AI很火，企業(yè)領(lǐng)導(dǎo)也對(duì)其寄予厚望，但當(dāng)前很多企業(yè)對(duì)AI仍屬于看不懂、摸不透、胡亂建的狀態(tài)，那么如何理解AI、正確的認(rèn)知AI、如何創(chuàng)建具有自身企業(yè)特色的AI建設(shè)之路、如何少踩坑少走彎路？為此老楊特做了全國范圍內(nèi)的AI應(yīng)用及能力調(diào)研（），現(xiàn)將報(bào)告精華部分總結(jié)整理如下，用報(bào)告里的數(shù)據(jù)告訴你AI如何從認(rèn)知到落地全過程。

如何正確認(rèn)知AI？

AI始于認(rèn)知，超過四分之三的受訪者對(duì) AI 概念及原理的了解僅處于 “一般了解” 層面，這表明當(dāng)前 AI 技術(shù)在企業(yè)中的普及主要停留在應(yīng)用層認(rèn)知，公眾或企業(yè)用戶對(duì)其底層邏輯，如算法原理、技術(shù)局限等，缺乏深入理解。對(duì)于大部分傳統(tǒng)企業(yè)而言，更關(guān)注工具效果而非技術(shù)細(xì)節(jié)。所以不難看出AI在企業(yè)的落地仍存在較大的認(rèn)知鴻溝，因此為了便于后期的順利落地少走彎路，企業(yè)在認(rèn)知階段需加強(qiáng)培訓(xùn)和技術(shù)透明度，以避免后期領(lǐng)導(dǎo)及員工過度依賴或產(chǎn)生誤解。很多企業(yè)數(shù)字化項(xiàng)目或者AI項(xiàng)目實(shí)施失敗，最大的問題就是過度解讀產(chǎn)生不切實(shí)際的要求。

面對(duì)風(fēng)頭日盛的AI技術(shù)企業(yè)領(lǐng)導(dǎo)與員工是何態(tài)度呢？

多數(shù)企業(yè)領(lǐng)導(dǎo)層對(duì)AI 技術(shù)持積極態(tài)度，但重視程度參差不齊。僅 36% 的企業(yè)領(lǐng)導(dǎo)對(duì) AI 技術(shù)制定長(zhǎng)期戰(zhàn)略，41% 關(guān)注短期效益，22% 尚未明確態(tài)度。從這一現(xiàn)象我們不難看出多數(shù)企業(yè)仍將AI視為工具而非戰(zhàn)略能力，缺乏系統(tǒng)性布局；而行業(yè)認(rèn)知差異明顯，技術(shù)驅(qū)動(dòng)型公司更傾向長(zhǎng)期投入，傳統(tǒng)企業(yè)多持觀望態(tài)度；最重要的是AI價(jià)值尚未在部分行業(yè)形成清晰共識(shí)。

員工對(duì)AI應(yīng)用的態(tài)度呈現(xiàn)"中間大、兩頭小"的分布特征：近半數(shù)持中立觀望態(tài)度，32%積極支持，20%明確抵觸。這一現(xiàn)象折射出三個(gè)深層問題：

首先，中性態(tài)度占主導(dǎo)說明多數(shù)員工對(duì)AI的認(rèn)知仍模糊，既期待效率提升又擔(dān)憂技術(shù)風(fēng)險(xiǎn)，這種矛盾心理源于企業(yè)缺乏清晰的AI戰(zhàn)略溝通；

其次，兩成抵觸情緒反映部分崗位面臨替代焦慮，尤其是重復(fù)性工作從業(yè)者；

再者，三成支持者多集中于技術(shù)部門，凸顯內(nèi)部認(rèn)知分化。

建議企業(yè)通過透明化AI部署規(guī)劃、開展技能再培訓(xùn)、建立人機(jī)協(xié)作新規(guī)范等措施，將"沉默的大多數(shù)"轉(zhuǎn)化為技術(shù)革新的積極參與者，否則可能因組織共識(shí)不足而影響落地成效。當(dāng)前階段，員工心態(tài)已成為比技術(shù)本身更關(guān)鍵的轉(zhuǎn)型變量。

