WHERE?
业务的新可能
新的机会在哪里？
AI 改变了哪些业务约束？过去难以提供的服务，能否成为新的产品、服务或商业模式？
KAYSEN 知所為/AI Judgment
在 AI 时代，作出更好的决策。
Better Decisions in the Age of AI.
技术能力不断刷新。真正重要的，是看清哪些机会值得把握，哪些投入值得坚持，哪些方案应该放弃，以及哪些判断必须留在自己手里。
从模型能力，到企业能力。
Possibility SpaceUncertainty · Observation · Emergence
Model SystemsNext-token distribution
Evolving model capabilities
Evolving model capabilities
Enterprise SystemsBusiness model / Operating model
Absorptive capacity
Experiment / Observe / Learn
Absorptive capacity
Experiment / Observe / Learn
AI 已经很强，
企业为什么没有变强？
- “最新模型，马上接入”
- “先建集团级 AI 平台”
- “这个 Agent 能帮我们降本 50%”
- “跑分又刷新了”
- “隔壁公司已经做了”
- “我们不能再错过这一波机会”
- “所有团队都要用 AI”
- “先做一个试点”
- “人人一个 Agent”
- “挖一个大厂 CTO 就好了”
- “采购成熟方案”
- “再观望一下，等更成熟”
- “让 AI 赋能每个岗位”
- “照着标杆复制”
- “我们需要自建大模型”
- “快上线，先抢窗口”
- “数据不行，先补数据”
- “先搭一个 AI 中台”
市场正在制造过剩的答案，
企业缺的，是自己的判断。
方案不稀缺，
判断才稀缺。
The Gap · Capability vs. Value
模型在变强，决策却不一定更容易。
每一次技术更新，都带来新的跑分、演示和行动建议。但模型在基准测试中表现出色，不等于它适合你的业务；把它接进产品，也不等于整个服务会随之改善。
性能≠适用
模型指标，要回到真实的用户、任务与成本约束中检验。
上线≠价值
局部功能可以用，不代表用户体验和经营结果随之改善。
提效≠能力
工具可以采购；问题定义、效果验证与持续学习，必须留在组织内部。
64.4%受访企业已进入 AI 生产部署
48.5%受访企业表示 AI 实际回报低于预期
德勤中国 × 香港大学《决策者视角下的企业 AI 应用》· 2026.09 · 205 位受访企业高管
判断可以借：研究、顾问、厂商，都能提供输入。
杜韬 · KAYSEN 创始人
但判断不能外包，它必须长在企业自己的管理团队里，并且和权责放在一起。
Our Perspective · AI Judgment
判断力，
不是知道哪个
模型最好。
AI 判断力，是在技术持续变化的条件下，看见新的商业可能，理解真实的约束，作出资源与责任的取舍，并用实际结果校正下一次选择的能力。
Judgment about AI
人对 AI 的判断
投入什么、采用什么、放弃什么，以及由谁为结果负责。
Judgment within AI
AI 系统里的专业判断
系统依据哪些事实和方法给出建议，什么时候可以自主处理，什么时候必须交还给人。
能力可以被展示，
价值必须被验证。Benchmarks show potential. Practice reveals consequences.
AI 判断力落到管理层面前，是四个必须同时回答的问题。KAYSEN 的工作坊与分享，反复回到这四个问题。
WHY?
AI 投入与技术取舍
为什么值得我们投入？
众多技术路径中，什么值得投入？哪些自建、哪些采购，哪些现在根本不必做？
SO WHAT?
从 AI 项目到经营结果
经营结果改变了吗？
各部门都在上线 AI，局部效率也在提升。怎样变成整体经营成果，最终体现在财务报表上？
AND THEN?
