刘宏利 · AI 战略落地专家 · 课程与咨询答疑
《超级共生》作者、AI 战略落地专家，常住北京。拥有 25 年企业管理与数智化转型实战经验，历任 IBM 系统学院院长、HP 业务线总监，是国内最早一批互联网、云计算从业者，毕业于北京大学光华管理学院（工商管理硕士）。2023 年起，将 AI 实战方法深度融入传统企业管理体系，形成以《超级共生》（清华大学 2026年9月出版）为理论核心的企业 AI 战略落地方法论，帮助企业构建人才、组织、业务、技术四位一体的 AI 落地基础设施。
服务分为两条主线。一、AI 战略落地咨询与工作坊：基于《超级共生》理论框架，聚焦 AI 落地四大前置维度——人才体系搭建（提升全员价值判断力与 AI 实操能力，打造人机协同的超级员工队伍）、组织适配优化（推动层级组织向弹性共生组织转型）、业务场景梳理（识别 AI 适配的价值场景）、技术基础夯实（AI 技术底座规划、数据治理与知识库搭建）；并交付超级员工 / 超级团队 / 超级业务三类工作坊。二、战略系统咨询与工作坊：依托 IBM BLM 业务领先模型与 OGSM 目标解码模型，提供 AI 时代的全流程战略咨询与培训，确保战略从规划到执行的完整闭环。
IT 互联网：字节跳动、阿里巴巴、美团、IBM 中国渠道大学、瞻博网络；金融证券：工商银行（AI）、华夏银行（AI）、交子资本（AI）、华西证券；制造业：泸天化集团（AI）、壳牌中国、新奥能源、三友化工；汽车行业：梅赛德斯奔驰、广汽本田、英菲尼迪；其他：中车集团、雪花集团、葛兰素史克。
围绕《超级共生》核心理念展开的 90–120 分钟主题分享 / 新书分享会，主题为「AI 战略升维：如何赢得未来业务竞争优势？」。它不是讲某个 AI 工具怎么用，而是帮企业决策层建立「AI 战略」的系统认知——为什么 AI 不是效率工具、而是重构竞争规则的力量。内容沿三条主线展开：① 识变局·战略升维——剖析 AI 从感知、决策到生成创造的能力跃迁，看清哪些行业壁垒正在被重塑、企业原有战略为何可能在未到期前就失效；② 建体系·超级共生——以超级员工（人机协同的个体能力）、超级团队（打破部门墙的组织形态）、超级业务（存量升级 + 第二曲线）三大支柱，搭建企业 AI 落地的系统框架，而非单点试点；③ 破障碍·变革先锋——识别 AI 转型中的认知惯性与组织文化阻力，明确谁来做「变革先锋」、如何点燃组织意愿。学员带走三件可直接使用的成果：一套战略判断框架（用以评估本企业 AI 机会与风险）、一张《超级共生》进化地图（看清从人到组织的升级路径）、一份落地障碍清单（提前排雷）。适合企业决策层、核心管理者，以及任何需要统一 AI 战略语言、对齐转型方向的管理者群体。
以《超级共生》为指定教材的两天线下工作坊，定位是帮企业跨越「战略已共识、一线难行动」的行动断层，把认知真正转化为增长。工作坊按四个递进模块展开：① 定方向——用 S 曲线判断业务所处生命周期、用双曲线识别「存量 AI 重构」与「增量第二曲线」两条增长路径，避免盲目铺摊子；② 找机会——以 IPO 目标重构法厘清「为谁、解决什么、创造什么价值」，再用 SEED 精益验证法把模糊机会收敛成可论证的增长命题；③ 组先锋——这是落地的关键：用 TASTE 框架选拔兼具业务判断与 AI 敏感度的人，用 OPT-OVT 明确「超级员工 / 超级团队」的角色分工，再用知识转化三阶段（隐性→显性→AI 化）把骨干经验变成可复制的组织资产，组建一支 AI 变革先锋队；④ 定行动——以 MVP 快速验证、以 SEED 规划节奏，并提前识别四类组织抗力（认知、流程、利益、习惯），给出应对预案。学员带走五项产出：AI 增长方向判断、业务增长命题清单、先锋队组建方案、60 天行动步骤，以及一套人机协同方法。适合已完成认知升维（如参加过公开课）或具备一定 AI 基础、希望把战略落到执行、且愿意投入骨干组建先锋队的企业团队。
