“我都快60岁了,你还让我学这么高科技的东西,学不会怎么办?”

 

这句话,来自明康汇一位老员工,如今负责物流业务的老楼。在公司第二期AI共创营结束后,他半开玩笑地向唐鲁表达了自己的顾虑。
 

彼时,唐鲁正从父亲手里接班明康汇,努力推动一场覆盖整个企业的AI变革。他希望让这家传统生鲜供应链企业,从农业种养殖、仓储物流到终端零售,都能真正用上AI。但对不少老员工来说,有人担心学不会用AI,有人担心自己的经验被取代,更有人担心自己直接被取代。


那天晚上,唐鲁把德鲁克的话发给了老楼:剧变时代最大的危险不是剧变本身,而是你仍在用昨天的逻辑行事。

 

没想到,这位曾经担心自己学不会AI的老员工,后来成了公司里使用AI最积极、Token花费最高的人之一。更令人意外的是,他还亲自推动了公司的AI物流排车项目,将原本需要40至60分钟的工作,缩短到了3分钟。
 

这是唐鲁在中欧EMBA开放日上分享的真实故事,也是他过去一年推动企业变革的缩影:既要守住父辈多年积累的根基,又要带领组织迈向一个连自己都未必完全熟悉的未来。对于身处接班阶段的企业二代而言,挑战艰巨而复杂。

 

唐鲁

中欧EMBA2025

明康汇生态农业集团有限公司总裁

 

我从未管理过公司
 

唐鲁在中欧EMBA有个颇为有趣的外号——“牛魔王”。因为他曾在澳大利亚生活7年,用自己的话说,是“放了7年的牛”。直到疫情将他带回国内,他才开始接触明康汇的生鲜业务。

“我从未管过公司。”与许多从基层岗位一路成长起来的职业经理人不同,唐鲁此前并没有大型企业的系统管理经验。回忆刚接手企业时的状态,他坦言,几乎每一项决策都会犹豫。“做生意可以,但管理是另一回事。”这句话道出了不少新生代企业家的共同困境。

父辈积累了丰富的商业经验,知道如何寻找机会、建立客户关系、把生意做起来。但随着企业规模扩大,仅凭个人经验与直觉,往往难以应对日益复杂的组织管理、跨部门协同和战略决策。

更何况,唐鲁所面对的还不是一家可以从零开始设计的新企业。

明康汇拥有10个自有示范种养殖基地、百余个乡村振兴合作基地、城市仓以及四大销售渠道。多年发展形成的业务流程、管理方式和人员结构,既是企业的宝贵积累,也意味着任何改变都需要付出更高的沟通与协调成本。

与此同时,AI正在加速改变各行各业的竞争逻辑。传统生鲜行业看似距离前沿科技很远,实际上却有着大量可以通过AI优化的环节:门店每天如何订货,仓库如何安排配送,如何提高商品验收效率,如何降低生鲜损耗……每一个小问题,乘以庞大的业务规模,都可能转化为可观的经营效益。
对唐鲁来说,这既是接班的压力,也是难得的机会。
他不必完全沿用上一代的管理方式,而有机会借助新技术,在既有业务基础上建立一套新的经营能力。

但技术带来的机会,首先遭遇的却是组织的现实。

先解人性题

再解技术题

 

在公司内部推动AI时,唐鲁很快发现,最大的障碍并不是技术。对那些陪伴企业多年、依靠经验成长起来的老员工而言,顾虑集中在三个方面。

一是岗位替代:既然AI能够完成我的工作,企业以后是否还需要我?

二是知识替代:我辛苦积累多年的经验,一旦被AI学会,自己的价值是否就降低了?

三是组织替代:如果AI可以打通流程、提高效率,那么原有部门、岗位以及我还有没有存在的必要?

对于接班人来说,这是一道比技术更难的管理题。一方面,企业必须面对AI带来的效率革命;另一方面,老员工是企业多年经营经验、业务知识和组织文化的重要承载者。如何既推动改变,又不让变革演变成新老员工之间的对立?

