建信金融科技有限责任公司金融业务总监、金融科技创新中心总经理 陈东
以ChatGPT为代表的大语言模型技术的迅猛发展深刻影响着数字化转型的演变趋势，企业数字化转型的关注点正从数字化技术与业务的融合快速演变为技术与知识的深度融合与应用。随着AI技术的不断迭代演进，如何结合类ChatGPT的全球大脑加速通用知识与企业独特知识的融合，打造企业本地大脑，并形成持续演化机制，以赋能业务创新和业务需求管理，从根本上提升业务敏捷性，已成为当前企业最为关注的问题。因此，企业需要构建持续服务自身业务的本地大脑作为自身唯一、可信的知识来源。
一、数字化转型需要创新的
需求管理方法
数字化转型改变的是企业的商业模式和业务模型，其核心驱动力来自于业务对现状的动态改变诉求，包括业务战略实施诉求、客户价值实现诉求、流程创新诉求以及运营效率提升诉求。需求管理如此重要，但长期以来一直面临着一些难题：一是一致性描述难度大，非结构化形式的需求描述往往需要不同人员间的层层转换和翻译，直至IT实现，沟通成本高；二是上下文语境缺失，缺乏准确表达业务需求的完整上下文，易造成理解偏差；三是解决方案难以验证，业务部门确认需求方案的预期结果要等到IT系统完成之时，周期长，易导致返工。
深入分析可以发现，在业务需求从形成到实现的整个过程中，业务知识通过层层传递、转换、翻译，不断衰减或被曲解。目前，不少企业的业务知识分散于不同形式的文档、图片、录音、视频、论坛、程序代码以及业务专家的大脑中，在沟通、人员流动、系统和业务交接过程中易造成对知识的理解不一致、衰减甚至错误，最终导致需求沟通和实施成本高，需求的交付结果与业务期望始终存在差距和错配。在数字化转型背景下，交付周期越来越短，交付频率愈发频繁，客户和市场需求变化快，企业的试错时间窗口期缩短，试错成本增加，这一差距和错配会使企业面临更大的经营压力，基于传统方法难以从根本上走出这一怪圈。
建立统一的业务知识管理体系、业务资产持续沉淀机制以及配套的管控平台是打破这一怪圈的唯一出路。近年来，一些企业已经采用业务模型方法来结构化描述业务，达到了一定的效果，但由于缺乏整合的管控机制和平台，业务模型以Word、Excel、PPT、专有工具等形式进行管理，造成了新的知识碎片，知识仍然以不同形式散落在各处，难以保鲜和“保先”。另外，以Web信息浏览和检索为主的使用方式无法形成统一、有机的知识体系，难以让员工看到业务全貌，难以理解需求的语境，更重要的是无法模拟验证业务方案，使得通过业务模型减少沟通和试错成本的效果大打折扣。
随着以ChatGPT为代表的全球大脑的出现，企业对知识的研究和利用速度加快，但如何能使外部知识为我所用，如何利用业务模型挖掘、沉淀知识，持续建设企业本地大脑并赋能业务需求管理，是企业需要思考的关键问题。与此同时，我们也应该看到，全球大脑作为外部知识源提供了大量通用知识，但也有其问题和局限性：一是全球大脑与企业自身的业务并没有紧密联系，不可能了解企业的战略目标；二是其正确性和可信度有待提升；三是在交互过程中存在信息泄露的风险。因此，为了克服外部通用知识源存在的问题，企业需要打造立足自身的本地大脑，在兼收并蓄的同时去芜存菁，形成内外贯通的知识挖掘和加工机制，构建企业知识成长的良性循环体系，以此来赋能员工，加速业务需求的形成和实现，提升业务敏捷性。换言之，企业需要一种适应数字化转型发展的创新业务需求管理方法。
二、数字化转型的业务需求管理方法
及持续演进机制
数字化转型如何有效凝聚企业知识，建设并持续演进企业的本地大脑是赋能企业商业模式转型的核心。企业本地大脑需要一种新的结构可以快速、灵活、有机演进并为员工赋能。
企业本地大脑包括两个组成部分：基于本体的业务模型和本地GPT(如图1所示)。基于本体的业务模型是整个企业知识体系的脉络和基础，因为数字化转型的目标是实现业务模型和商业模式的转变，只有深入理解业务，将数字化技术融入业务模型，形成业务加速器，才能持续深入推进数字化转型，在战略和战术层面优化现有商业模式，并合力打造全新的商业模式。
