本期节目邀请到SAP与AI领域专家Christopher Carter，探讨中小企业如何正确采用AI技术。Christopher指出，MIT报告显示高达95%的AI项目未能产生实际商业价值，原因在于大多数企业仅将ChatGPT等工具当作生产力软件，而非基础设施进行战略部署。他强调，中小企业采用SAP等企业软件时，应先制定清晰的AI战略路线图，而非盲目尝试。数据质量是关键——未经清理的历史数据可能导致AI给出错误答案，甚至造成合规风险。Christopher还介绍了同态加密在保护AI数据安全中的应用，以及持续评估和更新AI系统的必要性。对于想要真正从AI获益的企业，他建议：停止盲目部署，建立战略规划，组建小团队进行实验验证，确保数据干净，并保持对新技术如GenAI的关注。
拜耳作物科学公司利用人工智能为农民提供本地化的农艺建议。核心挑战在于每块田地都各不相同——即使在很小范围内，土壤成分、耕作方式和气候条件也存在显著差异。拜耳的方法侧重于理解“基因×环境”的相互作用，即不同作物品种在特定本地条件下的表现。他们开发了一款名为ELY的工具，以邮政编码数据为起点，允许农民输入关于田地、病虫害和挑战的更详细信息。系统通过综合基因、环境和病虫害数据，提供个性化的产品推荐。这是对人类专业知识的增强而非替代——农艺师和销售代表仍然不可或缺，但人工智能帮助他们扩大知识覆盖范围并提供更优质的建议。该技术不受规模限制，既可为拥有数千公顷的大型商业农民服务，也可通过手机为发展中国家的中小农户提供帮助。
2026年，“中间层"正在消失。AI蒸发掉了那些曾让无数人建立职业生涯的重复任务——协调、汇报、会议准备、跟进邮件。以曾任职德勤的Becky为例，她仅用周末借助AI重建了整套咨询系统，此前这需要三人团队耗时六周。“努力=价值"的旧公式已失效——忙碌不再是优势，而是警示。AI取代中间层，人类应站在两端：前端判断决策，后端决断执行。
本期节目探讨Claude是否达到AGI水平，AI变革管理策略，Nvidia-Groq交易的影响，Meta收购Manus的意义，Yann LeCun对AI未来的观点，以及OpenAI正在准备的AI设备。分析AI技术快速发展对各行业的影响和未来趋势。
企业部署对话式和智能体AI时往往期望通过自动化降低人力成本，但实际收效甚微。UJet首席商务官Baker Johnson指出，根本问题在于过去三十年将客户服务视为成本中心的思维定式——企业用AI去加速原本低效的流程，而非重新设计流程。他提出三个关键转变：首先，在部署AI前必须重新审视流程，否则只是在加速问题而非解决问题；其次，需将衡量指标从“客户分流率”转向业务成果；最后，弥合企业系统记录与实时交互数据之间的延迟同样关键。关于人与AI的协作，Baker强调“非此即彼”的二元思维是误区——AI应作为协作者而非拦截者，让人类聚焦复杂问题处理。他建议领导者从零开始思考，而非在现有基础上迭代。本期揭示了CX领域AI应用的核心挑战与务实路径。