新技术会迅速让传统优势领域“商品化”。以摄影术的诞生为例：肖像画家无法仅通过使用相机来优化工作流程以求生存，因为这项技术彻底重塑了图像创作的价值基础——写实描绘变得廉价，客户付费意愿骤降，画家原有的价值空间就此干涸。
    我们的研究显示，生成式AI正催生相似的模式。我们分析了800家美国上市公司，将岗位职责映射到具体工作活动，并根据物理在场需求、数据可及性、任务逻辑依赖度等因素，评估了每项活动被生成式AI增强或自动化的潜力。结果显示：各行业生成式AI自动化潜力指数，与ChatGPT发布后该行业的利润率变化之间，并无显著相关性。事实上，自动化潜力最高的行业——金融、科技、媒体——其利润率反而停滞或下滑。
    这种关系也并非由行业间生成式AI采用程度的差异所解释。我们通过企业公开数据（如拥有相关技能的员工比例、合作的第三方AI技术供应商数量）来近似衡量其应用深度，结论依然成立。
    总而言之，即便企业持续投入生成式AI，由此带来的生产率提升似乎已在市场竞争中被“消化”——价值流向了客户或供应商，而非沉淀在企业内部。这是价值被“商品化”的早期信号。数据表明，生成式AI的长期回报，并不在于仅仅用它更快、更高效地执行现有任务。真正的机遇在于关注新技术带来的另一重效应：开启全新的价值池。

企业内部应用生成式AI的三大战略方向

    当技术消除了价值链某一环节的瓶颈时，稀缺性并未消失，而是发生了转移。曾经的核心价值变为大宗商品，但与此同时，新的瓶颈或摩擦点随之浮现，成为新的稀缺性与价值源泉。例如，摄影术让精准再现现实变得廉价且普及，但作品的意义、视角与情感表达则成为新的稀缺品，从而催生了印象派、立体主义等全新的艺术流派。
    新技术不仅沿现有链条转移价值，更会创造全新的价值网络。通过打破固有约束，它们催生了此前难以想象的商业模式。正如摄影术通过实现对现实客观、可复制的记录，彻底重塑了新闻、广告与出版业。突破性技术引发的连锁反应——旧价值池枯竭，而围绕解决新摩擦、构建新商业模式的新价值池涌现——为我们提供了一个前瞻性的框架，用以思考在生成式AI时代，可持续的价值将源自何处。
1. 优化者：强化现有能力
    许多公司部署生成式AI，旨在让现有能力变得更快、更高效、更敏捷。例如，数字媒体如BuzzFeed利用大语言模型批量生成内容；彭博社将其整合到终端服务中，快速总结财报电话会议。这类应用能释放新的增长潜力或显著提升效率，为率先有效应用新技术的企业带来竞争优势。
    然而，这类优势很可能只是暂时的，因为它们所优化的活动，正迅速被生成式AI本身“标准化”。换言之，生成式AI在短期内通过提升效率为企业带来“顺风”，但长期看，随着技术普及，高效执行这些任务将变为竞争的“入场券”，其底层价值终将消散。
2. 整合者：解决新涌现的“摩擦”
    持久的优势，不太可能源于用生成式AI把你已经在做的事做得更快。优势将来自转向那些因生成式AI普及而变得更具挑战性的领域。
    例如，咨询公司提供研究、综合与报告撰写的核心服务，正被生成式AI商品化。但该技术让海量内容生成变得容易的同时，也催生了新的痛点：如何验证信息真伪、提炼有效洞见、判断事项优先级。价值正从“内容生产”向“判断力应用”迁移。
    同样，生成式AI能近乎无限地生成营销文案、社交媒体内容或设计创意。面对这种信息过载，差异化策略在于整合——在海量信息中进行筛选、整合与语境化。付费通讯《The Browser》即为一例：它不生产原创内容，而是依靠编辑品味，每日为超过15万订户精选五篇优质文章，其全部业务都建立在帮助用户应对信息洪流之上。
    聚焦判断与整合的策略并非对所有企业都适用，且其依赖的“摩擦”点也可能随技术演进而改变。但不变的规律是：每当技术解决一类旧摩擦，新摩擦必然随之产生。因此，企业的重点应是持续识别生成式AI催生的新摩擦，并定位自身去解决它们。
3. 重塑者：构建全新商业模式
    生成式AI能够打破成本或运营复杂性的传统约束，使得此前不可行的全新服务成为可能。例如，它可以弥合规模化与个性化之间的传统矛盾，使得以定制化体验服务小众、碎片化或低利润客户群体变得经济可行。Spotify利用生成式AI将播客翻译并克隆为多种语言的声音版本，极大拓展了内容的全球触达。Meta的AI营销工具能生成既贴合产品特性、又针对目标用户个性化定制的广告素材。
    这两个案例的共同点是：生成式AI被用于放大企业已有的独特资产（Spotify的播客库与用户规模，Meta的广告生态中心地位）。因此，识别生成式AI高价值应用的一个有效思路是：审视技术如何能倍增你现有的核心优势。
    生成式AI尤其擅长处理知识并提升其可及性，因此它能将组织内部封存的独特专长转化为新的收入流。摩根大通推出的IndexGPT，正是将其机构级的证券分析能力“产品化”，提供给零售客户使用。科学出版商爱思唯尔则利用其庞大的医学期刊与药物数据库，构建了生成式AI驱动的临床决策支持工具，为医生提供循证治疗建议。
    更进一步，生成式AI还能催生全新的交互与体验模式。教育科技公司多邻国推出的Max版本，利用大语言模型为每位学习者提供拥有“角色扮演”场景的个性化AI导师，实现嵌入式反馈与动态课程调整。
    以上是基于当前生成式AI能力已可实施的策略。随着技术演进，新的可能性将持续涌现，新的商业模式将不断诞生并创造价值，正如现有模式也可能再次被商品化。这对决策者的关键启示在于：不应通过寻找生成式AI尚“不能”做的事来寻求差异化，因为相关价值池会随技术进步而萎缩；而应聚焦于探寻因AI进化而“将成为可能”的事，那里蕴藏着增长中的新价值池。

