編者按： 這是一篇誕生于閉門對(duì)話的文章。 今年5月，我們發(fā)布了一篇《CIO的使命，正在被AI重新定義》，并以此為主題組織了一場(chǎng)閉門會(huì)，與來自科技、能源、制造、航空、金融、交通、通信等多個(gè)行業(yè)的二十多位大型企業(yè)數(shù)字化負(fù)責(zé)人、數(shù)科公司負(fù)責(zé)人、一把手進(jìn)行了三個(gè)多小時(shí)的深入探討。 這場(chǎng)對(duì)話沒有任何預(yù)設(shè)結(jié)論，所有坦誠(chéng)的碰撞都來自一線。 有人坦言這是從業(yè)以來最惶恐的一年，有人負(fù)責(zé)的項(xiàng)目預(yù)算從幾千萬被砍到幾十萬，也有人用1/10的成本跑通了200個(gè)項(xiàng)目的AI改造。這些劇烈反差的背后指向同一個(gè)事實(shí)：AI落地的關(guān)鍵，已經(jīng)不在技術(shù)層，而在組織層。 縱觀全球，大型企業(yè)的AI落地正在經(jīng)歷一條相似的曲線——從技術(shù)興奮到場(chǎng)景泡沫，從預(yù)算驟減到重返務(wù)實(shí)。我們將關(guān)注“大型企業(yè)AI落地中人和組織如何蛻變”的持續(xù)討論，以閉門研討為形式，以坦誠(chéng)交流為方法，不斷穿透問題的核心層。今年9月的2026 ITValue Summit 數(shù)字價(jià)值年會(huì)上，我們將再次邀請(qǐng)各行業(yè)領(lǐng)軍企業(yè)一把手、技術(shù)負(fù)責(zé)人、業(yè)務(wù)負(fù)責(zé)人同臺(tái)，在更深維度上展開對(duì)話——我們相信，提出問題本身，就是在接近答案。

過去三年，AI技術(shù)經(jīng)歷了從技術(shù)狂歡到商業(yè)落地的完整周期。大型企業(yè)作為這輪變革的主戰(zhàn)場(chǎng)，走過了一條“焦慮入場(chǎng)—理性收縮—?jiǎng)?wù)實(shí)突圍”的典型路徑。在經(jīng)歷了反復(fù)試錯(cuò)之后，那些走在AI落地最前沿的企業(yè)，正逐漸看清其中最關(guān)鍵的變量——它不是模型，不是算力，而是組織本身。

放眼全球，這并非中國(guó)大型企業(yè)獨(dú)有的困境。斯坦福商學(xué)院數(shù)字經(jīng)濟(jì)學(xué)實(shí)驗(yàn)室今年4月發(fā)布了一份題為《Enterprise AI Playbook》的研究報(bào)告，覆蓋了51個(gè)真實(shí)企業(yè)AI部署案例，橫跨7個(gè)國(guó)家、9個(gè)行業(yè)，代表超過100萬名員工的企業(yè)樣本。報(bào)告開篇便給出了一組發(fā)人深省的數(shù)據(jù)：“77%的最難挑戰(zhàn)來自變革管理、數(shù)據(jù)質(zhì)量和流程重構(gòu)——技術(shù)始終是最容易的部分。”與此同時(shí)，61%的成功項(xiàng)目在最終交付價(jià)值之前至少經(jīng)歷過一次失敗。這些失敗的成本，從不被計(jì)入最終的ROI報(bào)告。

這不是遠(yuǎn)在大洋彼岸的抽象結(jié)論。5月底，當(dāng)我們與二十多家國(guó)內(nèi)大型企業(yè)的技術(shù)負(fù)責(zé)人深度交流時(shí)，他們也不約而同地指認(rèn)了同一個(gè)事實(shí)：AI落地的最大障礙，從來不是技術(shù)。

三年，從集體亢奮到理性回歸

自2022年底ChatGPT引爆全球生成式AI熱潮后，2023年國(guó)內(nèi)玩家密集入場(chǎng)，形成了“百模大戰(zhàn)”——不僅有眾多通用大模型，還有遍地開花的行業(yè)大模型；2024年起逐步轉(zhuǎn)向商業(yè)化與收斂；2025年AI落地應(yīng)用開始走向深水區(qū)。

這三年，有能力追趕AI的大型企業(yè)體會(huì)最深。

從行業(yè)整體來看，這三年路徑呈現(xiàn)出一個(gè)清晰的“倒金字塔”趨勢(shì)：從鋪天蓋地的模型競(jìng)賽，逐漸收斂到高價(jià)值場(chǎng)景的選擇，最終沉入最底層的數(shù)據(jù)治理和流程重構(gòu)。多位行業(yè)分析師將這一軌跡稱為“從追風(fēng)到筑基”的必經(jīng)之路。Gartner的技術(shù)成熟度曲線在這一輪AI周期中再次應(yīng)驗(yàn)——2023年處于“期望膨脹期”，2024年下半年進(jìn)入“泡沫破裂谷底期”，而真正開始爬坡的，是那些完成了數(shù)據(jù)和組織功課的企業(yè)。