图1 本地大脑的组成
业务模型或商业模式可分为战略、战术和运营三个层面。战略层面指企业概念化的商业模式，即基于企业远景、社会使命制定公司的战略目标，以此明确企业的业务价值，即如何实现盈利；在战术层面，企业根据战略和必要的战略能力，确定市场的客户细分及关系、交付给客户的产品、制造产品所需要的流程和关键资源；运营层面重点考虑如何落地企业的商业模式，包括体现企业价值的产品模型，负责落实企业价值和客户价值的生产、制造、交付和获取的流程模型，体现业务关注的关键资源和流程成果的实体模型。业务模型可以基于这三个基本模型进一步延伸出其他模型，如决策模型等。
基于本体模型的业务模型可以真正将业务知识编织成一个知识网络，本体中的每个知识节点都可以独立进化。通过知识挖掘和训练、加工转化后的知识可以导入本体中，使得相应节点的知识得以加强并持续演进，这样，整个企业的业务能力可以系统、有机地持续迭代提升。实际上，企业都有业务模型，只是或者没有形成共识，处于零碎分散形态;或者基于不同形式的文档或Web浏览器，难以成为有机演进的知识体系。这也是很多企业建立了知识库或采用了业务建模方法，但难以持续演进、“保鲜”和“保先”的根本原因。
本地大脑的第二个组成部分是位于本地的GPT。本地GPT可以通过与全球大脑的交互，选择性地进行知识挖掘，持续与全球大脑保持同步演进。此时，基于本体的业务模型对于知识范围的圈定、挖掘以及质量的保障会起到决定性作用。对于大语言模型，如何提问成为关键，而业务模型则提供了如何提问和改进业务的重要线索，可以帮助员工更好地进行提问，通过提示工程(Prompt Engineering)技术有针对性地探索和挖掘知识。这使得GPT对于企业和员工而言不再是一个玩具或聊天机器人，而是其自身的一部分。基于业务模型可以对本地GPT进行更有针对性的训练，保持本地GPT与业务模型的一致性，通过自然语言接口赋能企业员工，与结构化的业务模型一起加速企业员工的成长，赋能员工平滑完成数字化转型下的岗位角色转换和升级，支持业务创新，加速需求实现。
三、如何实现需求管理和
创新需求管理
数字化转型创新需求管理的方法包括两个方面：一是建立内外贯通的知识生态系统，二是建立面向业务敏捷性和利益干系人价值实现的需求实现机制(如图2所示)。
图2 知识生态体系赋能的需求实现机制
企业知识体系架构是一个环环相扣的整体，首先具备本地大脑，然后采用包括借助全球大脑在内的不同方式持续提升本地的知识模型。例如，可以通过与外部知识源交互来挖掘和加工知识，并持续不断地根据需要进行知识更新；可以通过执行方案将知识形式化、规格化，并进行执行验证，借助机器学习能力增强业务决策能力；也可以从需求入手，通过构建资料库和需求基于业务模型挖掘提升机会，更新业务模型。整个迭代过程通过管控机制持续进行，以确保知识和基于本体的业务模型持续演进，以及整个迭代管控机制本身持续演进。因此，这一知识体系也可以看作一个不断运作的知识工厂，源源不断地加工知识、转化知识、沉淀知识并导入业务模型中，直接支撑企业的商业模式和业务模型的创新和转型。
在这一充满生机的知识生态系统赋能下，可以对现有的需求管理流程进行再造，并端到端强化管控工作。首先，基于业务模型提供准确、全面、体系化描述业务的“统一语言”。其次，采用不同的需求实现方法处理不同类型的需求：战略能力需求(SCR)，是自顶向下直接与战略目标实现相关的企业竞争能力；客户价值实现需求(CVR)，从外向内考虑与客户目标价值实现直接相关的需求，支持业务模式向场景化、生态化、平台化和重视客户体验方向演变；流程创新需求(PIR)，从企业当前运营角度考虑流程运营效率的创新和提升;操作层面需求(OPR)，自底向上从业务操作层面考虑业务优化的着眼点。
四、构建基于创新枢纽的
