破除AI應(yīng)用“焦慮”從正確認(rèn)識(shí)“新三要素”開(kāi)始

著眼當(dāng)前應(yīng)用側(cè)的AI“焦慮”，剖析背后的三大認(rèn)知斷層，進(jìn)而提出場(chǎng)景、數(shù)據(jù)、工具等AI應(yīng)用的“新三要素”，為應(yīng)用側(cè)企業(yè)更好擁抱AI提供思路借鑒

隨著OpenAI發(fā)布GPT模型引爆全球人工智能（AI）發(fā)展浪潮，AI獲得社會(huì)各界空前廣泛關(guān)注，各知名科技企業(yè)競(jìng)相研發(fā)推出自家大模型產(chǎn)品。2025年初，中國(guó)公司深度求索創(chuàng)新研發(fā)DeepSeek R1模型，其開(kāi)源策略以及強(qiáng)大的功能和易用性，再次將AI熱浪推向巔峰。而相比于在“算力、算法、數(shù)據(jù)”三要素支撐下大模型產(chǎn)品的高歌猛進(jìn)，應(yīng)用側(cè)企業(yè)雖有極大的熱情擁抱AI，但在實(shí)踐過(guò)程中卻呈現(xiàn)出顯著的階段性“焦慮”特征，嚴(yán)重制約著AI落地應(yīng)用的成效。本文著眼當(dāng)前應(yīng)用側(cè)的AI“焦慮”，剖析背后的三大認(rèn)知斷層，進(jìn)而提出場(chǎng)景、數(shù)據(jù)、工具等AI應(yīng)用的“新三要素”，為應(yīng)用側(cè)企業(yè)更好擁抱AI提供思路借鑒，如圖1所示。

AI熱浪下的“三個(gè)焦慮”

相比于“無(wú)處不AI”的社會(huì)熱度，不少企業(yè)擁抱AI的愿望與落地困境形成鮮明反差，“AI焦慮”的存在較為普遍。

戰(zhàn)略焦慮：方向模糊與路徑不清

新技術(shù)從產(chǎn)品化走向市場(chǎng)到落地應(yīng)用，是一個(gè)長(zhǎng)期過(guò)程，現(xiàn)階段AI仍處于發(fā)展初期，在落地應(yīng)用方面受制于場(chǎng)景的豐富度、產(chǎn)品的高質(zhì)效，且缺乏清晰的實(shí)施路徑與可驗(yàn)證的成熟案例參考，因此應(yīng)用側(cè)普遍尚未形成真正科學(xué)有效的指導(dǎo)性戰(zhàn)略規(guī)劃，表現(xiàn)出階段性的迷茫。加之行業(yè)的競(jìng)爭(zhēng)格局仍在不斷突變，高頻的技術(shù)迭代不斷刷新并改寫(xiě)AI行業(yè)規(guī)則和未來(lái)預(yù)期，也使得應(yīng)用側(cè)陷入戰(zhàn)略被動(dòng)，迫使企業(yè)反復(fù)調(diào)整路線(xiàn)和戰(zhàn)略節(jié)奏。由此，企業(yè)在AI應(yīng)用方面目前多停留在試點(diǎn)探索階段，真正實(shí)現(xiàn)規(guī)?；瘧?yīng)用的極其少數(shù)，這種“試點(diǎn)困境”折射出戰(zhàn)略層面的深層矛盾：既擔(dān)憂(yōu)錯(cuò)失技術(shù)紅利，又難以評(píng)估投入產(chǎn)出效益，其根源實(shí)則是AI技術(shù)的突破速度遠(yuǎn)超企業(yè)戰(zhàn)略迭代周期的結(jié)構(gòu)性矛盾。