那么當(dāng)前AI的應(yīng)用是否取代了大量的工作崗位？

近九成受訪企業(yè)表示AI僅作為輔助工具使用，未發(fā)生崗位替代現(xiàn)象。這表明當(dāng)前AI應(yīng)用仍處于人機(jī)協(xié)作的初級(jí)階段。因此不難看出，現(xiàn)有AI技術(shù)更擅長(zhǎng)特定任務(wù)，尚不具備完整崗位能力；當(dāng)前企業(yè)對(duì)AI的應(yīng)用聚焦于效率提升，而非組織變革；同時(shí)從數(shù)據(jù)中不難看出人機(jī)協(xié)同模式更易被員工接受，阻力較小；因此未來隨著技術(shù)進(jìn)步，AI或?qū)?輔助"轉(zhuǎn)向"部分替代"，但短期內(nèi)企業(yè)仍需重點(diǎn)培養(yǎng)員工與AI協(xié)作的能力。

AI呼聲如此之高，有多少企業(yè)真正去落地呢？有哪些落地場(chǎng)景？

近半數(shù)的受訪企業(yè)（46.27%）表示處于 AI 產(chǎn)品試用階段，但也僅僅是試用免費(fèi) AI 的產(chǎn)品；37% 的企業(yè)進(jìn)入實(shí)際應(yīng)用階段，從整體來看，AI 在企業(yè)中的滲透尚處于早期。那么是什么原因?qū)е乱陨辖Y(jié)果呢？從數(shù)據(jù)看出多數(shù)企業(yè)處于成本控制階段，可能受限于技術(shù)能力、預(yù)算或?qū)OI的謹(jǐn)慎評(píng)估；這就可能導(dǎo)致兩個(gè)極端，當(dāng)一些企業(yè)受成本影響還在考慮上不上AI項(xiàng)目的時(shí)候，一些企業(yè)已經(jīng)利用AI技術(shù)積累了豐富的經(jīng)驗(yàn)并產(chǎn)出了價(jià)值，這種認(rèn)知與成本問題導(dǎo)致的技術(shù)與價(jià)值鴻溝將會(huì)越來越明顯。

公文寫作和知識(shí)庫搭建以70.15% 的高比例并列成為當(dāng)前 AI 產(chǎn)品應(yīng)用的最核心場(chǎng)景，說明當(dāng)前企業(yè)對(duì)AI的需求集中在效率提升與知識(shí)管理兩大場(chǎng)景。一方面，公文寫作的高占比反映行政流程自動(dòng)化是普遍痛點(diǎn)，AI在標(biāo)準(zhǔn)化文本生成、格式校對(duì)等環(huán)節(jié)能顯著減少人工成本；另一方面，知識(shí)庫搭建的普及則體現(xiàn)企業(yè)對(duì)數(shù)據(jù)資產(chǎn)整合的迫切需求，AI在文檔分類、智能檢索、信息沉淀等方面發(fā)揮了基礎(chǔ)設(shè)施作用。這一現(xiàn)象表明，企業(yè)對(duì)AI的早期應(yīng)用更傾向于輕量級(jí)、易落地且能快速見效的工具，相比核心業(yè)務(wù)，此類輔助性場(chǎng)景試錯(cuò)成本低，適合企業(yè)初步驗(yàn)證AI價(jià)值；而非復(fù)雜決策型功能。

企業(yè)落地AI采用哪種部署方式更合理？

當(dāng)前大部分的傳統(tǒng)企業(yè)應(yīng)用AI首要考慮的問題就是：數(shù)據(jù)安全，從調(diào)研的數(shù)據(jù)來看近半數(shù)企業(yè)（47.76%）選擇本地部署模式，高于云端和混合云部署方式，這體現(xiàn)了企業(yè)對(duì)數(shù)據(jù)安全和業(yè)務(wù)可控性的高度重視。從中我們也不難看出：大部分企業(yè)更傾向本地部署以保障數(shù)據(jù)安全風(fēng)險(xiǎn)；同時(shí)企業(yè)對(duì)核心業(yè)務(wù)數(shù)據(jù)的敏感性超過對(duì)云端便捷性的需求；而混合云雖能平衡靈活與安全，但技術(shù)復(fù)雜度限制了普及速度。在未來隨著云安全技術(shù)提升和行業(yè)標(biāo)準(zhǔn)完善，混合云模式或成為主流過渡方案，但短期內(nèi)本地化部署仍是關(guān)鍵領(lǐng)域首選。

