作者：陈旭东，IBM大中华区董事长、总经理

北京2026年11月11日 美通社 －－ 几年前，企业普遍认为AI近在咫尺，仿佛部署一个模型、引入一套工具，就能迅速释放价值。真正开始落地后，才发现这不是一场轻松的技术升级，而是一场层层深入的“城市攻坚战”。

今天，几乎所有企业都在谈AI，不少企业也持续增加投入，但真正实现规模化价值的仍是少数。模型能力不断跃升，企业面临的核心问题却没有改变：AI究竟能在哪些关键环节创造价值，又如何形成可量化、可复制、可持续的经营回报？

目前，大多数企业攻下的仍是“外城”。利用AI生成演示文稿、整理会议纪要、辅助编码，可以提升个人生产力；将AI应用于财务审核、智能客服和视觉质检，也能够优化局部流程。这些“不伤筋动骨”的应用较易推进，却未必能改变企业整体绩效，更难以自然转化为新的增长动力。

真正决定企业竞争力的，是能否继续向“内城”推进，让AI进入经营决策和核心业务流程。这意味着企业不能再把AI视为孤立的工具或单纯的IT项目，而要运用AI重新审视组织分工、业务流程和决策机制。越接近核心业务，涉及的数据基础、系统协同、权责分配和组织利益就越复杂，攻坚难度也越大。

因此，企业AI应用的真正分水岭，不是谁部署了更多模型、上线了更多智能体，而是谁有能力从外围的局部提效，深入“内城”完成业务与组织重塑。企业级AI落地，本质上是一场贯穿数据、流程、组织与治理的系统性变革。

企业AI规模化落地的三道关口

基于过去几年和大量中国民营企业的深入交流，我们发现，影响AI落地的因素主要集中在三个方面：数据基础、业务流程和组织管理。

首先是数据基础。部分企业拥有大量数据，但缺乏统一治理，难以保证数据质量和一致性；另一些企业的关键业务环节尚未完成信息化和数字化建设，甚至没有形成可供AI使用的数据。缺少完整、可靠且具有业务语义的数据，AI就难以提供可信的判断和建议。

其次是业务流程。AI只有真正嵌入研发、生产、供应链、营销和服务等业务链条，才能形成规模化价值。然而，企业内部往往存在系统割裂、设备互联不足、知识经验难以沉淀等问题。单个应用试点或许能够取得成效，但要将其复制到更多部门、场景和地区，就需要打通系统、数据和流程，并建立可以复用的业务模型。

第三是组织管理。AI转型并非传统意义上的技术项目，不能完全交由IT部门独立推进。企业负责人最了解业务亟待解决的问题，也最有能力调配资源、协调部门利益并推动流程重构。只有最高管理层真正参与，明确业务目标和投入边界，AI才能从局部试点上升为企业级变革。

因此，企业不能将AI落地简单理解为采购一种工具或部署一个模型。数据基础、业务流程与组织管理必须协同推进，任何一个环节缺位，都可能导致AI应用难以形成规模效应。

从三类需求寻找价值突破口

要破解AI落地困境，企业首先需要从业务出发，明确自身的真实需求。站在企业负责人的视角，可以将AI需求划分为经营、运营和管理三类。这三类需求最终都应服务于两个基本目标：降本增效和增长扩张。

• 经营类需求关注企业的发展方向、资源投入和重大决策。其目标是借助AI获得更加准确、及时的经营洞察，打通战略、产品、供应链等决策环节的信息断点。智能问数、经营分析和辅助决策是其中的典型场景，而最大的制约因素仍然是数据。缺少经过治理的经营数据，企业就容易陷入“分析结果不准确、决策继续依赖经验、AI投入产出难以评估”的循环。
• 运营类需求覆盖研发、生产、供应链、营销和服务等环节，重点解决业务能否顺畅运行、产出能否稳定达标的问题，典型场景是企业流程优化。企业可以利用AI辅助研发管理和代码生成，加快知识传承；通过视觉检测提高生产质量和效率；借助智能资产管理提升设备可用性并降低维护成本。此类应用的关键不在于单点技术，而在于能否实现系统与设备、数据与知识、部门与生态之间的有效打通。
• 管理类需求主要涉及人力资源、财务、资产、IT、合规和法务等职能。目前，大多数企业推动的AI应用，如员工自助服务、办公智能体、企业知识库，都属于这一范畴。管理类应用能够提升员工效率，为企业运营提供支撑，但个人效率的提升并不必然转化为企业整体绩效。随着智能体数量持续增长，企业还必须解决权限、合规、安全、重复建设和统一运维等问题，为AI规模化应用建立统一底座。

从“应用AI”走向“AI重塑”

企业AI通常会经历试点探索、流程优化和业务重塑三个阶段。辅助编码、办公自动化和知识库等应用，主要解决效率问题；企业如果希望借助AI创新产品、拓展市场并创造新的收入来源，就必须进一步以AI思维重构业务与组织。

企业负责人需要重新审视每一项业务活动：如果今天重新创建一家企业，哪些工作可以由AI完成，哪些环节仍然需要人的判断和创造？对于已有一定规模和历史积累的企业，还应重点思考两个方向：一是将AI融入产品，推动产品智能化升级；二是利用AI重构服务体系，提高响应速度、服务质量和客户价值。

这并不意味着企业必须一步完成全面转型。更现实的路径，是以高价值业务场景为切入口，补齐数据和数字化基础，逐步打通关键流程，并建立统一的模型、数据、智能体、安全和合规治理体系。

举例而言：

• 经营类：关键词是数据治理。全局的数据治理无法一步到位。从经营数据入手，通过专业的财务视角对企业经营数据进行全面的梳理和建模，可以为企业的智慧经营打好基础，助力其经营水平跃上一个台阶。
• 运营类：关键词是数字化补课。没有信息化、数字化的基础，谈AI落地就是空中楼阁。在此基础上，可以进行企业内部系统的打通；当然，也可以对业务流程进行梳理和优化。
• 管理类：关键词是打造AI平台。除了公司内部AI智能体的管理和治理，其知识库的建设和运维也是一个经常被忽视的指标。看一家企业是否真正拥抱AI，可以看其内、外部知识库是否真正运行起来，并被大家充分利用。

结语

AI落地和历史上的其他技术变革一样，本质上都是利用新技术对企业的组织、流程进行重构，其难度不亚于“二次创业”，离不开企业负责人的长期思考和亲自推进。因此，AI转型不是一次性的系统建设，而是伴随技术和业务发展持续演进的过程。

要走出AI应用困境，企业负责人必须亲自参与，以业务价值为起点，以数据和数字化能力为基础，以组织和流程变革为牵引，在持续实践中探索适合自身的发展路径。

作为业界唯一兼具AI技术与咨询服务能力的科技公司，IBM愿在企业的AI应用之路上携手合作伙伴，成为企业的最佳陪跑伴侣。

关于IBM

IBM 是全球领先的混合云、人工智能及企业服务提供商，帮助超过 175 个国家和地区的客户，从其拥有的数据中获取商业洞察，简化业务流程，降低成本，并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过 4000 家政府和企业实体依靠 IBM 混合云平台和 Red Hat OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。了解更多信息，请访问：https：www.ibm.comcn－zh

媒体联络人

崔守峰，shou.feng.cui＠ibm.com