能力焦慮：技能鴻溝與落地壁壘

多數(shù)企業(yè)在數(shù)字化轉(zhuǎn)型的道路上不斷深化，積累了豐富的經(jīng)驗(yàn)，取得了積極的成效。但AI技術(shù)的底層邏輯復(fù)雜、跨代特征極其顯著，使得數(shù)字化轉(zhuǎn)型路線(xiàn)的非線(xiàn)性屬性凸顯到極致。AI是什么、能干什么、怎么干、干了之后效果如何，每一個(gè)問(wèn)題在現(xiàn)實(shí)工作中都成為落地實(shí)踐的羈絆。經(jīng)驗(yàn)缺乏、技能恐慌的客觀(guān)存在，是現(xiàn)階段加速推動(dòng)AI落地應(yīng)用的一條鴻溝。加之AI產(chǎn)品當(dāng)前同樣處在積極探索和迭代完善的創(chuàng)新過(guò)程中，能夠提供的有效產(chǎn)品和解決方案仍相對(duì)匱乏，少量面世的“概念式”“拼裝式”產(chǎn)品也多未能跳出傳統(tǒng)范式；在真正落地到具體應(yīng)用時(shí)，或是換湯不換藥缺乏針對(duì)性定制化，或是“殺雞用牛刀”使得簡(jiǎn)單事情復(fù)雜化，抑或是與真實(shí)需求脫節(jié)、無(wú)法解決實(shí)際問(wèn)題。從結(jié)果來(lái)看，不管是主觀(guān)還是客觀(guān)原因，都表現(xiàn)為AI落地應(yīng)用進(jìn)程的受阻，理想與現(xiàn)實(shí)的差距使得能力焦慮不斷凸顯。

組織焦慮：架構(gòu)僵化與轉(zhuǎn)型沖突

雖然AI落地應(yīng)用現(xiàn)階段還在摸索前行過(guò)程中，但其未來(lái)發(fā)展趨勢(shì)以及將產(chǎn)生的深遠(yuǎn)影響已經(jīng)被廣泛認(rèn)知，其對(duì)當(dāng)前組織形態(tài)的負(fù)面沖擊更加深入人心。長(zhǎng)期來(lái)看，AI驅(qū)動(dòng)的決策透明化將削弱中層管理者的信息壟斷優(yōu)勢(shì)，權(quán)力結(jié)構(gòu)將被重塑；算法主導(dǎo)的流程優(yōu)化乃至重構(gòu)倒逼科層制向敏捷團(tuán)隊(duì)轉(zhuǎn)型，個(gè)體能力要求將會(huì)顯著提升；智能化設(shè)備替代傳統(tǒng)人力，諸多傳統(tǒng)崗位將會(huì)消失。過(guò)去支撐企業(yè)長(zhǎng)期穩(wěn)定發(fā)展的組織架構(gòu)，在AI時(shí)代或會(huì)日漸顯得僵化，組織慣性的反作用力或?qū)⒊蔀檗D(zhuǎn)型升級(jí)實(shí)現(xiàn)跨越式發(fā)展的巨大障礙，各種矛盾和沖突或在一定階段內(nèi)高頻發(fā)生。

掣肘落地應(yīng)用的“三個(gè)斷層”

應(yīng)用側(cè)企業(yè)的上述戰(zhàn)略焦慮、能力焦慮和組織焦慮，與大模型的熱火朝天形成了鮮明對(duì)比。而“技術(shù)熱、落地冷”現(xiàn)象背后的深層次原因，可以歸結(jié)為存在三個(gè)斷層。

一是場(chǎng)景斷層。當(dāng)前，供給側(cè)普遍將AI美化成“萬(wàn)能工具”，可以賦能千行百業(yè)、萬(wàn)千場(chǎng)景；然而，在應(yīng)用側(cè)企業(yè)看來(lái)，當(dāng)前的AI技術(shù)和產(chǎn)品卻大都難以精準(zhǔn)定位企業(yè)的業(yè)務(wù)痛點(diǎn)，即AI應(yīng)用的場(chǎng)景痛點(diǎn)仍不明確。簡(jiǎn)言之，對(duì)應(yīng)用側(cè)企業(yè)而言，問(wèn)題的關(guān)鍵不在于AI能做什么，而是業(yè)務(wù)需要AI解決什么。否則，如果只是為了AI而AI，不僅會(huì)加劇企業(yè)的戰(zhàn)略焦慮，也容易在被AI替代的焦慮中面臨組織架構(gòu)的崩塌。