“我们内部常常说,先解人性题,再解技术题。”

与其告诉员工AI有多么强大,不如让他们亲自发现,AI能够帮助自己把工作做得更好。

2025年7月,唐鲁在明康汇启动了第一期AI共创营。从邀请外部导师、组织管理层学习,再到智能体专题分享,员工会结合工作中的实际问题,分享自己使用AI的经验。这项内部学习活动持续迭代,逐渐形成覆盖全员的交流机制。

但唐鲁希望,他们不仅是工具的使用者,更是企业AI创新的发起者。于是,在自上而下推动的AI共创营之外,他又主导了另一项自下而上的机制——AI黑客马拉松。

这就要求员工能够发现应用场景,然后由业务负责人提出需求,再联合共创团队寻找解决方案。为了让员工真正有动力参与,明康汇还把AI创新与实际经营效益挂钩。这些项目会被验证可行性并正式推广,对于能够带来明确降本增效成果的项目,企业会按照约1%的效益贡献核发奖励。

这让AI创新不再只是管理层布置的一项任务,而是员工能够主动参与、创造价值并获得回报的事情。

截至分享时,明康汇已经培养了44名AI先锋,上线92个数字员工。经过多轮梳理,企业共识别出87个AI应用场景,其中38个已经投入生产使用,覆盖各主要组织及业务环节。

比数字更重要的,是组织内部创新动力的变化。唐鲁做出了一项颇为大胆的组织调整:解散原有的独立数字化团队,改变过去由技术部门主导业务数字化的方式。如今,AI项目首先由业务部门主动提出,再根据实际需要,与外部大模型、硬件企业和技术伙伴协作完成。

这项调整背后,是他对AI转型的一次认知改变:真正了解业务问题的人,应该成为创新的起点。当业务人员自己提出需求、参与开发,并看到成果时,AI就不再是一项来自管理层的外部要求,而会逐渐融入企业的日常工作。

老经验遇上新技术

传统业务跑出新速度


年近60岁的老楼,最终成为AI排车项目的直接推动者。

物流排车是一项典型的经验型工作。不同订单有不同要求,车辆有装载限制,配送路线又受到时间与成本约束。过去,员工每次要花40至60分钟,才能完成排车安排。

如今,系统可以先处理特殊订单,再规划常规配送路线,最后优化车辆装载率,将整个排车过程缩短到3分钟,还能使企业每天减少1至2辆车的使用,单次运费降低约25%,年度降本约200万元。

从一个曾经担心学不会AI的老员工,到带领企业完成实际业务创新,AI并没有简单地让老经验失去价值,而是帮助经验丰富的员工,用新的方式创造了更大的价值。

类似的改变,也在门店和供应链的其他环节发生。

明康汇有大量加盟门店,订货一直是影响经营效益的关键。订多了容易造成损耗,订少了则会失去销售机会。过去,店长往往根据自己的经验判断,但不同人的经验与能力存在差异。

为了让订货更加精准,企业从2021年12月就开始建设AI订货系统,并不断迭代。现在系统能将过去14年的门店订货记录与天气、节假日、品类特征等因素结合起来,自动给出建议订货量与商品结构。如今,店长只需对系统建议进行确认,就能带来更高的订货准确性、更低的损耗,让门店毛利提升了10%左右。

而在生鲜品控环节,企业也在尝试用视觉识别与智能系统减少对人工判断的依赖。传统质检耗时较长,标准容易出现偏差,个别环节还可能存在人为干预风险。

明康汇的一项品控项目,将商品标准、订单与质检结果同步,自动识别异常。投入约28万元,测算运营成本下降约300万元、年化收益超过1000万元。虽然长期收益仍有待进一步检验,但它已经显示出AI在传统业务中的应用潜力。


这些改变并不轰轰烈烈,却真实地发生在企业每天的经营活动中。

 

唐鲁强调自己不是一个技术专家。在他看来,技术本身并没有那么难,真正重要的是让同事、让员工接受改变。明康汇的实践没有提供一套可以简单复制的标准答案,却呈现出一种值得借鉴的变革方式:让技术从真实业务中生长,让员工在参与中建立信心。对于新一代管理者而言,接班不仅是接过一家企业,更是在新的时代,为这家企业找到继续向前的能力。█