一位來自大型能源集團(tuán)的數(shù)字化負(fù)責(zé)人回顧這個(gè)過程時(shí)說：“第一年，行業(yè)里涌現(xiàn)了數(shù)十個(gè)大模型。第二年，開始談高價(jià)值場(chǎng)景——選了嗎？選了。有沒有高價(jià)值體現(xiàn)？大部分沒那么明顯。今年主題則是數(shù)據(jù)強(qiáng)基——越來越務(wù)實(shí)了。”

務(wù)實(shí)的B面也同步浮現(xiàn)。另一位來自資源領(lǐng)域企業(yè)的負(fù)責(zé)人袒露了更具體的困境：“我們項(xiàng)目預(yù)算從幾千萬砍到了幾百萬，再砍到幾十萬?！鳖I(lǐng)導(dǎo)層的邏輯很直接——要用AI的效果來倒推投入。但ROI該怎么量化？“AI的效果咋說清楚？說不清楚，最后砍了又砍?！?/p>

這種從狂熱到冷靜、謹(jǐn)慎的路徑并非個(gè)例。研究機(jī)構(gòu)McKinsey在2025年的一項(xiàng)全球調(diào)研顯示，超過60%的大型企業(yè)承認(rèn)在AI項(xiàng)目上至少經(jīng)歷過一次“重大預(yù)算調(diào)整”，平均調(diào)整幅度超過40%。斯坦福報(bào)告則提供了另一個(gè)角度：同樣的用例，在一家金融科技公司只需要數(shù)周就能完成，在一家大型銀行卻要花上好幾年?！安顒e從來不在AI模型本身，而在組織?！?/p>

組織層面的代價(jià)，在一家大型科技企業(yè)的數(shù)字化負(fù)責(zé)人身上得到了最集中的體現(xiàn)。他自述2025年是從事數(shù)字化轉(zhuǎn)型十年來最惶恐的一年：“突然之間，從AI無用變成每個(gè)業(yè)務(wù)都說是我最迫切的需求——1260多個(gè)需求涌到我桌上。我們出現(xiàn)了接不住的問題?！?/p>

三年前企業(yè)擔(dān)心“不懂AI跟不上時(shí)代”，三年后面對(duì)的新問題是：需求洶涌而來，組織卻接不住了。

一位出身華為體系的算力科技企業(yè)CEO在交流中給出了一組令人警醒的時(shí)間線。他認(rèn)為，AI的潛力遠(yuǎn)超電力革命——“電力帶來的只是同一性質(zhì)上的數(shù)量級(jí)增長(zhǎng)，沒有帶來質(zhì)的變化，但AI創(chuàng)造了一個(gè)全新的自由度?！备鶕?jù)他和團(tuán)隊(duì)在2023年上半年的推演，在充分競(jìng)爭(zhēng)的全球性行業(yè)中，領(lǐng)先者和跟隨者可能在3到5年內(nèi)拉開三倍差距?！?5%的差距，對(duì)全球競(jìng)爭(zhēng)企業(yè)來說是難以承受的。”

更殘酷的判斷在后面：除了金融、互聯(lián)網(wǎng)、運(yùn)營(yíng)商和信息技術(shù)企業(yè)之外，絕大多數(shù)企業(yè)靠自身獨(dú)立掌握從算力硬件到模型調(diào)優(yōu)再到業(yè)務(wù)落地的AI全棧能力，“不會(huì)超過50家”。這意味著，對(duì)99%的大型企業(yè)而言，核心問題不是“要不要做AI”，而是“如何在自身不具備全棧能力的條件下，把AI真正用起來”。這一判斷也解釋了為什么三年間大型企業(yè)從“百模大戰(zhàn)”一路退回到“數(shù)據(jù)強(qiáng)基”——不是不想一蹴而就，而是認(rèn)清了自身能力的真實(shí)邊界。

“干好了被AI淘汰，干不好被老板淘汰”

大型企業(yè)數(shù)字化負(fù)責(zé)人的角色困境，是這場(chǎng)落地危機(jī)的核心切片。

從全球趨勢(shì)來看，CIO這一角色的含金量正在經(jīng)歷一輪劇烈波動(dòng)。2020年前后，隨著云計(jì)算和SaaS的普及，企業(yè)IT的復(fù)雜性下降，CIO的戰(zhàn)略地位一度下滑。但自2023年底AI浪潮爆發(fā)以來，CIO的角色重新被推至聚光燈下。Gartner在其2026年CIO議程中指出，全球CIO的董事會(huì)出席率從2023年的38%回升至2025年的56%。