二是數(shù)據(jù)斷層。當(dāng)前，AI企業(yè)的大模型訓(xùn)練更多是基于互聯(lián)網(wǎng)及各類(lèi)數(shù)據(jù)庫(kù)的自然語(yǔ)言數(shù)據(jù)，而非企業(yè)私域范圍內(nèi)的生產(chǎn)數(shù)據(jù)、客戶(hù)數(shù)據(jù)等，相關(guān)大模型產(chǎn)品到企業(yè)中應(yīng)用容易產(chǎn)生適應(yīng)性問(wèn)題，如特斯拉基于我國(guó)互聯(lián)網(wǎng)上的駕駛視頻訓(xùn)練的FSD在實(shí)際道路上的表現(xiàn)還不如華為智駕等國(guó)內(nèi)高階智能駕駛產(chǎn)品。一方面，大模型的迭代完善需要海量大數(shù)據(jù)的支持；另一方面，大模型在B端的應(yīng)用則需要高質(zhì)量專(zhuān)業(yè)數(shù)據(jù)的支撐。當(dāng)前，AI技術(shù)的供給側(cè)與需求側(cè)企業(yè)仍普遍存在數(shù)據(jù)協(xié)作上的“斷層”，在很大程度上導(dǎo)致供給側(cè)企業(yè)熱火朝天地推廣AI技術(shù)的同時(shí)，應(yīng)用側(cè)企業(yè)則更多表現(xiàn)出無(wú)從下手的焦慮。

三是工具斷層。當(dāng)前，AI技術(shù)的供給側(cè)企業(yè)推出了以大模型為代表的眾多產(chǎn)品工具，讓消費(fèi)者有機(jī)會(huì)以極低的成本接觸和使用高性能的AI工具。但對(duì)B端而言，在DeepSeek爆火之前，可供企業(yè)選擇的低成本、能夠本地化部署的高性能AI工具并不多。以至于除了華為、阿里、騰訊、字節(jié)等大廠(chǎng)外，更多企業(yè)要么陷入“自研VS采購(gòu)”的決策僵局，要么認(rèn)為AI是座空中樓閣目前還無(wú)法落地，由此錯(cuò)失敏捷試錯(cuò)窗口期。即使對(duì)DeepSeek等當(dāng)前可供使用的工具而言，本地化部署之后，許多崗位面臨被替代的風(fēng)險(xiǎn)，對(duì)傳統(tǒng)組織架構(gòu)的沖擊正在逐漸顯現(xiàn)。在彌補(bǔ)工具斷層的同時(shí)，降低對(duì)企業(yè)組織架構(gòu)的負(fù)面影響，是現(xiàn)階段供給側(cè)和應(yīng)用側(cè)企業(yè)應(yīng)當(dāng)重點(diǎn)考慮的問(wèn)題之一。

加速AI應(yīng)用的“三個(gè)要素”

AI焦慮正在成為數(shù)字化轉(zhuǎn)型的“暗礁”，折射出AI技術(shù)供給與企業(yè)需求之間的結(jié)構(gòu)性錯(cuò)配，相比于算力、算法、數(shù)據(jù)等宏觀(guān)層面“三要素”為AI技術(shù)的創(chuàng)新突破提供了基礎(chǔ)性支撐，真場(chǎng)景、活數(shù)據(jù)、輕工具等微觀(guān)層面“三要素”則是AI在B端實(shí)現(xiàn)融合應(yīng)用的關(guān)鍵所在。

一是真場(chǎng)景。場(chǎng)景是應(yīng)用側(cè)千行百業(yè)擁抱新技術(shù)的創(chuàng)造性想法，為各行各業(yè)提供通俗易懂的通用語(yǔ)言或可視化形象，加速新技術(shù)在本行業(yè)領(lǐng)域內(nèi)的快速傳播?！皥?chǎng)景創(chuàng)新”不一定是技術(shù)創(chuàng)新主導(dǎo)的結(jié)果，如早在掃碼支付這一場(chǎng)景盛行之前，二維碼技術(shù)已經(jīng)非常成熟。與之類(lèi)似，AI能做什么，并不是真場(chǎng)景，正如二維碼技術(shù)在20世紀(jì)90年代就已經(jīng)比較成熟、號(hào)稱(chēng)能夠應(yīng)用于各行各業(yè)，但直至智能手機(jī)問(wèn)世以及互聯(lián)網(wǎng)金融企業(yè)崛起，才隨著掃碼支付這一場(chǎng)景的興起而快速應(yīng)用于千行百業(yè)。當(dāng)前，業(yè)務(wù)需要AI解決什么，是應(yīng)用側(cè)企業(yè)擁抱AI的初衷和關(guān)鍵痛點(diǎn)，才是真場(chǎng)景，需要AI的供給側(cè)和應(yīng)用側(cè)企業(yè)共同挖掘。

