> For the complete documentation index, see [llms.txt](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-ba-bu-fen-chang-jing-pian/41-hang-ye-ju-li.md).
# 第 41 章 · 分行业举例
上一章按职能看，这一章按行业看。核心不是逐个行业罗列用例，而是解释一条规律：AI 冲击不同行业有先后，大致沿着"数字密集、以文本为主、容错较高"往"物理密集、强监管、容错低"推进（第 5 章的边界，M5 的顺序）。看懂这条，一家企业就能判断"我这行大概什么时候轮到、先动哪块"。
**金融**是数字与文本最密集的行业之一，又不直接涉及人身安全，所以走在前列——只是涉及资金和监管的核心决策依然卡得很紧。典型用法集中在研究、顾问辅助、客服、合规检查。摩根士丹利给顾问部署的 AI 助手，索引超三十五万份研报、检索从三十多分钟压到几秒、采用率超九成，是一个把 AI 用在"知识密集但不直接拍板"环节的务实样本。\[1] 落地重点：把 AI 放在辅助与检索，资金决策与对外承诺留人和规则兜底。
**制造与快消**的机会，在有明确数据、结果可量化的环节——排产、调度、质检、预测性维护。General Mills 用 AI 优化每日五千多批次发货，自 2024 财年起累计省下超两千万美元，胜在场景窄、绑住运输成本这个可审计科目。\[2] 落地重点：选窄而可量化的运营环节，别一上来做"全智能工厂"的宏大叙事。
**医疗**是"高价值但高风险"的典型，容错极低、监管极严，所以 AI 在这里最该谨慎。一个必须记住的教训是 IBM Watson：MD Anderson 癌症中心花了约四年、六千二百万美元建肿瘤顾问系统，最终在还处于开发阶段时终止；内部文件显示它给出过"不安全、不正确"的治疗建议（所幸未用于真实患者），问题包括用了过时数据训练、无法与病历系统打通、以及严重的过度承诺。\[3] 落地重点：医疗类场景把 AI 严格限定在辅助（检索、文书、初筛），诊断与治疗决定必须由医生担责，且要可解释、可追溯。
**零售**数字化程度高、容错较高，适合早动——推荐、客服、营销、商品信息、库存预测。沃尔玛是一个有公开数字的例子：它用多个大模型创建或改进了商品目录里超过 8.5 亿条数据，据其披露，同样的工作靠人工要多花约一百倍的时间，而它把这当作电商增长的一个"放大器"。\[4] 落地重点：把 AI 用在目录、搜索、推荐这类高频、可量化的环节，但个性化别越界成骚扰。
**教育**适合个性化辅导、备课与作业辅助。语言学习应用多邻国推出的付费层 Duolingo Max，用 GPT-4 提供两项功能——"解释我的答案"（答错时给出针对性讲解）和"角色扮演"（与 AI 角色做情景对话练习），把过去一对一才有的辅导做成人人可得。\[5] 落地重点：AI 可以规模化地提供辅导与反馈，但育人涉及价值判断，教师的判断与关怀不能被机器替代。
**政务**文本密集（公文、咨询、检索），适合先行。英国政府一项大规模试点让两万多名公务员使用生成式 AI 工具处理起草、摘要、更新记录等日常工作，人均每天节省约二十六分钟，一年累计接近两周。\[6] 落地重点：公文与咨询这类文本工作适合早动，但公共责任重、要求可解释与公平，高风险决策须人把关。
其余行业可以照这条规律推演各自的位置。**公益**资源少，适合用轻场景以小博大（接第 8 章），难点在数据与能力不足。
【本章缺口（待补一手案例）：公益行业目前只给了框架与落地重点，尚缺可核实、带公开数字的落地案例（已做检索，公开硬数据稀薄）；后续按出处铁律补入，不以印象充数。中小企业的打法已在第 8 章展开，此处不重复。】
## 要点速查
* AI 冲击行业有先后：数字密集/文本为主/容错高的先（金融、零售、政务文书），物理密集/强监管/容错低的后（医疗、能源、制造一线）。
* 已核实锚点：金融（摩根士丹利，辅助知识工作）、制造快消（General Mills，窄场景运营）、零售（沃尔玛，目录 8.5 亿条/百倍效率）、教育（Duolingo Max，规模化辅导）、政务（英国公务员试点，人均日省约 26 分钟）、医疗（IBM Watson，高风险的失败教训）。
* 通用落地重点：高风险、强监管行业把 AI 限定在辅助，核心决策由人担责、要可解释可追溯；低风险行业可早动，但注意个性化别越界、育人别去人。
## 给管理者的三步
* 现在：判断本行业在"被重构的顺序"里的位置——数字/文本密集且容错高的，别观望；物理/强监管的，可稳而不可轻。
* 三个月：选一个符合本行业容错特征的环节先做（金融做知识检索、制造做窄运营、医疗只做文书辅助）。
* 一年：在高风险环节把"人担责、可解释、可追溯"做扎实，再逐步扩大 AI 的介入范围。
## 来源
1. OpenAI《Morgan Stanley》案例 与 摩根士丹利官方新闻： ；
2. CIO Dive《General Mills attributes millions in cost savings to AI》：
3. IEEE Spectrum《How IBM Watson Overpromised and Underdelivered on AI Health Care》（2019）；STAT《IBM pitched its Watson supercomputer as a revolution in cancer care. It's nowhere close》（2017）： ；
4. Modern Retail（引沃尔玛 2024 财年二季度财报电话会）《Walmart executives say generative AI is 100 times more productive at updating product pages than people》：
5. Duolingo 官方博客《Duolingo Max》；OpenAI 案例页： ；
6. GOV.UK《Landmark government trial shows AI could save civil servants nearly 2 weeks a year》（2025）：
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-ba-bu-fen-chang-jing-pian/41-hang-ye-ju-li.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.