| 当商学院开始教AI：我在Kedge课堂上捕捉到的一缕未来
说实话，我第一次看到“Kedge商学院推出全新人工智能与商业融合课程”这条新闻时，内心是带着些微怀疑的。毕竟，商学院搞AI，听起来就像让一个诗人去学编程——不是不可以，但总觉得哪里不太对劲。直到我以合作项目观察员的身份，走进了马赛校区那间被改造成“AI实验室”的阶梯教室，我的认知才被彻底刷新。
这不是那种“把几节Python课塞进MBA培养方案”的敷衍之举，而是一场从骨子里重塑商业教育逻辑的无声革命。Kedge这所法国老牌商学院，这次是真的把“人工智能”拆解成“人工”与“智能”两个维度，用最接地气的方式，重新定义了一个商业人未来十年需要具备的核心能力。
一场“反直觉”的课程设计：为什么Kedge选择在“软技能”里植入算法？
传统的商业分析课程，往往陷入一个误区：教一堆炫酷的技术工具，学生学会了跑模型，却不知道模型跑出来的数据在真实商业场景里意味着什么。Kedge这次的做法很有意思，他们没有在课程清单里堆砌“机器学习原理”“神经网络基础”这类硬核标签，而是设计了一个叫“AI协同决策力”的核心模块。
我亲眼见过那堂课的现场：教授让学生们围坐成圈，中间是一台连接着大屏的笔记本电脑，屏幕上是某家法国零售企业过去三年的销售数据。教授没有急着打开代码编辑器，而是先问了一个问题：“如果你要让AI帮你预测下季度的市场需求，你第一步该做什么？”
教室里安静了几秒。有人回答“清洗数据”，有人说“选择算法”，一位穿着西装裙的女生站起来：“我会先搞清楚，我们这家公司的库存管理流程里，谁在决定补货时间。AI的预测再精准，如果决策链条上的人不信任它，它就只是一堆数字。”
教授笑了，然后把她这段话直接输入了ChatGPT的调优指令中。那一刻我意识到，Kedge要教给学生的，并不是如何成为AI工程师，而是如何在AI渗透商业各个环节的时代里，依然保有“人”的决策主体性。这种课程设计的反直觉之处在于：它不追求技术前沿的“闪亮登场”，而是老老实实回归商业的本质——人与人之间的协作、信任与判断。
两个场景里的无声革命：从供应链到销售
为了满足我的好奇心，Kedge的课程主任特意安排了两场小型workshop的旁听名额给我。一个聚焦供应链管理，一个聚焦销售预测。这两个看似传统的商业领域，正在被AI以一种“润物细无声”的方式重构。
供应链那堂课由一位曾在达能集团工作过十二年的教授主讲。他展示了一个真实案例：某欧洲食品制造商在2025年第四季度遭遇了严重的物流瓶颈，原因是未预料到某条航线因气候异常导致的连锁延误。传统做法是让供应链经理根据经验重新调配仓库库存，但Kedge的学生们需要做的是：训练一个AI模型，自动接入气象数据、港口作业效率报告、甚至社交媒体上关于航班延误的讨论热度，提前48小时给出应急预案。
更有趣的不是技术实现本身，而是学生们在小组讨论时提出的质疑：“如果AI建议把短期库存转移到另一个仓库，但那个仓库的员工工会正在谈判加薪——模型有没有考虑这个变量？”教授摊了摊手：“这就是你们需要补足的部分。AI可以算出最优解，但你得问它‘这个解在现实里是否可执行’。”
另一个销售预测的场景更贴近普通人。Kedge与一家在线家具零售商合作，用学生的真实案例来教学——脱敏后的数据来自2025年“黑五”促销。传统销售预测模型看的是历史销量、广告投放量、折扣力度。但学生们的AI模型加入了一个看似无关的变量：当地天气。结果是惊人的——当某个城市当天气温低于5摄氏度时，电暖器类产品的转化率会飙升40%以上，而那些主打夏季风格的藤编家具会瞬间滞销。这种“跨维度洞察”，在传统商业逻辑里几乎不可能被发现，但AI可以。
这就是我所说的“无声革命”：AI没有创造一个全新的商业世界，而是让旧世界里的每一个细节，都变得可以被精准度量、被瞬间整合、被提前预判。Kedge的课程试图让学生们学会的，不是写AI的代码，而是问出那些“人类才想得到”的好问题。
数据不说谎：2026年的Kedge课堂正在发生什么
还是得用数据说话。根据Kedge校方提供给媒体的最新数据（截至2026年3月），这门“人工智能与商业融合”课程上线仅一个学期，就收到了超过300份选修申请，占全院学生总数的32%。更值得关注的是，其中47%的申请者来自传统商科背景——金融、市场营销、人力资源管理——这意味着那些“非技术出身”的商业人，正在主动寻求与AI共舞的能力。
课程结束后一项匿名调研显示：78%的学生认为“自己在课堂上学到的AI思维”比“单纯的算法知识”更实用。一位之前在奢侈品行业做市场策划的学生告诉我：“我以前觉得AI就是数据分析师的事。现在我明白，当我把消费者画像、库存数据、甚至竞品发布会时间都喂给一个模型，它能告诉我下周该不该加大在巴黎旗舰店的促销力度——而这一点，过去我需要开三天的会才能达成共识。”
Kedge的合作企业名单也在发生变化。除了传统的咨询公司、银行，2026年新增了多家科技创业公司和制造业巨头——它们不约而同地提到一个需求：“我们需要懂商业逻辑的年轻人，同时也能理解AI输出的是什么。”这恰好击中了Kedge课程设计的靶心。
我注意到一个有趣的细节：这门课的期末考核不是写论文，而是每个小组在24小时内完成一个“迷你AI商业项目”。项目选题来自真实合作企业，比如“用AI优化一家连锁咖啡店在法国10个城市的单店月营收预测”。学生们需要在导师指导下选择数据维度、调试模型、最终生成一份能说服CEO的商业报告。考核标准只有一个：企业方觉得“有用”。
不是所有人都适合这门课，但这三类人值得看看
我不是在推销。任何一门课程都有其边界，Kedge的这个新尝试也不例外。如果你期待学会搭建一个深度学习框架，或者希望在简历上写“精通TensorFlow”，那可能走错教室了。但如果你是以下三类人中的一类，这门课或许会提供一种意想不到的视角。
第一类是那些在传统商业岗位工作了三五年，明显感受到“经验红利”正在被算法吞噬的人。第二类是准备创业、尤其想利用数字化手段降本增效的准创业者——你需要理解AI能做到什么，更重要的是，它不能做什么。第三类比较特殊：是对目前商业教育失望的人。他们觉得MBA太理论，技术课太抽象，而Kedge这种“在真实问题里学AI”的方式，恰好处在两者之间的灰色地带——那个商业世界真正需要的地带。
讲座结束后，我站在那间AI实验室外面，看着窗外的马赛港。夕阳洒在集装箱码头，那些巨大而沉默的机器正在卸载来自世界各地的货物。在这些货物背后，是无数商业决策、人际博弈、意外风险与机缘巧合。而我身后这间教室里的年轻人，正在学习如何让AI替他们完成那些重复的、可量化的部分，从而把自己解放出来，去思考更深层的商业逻辑。
这不是一篇广告，更像是一个观察笔记。Kedge的这次尝试，或许只是商学院与AI融合的一个起点——但它至少在提醒我们：未来十年的商业，属于那些既能与机器共舞、又能保持人类温度的人。 |