二是活數(shù)據(jù)。讓數(shù)據(jù)流通起來(lái)，是數(shù)據(jù)與大模型等AI工具進(jìn)行互動(dòng)的基礎(chǔ)，是實(shí)現(xiàn)價(jià)值化應(yīng)用的前提。當(dāng)前，在生產(chǎn)制造環(huán)節(jié)，企業(yè)裝備了大量以工業(yè)機(jī)器人為代表的智能裝備，各類(lèi)智能裝備在運(yùn)行過(guò)程中產(chǎn)生了大量的數(shù)據(jù)，但這些數(shù)據(jù)普遍存在“方言大亂斗”“數(shù)據(jù)孤島”等問(wèn)題，進(jìn)而導(dǎo)致被限制在“孤島”內(nèi)缺乏活力。如何將不同品牌、不同協(xié)議的設(shè)備統(tǒng)一數(shù)據(jù)語(yǔ)言、沉淀數(shù)據(jù)資產(chǎn)，讓數(shù)據(jù)在企業(yè)的數(shù)字化系統(tǒng)內(nèi)無(wú)障礙地流通起來(lái)，是現(xiàn)階段企業(yè)擁抱AI所需要練就的基本功。

三是輕工具。AI大模型問(wèn)世之初，很多企業(yè)認(rèn)為大模型很厲害，卻無(wú)法應(yīng)用到企業(yè)實(shí)際生產(chǎn)中。對(duì)應(yīng)用側(cè)企業(yè)而言，數(shù)字化的工具，不一定要高大上，但一定要好用，即能解決企業(yè)的痛點(diǎn)問(wèn)題，否則可能會(huì)因?qū)鹘y(tǒng)組織架構(gòu)產(chǎn)業(yè)巨大沖擊而適得其反。DeepSeek就是一種典型的輕量化工具，它為B端企業(yè)數(shù)據(jù)不上云的情況下，低成本、本地化地部署大模型提供了可行性?，F(xiàn)階段，根據(jù)應(yīng)用側(cè)企業(yè)的具體情況，先從小場(chǎng)景切入，針對(duì)性地開(kāi)發(fā)輕量化的AI工具，助力企業(yè)降本增效之后，再拓展到其他場(chǎng)景，將是加速AI在B端實(shí)現(xiàn)融合應(yīng)用的可行路徑。

提升“三種能力”，實(shí)現(xiàn)“三個(gè)轉(zhuǎn)變”

正如管理大師德魯克所言：“效率是把事情做對(duì)，效果是做對(duì)的事情”——在AI時(shí)代，應(yīng)用側(cè)企業(yè)應(yīng)聚焦真場(chǎng)景、活數(shù)據(jù)、輕工具等“三要素”找到“對(duì)的事情”，并高效地“把它做對(duì)”。具體而言，企業(yè)需要加快提升場(chǎng)景洞察能力、數(shù)據(jù)駕馭能力、工具選型能力等“三種能力”，實(shí)現(xiàn)從偽需求到真場(chǎng)景、從大數(shù)據(jù)到小數(shù)據(jù)可用、從技術(shù)崇拜到工具平權(quán)的“三個(gè)轉(zhuǎn)變”，才能率先享受到AI發(fā)展紅利，構(gòu)筑起AI時(shí)代競(jìng)爭(zhēng)新優(yōu)勢(shì)。