企业自身的长期能力
企业留下了什么能力？
技术不断变化，项目结束之后，哪些判断、数据、人才和工作方式必须留在企业自己手里？
Why KAYSEN · Four Positions, One Perspective
创始人杜韬，17 年先后坐过AI 决策的四个位置。
同一项 AI 投入，站在不同位置，约束、利益和衡量成败的标准完全不同。
在企业之外顾问与技术供应方
- 01PwC · WTW管理咨询
看过很多企业：哪些经验能迁移，哪些取决于企业自身的条件。
- 02蚂蚁集团AI 产品解决方案总监
把模型与算法做成企业愿意采购、能够持续交付的科技产品。
在企业之内业务经营与集团建设
- 03京东财富AI 负责人
对用户价值、增长和 ROI 负责，检验 AI 投入是否真正成立。
- 04Gate 集团集团 AI 产品负责人
决定哪些能力由集团统一建设、跨业务复用、长期沉淀。
理解每一方的合理性，也看得见各自的局限：
KAYSEN 不被任何一方的单一目标绑定。
- 不卖模型
- 不卖工具
- 不做实施
- 站在企业一侧
我一直要求产品经理亲手测模型、看日志、做标注。跑分和宣传稿只能说明可能性；一项技术值不值得用，要看它接进真实业务之后，带来了什么，又付出了什么。
杜韬 · KAYSEN 创始人
Selected Decisions · The Value Shift
AI 不只是增加一个聊天窗口，
或给每个员工配一个 Agent。
创始人任职期间的两段亲历实践
Field Note / Wealth Management
专家的判断，如何成为产品？
没有停在聊天入口。用多个 Agent 协同，把原本分散在投研、资产配置、产品运营等岗位的专业判断，组织成一套可复用的能力，同时服务客户和理财师：专业服务的质量与规模，不再二选一。
Field Note / Content Growth
局部产能，不等于整体增长。
AI 让内容生产提速之后，分发与增长并没有自动跟上。于是不再让每个岗位各自用 AI 提效，而是按 AI 原生工作流，重新整合了内容、审核、翻译、分发和增长五个相关职能。
The Trade-offs
有限资源，
必须作出取舍。
面向客户的新产品、各业务共用的 AI 基础能力、企业内部的 AI 转型……都在争夺有限的钱、人和组织注意力。
Practice / 创始人任职期间的集团 AI 建设实践
先决定不做什么。
当时不做大而全的通用 Agent 平台，也不自训垂类大模型，这些都不是企业自己的优势；资源集中在各业务共用的底层：模型调用、效果评测、数据与知识库。
Observation / 技术采购方与技术供给方的长期观察
部署权写得进合同，学习权写不进。
供应商从项目中学习，企业也必须学习。问题定义、优先级、效果验证与持续迭代的主动权，不会随一次采购转移。
Ways to Work with KAYSEN
同一种判断力，进入不同的决策现场。
01
Executive AI Judgment Workshop
管理层 AI 判断力工作坊
面向企业管理团队，以及高校与高管教育项目中的企业家和管理者
把亲历的 AI 经营与技术决策带进管理层课堂。先在不完整的信息中作出选择、说出理由，再对照当时的真实条件、取舍与后果。目标不是记住一个答案，而是把对 AI 的判断，留在自己的管理团队。
02
Executive Briefings
高管主题分享与研学交流
面向企业家研学团、商学院与高管教育项目、行业协会与专业团体、企业领导力活动，国内团组与国际访学团都可以
用亲历的金融与互联网平台 AI 实践，讲清技术进入真实业务之后发生了什么：哪些判断被推翻，哪些经验可以迁移，哪些只属于特定的市场和组织。可以是一场主题演讲、一堂公开课，也可以是研学行程中的专题交流。
- AI 已经很强，企业为什么还没有变强？Why Aren’t Companies Stronger?
