關鍵轉折來了！企業應用AI正從技術疊加邁向業務價值重構

眼下，全球人工智能（AI）產業正超越單純的大模型競爭，向科學智能、智能體（Agent）、具身智能、AI+視頻等場景化核心能力突破，推動產業體系加速重構。日前在滬舉行的2026全球開發者先鋒大會（GDPS 2026），爲AI競爭的轉型作出了更爲清晰的註解。

對此，畢馬威中國人工智能轉型辦公室（AITO）主管合夥人、變革諮詢數字化轉型業務牽頭人柳曉光在接受採訪時表示，從點狀創新到體系化能力，智能轉型中的企業應重點關注AI在企業中“落好”和“用好”所需的土壤和環境：生成式AI的企業界應用治理與落地框架。

邁向關鍵轉折點

根據畢馬威的長期觀察與近期調研，國內企業應用人工智能正處於從技術疊加向業務價值重構轉移的關鍵轉折點。

“當前企業已普遍不再侷限於是否引入技術的初步探討，而是將智能化升級升維至業務模式重塑、底層架構革新與組織治理優化的全局戰略層面。”柳曉光表示，“很多企業開始構建以業務價值爲核心的戰略閉環，涵蓋規劃、實施、運營與價值檢視四大環節，以此務實地推進落地。”

與此同時，不同行業的應用側重點則呈現顯著差異。例如，在金融業，核心訴求集中於數據合規前提下的複雜推理與風控建模。金融機構更傾向於利用本地化部署的模型處理高價值密度的數據，實現投研分析、授信審查與自動化報告的深度融合。

而在工業製造領域，企業側重於技術與物理生產環境的交互。智能系統正逐步接入生產控制節點與供應鏈管理網絡，以自主分析和優化排產等方式提升全要素生產率。各行業都在依據自身業務痛點，尋找能釋放實際生產力的應用場景。

智能體應用廣闊

“龍蝦熱”的來襲讓更多人看到了智能體應用廣闊前景。柳曉光表示，在傳統模式下，人類員工是各項獨立系統之間的唯一串聯者。智能體的引入徹底顛覆了這一模式。企業只需向智能體下達一個宏觀目標，如完成海外投資標的的盡職調查，它便會自主拆解爲數十個步驟，自動連接外部數據庫、調用內部模型、啓動合規審覈。

他認爲，未來的企業運營將演變爲由大量智能體構成的網狀敏捷協同中樞。法務、財務、業務等不同智能體可並行處理、交叉驗證。而人類員工的核心職責，將從流程執行者，升維爲規則定義者、戰略目標設定者與最終風險的審覈決策者。

值得關注的是，智能體深度介入生產與決策也帶來了新的治理挑戰。對此，柳曉光表示，一方面是數據隱私合規，本地部署雖能緩解部分數據泄露風險，但系統權限的下放引發了操作越界與執行偏差的隱患。企業在引入此類技術時，宜建立嚴格的權限管控機制與人工審計節點，明確人機協同的權責邊界，確保技術在可控及合規的框架內運行。

突破落地瓶頸

畢馬威此前發佈的《新智啓新質：生成式AI賦能產業變革的實踐與路徑》報告認爲，企業可通過“外觀內察”明確轉型起點。外觀方面，通過行業研究持續掃描關鍵技術演進趨勢、行業競爭格局等，識別生成式AI對自身所處行業的適配性機遇和潛在風險挑戰。內察方面，綜合運用專業方法與工具，對企業自身業務場景積累、數據和技術資產、人才儲備及市場競爭力等進行全面客觀評估，識別不同業務領域的高價值AI應用場景，關注具體場景中AI變革前與後的流程對比、所需的數據依賴以及預期的可量化效率價值。

在柳曉光看來，企業在推進AI落地的過程中，面臨幾個核心痛點。首要挑戰在於實現技術與業務場景的深度融合。許多企業引入了先進的算法模型，但缺乏以業務價值爲導向的頂層規劃，導致應用停留在邊緣支持場景，未能觸及核心業務流程，投資回報率難以量化與有效檢視。

其次，既定IT建設路徑與新興智能化需求之間存在系統性摩擦。企業內部通常擁有複雜的歷史系統與數據孤島，將新的智能架構無縫接入傳統生產環境並保障更多模態的數據實時流通，是一項成本較高且週期較長的系統工程。

此外，組織配套機制的滯後也是重要制約因素。技術的引入伴隨着業務流程的重組與崗位的重新定義。現階段，不少企業的組織架構與績效考覈體系未能及時適應人機協同的新形態，導致內部推力不足。因此，構建涵蓋技術、數據、流程與組織的企業級轉型配套機制，是突破落地瓶頸的關鍵路徑。

畢馬威參與本次GDPS 2026，旨在加強與政策、產業、研究等領域的合作，爲相關企事業機構提供了一種可供參考的實踐思路，在戰略、組織和執行等層面爲企業提供系統性賦能。