目的投入产出匹配度 三、风险管控：AI 转型的 5 个常见误区与规避方法 · 盲目跟风技术，忽视业务适配性 · 重技术投入，轻场景落地与运营 · 脱离现有业务基础，从零搭建 AI 体系 · 资源平均分配，没有重点突破方向 · 只关注技术选型，不重视组织流程适配 |
|
模块五：课程总结、课后答疑Q&A、作业布置分配任务 课程总结、课后答疑Q&A、作业布置分配任务 |
近期公开课推荐
