AI，為什么會卡在業務流“門外”？

??深響原創 · 作者｜呂玥

AI火熱，“All in AI”也成了不少CEO的口頭禪。但現實卻要冷峻得多，很多企業發現真正讓AI在組織里跑起來，遠比想象中困難。

最直接的問題是“燃料”沒準備好——企業核心資料和數據散落在各個系統中，甚至還有大量關鍵經驗沉淀在老員工腦子里。

與此同時，組織內部還存在不小的摩擦力。有些企業是各自為戰——員工各自使用熟悉的AI工具，雖然點狀提效，卻無法形成組織合力；還有些企業則是自上而下強推AI，結果增加了工作量和流程復雜性，員工叫苦不迭。

另一個更普遍的問題在于管理者的期待過于激進。不少企業一開始就希望AI能夠直接“降本增效”、替代人工，但現實是大量非標準化問題依然需要人類判斷，最終又重新回到人工處理，反而增加了成本。

麥肯錫數據顯示，88%的企業已經在至少一個職能中常態化使用AI，但多數仍停留在探索或試點階段，僅有約三分之一企業計劃推進規模化落地。

為什么AI如此難以融入企業核心業務流？

在昨日舉辦的人工智能+生態大會（AIEC 2026）上，浪潮信息董事長彭震給出了一個形象的判斷：“在綠皮火車上改造不出高鐵。”

在他看來，企業需要的不是“+AI”，而是“AI+”。前者只是把AI當作外掛工具，在現有流程上打補丁；而后者則是從底層重構業務流程、組織形態和管理體系，讓AI成為核心生產要素。

變革遠比裝幾個軟件要復雜得多，這是一場觸及組織靈魂的“AI原生進化”。

浪潮信息董事長彭震

跳出工具思維，用AI重塑創新力

當企業決定擁抱AI，管理者最自然的反應往往會是：能省多少錢？能提多少效？

這個出發點沒有錯，但如果止步于此，就容易陷入“工具思維陷阱”。

比如員工使用不同AI工具，看似節省了時間，但很多時間又被消耗在協調、審批、返工和反復修改中。效率提升未必真實發生，反而增加了“調教AI”的隱性成本。

換個角度想，當所有企業都在使用AI提效時，競爭格局其實并沒有發生根本變化。就像電影院里所有觀眾同時站起來，卻沒有獲得更好的觀影體驗。

而且對于企業而言，降本增效始終只是手段，可持續增長才是目標。如果把AI的價值錨定在“省錢”上，就容易陷入局部優化，而忽略了更重要的創新能力建設。

AI真正的價值，不是做“成本的加減法”，而是做“能力的乘法”。前者把AI當作壓縮成本的工具，后者則是用先進技術重塑企業的生產力和創新力。

彭震用四個相互關聯的維度，描繪了AI如何重塑企業的創新能力：

首先是創新速度。傳統研發以年為單位，一款新產品從概念到上市動輒三到五年。而在AI輔助下，海量數據處理和高速仿真將這一周期壓縮到數天甚至數周。這不是快一點，而是快了一個數量級。

速度的突破帶來了成本的解放。過去，創新依賴大規模物理實驗，每一次試錯都是真金白銀。而AI將創新過程轉向數字仿真和計算驗證，極大降低了試錯成本。

當時間和成本不再成為主要約束，創新空間也被進一步打開。“AI有深度又有寬度，可以涵蓋從市場調研到架構設計到底層代碼的全流程，這是任何單個人類專家都無法企及的知識廣度。”正如彭震所說，人類只能在少數幾種候選方案中評估擇優，但AI能從數百萬種可能性中進行探索和優化。

最終創新質量發生了根本性變革。決策模式從依賴定性判斷，升級為基于海量數據的精準推演。創新的成功率和可靠性不再是碰運氣，而是可計算、可復現的結果。

速度、成本、空間、質量——這四個維度層層遞進，共同指向一個結論：AI不是在優化舊路徑，而是在開辟新賽道。

從認知到落地，關鍵在「組織」進化

當然創新從來不是某個員工的個人行為，而是組織能力的產物。現實中真正讓企業感到“痛”的，是組織如何與AI共處的問題。

對于影響AI進入核心業務流的因素，彭震的判斷很明確——企業AI轉型的最大阻力并非技術，而是人。

技術可以買，算力可以堆，模型可以調，但圍繞“人”構建起來的組織體系，很難被快速改變。現行企業的考核、審批、權限體系，無一不是圍繞“人”的特性設計；但Agent的協作方式、產出節奏、犯錯模式與人截然不同。如果繼續用管理人的方式管理Agent，用人的流程匹配Agent，摩擦幾乎不可避免。

Gartner預測，到2027年，40%的企業Agent項目會因為治理失敗被取消。而目前真實案例已不少見：有企業引入Agent處理客服工單，Agent幾秒鐘即可完成初步處理，但后續審批流程仍然按照人工模式設計，結果工單在審批環節停留兩天。還有企業多個項目組各自部署Agent，由于缺乏統一權限體系，一個Agent調用數據時觸發另一個系統的安全警報，導致任務中斷。