企業(yè)與AI供應(yīng)商依賴程度

當(dāng)前的AI市場(chǎng)仍處于技術(shù)普惠階段，多數(shù)企業(yè)選擇"拿來主義"以降低研發(fā)門檻和試錯(cuò)成本。雖然部分技術(shù)實(shí)力較強(qiáng)的企業(yè)正嘗試構(gòu)建自主AI能力，但完全自研仍受限于算力、數(shù)據(jù)和人才壁壘。因此在這一過程中任何企業(yè)都離不開供應(yīng)商，但矛盾的是與供應(yīng)商關(guān)系太緊密有被技術(shù)綁架的風(fēng)險(xiǎn)，完全脫離供應(yīng)商又不現(xiàn)實(shí)，調(diào)研數(shù)據(jù)顯示，企業(yè)對(duì)AI技術(shù)供應(yīng)商的依賴呈現(xiàn)三足鼎立格局：34%完全自研（但不排除部分使用免費(fèi)AI軟件的企業(yè)）不需要供應(yīng)商服務(wù)，27%主要依賴供應(yīng)商，34%選擇混合模式。這一分布反映出：技術(shù)能力強(qiáng)的企業(yè)傾向自主可控，避免供應(yīng)商鎖定；而資源有限的企業(yè)（如中小企業(yè)）更依賴外部技術(shù)輸入，以快速實(shí)現(xiàn)AI落地，而混合模式成為平衡成本與自主性的理性選擇，凸顯出企業(yè)在AI戰(zhàn)略上的差異化路徑。未來隨著技術(shù)成熟，混合模式或?qū)⒊蔀橹髁鳎诵募夹g(shù)的自主權(quán)爭(zhēng)奪將持續(xù)加劇。

企業(yè)在落地AI過程中存在哪些問題呢？

調(diào)研數(shù)據(jù)顯示問題如下：

1.技術(shù)人才短缺：

技術(shù)人才短缺與數(shù)據(jù)質(zhì)量不足并列成為AI 應(yīng)用的最大障礙，均占比 28.36%。技術(shù)人才缺口嚴(yán)重制約了 AI 專業(yè)能力的規(guī)模化供給。

2.員工基礎(chǔ)能力不足：

從調(diào)研結(jié)果看出AI技術(shù)門檻較高，與多數(shù)企業(yè)崗位技能不匹配；同時(shí)很多企業(yè)內(nèi)部培訓(xùn)體系尚未跟上技術(shù)發(fā)展；在應(yīng)用層面AI應(yīng)用可能集中在少數(shù)技術(shù)部門，未下沉至業(yè)務(wù)一線。

3.數(shù)據(jù)質(zhì)量問題：

數(shù)據(jù)質(zhì)量不足暴露了企業(yè)數(shù)據(jù)治理體系的薄弱，歷史數(shù)據(jù)碎片化、標(biāo)注缺失等問題影響了模型效果，如這一問題得不到改善，企業(yè)極有可能陷入“有算法無數(shù)據(jù)"的困境。

4.組織架構(gòu)不合理：

數(shù)據(jù)顯示，當(dāng)前AI落地仍被普遍視為技術(shù)驅(qū)動(dòng)型任務(wù)，而非企業(yè)級(jí)戰(zhàn)略。這一現(xiàn)象說明：AI尚未深度融入業(yè)務(wù)流，仍停留在技術(shù)實(shí)施層面；而企業(yè)內(nèi)的跨部門協(xié)同機(jī)制不足，業(yè)務(wù)部門參與度低；同時(shí)企業(yè)也缺乏既懂技術(shù)又懂業(yè)務(wù)的復(fù)合型人才。