协同工作机制
创新枢纽(Solvent平台)融合了持续价值创新方法论和数字化转型管控平台，其中，持续价值创新方法论包括20多个子方法，目的是系统化地推进数字化转型，让转型变得敏捷、可行和可控，并能够持续演进，此方法已被我国多家企业采纳。Solvent作为数字化转型管控平台与持续价值创新方法论同步演进，实现了本地大脑和全球大脑的协同工作，从而形成了支撑企业数字化转型所需的知识管理、业务创新和需求管理体系，构成了数字化转型管控的枢纽，是企业数字化转型的新型基础设施(如图3所示)。
图3 创新枢纽支撑下的本地大脑与全球大脑协同工作机制
创新枢纽服务器提供了不同的模块化服务，包括进行知识挖掘和加工的数据挖掘、低代码、机器学习服务器，从代码进行应用逻辑挖掘的服务器，负责知识沉淀的知识库服务器，提供统一方法创建和配置的方法服务器。这些模块化服务通过本体模型服务器统一提供一致、单一、可信的知识源。通过机器学习引擎连接全球大脑，形成本地大脑和全球大脑的协同工作机制。创新枢纽客户端提供了几十种可视化工具集，与服务器配合作为数字化转型创新和管控平台，具备以下九大关键能力。
一是业务模型可视化能力。业务模型包括战略、流程模型、实体模型、产品模型、客户细分、渠道和合作伙伴细分等，涵盖了从战略、商业模式到业务模型以及低代码/无代码的执行层面，帮助企业提升业务敏捷性。
二是业务创新框架构建能力。提供商业模式创新框架、业务模型元素创新框架以及数字化转型框架等，扩展、管理和维护业务模型创新模式，支持数字化转型下的持续创新。
三是业务知识管理能力。基于业务模型构建知识体系，围绕业务模型的元素积累知识，识别知识的遗漏、交叉和冲突;基于知识枢纽沉淀非结构化知识，通过知识工厂形成与全球大脑的交互融汇，持续进化企业的本地大脑。
四是实时环境协同能力。支持团队多人实时访问和检索业务模型，支持协同创新以及基于生态协同的能力交换机制。
五是数字化转型方法论构建能力。数字化转型需要借助多种方法和技术手段。
六是数字化转型框架构建能力。提供数字化转型的价值原则、数字化能力评估以及数字化科技手段，支持基于业务领域和业务流程的评估，以确定数字化转型方向。
七是业务和数字化需求管理能力。数字化转型涉及业务创新、优化和问题解决，在制定解决方案的同时，提出业务实现、数字化或IT实现要求;定位并关联业务模型，跟踪其实施状态，避免在实施过程中出现遗漏和能力衰减，从细微之处落实业技融合。
八是项目管理能力。数字化转型的过程需要定义一系列项目，投入大量资源。按照实施路线图，监督项目的投资回报，从立项准备到新系统上线移交、进入日常运营的全流程随时评估项目，及早发现问题，以规避价值损减。为此，平台需要具备战略管理、创新需求满足、业务提升需求满足、数字化需求满足以及项目价值实现等能力。
九是低代码/无代码业务模型模拟能力。为了敏捷、低成本地验证业务方案的准确性和一致性，降低试错成本，规避风险，保证业务模型的可执行性，平台必须具备模拟和验证业务模型的能力，覆盖决策规则、输入输出实体、报表、流程等。
数字化转型始于需求，企业在数字化转型背景下需要创新需求管理方法，一方面需要审慎评估人工智能技术带来的突破性变化，通过知识工厂机制建立生态知识系统，形成有机的知识挖掘和转化机制，基于不断演进的内外部知识迭代演进本地大脑，持续赋能需求创新实现和数字化转型深化;另一方面企业有必要基于业务模型不断积累知识资产，打造数字化管控能力，以不断提升敏捷性，助推企业高质量发展。基于此，企业可参考以下行动方案：首先，定义及开发业务模型，因为这是一切的基础；其次，再造需求管理流程并打造相应的管控机制；最后，构建创新枢纽并作为企业数字化转型的管控平台，整合各方面知识，并基于这一数字化转型新基础设施落实创新需求管理流程。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
