麦肯锡认为大部分企业并未准备好充分发挥 AI 的潜力，因为只关注在零散的地方使用 AI，只有渐进式的改变，尚不足以扩大应用规模。
组织要重新设想通过 AI 实现的核心业务、旅程或职能。这样一来，每一个 AI 项目都可以成为后续项目的基础，开启有机的变化循环。
领导者必须帮助组织找到可以借助 AI 实现重大变化的业务域，确定一两个业务域进行彻底改造。这需要部署新的技术、重新设定运营流程，改变员工的合作方式，乃至从根本上重新思考商业模式。
5G 2B，尤其是 5G 专网在企业的应用和面临类似情况。AI 和 5G 专网都属于用例驱动（Use Case Driven），用例是一个技术术语，可对照到应用场景，更大一些可映射到上文的 “应用域”。
#找到关键问题的重要性
Forerunner Ventures 的研究认为，2024 年 AI 风险投资 A 轮融资中，企业 AI 融资额 53 亿美元，消费者 AI 融资额为 5 亿美元。
企业侧 AI 占融资额的 90% 以上。
IoT Analytics 针对其跟踪的重点物联网用例数据显示，对比 2021 年的应用渗透率状态，Top 10 用例在 2024Q1 都取得了较大幅度的提升。
其中，“过程自动化”、“质量控制和管理”、“能源检测”、“实时库存管理”、“供应链跟踪” 位居前五位。
哈佛商学院 Felix Oberholzer-Gee 教授研究了 2009 - 2018 年美国不同行业上市企业投资回报率，其找到了一个有意思的发现：同一行业不同公司的差距，远大于不同行业间的差距。
假设一家公司从原来的第 75 名升至第 25 名，投资回报率增加 10.8%。而如果从排名第 75 的行业退出，切换到排名第 25 的行业，投资回报率只会增加 4.5%。
对我们读者的一个启示就是，个体角度，更多应关注自己在当前岗位和赛道是如何提升绩效，而不用花过多精力去抱怨当前赛道如何如何不好了 ……