“集團(tuán)領(lǐng)導(dǎo)早上7點(diǎn)直接給我打電話說給班子做AI培訓(xùn)?！币患液娇展镜腃IO說，他前后在集團(tuán)內(nèi)部講了三次課，每次在線直播觀看人數(shù)上萬人次。而且他還分享了一組預(yù)測(cè)數(shù)據(jù)：航空業(yè)AI投入規(guī)模將從2025年的74億美元增長(zhǎng)至2032年的269億美元。

但回歸的不僅是關(guān)注度，更是前所未有的壓力。

一家大型科技企業(yè)核心管理者用一句話概括了自己的處境：“干好了被AI淘汰，干不好被老板淘汰?！彼倪M(jìn)一步解釋是：AI落地需要組織能力的根本性重構(gòu)，但“組織能力、思維、響應(yīng)能力都趕不上”。

這種困境從四個(gè)維度展開：

第一，權(quán)責(zé)錯(cuò)位。一位來自核電行業(yè)的負(fù)責(zé)人直言不諱：“如果一個(gè)CIO既不管流程也不管資源，‘AI+’完全是空談。”但現(xiàn)實(shí)是，在大多數(shù)大型企業(yè)，數(shù)字化部門并不掌握流程和數(shù)據(jù)的實(shí)權(quán)。當(dāng)AI落地需要跨部門的流程重構(gòu)和數(shù)據(jù)治理時(shí)，CIO往往“有心無權(quán)”。Gartner的數(shù)據(jù)支持了這一觀察：在其調(diào)研的全球大型企業(yè)中，僅有29%的CIO對(duì)業(yè)務(wù)流程擁有直接管控權(quán)，但這29%的企業(yè)AI項(xiàng)目成功率是對(duì)照組的2.3倍。

第二，速度斷裂。多位受訪者反映，大型企業(yè)的戰(zhàn)略規(guī)劃以五年為周期，項(xiàng)目立項(xiàng)從論證到審批動(dòng)輒一年，而AI技術(shù)迭代是以季度、甚至以月為單位，陷入“落地即落后”的困境。一位協(xié)會(huì)秘書長(zhǎng)尖銳地指出：“五年規(guī)劃節(jié)奏和半年技術(shù)迭代速度之間嚴(yán)重脫節(jié)?！币晃粊碜酝ㄐ胚\(yùn)營(yíng)商的負(fù)責(zé)人也印證了這一點(diǎn)：“數(shù)字化部門在推流程變革的時(shí)候，往往在最后一步走不動(dòng)——涉及組織調(diào)整、崗位變化，層層阻力?！?/p>

第三，認(rèn)知斷裂。 集團(tuán)高層開動(dòng)員會(huì)熱情高漲，但往下傳到二級(jí)單位、三級(jí)單位時(shí)發(fā)現(xiàn)根本落不下去。在討論中，參會(huì)者對(duì)上下溫度做了多重診斷：不僅有經(jīng)典的“上熱、中溫、下冷”——高層推動(dòng)、中層被動(dòng)傳導(dǎo)、基層無感；還有“上熱、中溫（冷）、下熱”——上層催得緊、下面有真實(shí)業(yè)務(wù)需求，但中間層沒有權(quán)柄去調(diào)動(dòng)資源，夾在中間左右為難；甚至還有“上熱、中溫、下重（鬧）”——基層不是“冷”，而是被考核指標(biāo)和現(xiàn)場(chǎng)壓力壓得喘不過氣，迫切需要AI卻又應(yīng)付不來。最形象的是一個(gè)被稱為“身體和靈魂分離”的困境：一位來自多元化業(yè)務(wù)集團(tuán)的IT負(fù)責(zé)人分享說，領(lǐng)導(dǎo)喊AI轉(zhuǎn)型，HR卻說“你自己調(diào)整編制，減五個(gè)人才能換一個(gè)AI崗”。

第四，資源斷裂。當(dāng)AI人才競(jìng)爭(zhēng)白熱化、頂尖人才年薪達(dá)到200萬級(jí)別時(shí)，大型企業(yè)招人正陷入兩極分化：高端人才不流通，基層畢業(yè)生缺乏實(shí)戰(zhàn)經(jīng)驗(yàn)，中間層面臨被AI替代的風(fēng)險(xiǎn)。前述科技企業(yè)核心管理者甚至直言：“我現(xiàn)在反對(duì)請(qǐng)咨詢公司、反對(duì)從大廠招有經(jīng)驗(yàn)的IT人，而是加大對(duì)社招生和年輕人的招聘。”但他也承認(rèn)，這是一個(gè)“混裝部隊(duì)”——傳統(tǒng)IT團(tuán)隊(duì)的經(jīng)驗(yàn)仍有價(jià)值，但AI時(shí)代需要的是一套完全不同的能力組合。