5.培訓(xùn)體系不完善：

多數(shù)企業(yè)尚未將AI能力建設(shè)納入常態(tài)化人力資源規(guī)劃，且培訓(xùn)缺乏系統(tǒng)性，可能與業(yè)務(wù)場(chǎng)景結(jié)合度不足；雖然有部分企業(yè)對(duì)AI培訓(xùn)的緊迫性認(rèn)知增強(qiáng)（19%計(jì)劃開展），但執(zhí)行仍滯后。

6.應(yīng)用效果不佳：

56.72% 的受訪企業(yè)認(rèn)為 AI 技術(shù)應(yīng)用效果尚未顯現(xiàn)，主要原因包括技術(shù)供給與業(yè)務(wù)需求錯(cuò)位、實(shí)施方法論不成熟以及預(yù)期管理失衡。表明當(dāng)前AI技術(shù)落地仍面臨顯著的價(jià)值兌現(xiàn)瓶頸。這一現(xiàn)象主要源于三方面矛盾：

其一，技術(shù)供給與業(yè)務(wù)需求錯(cuò)位，許多企業(yè)盲目跟風(fēng)部署AI，卻缺乏清晰的場(chǎng)景規(guī)劃；

其二，實(shí)施方法論不成熟，數(shù)據(jù)準(zhǔn)備、流程改造等配套工作不到位；

其三，預(yù)期管理失衡，部分企業(yè)高估AI的短期回報(bào)。

7.倫理審查缺失：

超過六成（61.19%）的受訪公司未建立 AI 倫理審查機(jī)制，對(duì)數(shù)據(jù)隱私、算法偏見等風(fēng)險(xiǎn)缺乏系統(tǒng)性管控。

如果以上問題得不到改善，那么企業(yè)的AI項(xiàng)目失敗風(fēng)險(xiǎn)將大大增加，除了以上原因業(yè)務(wù)需求不明確是AI應(yīng)用失敗的最核心原因。調(diào)研數(shù)據(jù)顯示，業(yè)務(wù)需求不明確以87%的壓倒性占比成為AI項(xiàng)目失敗的主因，遠(yuǎn)超技術(shù)可行性（47%）、部門協(xié)作（31%）等障礙，因此企業(yè)必須建立"業(yè)務(wù)需求驅(qū)動(dòng)"的AI實(shí)施方法論，通過業(yè)務(wù)流程再造、跨部門協(xié)同機(jī)制和MVP驗(yàn)證閉環(huán)，確保AI解決的是真問題而非偽需求。否則，再成熟的技術(shù)都難以避免淪為"空中樓閣"。

那么AI在企業(yè)成功落地的核心因素有哪些？

高質(zhì)量數(shù)據(jù)是AI成功落地的首要核心因素。調(diào)研數(shù)據(jù)顯示，AI落地的核心要素依次為高質(zhì)量數(shù)據(jù)（80%）、領(lǐng)導(dǎo)戰(zhàn)略決心（74%）、復(fù)合型人才（67%）和投入成本（61%），反映出企業(yè)AI應(yīng)用已進(jìn)入"要素驅(qū)動(dòng)"的深水區(qū)。因此企業(yè)需同步構(gòu)建這四大支柱，任何短板都將成為制約AI價(jià)值釋放的瓶頸。老楊認(rèn)為在當(dāng)前階段，數(shù)據(jù)治理與領(lǐng)導(dǎo)力或是比技術(shù)本身更關(guān)鍵的勝負(fù)手段。

