前不久，国务院引发《关于深入实施 “人工智能 +” 行动的意见》中明确提出，到2027年，率先实现人工智能与六大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%。这一政策信号不仅为中国AI产业发展划定了清晰路线，更将“企业级AI落地” 推至产业转型的核心位置。
“《意见》的印发，标志着我国人工智能发展实现从技术突破向全要素赋能的关键跃升，将加速人工智能与实体经济全链重构、深向耦合，全面激发产业变革新动能、培育智能经济新范式。”国家信息中心副主任周民曾在接受媒体采访时公开表示。
在IBM 亚太区总经理Hans Dekkers看来，企业级AI的价值激发，始于清晰的战略定位，“打造‘AI优先’企业，不是技术堆砌，而是从业务本质出发的系统性重构。”
企业级AI落地仍有挑战
以生成式AI为代表的AI技术在ToB领域的落地是今年各行业关注的焦点，IDC数据显示，66.5%的中国企业已在局部场景中应用AI，另有27.2%正迈向规模化部署。
然而现实是，绝大多数企业在落地AI应用方面，仍面临诸多挑战。据IBM委托的一项近期调研显示，在亚太地区，尽管85%的制造企业表示已做好AI准备，实际就绪者仅11%。
显然，企业级AI概念很火，但在实际应用方面，目前仍处于初期阶段，而企业也面临着比较多的挑战。众多挑战之中，首当其冲的就是认知，一方面，很多企业的CIO，以及企服类公司的负责人都曾向笔者表示，AI应用落地是“一把手”工程，需要企业真正的掌舵者对AI拥有一定认知。此外，AI技术前期需要一定投入，也会存在“走错路”的可能，这点需要企业管理者在开始对技术有一定的认知。
另一方面，在“一把手”下定决定布局AI之后，还需要拉通管理者与基层员工之间的认知差。首先需要“拉齐”的认知是——AI不是替代员工的，而是将员工从重复性的工作中解放出来，做产生更大的价值；其次，在AI应用落地过程中，业务人员需要深度参与到AI开发之中，AI应用不能仅仅是IT部门“一个人狂欢”，也切实走到业务场景中去。
此外，IBM 大中华区董事长、总经理陈旭东还表示，许多企业对AI的理解仍停留在“追热点”层面，而忽略了落地的核心逻辑，当下企业在数智化转型的过程中，对AI存在比较大的认知差，“AI等于生成式AI，”陈旭东指出，“这是目前很多企业都存在的比较大的认知偏差。
“目前，AI应用可以分两类，一类是‘新AI’，比如机器人、文生图，这些‘新AI’发展很快；另一类是‘老AI’，基于机器学习等传统AI技术的AI，”陈旭东进一步指出，“企业在选择AI技术的时候，不能盲目追求时下的热点，要结合自身业务场景，不同场景应用不同的AI，‘新AI’的出现不意味着‘老AI’就被淘汰了。”
另一方面，在陈旭东看来，企业在应用AI的过程中，还容易出现两个误区，一种是：企业在AI领域盲目投资，“比如DeepSeek火起来之后，很多企业买了一堆一体机，就觉得是拥抱AI了。但经过半年的应用，发现其实并没有什么效果。”陈旭东如是说。
另一种是：企业在计算AI的ROI（投产比）的过程中，存在错误的认知。陈旭东举例介绍到，比如有的企业原先的数据体系建设尚未完善，基础的数字化工程也做的不好，在探索AI应用之前，这些企业就需要“补作业”，将基础的数据体系搭建完成，并构建起完善的数据集，而企业却将这部分“数字化补课”的投资计算到了AI应用投资之中，“这些基础的数字化建设，即便没有AI技术，企业若想完成数字化转型，也是需要做好的，所以这部分的费用不应该计算到AI的投资之中。”陈旭东明确道。
中小型企业AI应用落地“不同之处”
除了上述两个误区之外，对于不同体量的企业来说，在落地AI的过程中，也有着不同的追求和路径。而对于这点，近年来业务调整的IBM看得更为清晰。IBM从1984年进入中国支持银行业、国企的信息化建设，到过去二十年从 “硬件为主”转向“软件+咨询为主”，再到如今将重点客户从国企拓展至民企与跨国企业。
在从国营企业向民营企业业务转变的过程中，IBM也观察到了两者对待数字化转型的不同之处，对此，陈旭东表示，民营企业相对而言，对成本、灵活性和落地速度都有很高要求。
