AI遍地开花的今天，

不少同学和家长都在困惑，

AI相关专业这么多，到底哪一个值得学？

学AI，会不会只是埋首写代码？

读商科，又能不能跟上技术迭代的浪潮？

到底要练就什么样的能力，

才能抓住智能化转型的机遇，

拥有真正的职场竞争力？

为了回应AI浪潮下人才培养需求，

复旦管院全新推出了智能管理硕士项目，

其中人工智能与商业创新方向（ABI）

不走“纯技术”或“泛商科”路线，

专门培养架起AI技术

和企业业务之间桥梁的π型人才。

自智能管理专业硕士项目官宣以来，

小管陆续收到学生和家长的咨询。

今天，我们邀请项目的授课老师们，

为大家解答“为什么值得学，能学到什么”。

本期聚焦

智能管理专业硕士人工智能与商业创新方向（ABI）

后续会继续推出

人工智能营销方向（AIM）的分享解读

敬请期待！

复旦大学管理学院智能管理（Master of AI for Business）专业硕士项目将从2027级开始招收首批全日制硕士研究生。

人工智能与商业创新方向（AI & Business Innovation，简称ABI）毕业生将具备从组织的AI战略转型、智能运营与数据治理的复合能力，在各类企业的技术部门、战略部门、数据管理部门或独立AI业务单元中担任关键角色。

主要职业方向

智能运营与业务赋能岗：典型岗位包括但不限于AI商业决策算法工程师、AI智能流程优化经理、AI智能运营经理等

AI产品与商业创新岗：典型岗位包括但不限于AI智能体产品研发经理、AI解决方案经理、AI商业创新顾问等

AI战略与管理岗：典型岗位包括但不限于数智化转型顾问、企业AI项目负责人等

AI治理与数据治理岗：典型岗位包括但不限于AI治理经理、算法合规经理、数据要素流通治理经理等

在管理学院学AI和在理工学院学AI有什么不同？

智能管理专业硕士项目学术主任、复旦管院信息管理与商业智能系卢向华教授：

从学科差异的角度来看，以数学教学为例，在数学学院会更侧重纯粹的基础数学理论，而管理学院在运筹学相关的数学教学方面，会更偏向实用落地，重点讲解排队论、库存优化等贴合企业运营的实操内容。

对应到AI方向的硕士项目也是如此。管理学院和计算机学院的核心定位和培养方向差异都十分清晰。管理学院核心聚焦真实商业与管理问题，对AI技术的学习，都围绕企业实际场景展开。例如，怎样通过智能体提升营销转化效率；如何借助AI智能体优化库存分析。目标是解决企业运营中的各类管理痛点，全程以商业场景为底色，用AI技术落地解决商业难题。

而计算机学院的AI硕士项目，会更侧重培养通用技术能力。课程和研究重点聚焦技术本身的优化，比如提升智能体的运算速度；降低智能体运行的算力消耗；优化算法底层能力等。简单来说，两个项目解决的核心问题完全不同，管理学院的智能硕士项目，具备极强的商业导向，立足于培养具备商业价值落地能力的复合型管理人才。

项目会学到哪些“硬课”，这些课程对职业发展有什么价值？

智能管理专业硕士项目学术主任、复旦管院信息管理与商业智能系卢向华教授：

“硬核课程”包括AI技术基础、数据挖掘技术基础，大模型技术基础，以及生成式AI应用开发方法等。我们会从底层的原理开始讲起，一直讲到企业应用层面的智能体开发，以及智能体如何与企业原有系统、原有数据体系对接。

这些课程设计的目标是为了让学生能有足够的底气与技术人员沟通，而不是当技术人员或供应商说“这个不可行”时，应用层的工作就只能作罢。通过学习这些“硬课”能帮助学生拥有足够强的技术理解能力，去理解供应商与系统背后的逻辑，从而做出相应的判断分析，乃至修改调整。

本科不是计算机背景适合读ABI方向吗？

复旦管院信息管理与商业智能系许嘉蓉副教授：

总的来说，不同专业背景的学生都拥有各自的优势。

我想通过一个零售企业的例子来为大家解答。假设一家连锁门店，每天都需要决定接下来每种商品应该备多少货。备少了会缺货，备多了又会积压。这其中涉及一个很重要的任务——预测商品未来的销量。

此时，学过算法的同学，可能会很自然地选择用时序预测模型，比如时序大模型，结合历史数据来预测未来销量。但真正做起来会发现，要把销量预测准，再把预测结果转化成合理的备货方案，还有一系列问题需要解决。这时候，不同背景的价值就会体现出来。

比如，一款商品销量下降了，可能是新上架的同类商品分走了一部分购买量。此时，市场营销背景的同学，可以分析商品之间的替代关系，把相关商品的价格、活动等信息纳入模型，看看模型能不能把销量预测得更准。

再比如，有两款商品，都是平均每天卖五十件，但一款每天很稳定，另一款却忽高忽低。对于有统计、数学背景的同学，就可以研究这种不确定性，去估计销量可能波动的范围，让企业知道，除了“预计卖多少”，还需要为多大的波动做准备。

又比如，同样预测明天能卖一百件，有的商品当天就能补货，有的需要提前几天下单。那对于有供应链、运营管理背景的同学，可以结合到货时间、现有库存等条件，设计补货方案，看看怎样安排，才能既减少缺货，又避免积压。

