数字化转型，可能不是你想的那样

最近这两年，我观察了两类企业。一类是制造业的中型工厂，老板花了大几百万上了MES系统，结果半年后跟我说，报表倒是自动生成了，但产线工人的抵触情绪比想象中大得多。另一类是连锁零售品牌，没有上任何大平台，只是用企业微信把门店的每日动销数据收上来，再结合天气和节假日做备货预测，据说库存周转率提了将近四成。这两个例子放在一起，让我开始怀疑一件事：我们挂在嘴边的“数字化转型”，它的本质到底是什么。

从数据上看，Gartner在2025年底发布的一个报告里提到，超过六成的数字化转型项目没能达到预期效果。另一家咨询公司麦肯锡的数据也差不多，大概有七成左右的企业在转型过程中遇到了组织层面的阻力。这个比例其实挺高的，高到让我觉得，可能问题出在定义本身——也许我们理解的“数字化”，和企业真正需要的“数字化”，是两回事。

有意思的是，我翻了一些成功的转型案例，发现它们有一个共同特征：几乎都是从最不起眼的环节切入的。比如一家做装修的公司，没有急着开发APP，而是先让工人用钉钉拍照上传每个施工节点的照片，然后系统自动比对标准工艺图，合格了才允许进入下一道工序。这个做法听起来很土，但效果出奇得好：返工率降到了原来的三分之一左右。另一个例子是某家物流公司，没有搞无人仓，而是把调度系统改成了基于微信小程序的抢单模式，司机们自己选单，配送时效反而提升了将近两成。

这些案例让我想到一个反常识的结论：数字化可能不是从上到下的系统替换，而是从碎片到连续的毛细血管改造。说得直白一点，真正能落地的数字化转型，往往不是“建一个平台”，而是“用一个工具打通一个具体的卡点”。这个逻辑跟很多咨询公司建议的“顶层设计”刚好相反，后者强调先画蓝图再施工，但现实里，蓝图还没画完，业务部门已经换了好几拨人了。

我接触过一个比较极端的例子。一家有三十多年历史的化工企业，内部数据散落在六个不同的系统里，彼此之间也不打通。老板听信了某大厂的建议，斥资近千万做数据中台，结果花了一年多时间，数据还没清洗完，业务部门就抱怨说系统太慢，还不如直接发Excel。后来换了一个思路，由一个懂业务的产品经理牵头，只挑了三个最关键的流程做接口改造，用了不到三个月，成本不到之前的十分之一，但核心的采购周期缩短了将近一半。

这里有一个值得琢磨的细节：那些成功的转型里，技术本身并不前沿，甚至可以说有些落后。比如上面提到的化工企业，用的就是最普通的API对接和ETL工具，没有任何AI或者大数据算法。这个现象让我对“数字化转型”这个词产生了更深的不信任感——很多时候，我们过于关注“数字化”三个字，却忽略了“转型”才是真正难的地方。转型意味着改变人的工作方式，改变部门间的协作习惯，甚至改变利益分配的逻辑。这些事，技术解决不了。

我对比了二十多个转型项目的数据，大致可以分成两类做法：

当然，这个对比样本量不大，而且行业差异很大。比如说，金融和政务领域的合规要求高，可能确实需要更大的系统来保证安全性。但就我接触到的中小企业而言，那种“先买大系统再按开关”的做法，成功率确实低得让人尴尬。我之前也信过“数字化转型是一把手工程，必须从上往下推”这个说法，但现在有点动摇了。至少从案例来看，很多时候反而是基层的“小发明”被老板发现后，才逐步推广开来的。

我不太确定这个判断能管多久。数字化技术本身也在变，比如2026年多模态大模型开始进入工厂质检领域，一些企业直接用视觉模型替代了人工抽检，这属于技术驱动的效率飞跃。但即便在这样的场景里，真正决定成败的也不是模型本身的准确率，而是产线上的老工人愿不愿意信任这个结果。我见过一家做电子元件的工厂，AI质检准确率已经达到99.7%，但老质检员还是坚持每件再用肉眼过一遍，结果导致整条线堵在最后一道工序。

所以数字化转型可能面临的一个根本矛盾是：技术越来越强，但人的接受速度却几乎没有变快。这个矛盾在2026年比三年前更突出——因为现在能选的技术太多了，反而让决策者不知道该信谁。有次跟一个CIO聊天，他说他一年内见了四十多家供应商，每家都在讲自己的方案如何“赋能”，但他最大的困惑是：这些东西到底是来解决自己的问题，还是来解决供应商的问题？

这个问题我也没有答案。只是觉得，当我们谈论数字化转型的时候，或许可以先把“数字化”这个词的重量减轻一点。它不是一座需要登顶的山，而是一条需要不断修葺的路。修路的工人不需要知道整条路通往哪里，他们只需要知道自己手里这段路有没有坑，填平它就行了。而真正能看清全局的人，往往不是站在山顶上画地图的，而是蹲在路边，手里拿着铲子的那个人。

至于这条路最终会通向哪里，说实话，我还没想明白。