面向已完成工作坊的先锋队提供的 60 天轻陪伴服务，目标是消除 AI 落地「最后一公里」的组织抗力——很多企业的 AI 项目不是败在技术，而是败在组织和人。陪跑以「社群陪伴 + 定期线上咨询」方式运行：先锋队在日常推进中遇到问题随时在社群提出，顾问定期线上会诊、点评、纠偏，让方法持续在场而不只是课上听一次。陪跑聚焦四类最典型的落地卡点：需求不清晰（不知道先做什么、价值说不清）、责任不落地（没人真正对结果负责）、考核不匹配（旧 KPI 与新工作方式冲突）、习惯难改变（回到老路、工具闲置）。服务边界刻意收敛：不帮企业开发系统、不替代实施落地、不替代管理决策、不承诺具体业务结果，只做「方法与陪跑」，逼着企业自己长出能力。首期限 5 家企业、每队不超过 6 人，确保深度陪伴与定制。最终目标是打造一支真正能打的 AI 变革先锋队——具备三层能力：在一线发现并定义机会、推动跨部门变革落地、并在持续进化中影响整个组织，让 AI 转型从一次项目变成组织长期能力。
战略系统咨询与培训依托 IBM BLM（业务领先模型）与 OGSM（目标解码模型）两大经典方法论，结合 AI 实战工具，帮助企业把战略真正落下去，而不是停在 PPT 上。它包含两个核心工作坊：战略规划咨询工作坊——用 BLM 做战略诊断，结合 AI 战略规划方法，制定精准可行的战略规划与商业模式创新方案，并在核心管理团队中达成共识；战略解码咨询工作坊——用 OGSM 把顶层战略拆解为部门、岗位可执行、可考核的具体目标与任务，搭建战略落地跟踪与复盘体系，确保从规划到执行不脱节。整套服务适合希望建立「战略—解码—执行」闭环、避免战略悬空的企业。
课程《AI 赋能战略闭环——提升战略规划应变能力》以 BLM 业务领先模型为核心，融合 AI 实战方法，帮企业构建「战略规划→战略解码→战略执行」的动态校准闭环系统。它主要解决三类战略痛点：① 战略滞后市场剧变——缺乏趋势洞察，原战略未到期即失效（如某科技企业押注沉浸式交互生态，生成式 AI 爆发后被迫重构技术路线）；② 组织惯性难以突破——思维固化、部门墙严重，规划流于形式（如某跨国车企固守燃油车路线，新能源转型滞后，3 年份额持续下滑）；③ 战略执行衔接断层——规划与一线脱节，目标拆不下去、增长乏力（如某传统制造企业数智化转型战略未衔接生产场景，落地 1 年未达预期）。课程通过战略复盘、战略规划、战略解码、战略执行、战略汇报五个模块，借助差距分析、市场洞察、关键任务拆解、组织能力诊断等 AI 工具，让团队边学边产出可落地的战略规划初稿。
企业核心决策层：需重构 AI 时代战略决策能力，把战略拆成关键战役地图，掌握 BLM+AI 方法，适配顶层设计；高潜后备管理层：需理解业务线战略执行重点，提升战略解码与 AI 实战能力，为战略落地提供人才支撑。也适合希望统一战略语言、打通「战略—执行」的中高层管理团队。
BLM 课程提供两天版与一天版，核心内容一致（以 BLM 为核心、融合 AI 实战，构建战略规划→解码→执行的动态校准闭环），区别在于深度与时长。两天版约 12 小时，含战略复盘（2h）、战略规划（3h）、战略解码（4h）、战略执行（2h）、战略汇报（1h）五个环节，解码与执行部分展开更充分，适合需要系统掌握并能内部推演落地的核心团队。一天版约 7 小时，聚焦战略思维（1h）、战略复盘（2h）、战略规划（3h）、战略汇报（1h）四个环节，节奏更紧凑，适合时间有限、希望快速建立战略共识与 AI 应用认知的管理者。
