施耐德電機如何在產品和流程中擴展人工智慧

在世界經濟論壇年會上的講話 2026 年 1 月，施耐德電氣執行長奧利維爾·布魯姆 (Olivier Blum) 在瑞士達沃斯第二次接受獎項，表彰該公司的人工智慧解決方案是世界經濟論壇 MINDS（有意義、智慧、新穎、可部署的解決方案）計畫的一部分。這項殊榮突顯了該公司的兩款人工智慧應用程式：EcoStruxure Microgrid Advisor 和 SpaceLogic 觸控螢幕房間控制器，可在能源管理方面產生可衡量的影響。施耐德電機是唯一一家兩次獲得該計劃認可的公司。

布魯姆在達沃斯宣布：“很明顯，我們已經進入了一個人工智能和能源密不可分的新時代，它們將共同重塑每一個企業。” “人工智能需要計算，而計算需要能源。這就是為什麼世界需要更高的能源智能。”

人工智慧與能源之間的這種相互依賴性使能源管理技術的全球領導者施耐德電氣處於企業最關鍵挑戰之一的中心：推動人工智慧革命，同時推動永續發展目標。為了滿足客戶需求和內部流程目標，施耐德電機建立了一個大規模部署人工智慧的組織模型，刻意跳過了試點階段，該階段消耗資源，卻無法對許多公司產生業務影響。 （稍後會詳細介紹。）

自 2021 年起擔任施耐德電機首席人工智慧官的 Philippe Rambach 正在領導這項工作。目前，近 100 個人工智慧用例正在生產中運行（大致均勻地分佈在面向客戶的解決方案和內部運營之間），施耐德電氣已證明人工智慧可以在企業運營的各個方面創造價值，包括製造車間、客戶服務中心和複雜的能源優化系統。該公司的認可也延伸到了製造業：2026 年 1 月，世界經濟論壇的全球燈塔網絡授予施耐德電氣中國武漢工廠“燈塔”稱號，這是該公司的第九個稱號，這次是在一個新推出的類別中表彰人才發展和以人為本的勞動力模式。

Rambach 描述了一種基於商業價值而不是技術實驗的策略。 「我們總是從業務和客戶需求、員工的痛點出發，人工智慧可以提供幫助，」他告訴我們。每個計劃都必須展現明確的業務價值，並從一開始就規劃大規模部署。 Rambach 和他的高階管理同事也擔心人工智慧治理和道德規範，但是，正如他在一份報告中指出的那樣 2025年報告 生產者 麻省理工學院斯隆管理評論 和塔塔諮詢服務公司表示，“可解釋性很重要，但在董事會中，後果更重要。”

平衡兩個人工智慧組合：內部人工智慧和麵向客戶的人工智慧

施耐德電機在兩個不同的領域尋求人工智慧機會，每個領域都有不同的策略要求、衡量成功的方法以及實現價值的時間表。

內部人工智慧應用程式可帶來更直接的財務回報，幫助員工更快更好地工作，同時為客戶提供增強的支援。

同時，面向客戶的人工智慧代表了一種長期策略，專注於在新興和不斷發展的市場中奪取市場份額。 Rambach 表示：「對客戶而言，我們希望率先進入市場並佔據有利地位，即使是在人工智慧輔助能源管理尚未完全開發的市場中也是如此。」例如，施耐德電氣運營的每個國家都表現出不同的可再生能源滲透率，並且隨著大量新電力負載進入電網而面臨不同的挑戰。這要求該公司調整其人工智慧解決方案以適應不同的市場條件。

儘管許多商業世界都急於擁抱生成式人工智慧，但施耐德電機仍保持著均衡的人工智慧技術組合。 人工智慧分析 應用於結構化資料的傳統機器學習仍占公司整體人工智慧工作的約 60%，特別是在客戶解決方案中。 「分析人工智慧非常重要，並提供了很多價值，」Rambach 強調。 “我們不會放棄這一點。”

生成式 AI 約佔面向客戶的應用程式的 40%，約佔以員工為中心的內部工具的 70%。儘管 Rambach 強調，人類對系統開發的大量參與仍然至關重要，但該技術擅長使系統更易於使用、提供支援功能以及產生程式碼。施耐德電機還將生成式人工智慧納入其智慧電網解決方案，並正在探索應用基礎變壓器模型來分析物聯網和時間序列數據，並創建多任務模型。

施耐德電機最重要的生成式人工智慧應用之一解決了大型企業常見的挑戰：使組織知識易於存取和使用。該公司需要具有強大安全性、清晰資訊來源以及引用來源能力的系統。這需要建立針對特定功能的垂直知識庫，而不是部署一刀切的解決方案。

事實證明，這些用例的非結構化資料的管理具有指導意義。 「為了數據品質而要求人們清理自己的數據是行不通的，」拉姆巴赫說。人們本能地抗拒那些感覺像是在做工作的事情。 「但如果你向他們展示在人工智慧背景下你可以用它做什麼，他們就會更願意接受，」他指出。當員工可以看到更好的數據的直接影響時，他們願意執行管理工作。

這項見解反映了公司更廣泛的原則：員工必須融入人工智慧開發流程。 Rambach 表示：“一線人員正在開展這項工作，他們是施耐德人工智慧方法的核心。” “我們從業務領域開始，引入其他需要的人。核心專家不具備該領域的知識。”

