北京2026年9月9日 /美通社/ — 2026年，对于企业级AI，很多人经历了一次重要的认知转折。起初，AI立竿见影的效率提升震撼了所有人，但随着AI规模化推进，企业猛然发现—— AI并没有解决或终结问题，而是让瓶颈暴露在了下一个环节，原有的问题逐渐摆上了桌面，无处藏身。
目前，六成多的企业AI项目未达商业预期，这一现实催生了一个共识：AI的回报并非由 “单点”效率提升带来，而在规模化落地程度；决定AI规模化成败的，不是模型与技术如何无可挑剔，是企业自身全链条日常运营能力能达到什么样程度。
围绕这一现实，IBM咨询大中华区合伙人、战略与转型咨询部总经理马勇，结合企业实际项目，通过六个关键问题分享了他的观察与思考。文中数据引自IBM商业价值研究院《重构企业AI蓝图》报告，涵盖16个国家、1000名企业AI项目负责人的一手调研。以下是他观点中的核心内容。
AI跟企业运营，到底什么关系？
企业的现有工作流，大多是围绕历史约束和既有组织边界搭建而成，是过去模式的自然延续。而AI作为新技术，从来不是为了”优化”旧流程而存在——恰恰相反，它以重构的姿态，挑战旧边界、改写既有逻辑。这就引出了一个结论：”AI的规模化”往往倒逼”企业端到端流程重构”，而流程重构，又驱动AI规模化的实现。两者互为前提，并非主次关系，不是先做哪个再做哪个，它们是一体两面。
AI不是叠加在旧模式上的补丁，而是企业重新审视和重构运营模式的工具。
AI的价值，到底从哪里来？
优化单一任务的成效终究有限。AI的价值不在于自动化某个环节，而在于从全局视角对端到端工作流进行彻底重构——从任务衔接到业务关系、再到决策机制。这是一场企业运营的再造，也是技术与文化同频演进的过程。
企业该何时启动？AI技术日新月异，等技术稳定了再入场？这恰恰会错失在迭代中反复试错、建立”组织肌肉”的机会。领先企业的优势从来不在于模型本身，而在于技术尚不完美时就已经开始锻炼组织能力。持续试错才是学习的真正路径，而等待，是最危险的策略。
企业间的竞争，已从模型比拼转向运营较量。超过四分之三的企业高管认同通过重构流程来释放AI价值，然而，只有不到三成的企业相信自己能在2028年前拥有AI规模化落地驱动的运营能力。差距究竟出在哪里？
AI的价值交付，到底卡在哪？
制约AI价值释放的最大障碍，不是模型质量，而是三大类普遍存在于企业之中的障碍因素：
其一，整体IT环境系统碎片化。面对不同的环境，AI开发与运营缺乏统一标准与全局统筹，每个项目都要重新打通一遍，AI 永远在”头一次跑”；
其二，数据在系统间不流动。智能体无法实时访问数据、获取状态更新，蒙着眼决策并行动难免出错；
其三，治理滞后于AI特性。AI是概率性的，而治理框架仍是静态的、追求确定性的。以AI智能体进入生产环境为例，仅三分之一的企业会在事前对数据源所有权和运维责任进行核实。此外，技术、运营、资金”各自行事”，而AI是无法穿透体系内耗的。
企业要疏通哪个卡点？三个卡点都要疏通，但起点只有一个：”重新设计端到端价值流，以减少摩擦”。 针对系统碎片化，做统一架构；针对数据不流动，打通管道；针对治理滞后，重建规则——所有这些动作，必须沿着价值流布局，而非在孤岛里各自为政。
一个容易被忽略的细节：摩擦不全是技术性的。 即使打通了系统、连通了数据、建好了规则，如果员工不知道如何使用，AI依然无法产生回报。与此同时，企业需要打造混合团队结构，让人类员工和数字员工各就各位、协同运转。这也是前文中所强调的技术与文化的同频演进。AI只有跑起来，才能跑出价值。
还没看到回报，到底还要不要投AI，往哪里投？
把资源投向容易做的项目几乎是企业的本能。”单个作业”或”串联的工作流”容易落地、也易于衡量效率提升的效果，因此广受企业青睐——但这恰恰是一个陷阱。
