2026年10月17日，ESCE中国校区MBA/DBA学员围绕AI生产力与研究方法展开全天学习。
上午，百度梅俊杰来到线下课堂，讨论智能体如何进入企业工作流程；下午，Prof. Renaud Redien-Collot通过线上授课，带领学员梳理从研究问题到方法选择的学术路径。
两门课共同关注管理者的一项基本能力：明确问题，建立标准，并用可靠的证据作出判断。
01 上午 · 智能体与工作场域
从对话问答走向任务执行
特邀讲师：梅俊杰
百度搭子解决方案架构师 百度AI技术生态华东区域政企运营总监
智能体与工作场域
2026 AI入口战略与生产力变革
梅俊杰老师首先提出，AI交互正在由问答走向行动。智能体的应用价值，体现在能否依据业务要求执行任务、交付结果，并形成可检验的工作闭环。
以内审为例，将SOP及各环节的审核标准梳理清楚，才有条件让AI参与执行。讨论某个岗位能否被AI接管，也需要先拆成具体任务，区分重复劳动、判断工作和关系协调，分别确定自动化与人机协同的边界。
“没有标准的话，一项业务AI参与的成效大家就很难去评价。”
梅俊杰 · 课堂发言
重新审视企业的AI能力
他用“资产与负债”作管理比喻：上下文、评估判断及SOP闭环，可以成为组织积累的能力；对单一模型的依赖、无差别使用昂贵模型，则可能增加经营成本与依赖风险。
相应的管理动作包括：按任务选择适合的模型，借助模型路由控制Token消耗；共享优秀员工的上下文与工作方法，让个人经验逐步成为团队可以复用的知识。
02 上午 · 企业转型实践
把个人提效转化为组织能力
个人产出加快后，组织的审核与协作环节也需要调整。梅老师以代码开发为例：即使生成速度大幅提高，下游仍需有人审查。若审核能力没有同步提升，瓶颈就会转移到下一环节。
因此，企业AI转型需要负责人支持，也需要为一线员工提供有时间和资源保障的试错空间。探索阶段过早绑定收益KPI，容易压缩员工提出真实需求、尝试新方法的意愿。
企业试点的推进顺序
拆任务
列清岗位中的具体工作，判断哪些可由AI执行、哪些需要人机协同。
定标准
明确交付要求、验收方式与责任人，让结果能够被评估。
选场景
优先试点原有时间与成本可量化、便于核算ROI的任务。
再复用
验证效果后沉淀流程，观察其他同事能否调用并获得实际价值。
数据治理同样需要围绕任务展开。梅老师建议聚焦垂直业务知识，做好文档管理与来源追溯，避免将所有材料盲目向量化。涉及敏感数据或内部系统时，还需先明确脱敏、访问权限与系统对接的边界。
谈及AI创业，他提醒学员审慎评估真实需求与落地周期。熟悉产业流程、理解复杂系统的经验，仍然是识别有效应用场景的重要基础。
03 下午 · Research Methodology
从管理困惑提出研究问题
Prof. Renaud Redien-Collot
法国博士院教研院长
RESEARCH METHODOLOGY 从数据到决策
把研究范式变成决策依据
下午的课堂从博士研究的长期价值谈起。Renaud 教授将其描述为一场智力探索：持续的研究训练，会逐步改变研究者解释工作与社会现象的方式，使其能够围绕特定问题形成专业判断，并参与学术讨论。
研究的起点，可以是一个源于个人经历、同时具有更广泛意义的管理困惑。随后需要明确研究目标，将大问题拆为子问题，厘清核心概念，再提出有待检验的假设。行业常识、个人直觉与既有学术争议，都可以成为问题的来源。
“我们要学会如何去取舍。”
Prof. Renaud Redien-Collot · 课堂口译
教授建议学员坚持写研究日志，及时记录观察与疑问。随着材料积累，研究者也要练习筛选，逐步限定主题，避免把所有感兴趣的信息都纳入同一项研究。
四类研究方法，回应不同的问题
定量研究
借助数值资料分析规律与差异，检验相关判断。
定性研究
深入理解具体情境中的行为、经验及其意义。
混合方法研究
结合定量与定性资料，让不同证据相互补充。
行动研究
在参与实践与推动改变的过程中开展研究，对资源和研究经验要求较高。
选择方法时，需要说明它为何适合当前问题。面对新兴现象，可以先深入理解情境；面对已有判断，则需要考虑如何检验。研究目标、资料条件与问题本身，共同影响研究设计。
04 下午 · 研究设计与证据
让研究结论经得起追问
课程进一步讨论了实证主义、后实证主义、建构主义与现象学，并将问题推进到本体论、认识论与方法论：研究者如何理解研究对象，相信何种证据，又为何采用某一条研究路径？
这些讨论帮助学员意识到，研究者的立场、与参与者的互动，以及研究发生的社会情境，都会影响解释的形成。一个好的研究问题应当明确而开放，为不同答案留下空间，并通过与导师、同事的交流不断修正。
AI辅助研究，引用仍需核实
教授分享了AI提供虚构参考文献信息的经历，提醒学员谨慎使用生成内容。他建议先独立开展真实的文献阅读与综述，再将AI用于辅助讨论。对文献的核查、对研究情境的理解与最终判断，仍由研究者负责。
课后，学员可将疑问以书面形式提交，由班主任汇总后转交教授答复。尚未完成的课程内容，也将待后续协调教授时间继续讲授。
带回工作与研究的四个问题
任务
问题是否足够具体？结果依据什么标准验收？
组织
试点成本能否核算？有效经验能否被团队复用？
研究
核心概念是否清楚？问题是否允许不同的答案？
证据
信息能否追溯？结论适用于什么情境？
从上午的智能体应用，到下午的研究方法，ESCE的课堂始终与学员的管理实践相连。一次AI试点，可以成为观察组织变化的起点；长期积累的行业经验，也可以经过问题界定与证据检验，发展为有价值的研究。
本文同步自ESCE博硕公众号。查看公众号原文