五道坎：大型企業(yè)AI落地的真實(shí)阻力圖譜

從與二十多家企業(yè)的對(duì)話中，我們提煉出了五個(gè)反復(fù)出現(xiàn)的卡點(diǎn)。它們不是平行并列的問題，而是一條層層遞進(jìn)的鏈條：數(shù)據(jù)是地基，ROI是通行證，安全是邊界，組織是承重墻，人才是血液。任何一道坎的失守，都可能導(dǎo)致整個(gè)AI推進(jìn)計(jì)劃的停滯。

第一道坎：數(shù)據(jù)——過去信息化欠的債，AI時(shí)代全找回來了

“AI是對(duì)過去信息化成果的檢驗(yàn)?！边@句話來自一位能源集團(tuán)的負(fù)責(zé)人。它的潛臺(tái)詞是一句遲來的清算：過去幾十年信息化建設(shè)中積累的數(shù)據(jù)質(zhì)量問題，在AI時(shí)代以最殘酷的方式暴露出來。一位核電行業(yè)業(yè)務(wù)出身的負(fù)責(zé)人給出了更直白的描述：“數(shù)據(jù)糟得一塌糊涂。底層的生產(chǎn)數(shù)據(jù)很亂，基本的標(biāo)準(zhǔn)化都沒做到，更不用談再優(yōu)化架構(gòu)。”

多位參會(huì)者提到，傳統(tǒng)信息化建設(shè)遵循“先建設(shè)后治理”的邏輯，導(dǎo)致大量數(shù)據(jù)無效、不標(biāo)準(zhǔn)、不可用。當(dāng)AI需要高質(zhì)量數(shù)據(jù)集作為輸入時(shí)，這道坎就橫在了所有人面前。據(jù)IDC 2025年的一項(xiàng)研究，大型企業(yè)用于AI的數(shù)據(jù)清洗和預(yù)處理成本，平均占到AI項(xiàng)目總投入的40%以上。

但斯坦福報(bào)告提供了一個(gè)稍顯樂觀的視角：LLM修復(fù)了許多數(shù)據(jù)問題。報(bào)告認(rèn)為，混亂數(shù)據(jù)不是阻塞器——存儲(chǔ)一切、連接一切，讓模型來做清潔。關(guān)鍵在于設(shè)計(jì)繞過方案，而非等待數(shù)據(jù)完美。這一觀點(diǎn)與部分參會(huì)者的實(shí)踐方向吻合：與其等待統(tǒng)一數(shù)據(jù)平臺(tái)建成，不如在具體場(chǎng)景中用AI先“縫縫補(bǔ)補(bǔ)”，邊用邊治。

第二道坎：ROI——價(jià)值在哪兒

“領(lǐng)導(dǎo)從來沒有說過不讓花錢，但他每次都問：你能告訴我這花了錢，最后效果在哪兒？AI的效果咋說清楚？說不清楚，最后砍了又砍。”這段來自一位資源領(lǐng)域企業(yè)負(fù)責(zé)人的話，幾乎可以代表所有大型企業(yè)數(shù)字化負(fù)責(zé)人的共同遭遇。

當(dāng)一個(gè)AI項(xiàng)目的產(chǎn)出無法用傳統(tǒng)ROI框架量化——比如“效率提升30%”在不同業(yè)務(wù)場(chǎng)景下意義完全不同——領(lǐng)導(dǎo)層的耐心就變得極為有限。造成這一局面的，除了對(duì)AI技術(shù)的認(rèn)知差距，更多在于AI項(xiàng)目天然缺乏“可量化的商業(yè)語(yǔ)言”。一位來自通信運(yùn)營(yíng)商的負(fù)責(zé)人提供了一個(gè)少有的正面案例：其內(nèi)部AI投入2.97億元，產(chǎn)出8.59億元（投入產(chǎn)出比約1:2.9），關(guān)鍵做法是每一個(gè)項(xiàng)目都要獨(dú)立核算ROI，“人人可用、人人有感”。

斯坦福報(bào)告梳理了AI收入的三條可行路徑：個(gè)性化轉(zhuǎn)化（通過AI提升客戶匹配效率）、速度贏得交易（AI縮短交付周期）、內(nèi)部工具產(chǎn)品化（將自研AI能力對(duì)外輸出）。三條路徑的核心邏輯一致——不要等完美的ROI模型出現(xiàn)，而是從一個(gè)小場(chǎng)景開始迭代證明價(jià)值，讓每一塊錢的投入都對(duì)應(yīng)一個(gè)可感知的商業(yè)結(jié)果。

