AI赋能，业务连续性管理（BCM）的重载与重生
从”不可思议”到”不可或缺”
前阵子和孩子闲聊时，她的一句话让我陷入思考：“我现在想象不到如果没有AI，一年前是什么样子了。“这让我想到多年前人们没有手机时，出差或旅游如何与亲友联络的往事。技术的迭代总是超乎想象，而AI的爆发式发展，正在重塑我们的工作与生活。
2023年ChatGPT的爆火，让我开始关注生成式AI、机器学习等领域。但使用国外大模型需科学上网很不方便，国内大模型的使用体验并不好，我的关注更多停留在宏观层面，直接使用AI并不多。期间在公众号发过几篇文章：
- 和ChatGPT聊业务连续性和韧性（译文）
- 与ChatGPT再聊业务连续性管理（一）
- 与ChatGPT再聊业务连续性管理（二）
去年下半年，调研中发现一些企业和客户正在大力加强对AI领域的投入，我对AI的态度随之发生了一些变化。恰好去年底DeepSeek火爆出圈，AI开始真正走入了我的日常工作。尤其是在业务连续性管理（BCM）领域，AI的表现令人惊喜——它已能像一个经验丰富的BCM专家，与我深度探讨从战略到落地的各种问题。
AI如何回答BCM的核心问题？
在BCM实践中，一个争议是：业务连续性管理究竟应该聚焦运营层面的连续性保障，还是从公司治理的高度统筹规划？我将这个问题抛给了大模型。
我们来看看AI大模型是怎么回答这个问题的：
我得到的回答堪称教科书级，AI大模型回答全面完整并且”滴水不漏”，基本把我能想到的全写出来了。其中有些部分，我虽然能想到，但很可能表述不清，AI大模型也清楚地表述出来了。
接下来，我换了个AI大模型，把同样的问题抛给它，接下来看看它的回复：
这个回答丝毫不弱于上一个回答，还另有一些可圈可点之处。
综合起来看，AI大模型指出了治理与运营的辩证关系：BCM需要”自上而下的战略导向与自下而上的执行结合”，并精准区分了不同企业的侧重点——中小企业更关注应急预案和快速恢复能力，而大型企业或强监管行业（如金融、医疗）则需将BCM上升为董事会级战略议题。
同时，AI大模型还给出了动态平衡的建议：无论企业规模如何，BCM的有效性都依赖于治理与运营的协同，同时提供了资源分配、合规适配等具体建议。
更令人惊叹的是，不同AI模型的回答各具特色：有的以逻辑严密见长，有的则以案例丰富取胜。这种”互补性”恰恰体现了AI工具的多样性价值。
半年实践：AI已成BCM的”超级助手”
在这里，我想到在业务连续性管理中最重要的一个论述：“对未来必然会发生的事，最优的选择是，以可接受的成本现在就去做”。这句话也适用于我们如何使用AI大模型。
过去半年AI已深度参与我的多项工作：
- 工具升级：将ICT供应链压力测试工具IST2升级到了1.5版；
- 创新规划：协助设计AI-Enhanced BCM Toolset（ABTs）和制造业AI Agent原形，用于分析业务、资源相互依赖关系，优化RTO建议等；
- 效率提升：协助生成年度总结报告模板、供应链危机演练框架，网络安全和人员大规模流失预案，并优化IT风险评估方法（避免传统方法导致的工作量爆炸问题）。
当然，AI并非万能。它的能力边界和迭代速度同样值得关注——第一梯队的模型排名每月都在变化，但这对使用者而言是利好：竞争推进进步，而我们正是受益者。
重载还是重生？AI的哲学之问
在给本文起名时，我想到了这幅图，但没想清楚究竟该起什么名字。我的问题是，AI大模型带给业务连续性管理的，究竟是重载（Reload）还是重生（Reborn）？
“万事不决问AI”，我就向AI大模型提出了这个问题。
得到的答复是：
AI接着建议：
我接着提问：
AI回答：
最后，AI还给出了综合对比与建议，以及最终推荐：
AI建议采用”重载与重生”的并列表述，既承认现有体系的延续性，又强调AI带来的范式变革。最终推荐是：
我的建议
- 从”小场景”切入： 如用AI生成应急预案初稿或者演练情景等
- 建立对比机制： 尝试不同模型，选择最适合特定业务的工具
- 关注人机协同： 将AI的”广度”与专业人员的”深度”结合
接下来，我将持续分享AI+BCM的实践案例。如果您有具体问题，欢迎随时交流——让我们与AI一起，探索业务连续性管理的更多可能。
原文发表于公众号”王曙说” | 原文链接