课程《AI 赋能战略闭环——推动战略解码敏捷落地》聚焦业务线管理团队「解码总部战略」的核心场景，以 OGSM 方法论为核心融合 AI 实战工具，把总部战略转化为可落地的业务作战地图。它破解的典型问题是：总部战略目标难以转化为业务线具体执行计划（如总行提出绿色金融战略，支行却无法拆成客户拓展、产品推广的日常动作），导致落地脱节、资源内耗、共识不足。课程帮助业务线借助 OGSM 方法论与 AI 工具，推动高管共识、实现资源协同，制定可落地的战略解码与执行计划。适合业务线负责人和管理层（搭建业务线战略落地体系），以及业务团队高潜员工（理解战略执行重点，衔接一线场景、制定工作计划）。
沉浸式案例研讨课程，1 天（6.5 小时），面向企业中层以上管理者、战略决策层、业务单元负责人。课程聚焦把 AI 从「效率工具」升维为「竞争战略」，围绕四个模块展开：① 导入——AI 革命的紧迫性，以诺基亚错失智能手机时代等案例建立转型紧迫感、对齐管理层共识；② AI 破局核心原理——从神经网络到四大能力（感知、决策优化、生成创造、知识工程与仿真），结合陆升陶瓷 AI 质检替代 90% 人工、华泰纸业断纸故障从 23 次/月降至 7 次、万事利丝绸 AIGC 实现 80 亿条丝巾不重样、三花智控知识图谱沉淀老师傅经验等案例，讲清 AI 的能力边界；③ 业务 AI 战略设计与评估——用 AI 能力四层模型、应用环境评估矩阵、机会识别四象限锁定优先项目；④ AI 项目 ROI 测算——按「降本 + 增收 - 投入 - 风险成本」排序多项目。学员完成三大提升：认知（AI 是业务战略）、方法（场景落地规划工具）、执行（带团队落地能力），并产出本业务线的 AI 战略规划初稿。
沉浸式案例研讨课程，1 天（6.5 小时），面向业务单元负责人、业务一线管理者、AI 应用项目负责人。课程聚焦把 AI 从「效率工具」升维为「应用场景」，围绕四个模块展开：① 导入——AI 革命的紧迫性与业务线生死考验；② AI 业务场景应用案例与成败核心——按技术研发、产品设计、生产运营、市场营销、客户服务五大场景拆解，结合抚顺特钢智能选材研发周期缩短 70%、海尔「懒人洗衣机」从用户草图到全球爆款、滴滴 AI 优化补贴策略 ROI 提升 3 倍、小鹏机器人赋能品牌营销、保险 AI 情绪识别转化率提升 25% 等案例，讲透落地逻辑；③ AI 业务场景设计与评估——用成熟度评估矩阵与机会识别四象限锁定优先场景；④ AI 项目立项建议书撰写实战——产出《AI 项目立项建议书》。学员完成三大跃迁：认知（AI 是业务价值）、方法（场景规划工具）、执行（推动场景应用实战能力）。
工作坊《AI 赋能业务场景——AI 落地场景规划工作坊》针对企业 AI 落地「工具先行、脱离绩效、落地无效」的痛点，基于双钻设计思维与 BEM 绩效改进模型，构建「认知拉齐→绩效锚定→场景反推→落地规划→试点验证」闭环，无需技术基础。它解决三类典型困境：① 认知模糊难挖场景——员工抵触、技术不懂业务，AI 工具半年没人用；② 有场景却脱离绩效——方案与业务流程脱节，转化和效率无提升；③ 无复盘难迭代——落地后无法用绩效指标优化，工具难以复用。工作坊分六个模块推进：趋势掌握（1.5h，拉齐 AI 认知）、绩效分析（1.5h，量化绩效目标）、BEM 根因分析（2h，拆解绩效改善点）、流程梳理（3h，规划 AI 应用方向）、场景筛选（2h，评出优先试点场景）、规划汇报（2h，形成 MVP 计划）。全程融入 BEM 模型、流程梳理、AI 场景评估表等工具，产出一份可直接试点验证的 AI 落地场景方案。适合想迈出 AI 业务落地第一步、却缺方法的业务团队（业务骨干 + 一线管理者 + 核心决策层，无需技术团队支持）。