在生成式AI驱动的生态中重新定位企业

    上述策略侧重于内部应用生成式AI以增强产品或运营。此外，还有一条更具外向视角的路径：洞察生成式AI将如何重塑更广阔的市场生态，并将企业重新定位为这个新兴生态中有价值的节点。这并非意味着企业都要去开发底层模型、建设算力基础设施。而是指，在一个生成式AI将融入所有市场活动的未来，调整或创造新的价值主张。以下三种策略展示了这种可能性。
重新包装者：为“AI代理”的消费重塑产品
    当消费者的选择日益由AI提供信息（甚至未来直接由AI代理做出）时，企业必须为“机器消费”重新设计产品。这意味着提供标准化的产品属性与兼容性数据，并允许AI代理直接交互（例如完成购买）。Peec AI 和 Profound 等公司正在帮助品牌分析大语言模型如何描述和推荐其产品，这是一种新兴的“AI代理优化”（类比搜索引擎优化），服务于AI代理主导的决策生态。
    这一新范式将与传统聚焦人类感知和品牌建设的营销策略形成互补，后者在AI代理更依赖客观、可验证数据而非情感信任时，其效力可能减弱。
    巴西零售巨头Casas Bahia走得更远，它在WhatsApp上推出了生成式AI驱动的对话式购物助手，顾客可通过自然聊天完成浏览、比价和购买。自2025年11月上线，该渠道已吸引超200万用户，并带动了超5%的线下销售额。
    为适应AI代理主导的决策模式而重塑服务至关重要，先行者已从中获益。然而长远来看，这种“适配”将成为竞争的基础门槛。当所有品牌都开始为取悦AI算法而优化时，市场可能陷入更深层次的同质化陷阱。
监督者：成为AI的“质检员”
    随着生成式AI模型和自主代理激增并成为独立的经济行为体，对它们进行监督以增强可信度与可靠性的需求日益迫切。
    这为企业提供了解决新摩擦的机会——可将内部已有的验证能力“产品化”。例如，万事达卡的“决策智能”服务提供欺诈风险评分API，帮助支付系统判断交易风险，将风控专长转化为“合规即服务”的新收入。新闻可信度评级机构NewsGuard，则将其对出版物的可靠性评估技术授权给大语言模型开发商，用于帮助模型筛选信源和纠错。
    更广泛地说，任何拥有专有、已验证数据资产（如临床试验结果、工程手册、金融分析）的公司，都可将其转化为针对大语言模型的“验证即服务”，确保AI生成内容的合规与准确。
供应者：成为AI的“养分”提供商
    最后，生成式AI模型需要训练数据（公开可用的人类创作文本数据预计在2028年前耗尽，需求迫切），也需要实时响应用户查询所需的辅助数据。
    对高质量、经过筛选的垂直领域知识的需求，为拥有专业数据资产的企业打开了新商业模式的大门。汤森路透将其实时新闻与市场数据授权用于大语言模型训练；律商联讯则为法律垂直大模型提供结构化的法律本体与权威判例库。同理，一家全球消费品巨头可以将其匿名的销售点数据变现，输入给零售规划AI代理，为那些愿意付费获取更清晰市场洞察的企业提供服务。
    以上六种策略并非详尽，也非普适。企业领导者可通过回答以下问题，找到在生成式AI时代最适合自身的价值创造路径：
    风险识别：我们当前的哪些差异化资产或能力，有被生成式AI商品化的风险？摩擦洞察：生成式AI在我们的市场或客户侧催生了哪些新摩擦？解决它们是否有价值？我们该如何解决？优势倍增：我们可以在何处部署生成式AI，以倍增现有优势（例如，从独特能力或资产中萃取新价值）？模式创新：若利用生成式AI打破历史的成本或复杂性约束，哪些全新的商业模式将成为可能？生态位思考：我们的哪些资产可以成为生成式AI驱动商业生态的关键“数据燃料”或基础设施？
     主动思考这些问题，能帮助企业识别哪些现有优势面临消逝风险，以及如何开启持久的、面向未来的新优势。