- 让 Agent 真正进入工作：来自金融科技与互联网平台的经验Putting AI Agents to Work
- 中国平台企业的 AI 实践：哪些做法可以迁移China AI in Practice
03
Selective Advisory & Assessment
专项顾问与项目评估
针对明确的企业 AI 战略、产品商业化或早期 AI 项目问题，按项目讨论合适的参与方式。始终站在企业一侧：不卖模型、不卖工具、不做实施。
Decision Exercise / Pick Two
工作坊中的决策模拟 · 改编自创始人亲历的决策
如果由你决定，先投哪两项？
你负责集团的 AI 投入。四个方向各有依据，但预算与团队只够做好其中两项。
你选哪两项？
先后怎么排？哪一项明确暂缓？
真实的条件、选择与后果，留在工作坊里对照。
带着你的选择来聊聊The Experience
先判断，再复盘。
不知道结果时，先作选择并说出理由；再还原当时的条件、真实选择与实际后果，看条件变化之后原来的判断是否还成立。
What You Take Away
每个决策都拆开四个判断依据：经营问题、关键条件、选择依据、实际后果。带回团队的，是说清目标、条件与选择依据，并知道下一步要验证什么。
Format
主题分享 · 案例研讨 · 决策模拟
60 MIN / 90 MIN / HALF DAY
标准内容之外，可按行业与角色选择贴近的业务对照，或为特定业务线安排更聚焦的案例培训。
From the Field
台上讲的，
都是亲手做过的。
从大型科技大会、技术产品发布，到香港高校的分享：把一线做过的选择，讲给不同背景的人听。
Upcoming
Prudential Global AI Day at Cyberport2026 年 11 月 20 日 · 主题演讲 Putting AI Agents to Work
Talk
香港大学 · 香港城市大学企业 AI 决策与实践分享
Workshop
某在线销售机构AI 核心团队半日工作坊
除香港高校分享外，均为创始人任职期间的公开活动
Field Notes · 文章
判断来自一线，也需要不断更新。
-
01
组织在惩罚正确答案
一支 AI 团队明知平台不该继续做大，却停不下来。不是产品判断错了，而是激励在塑造架构。
公众号「杜韬 AI 重构」 · 英文版 Why Rational AI Teams Build the Wrong Product · Substack · 2026.09
-
02
AI 是不确定的，为什么要按运动式来管？
大规模试验能培养能力、发现机会；但管理层该衡量的是学到了什么，而不是推进得有多快。
英文专栏 AI Is Uncertain. Why Are Companies Managing It Like a Campaign? · Substack · 2026.09
-
03
用最先进的 AI，复制最旧的组织
为每个岗位规划“数字员工”，AI 提效就实现了吗？AI 转型的基本单位不是员工，而是工作、判断与价值创造的过程。
公众号「杜韬 AI 重构」
People Behind the Practice
专业经验，彼此互补。
一线实践，加上互补的专业能力，围绕同一个目标协作：帮助管理层形成更好的判断。
杜韬 Irene Du
KAYSEN 创始人 · AI 战略与业务创新
17 年横跨管理咨询、金融科技与互联网平台。擅长从企业经营目标出发，判断 AI 的产品机会、投资取舍与长期能力建设。
- 曾任
- Gate 集团 AI 产品负责人 · 京东财富 AI 负责人 · 蚂蚁集团 AI 产品解决方案总监 · 普华永道美国金融服务咨询经理
- 专业认可
- 中国人民银行金融科技发展奖二等奖 · 两项大数据技术专利 · 杭州市高层次人才
刘洪 Hong Liu
首席技术顾问 · 大模型与 Agent 工程
17 年 AI 实践，覆盖大模型训练与后训练、AI 数据平台、Agent 架构与评测；主导 AI 在搜索、营销、智能客服、支付风控、金融理财等场景规模化落地。
- 曾任
- Coupang 资深 AI 总监 · 京东集团 LLM 应用中心负责人 · 阿里集团大模型训练与 AI 数据中台负责人 · 腾讯用户增长及风控算法负责人
- 专业认可
- 腾讯技术金奖 · 国家专利金奖 · 深圳市高层次人才 · 北京邮电大学校外导师
Doreen
首席商务官 · 商务拓展与生态合作
拥有 VC、PE 投资及多段 AI 创业经历，结合投资视角与创业实践，推动 AI 领域的商务拓展与生态合作。
- 经历
- Everform 创始人，建设大湾区 AI 社群 · 曾从事 VC、PE 投资 · 参与多段 AI 创业实践 · 香港大学经管学院校友
KAYSEN 由创始人主导，与互补领域的独立专业人士按项目协作
Invitation / 合作邀请
告诉我们，你正在面对什么决策。
让下一次 AI 决策，有自己的依据。
我们先了解参与者与关心的议题，再一起选择合适的形式：管理层工作坊、主题分享与研学交流，或专项合作。
30Minutes
通过邮件预约
免费初步交流 · 电话或线上会议
也可以联系向你介绍 KAYSEN 的合作伙伴
企业管理团队 · 高校与高管教育项目 · 企业家研学团组 · 专业团体