提升場(chǎng)景洞察能力，實(shí)現(xiàn)從偽需求到真場(chǎng)景發(fā)掘轉(zhuǎn)變

建立健全AI戰(zhàn)略委員會(huì)等決策支撐體系，制定和完善企業(yè)擁抱AI的戰(zhàn)略規(guī)劃與實(shí)施路線(xiàn)圖，強(qiáng)化對(duì)AI應(yīng)用場(chǎng)景創(chuàng)新的頂層設(shè)計(jì)指引。聚焦當(dāng)前企業(yè)的發(fā)展痛點(diǎn)，強(qiáng)化與AI企業(yè)的研發(fā)協(xié)同，探索組建“前沿技術(shù)應(yīng)用實(shí)驗(yàn)室”“未來(lái)場(chǎng)景實(shí)驗(yàn)室”等場(chǎng)景創(chuàng)新平臺(tái)，建立健全場(chǎng)景創(chuàng)新的內(nèi)外聯(lián)動(dòng)機(jī)制，篩選一批可被AI量化和賦能的高價(jià)值場(chǎng)景，搭建場(chǎng)景“沙箱”，開(kāi)展AI技術(shù)應(yīng)用的早期試驗(yàn)和驗(yàn)證。構(gòu)建“場(chǎng)景價(jià)值—數(shù)據(jù)成熟度”矩陣，優(yōu)先落地高價(jià)值、高可行性的場(chǎng)景，如設(shè)備故障預(yù)測(cè)、能耗優(yōu)化。

提升數(shù)據(jù)駕馭能力，實(shí)現(xiàn)從大數(shù)據(jù)到小數(shù)據(jù)可用轉(zhuǎn)變

深化與智能物聯(lián)服務(wù)商的合作，對(duì)接物聯(lián)數(shù)據(jù)標(biāo)準(zhǔn)，快速將不同品牌、不同協(xié)議的設(shè)備統(tǒng)一數(shù)據(jù)語(yǔ)言，適配多廠(chǎng)商、多協(xié)議、多網(wǎng)絡(luò)接入統(tǒng)一的數(shù)據(jù)中心，實(shí)現(xiàn)各類(lèi)數(shù)據(jù)在企業(yè)數(shù)字化系統(tǒng)內(nèi)的無(wú)障礙流通，讓數(shù)據(jù)從“靜態(tài)資產(chǎn)”轉(zhuǎn)變?yōu)椤皠?dòng)態(tài)資本”。由企業(yè)CIO（首席信息官）牽頭，建立企業(yè)數(shù)據(jù)治理委員會(huì)，建立跨部門(mén)數(shù)據(jù)協(xié)作機(jī)制，建立企業(yè)級(jí)數(shù)據(jù)字典，構(gòu)建可視化數(shù)據(jù)地圖，標(biāo)注數(shù)據(jù)血緣關(guān)系、更新頻率、質(zhì)量等級(jí)，實(shí)現(xiàn)“數(shù)據(jù)找業(yè)務(wù)”而非“業(yè)務(wù)找數(shù)據(jù)”。建立“數(shù)據(jù)質(zhì)量—業(yè)務(wù)結(jié)果”聯(lián)動(dòng)指標(biāo)，將數(shù)據(jù)質(zhì)量納入部門(mén)KPI考核。

提升工具選型能力，實(shí)現(xiàn)從技術(shù)崇拜到工具平權(quán)轉(zhuǎn)變

工具平權(quán)的核心邏輯在于以問(wèn)題驅(qū)動(dòng)技術(shù)選型，而非盲目追求算法的前沿性、系統(tǒng)的復(fù)雜度或供應(yīng)商的品牌光環(huán)。企業(yè)需要放下對(duì)技術(shù)參數(shù)的執(zhí)念，轉(zhuǎn)而建立“問(wèn)題—工具—人效”的精準(zhǔn)映射關(guān)系，將工具選型從“供應(yīng)商主導(dǎo)的技術(shù)采購(gòu)”轉(zhuǎn)化為“業(yè)務(wù)主導(dǎo)的價(jià)值創(chuàng)造”，推動(dòng)企業(yè)從“為技術(shù)付溢價(jià)”轉(zhuǎn)向“為實(shí)效建能力”。一方面，要根據(jù)場(chǎng)景選擇和數(shù)據(jù)基礎(chǔ)情況，評(píng)判是否有合適的低代碼/預(yù)訓(xùn)練工具，如構(gòu)建業(yè)務(wù)自助分析工具、允許生產(chǎn)主管自定義數(shù)據(jù)看板與預(yù)警規(guī)則等。另一方面，要建立數(shù)據(jù)回流和工具迭代機(jī)制（如每月基于業(yè)務(wù)數(shù)據(jù)反饋更新AI工具），避免工具“一次性交付即結(jié)束”，構(gòu)建起AI工具與業(yè)務(wù)的反饋閉環(huán)。

（作者單位：浙江省數(shù)字經(jīng)濟(jì)聯(lián)合會(huì)）