第三道坎：安全合規(guī)——護(hù)城河還是緊箍咒

“如果一個(gè)企業(yè)在擁抱AI的過程中，把高價(jià)值數(shù)據(jù)交給了不可控的外部大模型，就意味著這個(gè)企業(yè)在放棄它的護(hù)城河。”前述科技企業(yè)負(fù)責(zé)人反復(fù)強(qiáng)調(diào)：數(shù)據(jù)讀取和決策輔助——權(quán)限可以大；數(shù)據(jù)的增刪改——在沒想清楚之前“絕不允許”。

除了數(shù)據(jù)安全，中國(guó)企業(yè)，尤其關(guān)乎國(guó)計(jì)民生的金融、能源等行業(yè)對(duì)安全性有極高要求，核心業(yè)務(wù)無法使用公共算力，私有化部署是繞不過去的投入。但投資數(shù)億元自建算力，短期回報(bào)難以量化，這成為擺在大型企業(yè)面前的兩難選擇。在全球范圍內(nèi)，這一問題同樣不限于中國(guó)市場(chǎng)——?dú)W盟AI法案對(duì)高風(fēng)險(xiǎn)行業(yè)提出了類似的可追溯性和數(shù)據(jù)主權(quán)要求。

斯坦福報(bào)告則提供了一個(gè)積極信號(hào)：安全要求在項(xiàng)目早期常被視為障礙，但成功案例表明，“最初是障礙的要求，后來反而成為項(xiàng)目處理敏感數(shù)據(jù)的賦能條件”。換言之，合規(guī)不是AI的敵人，而是一道篩選機(jī)制——真正活下來的AI項(xiàng)目，都是能在合規(guī)框架內(nèi)找到可行路徑的項(xiàng)目。

第四道坎：組織——大企業(yè)的秩序基因，碰上AI的速度邏輯

這是五道坎中最深的一層，因?yàn)樗墙Y(jié)構(gòu)性的，不是技術(shù)性的。

大型企業(yè)的組織架構(gòu)是層層嵌套的科層制，流程是為確定性任務(wù)設(shè)計(jì)的，決策路徑是逐級(jí)上報(bào)的。而AI要求快速迭代、跨部門協(xié)同、容忍不確定性——這幾乎與大型企業(yè)的DNA相悖。一家核電企業(yè)的數(shù)字化負(fù)責(zé)人對(duì)此的判斷十分透徹：大型企業(yè)的底層運(yùn)行邏輯是合規(guī)和風(fēng)控，整個(gè)流程體系的存在意義就是“不出事”；而AI——尤其是Agentic AI——的終極邏輯是減少中間環(huán)節(jié)、直接輸出結(jié)果。這兩件事本質(zhì)上是結(jié)構(gòu)性對(duì)沖。

從行業(yè)觀察來看，這個(gè)問題正在被越來越多的企業(yè)正視，但解法差異很大。斯坦福報(bào)告揭示了一個(gè)有意味的數(shù)據(jù)：AI項(xiàng)目的最大阻力來源不是終端用戶（23%），而是法務(wù)、HR、風(fēng)控和合規(guī)部門（35%）。這意味著，組織變革的突破口往往不在技術(shù)側(cè)，而在于重新定義“誰為AI決策擔(dān)責(zé)”。

會(huì)上有參會(huì)者提出了“雙牽頭”機(jī)制——由業(yè)務(wù)部門與IT部門共同對(duì)AI項(xiàng)目結(jié)果負(fù)責(zé)，打破傳統(tǒng)的“業(yè)務(wù)提需求、IT搞開發(fā)”的玻璃墻。另一些企業(yè)的做法則是成立由一把手直接掛帥的AI推進(jìn)工作機(jī)制，繞開傳統(tǒng)科層制的審批路徑。還有企業(yè)采取了更激進(jìn)的方式：將5000多個(gè)流程活動(dòng)逐項(xiàng)拆解，在每個(gè)原子化環(huán)節(jié)上判斷“這個(gè)能不能交給機(jī)器”，能交的交給AI，必須保留的由人擔(dān)責(zé)——這是一種“從底層上推”的組織重塑邏輯，而非在原有流程上疊一層AI。

正如前述科技企業(yè)核心管理者所總結(jié)的：大企業(yè)像航母——穩(wěn)定、抗風(fēng)浪、不容出錯(cuò)，而AI要的是快艇?！斑@不是誰對(duì)誰錯(cuò)的問題，它們是兩種基因的碰撞?！?/p>

