從大模型狂飆突進(jìn)到產(chǎn)業(yè)落地突圍，人工智能（AI）正在經(jīng)歷從技術(shù)熱浪到價(jià)值兌現(xiàn)的關(guān)鍵跨越。當(dāng)前，不少企業(yè)在應(yīng)用AI過程中發(fā)現(xiàn)，盡管數(shù)字大屏上數(shù)據(jù)琳瑯滿目、對(duì)話機(jī)器人回答問題頭頭是道，但AI始終難以切入核心業(yè)務(wù)決策環(huán)節(jié)，賦能實(shí)體經(jīng)濟(jì)的“最后一公里”遲遲未通。

數(shù)據(jù)可見不可用，是企業(yè)AI應(yīng)用落地難的一大“堵點(diǎn)”。數(shù)據(jù)孤島并非首要問題，真正的瓶頸在于數(shù)據(jù)無法被AI準(zhǔn)確理解與應(yīng)用，導(dǎo)致AI難以參與到?jīng)Q策當(dāng)中。神州控股數(shù)據(jù)智能集團(tuán)技術(shù)研發(fā)中心總經(jīng)理張偉此前曾直言，經(jīng)過近十年數(shù)據(jù)中臺(tái)建設(shè)，大部分企業(yè)內(nèi)部數(shù)據(jù)已實(shí)現(xiàn)互聯(lián)，核心痛點(diǎn)在于通用大模型缺乏企業(yè)現(xiàn)場(chǎng)數(shù)據(jù)與業(yè)務(wù)規(guī)則的翻譯層，通用大模型確實(shí)能力出眾，但在企業(yè)落地得了解真實(shí)情況，否則都是紙上談兵。

項(xiàng)目落地卻價(jià)值失蹤，則是企業(yè)AI應(yīng)用落地難的又一大“堵點(diǎn)”。不少AI項(xiàng)目投入數(shù)月，復(fù)盤時(shí)卻說不清省了多少錢、提了多少效，后續(xù)預(yù)算自然無從談起。究其原因，AI雖被引入企業(yè)，卻大多停留在數(shù)據(jù)可視化與輔助問答的層面，未能嵌入核心決策環(huán)節(jié)。這種情況下，一方面，企業(yè)無法量化AI的真實(shí)貢獻(xiàn)，決策層對(duì)繼續(xù)投入缺乏信心，項(xiàng)目往往在首期驗(yàn)收后便后繼乏力；另一方面，沒有持續(xù)的實(shí)戰(zhàn)反饋，AI本身也無法迭代優(yōu)化，陷入“用了跟沒用一樣”的死循環(huán)。

由此可見，企業(yè)應(yīng)用AI缺的是一條進(jìn)入企業(yè)真實(shí)業(yè)務(wù)流程、產(chǎn)生可量化價(jià)值的路徑。如何打通這條路，是AI從展示走向決策必須回答的問題。

輕量切入、快速見效，是AI落地破局的重要方式。當(dāng)前，企業(yè)AI實(shí)踐普遍沿用信息化時(shí)代的慣性思維，先搭平臺(tái)、再找場(chǎng)景，前期投入動(dòng)輒數(shù)百萬元，建設(shè)周期長(zhǎng)達(dá)數(shù)月甚至一年，成本高卻遲遲見不到實(shí)效。然而，AI落地并不需要“萬事俱備”才能起步。如果從具體決策場(chǎng)景切入，以企業(yè)真實(shí)運(yùn)營(yíng)數(shù)據(jù)為樣本，讓AI在最小范圍內(nèi)先跑起來，成效反而來得更快、更直觀。這樣做的好處是雙重的：一方面，以小成本試錯(cuò)，在實(shí)戰(zhàn)中摸索出適配企業(yè)自身的方法論，避免一步走錯(cuò)、全盤皆輸；另一方面，效率更高、周期更短，價(jià)值才能被真正驗(yàn)證和兌現(xiàn)，而非停留在規(guī)劃書上的美好預(yù)期。

數(shù)據(jù)融通、規(guī)則嵌入，則可以讓AI從旁觀者變成決策參與者。大模型的理解與推理能力已今非昔比，AI具備了進(jìn)入決策環(huán)節(jié)的技術(shù)基礎(chǔ)。然而，能力不等于實(shí)效，要讓AI真正成為決策參與者，關(guān)鍵在于將散落在各系統(tǒng)中的數(shù)據(jù)挖出來、治理成AI可理解的結(jié)構(gòu)，并將行業(yè)規(guī)則與運(yùn)營(yíng)經(jīng)驗(yàn)融入其中，使AI的每一次判斷都基于企業(yè)真實(shí)場(chǎng)景而非泛化推理。當(dāng)AI深入每一個(gè)具有高價(jià)值決策的核心環(huán)節(jié)，帶來的便不是單一節(jié)點(diǎn)的優(yōu)化，而是整條鏈路運(yùn)轉(zhuǎn)效率的系統(tǒng)性提升。

不可否認(rèn)，企業(yè)數(shù)據(jù)遠(yuǎn)比個(gè)人數(shù)據(jù)復(fù)雜，它不是一個(gè)人的偏好，而是跨部門、跨系統(tǒng)、跨環(huán)節(jié)的邏輯協(xié)同，要讓AI讀懂這些，需要的不只是更強(qiáng)的模型，而是全新的數(shù)據(jù)治理工具與落地方法論。因此，企業(yè)應(yīng)用AI仍然任重而道遠(yuǎn)，需要多方合力破局。尤應(yīng)指出的是，讓AI進(jìn)入決策層，并不是替代人做決策，而是讓人在更完整的信息、更精準(zhǔn)的建議下，做出更優(yōu)的決策。

當(dāng)“堵點(diǎn)”被一一打通，當(dāng)AI讀懂企業(yè)數(shù)據(jù)，AI帶來的就不僅是效率的量變：需求預(yù)測(cè)的結(jié)論能自動(dòng)傳導(dǎo)至采購(gòu)計(jì)劃，倉(cāng)網(wǎng)調(diào)配的結(jié)果能實(shí)時(shí)影響履約預(yù)警，供應(yīng)鏈從分段優(yōu)化走向全鏈協(xié)同……這或許才是AI賦能實(shí)體經(jīng)濟(jì)最值得期待的方向。（吳蔚 徐語帆 ）

來源：經(jīng)濟(jì)參考報(bào)