近期,我们与许多亚洲企业高管交流时发现,讨论的重点已经从“要不要做AI”,转向“如何让AI和智能体重塑运营模式”。这不仅意味着企业对AI的认知更加成熟,也说明讨论正在从技术应用转向业务价值。

艾睿铂研究发现,大约80%的AI项目没能进入规模化生产,但“尚未规模化”并不一定意味着失败。AI仍在快速演进,反复试验、调整方向,甚至停止部分项目,都是企业寻找合适场景和实施模式的必要过程,不应为单个项目贴上成功或失败的标签。

亚洲企业的AI发展路径与欧美市场并不相同。由于劳动力构成和成本基础存在差异,亚洲企业对AI的需求并不只是提高知识工作者的生产效率。事实上,一批领先的亚洲企业已经在制造、供应链和市场等核心领域规模化应用AI,在AI尤其是AI智能体的采用上,甚至走在全球同行前面。

因此,摆在亚洲企业管理层面前的问题,是如何让现有应用跨越部门和流程边界,转化为更广泛的业务价值。为此,企业需要在两个方面作出关键转变。

转变一:从追求确定性,转向管理不确定性

AI的不确定性并不可怕,真正的问题是企业仍在用追求确定性的传统流程审批AI项目。

亚洲企业从来不缺AI应用场景。很多企业已经积累了数十个甚至上百个用例,真正卡住规模化落地的,是传统审批与评估流程要求项目在立项时就提供精确的ROI、固化的实施计划和风险测算。然而,AI技术演进迅速,模型表现、智能体演进、业务采用和长期运营成本很难被提前准确预测。

进入规模化阶段后,这一矛盾更加突出。高层积极推动AI,中层却需要向财务部门和PMO承诺确定回报。既然无法作出承诺,最安全的选择往往是“不做不错”,项目也因此停滞,永远停留在POC或局部尝试阶段。

企业需要从“一次性证明ROI”转向“分阶段动态验证价值”,为每个阶段设定验证目标、投入上限和退出条件,证据充分后再进入下一个阶段。管理层还应明确哪些风险可以尝试,并将及时停止一个不再值得投入的项目,视为组织以可控成本获得了有价值的信息,而不是项目负责人的失败。

转变二:从单点提效,走向端到端价值重构

即使企业愿意投入,接下来仍要回答另一个问题:AI的价值究竟应该如何衡量?

欧美企业拥有大量高成本的知识工作者,因此节省工时、提高人效往往能够形成清晰的AI商业案例。亚洲企业的劳动力构成和成本基础不同,如果仍以“节省多少人力”为主要标准,就可能错配AI的真正价值。

比如制造业企业,AI的回报可能更多体现在提高良率、减少停机、缩短交付周期,以及优化需求预测与产能。AI更大的价值,往往不在单个应用场景中,而在流程与流程之间的“断点”里。

这些断点可能是部门间的信息不畅、前后环节的决策割裂,也可能是依赖大量人工判断和交接的任务。打通这些断点,AI才能从优化一个环节,走向改善整个业务流。

因此,企业需要衡量AI能否重塑端到端工作流,包括任务如何分配、决策如何作出,以及人与AI智能体如何分工。

从“术”到“道”

“术”解决的是模型、平台和场景问题;“道”考验的,则是企业能否在不确定性中持续试验、快速学习迭代并放大价值。

这需要企业改变的不只是技术应用方式,还有投资AI、智能体质量筛选、衡量价值和沉淀经验的方式。真正的规模化,也不是拥有更多AI用例,而是让一次次试验形成可复用的能力,形成治理框架,让单点应用转化为持续的业务价值。

这或许才是亚洲产业下一阶段需要探索的AI之道。

如果您的企业正在评估如何将AI从局部应用推向更广泛的业务和组织变革,欢迎就具体场景展开交流,一起梳理决策机制、价值路径与规模化所需的组织能力。