同時(shí)業(yè)務(wù)場(chǎng)景匹配度和數(shù)據(jù)采集與清洗是AI 技術(shù)應(yīng)用中亟需改進(jìn)的核心環(huán)節(jié)。因?yàn)閿?shù)據(jù)質(zhì)量和管理粗放嚴(yán)重制約AI模型效果，所以在AI落地過程中企業(yè)需從"技術(shù)導(dǎo)向"轉(zhuǎn)向"業(yè)務(wù)驅(qū)動(dòng)"，通過建立場(chǎng)景篩選機(jī)制和數(shù)據(jù)治理體系，確保AI解決真問題、用好真數(shù)據(jù)，而非停留于實(shí)驗(yàn)階段。只有打通這兩個(gè)關(guān)鍵環(huán)節(jié)，AI才能實(shí)現(xiàn)從"能用"到"好用"的價(jià)值跨越。

那么在未來企業(yè)該如何把握AI的趨勢(shì)與方向？

軟件系統(tǒng)開發(fā)和數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)成為大部分公司未來 AI 投入的重點(diǎn)方向，兩項(xiàng)均有超六成企業(yè)選擇，遠(yuǎn)超其他選項(xiàng)比例，這體現(xiàn)出基礎(chǔ)能力建設(shè)在AI戰(zhàn)略中的核心地位，反映出行業(yè)正從"單點(diǎn)應(yīng)用"轉(zhuǎn)向"體系化能力建設(shè)"。企業(yè)需要認(rèn)清的是要從現(xiàn)在開始為長(zhǎng)期智能化轉(zhuǎn)型打基礎(chǔ)，而非追求短期技術(shù)噱頭。

業(yè)務(wù)理解能力與數(shù)據(jù)治理能力被視為未來 AI 人才最核心的競(jìng)爭(zhēng)力，企業(yè)需要 “技術(shù) + 業(yè)務(wù) + 數(shù)據(jù)” 的復(fù)合型人才。超過62%的企業(yè)將業(yè)務(wù)理解能力列為第一位，且數(shù)據(jù)治理能力在第二位占比高達(dá)45%，表明企業(yè)更關(guān)注AI人才將技術(shù)落地到實(shí)際業(yè)務(wù)場(chǎng)景的能力，以及數(shù)據(jù)管理與規(guī)范化的基礎(chǔ)支撐作用。

當(dāng)前AI 落地以提升運(yùn)營效率和降低人力成本等短期見效的目標(biāo)為導(dǎo)向，未來需平衡短期收益與長(zhǎng)期價(jià)值，重視風(fēng)險(xiǎn)管控等領(lǐng)域。

最后老楊建議企業(yè)：

1.強(qiáng)化需求導(dǎo)向：

以業(yè)務(wù)價(jià)值為核心，精準(zhǔn)定位 AI 應(yīng)用場(chǎng)景，避免盲目跟風(fēng)，加強(qiáng)業(yè)務(wù)部門與技術(shù)部門的協(xié)作。

2.提升能力建設(shè)：

加大人才培養(yǎng)與引進(jìn)力度，構(gòu)建完善的數(shù)據(jù)治理體系，提升自主研發(fā)與生態(tài)協(xié)作能力。

3.完善治理機(jī)制：

建立健全 AI 倫理審查機(jī)制，將 AI 安全納入企業(yè)數(shù)字化審計(jì)體系，確保風(fēng)險(xiǎn)可控。

AI技術(shù)落地已進(jìn)入“深水區(qū)”，企業(yè)需構(gòu)建“場(chǎng)景精準(zhǔn)化、能力體系化、治理前瞻化”的戰(zhàn)略框架，方能實(shí)現(xiàn)可持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)。

關(guān)注“物流產(chǎn)品網(wǎng)”視頻號(hào)

【聲明】本文來源于湘江數(shù)評(píng)。物流產(chǎn)品網(wǎng)發(fā)布本文目的在于傳遞信息，并不代表贊同其觀點(diǎn)或?qū)φ鎸?shí)性負(fù)責(zé)，物流產(chǎn)品網(wǎng)倡導(dǎo)尊重與保護(hù)知識(shí)產(chǎn)權(quán)。如發(fā)現(xiàn)文章及圖片存在版權(quán)問題，煩請(qǐng)聯(lián)系小編電話：010-82387008，我們將及時(shí)進(jìn)行處理。

更多往期精彩內(nèi)容回顧

• 展分析