课程《AI 赋能业务场景——第一性原理到场景破局》帮学员用第一性原理跳出原有框架，以创新方式解决战略、创新、销售等复杂业务问题，并融入 AI 实战方法，提升本质思考力与 AI 辅助思考能力。它解决两类问题：① 问题解决治标不治本——只盯表面现象，问题反复出现（如某团队优化客户投诉流程只改销售端审批，责任不清反而拖长周期）；② 业务创新流于表面——跟风竞品、依赖营销，陷入同质化。课程分四步展开：第一性原理（1.5h，建立本质思考）、拆旧 & 挖旧（2h，用 SCQ 分析、5 Why、MECE 拆解隐含假设）、立新 & 建新（2.5h，用双因法、JBTD、MVP 建立新方案）、行动计划（1h，推动落地）。适合各层级管理者（突破经验依赖、提升复杂问题决策质量）与创新团队成员（打破思维定式、找到突破性方案）。
课程《AI 赋能业务场景——产品创新》聚焦产品「从 0 到 1 创新」与「现有产品迭代升级」两大场景，以 JTBD（用户任务）方法论为核心、结合 AI 工具，帮企业跳出功能堆砌与需求误判，精准挖掘真实需求。它解决：① 同质化创新无差异（跟风推网红款，热度昙花一现）；② 价值锚点模糊导致粘性不足（只满足功能，客户易流失）；③ 场景适配不足叫好不叫座（脱离真实使用场景，上市即滞销）。课程分五模块：产品创新趋势（1h）、JTBD 功能任务（1.5h）、JTBD 情感任务（1h）、JTBD 任务场景（2h）、创新立项汇报（1.5h），全程用 JTBD 功能 / 情感 / 任务场景工具 + AI，产出可落地的创新方案与 MVP 计划。适合产品设计 / 创业团队（找差异化创新点）与市场运营从业者（理解用户任务、衔接产品与市场）。
课程《AI 赋能业务场景——提升对公业务营销效率》聚焦对公客户经理开拓潜在需求、建立长期战略合作的核心场景，依托 AI 赋能与实战方法论，破解对公销售「拓客难、适配差、成交慢」。它解决：① 资源与工具不足——缺数据分析和 AI 工具，需求挖掘靠经验、精准度低；② 需求与方案适配差——产品同质化，易陷低价条款比拼；③ 客户信任不稳——缺方法论，难与高层对话、推进慢。课程分五模块：识销售趋势（1h）、选高潜客户（2h，三步法 + 客户画像）、挖商业需求（2h，需求三层级）、推差异价值（1.5h，差异价值矩阵）、降决策风险（1.5h，四路径），通过实战模拟调用 AI，帮客户经理从产品型转向价值型销售。适合对公客户经理（提升成交价值与长期黏性）与销售团队管理者（构建高价值成交体系）。
课程《AI 赋能业务场景——基金公司立项会》以模拟「投资睿影医疗立项会」真实场景展开，系统拆解投资建议书 8 大模块逻辑，搭配 AI 工具，解决投资经理三大痛点：① 建议书逻辑校验易遗漏（多模块一致性难保障，反复修改内耗）；② 数据搜集测算低效繁琐（多渠道手动整理耗时，错过尽调窗口）；③ 报告模板化缺乏差异化（千篇一律、核心价值不突出）。课程以「人主导、AI 辅助」（Copilot 模式）培养三项能力：投资系统化思考、专业提示词撰写、AI 交叉验证。分四模块：AI 发展趋势与应用（1.5h）、投资建议书 AI 赋能上（1.5h，前 3 模块）、下（2h，后 5 模块 + 估值测算 + 风控）、AI 模拟立项会（1h，逻辑闭环检核 + 路演）。适合新任投资经理 / 投研助理（快速上手立项文书）与投资团队管理者（推动立项标准化与质量管控）。