| AI如何从概念走向产业深度融合？如何跨越战略与执行脱节、数据价值难释放、技术业务协同不足等现实堵点？ 4月22日，第五届中国国际软件发展大会——企业AI转型创新论坛在北京国家会议中心举行。在“破局与落地：企业AI转型的痛点、需求与实践路径”圆桌对话环节，来自能源、医疗、农业、互联网等领域的四位嘉宾围绕企业AI转型的五大核心议题展开了深度碰撞。
国家电投集团技术中心总监张成刚指出，三者是递进关系——AI是最终目标，但必须打好数字化基础。ERP等管理信息系统先建立起来，否则AI就是空中楼阁。数字化转型的核心是打破管理权限，由“面向审批”转向“面向数据”，信息部门要从后台走向前台。 通用技术健康公司CIO王军认为，AI转型分为传统企业的“AI+”与互联网企业的“AI全面转型”两个层面，平滑过渡的关键在于数据统一与战略认知的统一。信息化偏重内部管理，数字化延伸至外部，而AI是以数据为核心的生产力应用。 原百度产品架构师戎文晋用一个生动的比喻总结：数字化转型在做连接和流程，把业务流程数字化沉淀，就像在装“眼睛”；智能化转型是往“大脑”方向转，做决策——没有眼睛的信息，大脑便无从决策。 核心痛点：数据、认知与组织 谈及AI落地的实际痛点，嘉宾们给出了多元视角。张成刚指出，绿电直连的投资测算、风电场的对标分析中用AI较多，但产品逻辑、预设条件和数据的融合是一大挑战，AI在机理层面落地非纯算法能解决。王军补充，数据质量不够好、全面性不够，加之不同岗位对AI能解决什么问题认知层次不一致，构成双重堵点。 中国科学院智能农机实验室杨再锦则从垂直领域切入：农业工业场景中建传感器、长期采集真实生产数据投入巨大，数据获取方式仍跟不上AI的要求。戎文晋指出一个更深层的问题——管理层看的是战略层面的降本增效，业务层看的是短期业绩，预期不一致，推动起来就是两股劲。 对齐预期：CIO的协调者角色 如何弥合管理层与业务层的预期差异？张成刚认为必须由业务端提出真实需求来倒逼管理变革。王军建议，在AI转型前先制定清晰的战略规划与实施路径，从管理战略层面自上而下推动。戎文晋则强调，阻止AI落地的往往不是管理层，而是业务层——业务部门以业绩为考核目标，加之部门利益藩篱，AI转型往往“卡”在中层。CIO需要扮演好协调者角色：向上用标杆案例让管理层看得见效果，向下用小步快跑让业务部门体会到工具的好处。 “一上一下”：数据、技术、组织的协同 张成刚提出“组织和数据一上一下，技术居中串联”的闭环模型：数据作为核心必须唯一，AI要实现“数据唯一、判断有据、口径统一”——这是规模化落地的底线要求。王军建议搭融合型工作专班，通过“识别场景→最小原型→迭代升级→复制标准化”的路径实现渐进式规模化。 戎文晋用三个器官打比方：数据是眼睛，感知外部信息；技术模型是大脑，做出决策；组织是四肢和神经系统——决策做得再好，组织不动起来也白费。组织是“鲤鱼跃龙门的最后一分钟”，是从“知道”到“做到”的决定性一跃。 规避风险：人始终是关键变量 在风险规避方面，张成刚提醒，必须把端到端业务场景全梳理清楚，用流程把每个节点的数据责任人标出来，打破部门和系统界限。王军强调，医疗健康领域“可用不可见”是底线，AI只做辅助决策，不该越位到“负责人”的位置。杨再锦提出了一个前瞻性思路——用AI监督AI，当人管不过来时，用另一套AI逻辑来监督AI的决策。 戎文晋一针见血地指出：所有风险都是人的风险，不是技术的风险。幻觉也好、数据泄露也罢，本质都是人没搞清AI的边界在哪里。AI转型最难接受的真相是，它会彻底改变企业的成本结构与产业类型。拿旧方法管新企业，所有风险终将是管理者的风险。 【客家网观察】 从能源到医疗，从农业到互联网，这场圆桌对话勾勒出企业AI转型的清晰轮廓：数据是根基，场景是入口，组织是保障，认知是前提——而人，始终是变革中最关键的变量。AI不会替代人，但会重新定义人的价值。对于正在推进数字化进程的客家地区企业而言，这些来自一线的实践经验，同样具有重要的参考价值。 📌 互动话题 你所在的企业是否正在推进AI转型？遇到过最棘手的难题是什么？欢迎在评论区分享你的经验与思考！ |