这些要求在AI时代亦是如此。AI时代，中小企业的AI痛点很明确：成本高、适配差、落地难。而这三个痛点之中，中小型企业最为看重的应该就是成本，或者更进一步的来看是：ROI（投资回报率），对此，凯傲集团亚太区信息技术及数字化业务副总裁张犇告诉笔者，AI不仅局限于生成式AI，还有深度学习、机器学习等技术，凯傲集团整个AI应用过程是一个“取优”的过程，“在这个过程中，我们也遇见了诸如ROI如何算？如何在财报上体现AI对销售额，以及EBITDA带来正向影响等问题。”张犇指出。
除此之外，在张犇看来，AI尤其是生成式AI技术，在ToB领域的应用仍处于初期阶段，“现阶段并不是有完整的、成熟的产品/服务可以‘即插即用’，并让企业直接获得商业价值。”张犇如是说。
在初期阶段，相较于大型企业而言，中小型企业对于试错成本的考量，也是AI应用过程中不能忽视的问题。而这点对于凯傲集团而言，也是一个挑战，“应用AI过程中，需要有在容错、时间和耐心上的调整，这其实是拥抱AI过程中比较大的痛点之一，”张犇进一步指出，“我们拥抱AI目的是要快，但快不一定代表能成功，AI是一个智商增长和长期训练的过程，整个过程企业还是需要有一定的耐心，不过最终AI要导向能呈现出EBITDA（息税折旧摊销前利润）贡献。”
面对这些挑战，许多企业认为，只要引入AI工具，就能实现转型，但实际上，AI需要与组织架构、业务流程、人员能力深度适配，比如，要实现设备预测性维护，不仅需要安装传感器、搭建数据平台，还需要生产部门与IT部门协同，甚至调整考核机制。
基于此，对于中小型企业来说，部署AI应用不仅是一套或几套软件就能解决的事情，“数字化、智能化转型不是买一套软件就完了，而是企业在组织和技术能力上的‘破茧’。” 陈旭东曾向笔者表示。
企业级AI落地三要素
对于企业，尤其是中小型企业来说，在落地AI应用的过程中，选择一家具备从顶层设计，到底层应用，全链路都拥有“成功”经验的企业公司是一条不错的路径。
另一方面，汉鑫科技董事长刘文义向笔者表示，以前，企业内部都在谈技术路线，但现在这种有所转变，企业关心的不是用了什么 AI，而是能不能带来收入增长、成本降低。
这种“经营导向”的落地逻辑，在民营企业中尤为关键。
而在这个过程中，企业就需要关注三个要素——模型、数据、场景。无独有偶，创新奇智CEO徐辉也曾告诉笔者，企业级AI若想更好地落地，需要做好三件事，第一是，模型本身能力的提升；第二是，高质量数据集的积累；第三是，应用场景的不断挖掘与拓展。
而与模型技术相比，数据和场景将成为企业级AI能否在企业内部落地的关键抓手。
在数据方面，IBM大中华区技术销售总经理、首席技术官翟峰曾向笔者表示，企业想要通过AI获得收益的过程中，首先需要面对三个问题：第一，高质量的数据有没有？第二，有没有在用？第三，有没有发挥作用？“企业级AI落地的关键因素是数据，这是核心生产力，没有数据一切都是空谈，”翟峰进一步指出，“现在大家在谈的大模型，可能有很多互联网数据，但是企业最核心的数据有没有整合出来？这是最关键的因素。”
在场景方面，陈旭东一语道破了场景对于企业级AI落地的重要性，他指出，智能体技术本身还在快速迭代的阶段，而智能体本质上就是AI应用，也就是场景，“中国有丰富的场景，所以在AI应用上，如何找准场景，选对场景，就成为企业能否顺利落地AI应用的关键，”陈旭东进一步指出，“而IBM在服务各行业企业方面都有着丰富的经验，也是全球范围内，唯一一家同时具备科技服务能力和咨询能力的科技企业，在帮助企业寻找场景方面，能让企业少走很多弯路。”
确实，场景已经当前企业级AI落地最为核心的关键，此前曾有多位企业CIO与笔者分享了他们企业寻找AI应用场景的方法，他们的方法“大同小异”。
总体来看，企业需要从技术成熟度与价值两个维度对场景进行评估，确认率先落地AI的场景。具体来看，企业应该首先将目光聚焦在AI技术成熟度高，数据就绪程度高等“技术”层面成熟度高的场景上，因为这些场景AI落地较为容易。进而在这些场景中选择AI落地后能够带来提升更大，实现价值更大的场景率先落地。而对于一些技术成熟度低，又价值小的场景，则是企业级AI落地过程中，需要“避开”的场景。
立足当下，企业级AI不能是实验室里的技术狂欢，而是要深入企业内部，融合企业业务流程的 “手术刀”，既要解决 “老系统改造” 的硬骨头，也要满足 “中小企业用得起” 的现实需求。（本文首发于钛媒体APP，作者｜张申宇，编辑丨盖虹达）
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