從組織坎再往下穿一層，碰到的是一堵無形的墻：信任。前述算力企業(yè)CEO對(duì)此的判斷是——“最重要的是，讓組織里的其他人看到并且相信AI的力量。如果你不能讓別人相信這個(gè)東西，你就不可能真正把CEO也好、其他部門也好的支持拿到手?！边@不是一句正確的廢話。在真實(shí)的組織運(yùn)行中，當(dāng)AI的產(chǎn)出無法在季度考核中兌現(xiàn)，當(dāng)一線的抵觸情緒層層上報(bào)，第一個(gè)動(dòng)搖的往往就是當(dāng)初喊出“AI優(yōu)先”的最高決策者。而一旦一把手動(dòng)搖，整個(gè)組織的AI推進(jìn)就會(huì)從“自上而下的戰(zhàn)略”坍縮為“數(shù)字化部門自己的事”。這也是為什么一些參會(huì)者反復(fù)強(qiáng)調(diào)：組織變革的前提，是先解決“信不信”的問題，再解決“會(huì)不會(huì)”的問題。

第五道坎：人才——兩極分化與能力重塑

“我現(xiàn)在招人兩極分化得厲害——高端人才200萬，人家不流通；底下的博士生沒有實(shí)戰(zhàn)經(jīng)驗(yàn)，拿來沒用；中間層會(huì)被快速淘汰?！鄙鲜瞿茉雌髽I(yè)IT負(fù)責(zé)人表示，當(dāng)大模型能完成初級(jí)開發(fā)、基礎(chǔ)分析的工作，“中等經(jīng)驗(yàn)”員工正在變成最尷尬的群體。

前述科技企業(yè)核心管理者的策略是：不再?gòu)拇髲S招有經(jīng)驗(yàn)的IT人，轉(zhuǎn)而加大對(duì)社招生和年輕人的招聘。但他承認(rèn)，這是“混裝部隊(duì)”——傳統(tǒng)IT團(tuán)隊(duì)的經(jīng)驗(yàn)仍有價(jià)值，但AI時(shí)代需要的是一套完全不同的能力組合。

他的判斷引發(fā)了會(huì)上廣泛的討論：“未來的核心能力是提問、審美和評(píng)判。”在答案唾手可得的時(shí)代，決定一個(gè)人價(jià)值的不再是知識(shí)儲(chǔ)備，而是提出正確問題的能力和判斷答案質(zhì)量的能力。這一觀點(diǎn)與全球多家頂尖商學(xué)院的判斷一致——INSEAD在2025年發(fā)布的《AI時(shí)代的領(lǐng)導(dǎo)力》報(bào)告中，將“批判性提問”列為未來管理者最重要的前三項(xiàng)技能之一。

穿過死亡谷的人，做對(duì)了什么

斯坦福報(bào)告有一個(gè)關(guān)鍵發(fā)現(xiàn)：100%的成功案例都采用了迭代方式，沒有一個(gè)是傳統(tǒng)瀑布式規(guī)劃。換言之，能夠穿過“死亡谷”的企業(yè)，無一例外地拋棄了“規(guī)劃-審批-執(zhí)行-驗(yàn)收”的線性路徑。

那些穿過了死亡谷的大型企業(yè)，到底做對(duì)了什么？我們從此次閉門對(duì)話和斯坦福的研究中歸納了幾條可供參考的實(shí)踐范式。

場(chǎng)景驅(qū)動(dòng)，而非模型驅(qū)動(dòng)

這種思路在航空業(yè)得到了最具體的驗(yàn)證。一位來自航空集團(tuán)的負(fù)責(zé)人介紹，其團(tuán)隊(duì)開發(fā)了超過500個(gè)智能體，其中400多個(gè)活躍使用。在發(fā)動(dòng)機(jī)裂紋預(yù)測(cè)場(chǎng)景中，通過大小模型結(jié)合的方式實(shí)現(xiàn)了突破性成果，并已獲得行業(yè)監(jiān)管部門認(rèn)可，甚至開始為其他航空公司提供預(yù)測(cè)服務(wù)。

這一案例的啟示不在于技術(shù)本身，而在于它的方法論：IT搭臺(tái)、業(yè)務(wù)唱戲——讓業(yè)務(wù)人員主導(dǎo)智能體建設(shè)，IT部門提供平臺(tái)和算力支持；同時(shí)將AI創(chuàng)新納入部門評(píng)優(yōu)加分體系，用正向激勵(lì)替代行政命令，成功激發(fā)了一線主動(dòng)參與。

斯坦福報(bào)告的數(shù)據(jù)可以作為參照坐標(biāo)：當(dāng)企業(yè)把AI部署為“自動(dòng)化工具”時(shí)，中位數(shù)生產(chǎn)力提升約40%；當(dāng)部署為“Agentic模式”（AI自主處理80%以上任務(wù)，人類只審查例外），中位數(shù)生產(chǎn)力提升躍升至71%。但這目前僅占案例的20%——這恰恰是下一階段的競(jìng)爭(zhēng)焦點(diǎn)。