真正值得的AI投资，不在行政事务的精打细算上。如前所述，最值得的AI投资，是面向关键流程改善、全域全局协同、新工作方式建立的系统性投入——以清晰的权责划分、持续的决策和行动来创造更高层级的价值，并形成更稳定的交付。这些项目难度更大、周期更长、回报更不易量化，是名副其实的”硬骨头”，也因此最容易被搁置。
但被搁置的地方却往往蕴藏着更大的价值。以年营收170亿美元的企业为例，比起当前AI用于行政管理成本削减，在创收环节上投入AI，所创造的价值是前者的七倍以上。85%的高管承认，许多AI项目未能带来ROI，根源在于它们从一开始就不是为了改善关键流程的产出而设计的。随着企业认知的深入，到2028年，约有三成企业将在”硬骨头”领域上获得突破，AI将能更直接地关联客户留存、产品上市与营收增长。
对我们的启示是清晰的：企业应该同步推进架构、数据、决策权与治理的重构。说得更直白一些：推倒墙、疏通卡点。AI的投资逻辑，也需要从”项目回报”转向”资本配置效率”——不是继续撒胡椒面，追求遍地开花，也不是在”后台”细碎的行政事务上精打细算，而是让AI对准业务成果，投向最能撬动增长的”前台”。不绕开端到端流程重构，恰恰是最近的路。
眼下，企业要做的是什么？
不要急于部署更多的AI，而是先看清价值流在哪里创造、在哪里流失。
选择一条具有高投资回报潜力的端到端价值流 ——比如：从订单到回款或从线索到成交——系统梳理关键系统、集成接口、数据来源与决策节点，把全貌画出来：数据从哪里来、流经哪些系统、关键决策由谁拍板、信息在哪个节点卡住。然后问一个问题：如果让AI智能体在这条价值流里跑起来，它需要在哪些节点获取上下文、在哪些节点做出判断、在哪些节点将工作移交给下一个环节？
接下来，针对这条价值流做三件事：打通数据管道，让AI能实时获取流程状态，而不是靠批处理拿过期信息；理清决策权责，明确AI的建议由谁复核、在什么条件下可以自主执行；组建跨职能的常设团队——IT、数据、业务、风控坐在一起，有固定预算，并以速度、成本、质量和营收定义清晰的KPI，而非临时凑人开会。
30天内看清地图，120天内在这条价值流上跑通一个端到端的规模化场景。
一年后，企业能做到什么程度？
长期来看，企业需要建立一套可复用的模式。
一条价值流跑通之后，关键在于形成企业能力，而不是堆砌项目。用12个月的时间，把那套成功模式——统一的技术执行层、清晰的数据治理框架、混合团队的协作方式——复制到三到五条高价值流上，让它们共同覆盖至少60%的核心业务目标。
与此同时，系统性清理那些拖后腿的”老问题”，例如：淘汰完全无法支撑AI的旧系统，把关键系统改造为API优先的现代化架构；在治理上，建立一套动态的”自主等级”机制——对表现优异的智能体，从监督执行升级为半自主甚至全自主运行，对表现不达标的，则自动降级由人工接管；在组织上，把试点阶段的临时团队转变为常设交付单元，将流程挖掘、复盘回顾、价值流再梳理嵌入季度运营节奏中，形成持续清除障碍的循环机制。
12个月的目标不是”项目结束”，而是将一次成功经验拓展为一项可复用的企业能力——任何一条新的价值流，都能用这套模式快速跑通并规模化。
增长的关键在于用AI对准那几条真正创造收入的价值流。把AI撒向所有流程是成本，而将AI嵌入关键价值流是投资。马勇总结道：”AI真正的价值释放，不在于单点效率的提升，而在于从架构、数据到决策权与运营模式的全链条价值流的系统性重构。”
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 混合云平台和红帽 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。
SOURCE IBM