嵌入人工智慧，而不是建構獨立產品

施耐德電機刻意避免為內部用戶或客戶創建單獨的人工智慧產品。相反，該公司將人工智慧功能嵌入現有系統和流程中，例如能源管理應用程式、現場服務工具、客戶服務平台和銷售輔助工具。一個典型的例子是它為公司銷售人員實施的人工智慧工具，他們必須瀏覽極其複雜的產品目錄。該公司沒有推出獨立的應用程序，而是將人工智慧推薦功能內建到 Sales Copilot 中。該公司將產品管理規則應用於人工智慧用例，監督人工智慧驅動的流程和產品從概念到部署再到最終退役的整個過程。

這種整合策略擴展到代理人工智慧等新興功能，儘管該技術相對不成熟，但施耐德電機如今已經看到了實用價值。該公司建立了一個用於處理報價請求的代理系統，該系統提取關鍵訊息，重新制定訊息，並為銷售人員進行匯總。該系統並不完美，但它顯著提高了銷售效率。 「在公司的許多情況下，當進行人工審核時，80% 到 90% 的準確度就足夠了，」Rambach 指出。關鍵是教育用戶審查和改進人工智慧的輸出，而不是盲目接受它。施耐德電機正逐步轉向更代理的流程自動化，擺脫傳統的機器人流程自動化，同時使用人工智慧作為顧問和推薦者，而不是完全自主的決策者。

施耐德電機認真對待員工的理解和行為改變，並實施分層培訓方法來識別整個組織的不同需求。該公司已將人工智慧培訓強制規定為每個人，但針對四個不同的群體量身定制了課程。首先，所有員工，包括生產線上的員工，都接受基礎人工智慧培訓。其次，管理層接受領先人工智慧計劃和管理人工智慧團隊的專門培訓。第三，Rambach團隊的AI專家接受過深入的技術訓練。最後，也是最不尋常的一點是，產品經理、流程負責人和 IT 負責人接受的培訓重點是人工智慧如何實現其領域的轉型。

一個為規模而設計的人工智慧組織—無需試點

也許施耐德電機最顯著的特徵是其組織模式，該模式的明確設計目的是快速在整個組織中產生影響，而不是進行試點和實驗。 Rambach 強調：“我們的目標不是進行試點和實驗：用例是大規模部署的。”

該模型由三個組成部分組成：一個由 350 多人組成的致力於人工智慧的團隊；綜合技術平台，包含 Microsoft Azure、Amazon Web Services、Databricks、具有檢索增強生成功能的大型語言模型操作、LangChain 和各種 API；也許最重要的是，一個結構化的流程，指導從願景到構思和孵化再到大規模部署的舉措。

在此過程中的每個關口，公司都會確認業務計劃和業務案例。成功需要將領域知識與人工智慧專業知識相結合，從而將產品所有者、IT 專業人員、數據專家、培訓師和行銷人員聚集在一起。其他一些組織也採用這種方式 人工智慧計劃的階段性方法，我們相信這是增加獲得有價值結果的可能性的有用方法。然而，在不一定涉及人工智慧的新產品開發過程中，這種情況更為常見。

無需等待確定性即可衡量價值

衡量人工智慧的經濟價值提出了挑戰，特別是對於面向客戶的產品，其中進步的重要性很難區分。 Rambach 表示：「在客戶產品領域，要展示技術改進帶來的價值可能很困難。」「從桌上型電腦轉向筆記型電腦的投資報酬率是多少？向產品添加通訊協定的價值是什麼？」不過，該公司確實追蹤人工智慧產品的使用率和結果，例如客戶實現的節能。

對於內部應用程序，施耐德電機從明確的業務價值主張開始，並追蹤兩個 KPI：採用目標和績效指標。效能指標因用例而異；它可能是準確性、客戶滿意度評分或信用違約率的減少。 “每個都有一個 KPI，”Rambach 說。 “我們會關注它是否表現出色。”

業務利害關係人擁有價值主張，並協助為其用例制定適當的 KPI。該公司計算年度人工智慧總價值並向董事會報告估計值，預測該技術在四年內的影響，但對這些數據保密。

拉姆巴赫告誡不要等待完美的測量方法才採取行動。 「如果你等待明確的價值衡量，你將錯過很多機會，」他警告。這種以合理的信心而不是絕對的確定性向前推進的意願，使施耐德電機能夠擴展人工智慧應用，而競爭對手仍陷於試點煉獄。

其他企業的人工智慧管理經驗教訓

施耐德電機的人工智慧方法為尋求超越實驗規模的公司提供了一些經驗教訓：

從商業價值開始，而不是技術。 施耐德電機的每項人工智慧計畫都始於業務需求和客戶痛點，而不是質疑最新人工智慧模型的可能性。

讓第一線員工參與發展。 從事這項工作的人員擁有核心人工智慧專家所缺乏的基本領域知識。有效的人工智慧需要從一開始就融合這些觀點。

將人工智慧嵌入現有工作流程。 施耐德電機並沒有要求客戶或員工採用新的獨立工具，而是將人工智慧功能建置到人們已經使用的系統中。

從一開始就按規模設計。 施耐德電機的組織模式、技術基礎設施和治理流程都是為了部署生產系統而建構的，而不是為了創建試點。

投資差異化培訓。 不同的角色需要不同程度和類型的人工智慧素養。一刀切的培訓計畫無法培養整個組織所需的能力。

平衡分析型人工智慧和生成型人工智慧。 儘管目前生成式人工智慧令人興奮，但基於結構化資料的傳統機器學習繼續在許多情況下提供巨大的價值。

---

隨著人工智慧功能的不斷快速發展，施耐德電氣嚴格的、業務驅動的方法為尋求超越實驗以產生真正的營運影響的企業提供了一個模型。透過規模化設計、吸引第一線員工並持續專注於可衡量的商業價值，該公司建立了一個能夠滿足客戶和員工目標的人工智慧計畫。