先流程再造，再AI+

前述能源企業(yè)IT負(fù)責(zé)人的5891項(xiàng)流程活動(dòng)梳理，代表了一種可復(fù)制的范式?！霸瓉淼姆止み壿嬍窍茸屓烁?，然后讓機(jī)器按照人的邏輯去干。我們現(xiàn)在是把所有流程打開，先看能不能讓機(jī)器干——機(jī)器干完，人來補(bǔ)充擔(dān)責(zé)。”

這種“流程優(yōu)先”策略的關(guān)鍵在于：把AI從一個(gè)“疊加層”變成組織流程的“原生組件”。一位通信運(yùn)營(yíng)商負(fù)責(zé)人印證了這一點(diǎn)：“我們每一個(gè)IT項(xiàng)目上必須有流程變革。沒有流程變革的IT項(xiàng)目，相當(dāng)于白上?！睒I(yè)內(nèi)也在形成共識(shí)：未經(jīng)過流程重構(gòu)的“AI+”，只是舊流程上刷了一層AI的油漆，沒有觸及真正的效率瓶頸。

算清楚賬，哪怕從小開始

上述多元化業(yè)務(wù)企業(yè)IT負(fù)責(zé)人以物業(yè)AI巡檢平臺(tái)為例作了說明：原本找外部大廠合作，單個(gè)項(xiàng)目改造報(bào)價(jià)幾十萬，而物業(yè)項(xiàng)目的年利潤(rùn)可能只有幾萬。于是團(tuán)隊(duì)自己走通了蒸餾、抽幀等降本路徑，用1/10的成本實(shí)現(xiàn)了200多個(gè)項(xiàng)目的全面推廣?！白鲆粋€(gè)必須成一個(gè)”——這既是約束，也是倒逼出來的方法論。

非侵入式改造VS從零重構(gòu)

“原來的ERP系統(tǒng)、MES系統(tǒng)不一定要全部推倒重來。這些系統(tǒng)反而是確定邏輯下有效的執(zhí)行工具，你可以把它們skill化，變成能被AI驅(qū)動(dòng)的東西?！边@種務(wù)實(shí)策略正在獲得越來越多大型企業(yè)的共鳴。當(dāng)“用AI重構(gòu)企業(yè)架構(gòu)”的激進(jìn)路線遭遇組織現(xiàn)實(shí)時(shí)，將存量系統(tǒng)通過API化、技能化接入AI，而非等待“全域數(shù)字孿生”建成，可能是更可行的一條路。

上述算力企業(yè)CEO提出了更激進(jìn)的“從零重構(gòu)”觀點(diǎn)：“每個(gè)企業(yè)最終都將變成一個(gè)制造企業(yè)——通過AI調(diào)用全球頂級(jí)智力資源，越過自己的人力資源邊界獲取能力?！钡@種愿景的實(shí)現(xiàn)需要一把手的絕對(duì)信任和全組織的深度重構(gòu)。對(duì)于絕大多數(shù)大型企業(yè)而言，在愿景與務(wù)實(shí)之間找到平衡，才是當(dāng)下更迫切的需求。

他分享了一個(gè)名為“智企1.0”的內(nèi)部項(xiàng)目——這家從華為體系中獨(dú)立出來的企業(yè)，花了三年時(shí)間，把公司從研發(fā)、生產(chǎn)、銷售、服務(wù)到財(cái)經(jīng)、人力資源的所有業(yè)務(wù)流程全部拆開，梳理出近8000個(gè)底層活動(dòng)單元。在此基礎(chǔ)上，他們提出了一套四階段的智能體演進(jìn)框架：從活動(dòng)級(jí)智能體，到流程級(jí)智能體，再到業(yè)務(wù)級(jí)智能體，最終到達(dá)企業(yè)級(jí)智能體。

按照他給出的時(shí)間表，到今年年底，除了ERP之外，CRM、HR、SCM等核心業(yè)務(wù)系統(tǒng)將全部實(shí)現(xiàn)智能體化。在研發(fā)領(lǐng)域，他們啟動(dòng)了AI Coding項(xiàng)目，讓AI直接參與代碼編寫，傳統(tǒng)研發(fā)中人與機(jī)器的邊界正在被重新定義。

“我們處于一個(gè)全球性充分競(jìng)爭(zhēng)的行業(yè)，可能焦慮感也最強(qiáng)。”他坦言這種激進(jìn)并非來自技術(shù)狂熱，而是來自生存壓力。但他同時(shí)承認(rèn)，自己有大多數(shù)大型企業(yè)不具備的條件：這是一家從零重建的新企業(yè)，沒有幾萬臺(tái)存量IT設(shè)備和幾十年的遺留系統(tǒng)需要兼容，也沒有數(shù)千人的傳統(tǒng)IT團(tuán)隊(duì)需要轉(zhuǎn)型——而這恰恰是絕大多數(shù)大型企業(yè)無法繞過的現(xiàn)實(shí)。