还有其他情况。比如刚上架的新品，因为没有历史销售记录，预测起来就比较困难。对于有计算机背景的同学，可以研究迁移学习，让模型借鉴已有商品的销售规律，来帮助预测新品的销量。

这些例子都可以说明，不同背景的同学都有自己的优势，把业务问题转化成更完备的AI方案。这也是复合背景的价值所在。

理科生能从ABI方向收获哪些价值？

智能管理专业硕士项目学术主任、复旦管院信息管理与商业智能系卢向华教授：

课程设计上，ABI方向针对理科生的能力特点，设置了《AI驱动的商业组织管理》《商业思维》《人机协同》等多门核心课程，帮助大家系统建立商业思维、人性认知和企业管理思维，完成从纯技术思维到商业技术复合型思维的转型。

之所以设置这些课程，是因为企业AI落地的核心从来不止技术本身。技术只是实现AI价值的基础，想要让AI真正在企业落地、产生价值，还有两大关键核心。第一是商业与组织管理重构。AI落地会重塑企业的利益分配模式，只有合理调整利益格局，才能让团队、员工主动接纳和应用AI技术。同时，AI会替代大量重复性工作、节约人力与时间成本，企业需要依托全新的组织模式、商业模式，盘活AI释放的资源，这也是商业管理类课程重点讲解的内容。

第二是人机协同的平衡与赋能。项目的人机协同课程核心研究两大问题：一是如何设计AI体系，让人类愿意接纳、主动使用新技术，同时避免对AI过度依赖、盲目盲从；二是探索人与AI的最优分工模式，通过科学的人机协同机制，实现人与AI互补赋能，最终达成1+1>2的落地效果，真正最大化AI的商业实用价值。

ABI方向的学生在毕业时能获得哪些能力？

复旦管院信息管理与商业智能系王有为教授：

我们不仅涵盖经典的传统机器学习，更紧跟时代前沿，深度融入生成式AI、大模型与智能体等尖端技术。AI技术还在快速的升级和演化，今天最先进的技术，到了明天就变成了常识。只有通过循序渐进的课程体系，帮学生把练就扎实的基本功，才能在未来多变的业务场景中游刃有余，从容应对各种挑战。

有别于传统院校，复旦管院依托长三角这片创新热土，与千行百业建立了深度链接。在这里，学生绝不只是个闭门造车的“技术极客”，更能敏锐洞察各类前沿技术的落地现状与演进趋势，真正做到既懂底层技术，又懂商业应用。

依托信息管理与商业智能系26年的深厚底蕴与遍布各行业的精英校友网络，我们将课堂直接搬进企业。通过与校友企业的深度共创，让学生在毕业前就能真刀真枪地解决真实的商业痛点。这是一次能力的升华，让学生未来在垂直领域大展拳脚。

ABI方向的毕业生和纯AI、CS人才相比有什么优势？

复旦管院信息管理与商业智能系青年副研究员陈刚：

区别于单纯技术型AI项目，也不同于传统管理类专硕，ABI方向强调真实商业场景为牵引，将AI技术方法系统融入商业决策。

智能管理的硕士的总体目标是希望在智能社会治理的战略引领下，通过管理科学的方法和理论，打造精度与温度并存的大模型商业应用形态。

大模型技术发展到今天，已经不是某一个领域所专属的技术，各行各业都在通过自己领域的知识和智慧赋能AI技术的创新，也就是AI Business。而智能管理硕士项目，特别是ABI方向，希望通过 Business for AI的视角，通过商业、管理理论和方法，赋能AI技术创新的池子。

在这里，我们要在智能管理领域，创造新的学科范式、新的教学理念和体系，那就是大模型在智能服务中的技术创新，面向商业需求的大模型技术创新。通过管理学理论和商业需求的深度融合，在大模型的模型内在结构中，兼顾模型的精度和温度，使其与商业需求深度耦合。

比如，通过期望确认理论，指导大模型对于用户意图和满意度的推理链路，兼顾大模型在服务介入中推理链路的可靠性、公平性与可解释性。再比如，通过ELM理论，指导大模型对于用户意图的推理模式，实现基于用户行为轨迹的深度意图推理与需求洞察。

ABI方向最重要的是培养什么能力？

复旦管院信息管理与商业智能系李文文副教授：

我们的竞争力不能建立在某一项具体技术不会变化的假设上。真正值得投资的，是让自己具备不断更新能力的能力。也就是说，当一个完全不会的新事物出现时，你需要多久才能把它变成自己的能力？掌握所需的时间越短，面对技术变化的时候，就越主动。

这种自我迭代能力正是ABI方向对学生的培养目标。去帮助大家学会建立一个越来越短的闭环。这个闭环可以概括成四个动作：理解、试用、应用、复盘。真正重要的不是某一次学得有多快。而是每一轮学习，能不能让下一轮学习变得更快。

AI的自我改进能力称为RSI（递归式自我改进），人也可以建立类似的机制。今天掌握的知识，不只是用来完成今天的任务。还应该帮助我们更快地理解明天的新知识。我们今天使用的AI，也不只是帮我们提高今天的效率，还可以帮助我们学习新的技术、测试新的方法、发现自己的不足。

换句话说：AI在加速自己的迭代，我们也要利用AI加速自己的迭代。这正是AI时代真正值得培养的一种能力。未来最重要的竞争力，也许不是拥有最好的能力，而是拥有最快的能力更新速度。