如何利用AI设计平台战略?
如果变革推动力只作用在轮子,变革愿景只着眼于绘制地图,意识不到新系统真正欠缺的是引擎,转型进展就会非常缓慢甚至最终失败。战略设计应识别和解决方向到行动的中心问题:如何原地发动。

陈加兴
StrategyLogic创始人

陈加兴
StrategyLogic创始人
战略只是方向,变革只是计划,知识限于知道,行动限于利益,只因企业面临的局面日益复杂——设计是解决复杂问题的必经之道。
战略设计应识别和解决方向到行动的中心问题:如何原地发动。如同带动汽车的不是轮子、车辙,甚至不是地图,而是——引擎。
如果变革推动力只作用在轮子,变革愿景只着眼于绘制地图,意识不到新系统真正欠缺的是引擎,转型进展就会非常缓慢甚至最终失败。
StrategyLogic专注新兴市场、新兴技术、新兴战略,聚焦市场与技术复合领域的战略设计。
StrategyLogic AI上线以来,收到各类客户需求,目前正在开放招募战略伙伴,第一位申请者来自某上市集团战略部负责人+哈佛商学院,这是开局就打BOSS啊🙃
本文就上个月收到的某跨国地产集团平台化转型战略需求,分享平台战略设计的AI实践。
平台模式:大模型能力边界
初级使用是将大模型视为问答知识库,高级使用是将大模型视为策略生成器。
下面是大模型能力边界的评估。
Good
- 知道:了解平台化转型的概念和范畴,能够分维度对比传统逻辑与平台逻辑的差异,如以产品为中心 → 客户为中心、线性价值链 → 网状价值链、内部资源 → 外部资源、利润来源分析等。
- 能做:制定转型的步骤,如定位核心资源、搭建数字平台、设计盈利模式、组织与文化变革。
Bad
- 无法评估和计算资源价值——连接外部生态的筹码
- 无法设计数字对称产品——构建网络效应的自复制单元
- 不了解数字要素概念——平台经济中增值活动的必需品
- 不能识别增长用户——更容易与平台产生互动的新群体
如果与大模型的交互只在既有问题,如如何设计平台、如何转型商业模式、如何推动组织变革,得到的就只是上面泛泛的答案。
但改变一下问题的范围,把潜在的平台竞争对手、博弈选择输入进去,大模型将提供给我们本来想不到的大量策略空间与组合。
提问示例
目前已经有一家互联网平台公司Y开始切入某行业,对该行业中的传统企业X来说,选择自建平台还是与Y合作?哪一种未来收益更大? 大模型博弈分析可以使用历史案例进行验证,如Netflix vs. Blockbuster.
推理机制:强制失败检验
大模型擅长构建自洽型方案,对战略设计者来说,即缺乏了最关键的约束条件识别,需要将其设计为先验条件纳入模型推理机制。
平台商业模式失败的四个主要原因如下:
- 自增长不足:缺乏飞轮效应,如信息平台需要有信息越多用户越多、用户越多交易越频繁的暗规则。
- 首次回报时间过长:投资补贴过高导致非头部玩家失败,如百团大战各家的平台业务相同,活下来的是账户现金最多的。
- 机会效益不明显:包括人力、资源、时间等,如果平台撮合不如单家行动,平台难有吸引力。值得注意的是,机会效益并不取决于平台的组织能力,而取决于平台的技术内核(TechCore)。
- 利益机制冲突:缺乏对新方向的激励相容设计,导致旧势力加以阻挠干预,经典败局:Blockbuster在Netflix快要挺不住的前夜内讧崩盘。
技术内核:平台战略设计的中心
数据飞轮、多边效应及网络效应,都依赖于平台战略设计是否能将价值主张转化为技术内核。基于平台模式的分类,一些成功的技术内核设计参考:
- 创新型平台:Apple Store,拥有的技术内核是iPhone、iOS;创新者(新产品的开发者)必须借助iOS和发布到iPhone终端。
- 交易型平台:Google Ads,拥有的技术内核是搜索引擎,商家、广告商、流量主在平台上能够实现全套的用户洞察、广告投放、渠道转化、定价和收益管理。
如果价值主要来源于第三方创造的产品或服务,应该构建创新型平台;如果价值主要来源于两个及以上的市场互动,而非直接提供产品或服务,应该构建交易型平台。超级公司往往同时拥有创新型平台和交易型平台的特征,如Amazon。
技术内核设计,只是平台战略的起点。
完整的平台战略,可以为生产、制造、产品型企业制定服务化转型路线,也能够帮助SaaS公司优化战略取舍、成本效益。
StrategyLogic AI「战略伙伴」将深度赋能处于新兴市场、新兴技术领域的企业新兴战略,想了解更完整的平台战略设计方案?希望优化和升级智能时代下的平台战略?欢迎参与我们的伙伴计划,首批 7 位名额,目前仅剩 3 席。
参考:战略AI发展路线图(L0-L4)
阶段 | 定义 | 人类角色 | 人类能力进化 |
---|---|---|---|
L0 | 无AI战略(Human-Only Strategy) | 经验判断 | 依赖经验与直觉 |
L1 | 增强感知(AI-Augmented Sensing)📍 | 数据驱动 | 数据解读与AI协同 |
L2 | 协同规划(Collaborative Planning) 🚩 | 意图引导 | 批判思考与动态博弈 |
L3 | 自主适应(Autonomous Strategic Adapting) | 反馈调整 | 系统控制与伦理校准 |
L4 | 共生进化(Symbiotic Strategy Evolution) | 机制设计 | 跨生态战略治理 |