這種路徑顯然無法被歷史悠久的大企業(yè)直接復(fù)制。但它的實(shí)驗(yàn)價(jià)值在于，它提供了一個(gè)“極限樣本”——如果一家企業(yè)能放下所有存量束縛，AI可以推著組織效率走多遠(yuǎn)。那些在存量中掙扎的大型企業(yè)，至少可以從中提煉可遷移的方法論：將流程逐層解耦為原子化活動(dòng)，在活動(dòng)層面判斷“人還是機(jī)器”，漸進(jìn)式地推進(jìn)智能體化，而非等待“全域數(shù)字孿生”一步到位。

“每個(gè)企業(yè)最終都將變成一個(gè)制造企業(yè)，通過AI調(diào)用全球頂級(jí)智力資源，越過自己的人力資源邊界獲取能力”——這一宏大判斷或許指向一個(gè)更遠(yuǎn)的未來。但它在今天至少傳遞了一個(gè)明確的信號(hào)：AI對(duì)企業(yè)而言，不是幫現(xiàn)有的人變得更高效，而是從根本上改寫“組織能力”的定義。過去，企業(yè)的競(jìng)爭(zhēng)力上限大致約等于“你能雇到的最優(yōu)秀的人”；而AI正在把這個(gè)天花板撤掉。

結(jié)語(yǔ)：答案不在某一次對(duì)話里

斯坦福的51個(gè)成功案例和這場(chǎng)與二十多家企業(yè)的深度對(duì)話，共同揭示了一個(gè)殘酷但清醒的事實(shí)：

技術(shù)不是瓶頸。真正的差異化優(yōu)勢(shì)不在模型層，而在編排層——在企業(yè)如何把AI嵌入流程、連接數(shù)據(jù)、重構(gòu)組織的系統(tǒng)化能力。從這個(gè)意義上說，大型企業(yè)AI落地的故事，本質(zhì)上是一面鏡子。它照出的不是AI技術(shù)本身有多先進(jìn)，而是過往信息化建設(shè)中的歷史欠賬、科層制組織的固有慣性，以及一個(gè)長(zhǎng)久被低估的事實(shí)——技術(shù)革命從來不只是技術(shù)的事。

十多年數(shù)字化轉(zhuǎn)型老兵的迷茫，幾千萬砍到幾十萬的預(yù)算，“身體和靈魂分離”的組織現(xiàn)狀——這些都不是AI帶來的，而是AI揭開的。

正如斯坦福報(bào)告在方法論章節(jié)中所強(qiáng)調(diào)的：61%的項(xiàng)目在成功前至少失敗過一次?！拔覀冄芯康牟恢皇浅晒Γ€有那些失敗的嘗試——這些失敗的規(guī)律，和成功的規(guī)律同樣重要?！?/p>

對(duì)于仍在掙扎中推進(jìn)AI落地的國(guó)內(nèi)大型企業(yè)而言，最危險(xiǎn)的不是“做不好”，而是“假裝在做”——花大錢做大模型、建算力集群，但在流程、數(shù)據(jù)、組織三個(gè)地基上什么都沒動(dòng)。

今天，沒有人能拿出一張“正確答案”的地圖。但這場(chǎng)閉門會(huì)所開啟的坦誠(chéng)對(duì)話，本身就是走向可行路徑的第一步。提出問題、碰撞觀點(diǎn)、暴露矛盾——這些看似沒有給出答案的討論，恰恰在推動(dòng)參與者向更接近真相的方向移動(dòng)。

我們將在今年9月的2026 ITValue Summit數(shù)字價(jià)值年會(huì)上（歷屆信息：https://www.tmtpost.com/events/7），再次展開更深度、更多維的討論。而且，此后我們也將以專題閉門會(huì)的形式持續(xù)深化，每一次聚焦一個(gè)最尖銳的問題，一層一層地往下穿透。參與者不只是數(shù)智化落地一線的技術(shù)負(fù)責(zé)人，同樣包括企業(yè)管理者、業(yè)務(wù)負(fù)責(zé)人。只有不同角色在同一張桌子上面對(duì)同一個(gè)問題，思想和利益的碰撞才能真正拉齊認(rèn)知、減少內(nèi)耗，讓蛻變和創(chuàng)新在反復(fù)對(duì)話中發(fā)生。（本文首發(fā)于鈦媒體APP，文 | 數(shù)智達(dá)觀，作者 | 蓋虹達(dá)，編輯 | 楊林）