問題并不在Agent能力，而在組織沒有準備好。

對此，彭震提出了“Humagent”（Human+Agent，人+智能體）的概念——未來企業將不再是“人的組織”，而是“人+數字員工”的混合體。企業要將Agent視為數字員工，像管理人類員工一樣為其建立身份、崗位、權限和績效體系，讓人類員工和數字員工在同一套組織框架中協同工作。

“把Agent視作數字員工，也許他會犯錯誤，但我們要通過組織管理來管理這種不確定性。組織管理的核心目標，就是要最大化發揮AI的先進生產力在企業中的智力貢獻。”

在彭震看來，一個成熟的Humagent組織，需要同步完成四方面建設：

一是解決Agent的身份與管理問題。

浪潮信息推出的元腦Agent管理平臺，能夠為Agent定義崗位、角色與權限同時面向任務統一調度分配，避免資源沖突和任務死鎖。而且平臺還將采納率、幻覺率、自動化率等指標量化考核，客觀評估Agent產出；動態管理權限與執行過程，確保每一步可控、可追溯。整體來看，這讓Agent在企業里有身份、有規矩、有考核、有邊界。

二是讓Agent“干得順”，需要流程再造。

AI原生組織并不是簡單把AI嵌入舊流程，而是重新設計流程中的人機分工。創造性工作、戰略判斷和關鍵決策仍由人負責，高頻重復執行、信息處理和任務流轉則更多交給Agent完成。

浪潮信息自身實踐也驗證了這一點：其ClawManager產品開發中，人與Coding Agent協同，原本耗時多天的研發工作僅用7天完成，代碼產出量20萬行，整體效率提升170倍。

三是讓“人機配合得好”，核心在評價體系更新。

浪潮信息將AI能力分級認證與績效掛鉤，每個部門、每個分組都設統一的AI KPI，每個季度統計考核。當員工的AI協作能力可以被量化評估，人機配合就有了持續優化的動力。

四是讓“底座撐得住”，也就是做好數據治理。

沒有高質量、可理解、安全可控的數據底座，Agent再聰明也干不好活。而浪潮信息開發元腦AI原生數據安全管理分層架構，讓治理對象從結構化數據擴展至全模態覆蓋，治理機制從靜態規則轉變為動態語境授權與語義理解，治理顆粒度從碎片化升級為全域多源融合。

制度、流程、評價、數據——四根柱子撐起了Humagent組織的骨架。骨架之下，還需要一套強勁的“供能系統”。

AI原生企業，需要一套新基礎設施

組織革新后，當越來越多Agent能夠進入企業核心業務流程，新的問題也隨之出現：AI能力如何被持續供給和管理？

企業同時管理數十個、數百個甚至上千個Agent時，Token消耗量會指數級上升。但GPU產能是線性的，這意味著Token供需錯配難以避免。規模化使用AI就變成了一個資源管理問題。

此時企業通用的“購買AI能力”模式就開始暴露出了局限性。

成本壓力最為直觀——業務擴大后，公有云Token調用費用會持續攀升。其次是數據安全的要求：企業核心數據、商業機密全部依托第三方平臺，合規風險不容忽視，特別是金融、制造、能源等行業對數據本地化更是硬性要求。

更深層的問題還在于主動權：由于不存在能適配所有場景的“通用萬能模型”，企業未來往往需要同時調用不同模型處理不同任務，這意味著不能將核心能力完全綁定在單一模型或單一供應商上，而需要構建開放、多元、多模的技術體系。

而這正是企業自建“Token工廠”的意義所在。

在彭震看來，未來企業會逐步分化，輕資產、數據體量小、對AI依賴較低的企業仍適合采購第三方服務。但重數據資產、對AI依賴程度高、或規模較大的企業，則會逐漸從采購Token轉向生產Token。“這和云計算的發展路徑高度相似——早期大家都用公有云，隨著業務深耕，頭部企業紛紛自建數據中心、自研底層技術。AI行業正在復刻這一趨勢。”

Token工廠并不是一個單純的技術概念，而是一套圍繞智能能力生產、調度和運營構建的新型基礎設施。這也是浪潮信息持續投入的方向。

從硬件層面看，浪潮信息的AI服務器、整機柜服務器、全系液冷方案、分布式存儲、AI網絡交換機等，共同構成了Token工廠的底層算力底座。而軟件層面，AIStation、Inmanager等承擔了資源調度、異構算力管理和運維管理能力。此外，浪潮信息通過元腦生態連接了多家模型、算法和應用伙伴，為企業構建多元多模的智能能力體系，這也避免了單一技術鎖定。

彭震的態度也很明確——浪潮信息的角色不只是“賣設備”。"我們希望大家把我們當成一個同行者，在AI轉型這件事上分享經驗和思考。雖然我們不是專業咨詢公司，但我們自己踩過坑、做過重構，愿意和大家一起走。”

回到開頭的那個問題：為什么AI難以融入企業核心業務流？用彭震的話來說答案是“我們一直在用舊地圖尋找新大陸”。

每一次技術革命到來時，人們最先關注的往往都是工具本身。但真正拉開企業差距的，從來不是誰更早拿到工具，而是適應新技術的速度。AI也是如此。

AI原生不是部署幾個模型、上線幾個Agent，更不是一次簡單的效率優化。它意味著企業需要重新理解創新、設計組織、建設基礎設施。這是一場需要系統性重構的馬拉松。對于企業而言真正關鍵的是先起跑，而后持續跑下去。