明明用了AI，为何许多企业没见实效？

两三年前，AI还只是个会聊天的机器人；现今，它已经能写报告、跑流程、做业务。从ChatGPT掀起生成式人工智能浪潮，到多模态大模型走向成熟，再到今天以智能体（Agent）为核心的任务执行阶段，人工智能正在完成从“工具”，到“助手”，再到“数字员工”的角色跃迁。然而，对于企业来说，AI技术的迅速发展与应用，真的带来了实际收益吗？

一项覆盖全球近两千家企业的权威机构调研显示，约88%的企业已在至少一个业务环节引入了AI，但仅39%认为AI带来了实打实的利润。这揭示出一个耐人寻味的现象：多数企业迈过了“技术采用关”，却倒在了“价值实现关”前。同样引入AI，为何有的企业成效显著，有的却收效甚微？

现象观察

AI转型频频“落地难”

在深入观察大量企业实践后，我们发现AI转型的失利，往往不发生在技术上线的那一刻，而是集中暴露在真正落地的过程中。以下三个典型案例，正折射出企业反复遭遇的困境。

星巴克曾在北美上万家门店推广基于计算机视觉的AI库存盘点应用，期望将扫描准确率提升至95%以上，并给出库存管理建议。

然而，在真实门店环境中，包装相近的商品被错误归类、货架照明不均导致漏扫等问题频发，部分门店的实际识别准确率仅为60%至70%。一线员工不得不花费大量时间反复手工核对，反而影响了正常经营效率。最终，这一应用上线仅9个月便被全面撤下。

瑞典金融科技公司Klarna曾高调宣布，其AI客服助手上线首月便处理了约三分之二的客户对话，相当于700名全职客服的工作量，平均问题解决时间从11分钟缩短至2分钟，公司据此冻结了相关岗位招聘。

然而一年后，客户满意度显著下滑：复杂的还款争议、情绪化的投诉AI无力处理，重复咨询率不断上升。其首席执行官最终公开承认，过度追求效率导致了服务质量下降。公司随即重新招聘人工客服，转向“人+AI”的混合模式。

AI可以生成建议与响应，但技术本身无法保证输出的绝对准确性，也无法为其后果承担责任。

加拿大航空官网的聊天机器人曾向一位乘客“凭空捏造”了一项并不存在的优惠政策，导致乘客按全价购票而未能享受折扣。公司最终被法庭判定构成过失性虚假陈述，并承担相应的赔偿责任。

原因解析

四个环节没有做到位

企业AI转型推进困难，表面上是“模型、算力、数据、系统”等技术问题，实质上则是战略、组织、流程与治理等系统性变革未能同步跟上。具体而言，存在以下四个环节的脱节。

场景设计需要回答“用什么技术、解决什么问题、人机如何配合”等关键问题。

星巴克的失败根源在于技术成熟度与场景复杂度不匹配：所选的计算机视觉技术在受控环境中表现良好，但在复杂零售场景中的鲁棒性不足；Klarna的问题则暴露了融合设计的缺失：只做了“替代式部署”，而没有基于任务和流程做定制化嵌入设计。

企业真正需要的不是一个能够回答问题的模型或一个孤立的工具，而是能够调用企业知识、数据与工具，连接业务系统、完成具体任务并处理异常的应用，从而能在真实业务环境中稳定运行。

星巴克的识别问题与加拿大航空的错误政策信息，都说明功能或应用上线不等于业务能力形成，缺少知识治理、系统连接、真实环境测试和效果评测，AI就难以稳定运行。

AI进入业务后，人与机器承担的任务、流程节点和岗位职责都会变化。如果组织仍沿用原有职责体系，员工就可能需要重复核验AI结果；如果复杂任务缺少顺畅的转人工路径，效率提升又可能损害质量。

Klarna的调整表明，技术价值能否兑现，很大程度上取决于组织是否同步重构人机协作方式。

AI应用需要同时回答“是否创造了价值”和“是否安全可控”两个问题。如果考核只盯着处理量和成本，就可能忽视质量与体验；如果缺少人工复核、权限控制、过程留痕和责任归属，错误的输出就可能直接流入业务环节。

加拿大航空的案例正揭示了机制缺位带来的严重后果。

解决思路

四大环节的系统性重塑

《国务院关于深入实施“人工智能+”行动的意见》（国发〔2025〕11号）明确提出，鼓励有条件的企业将人工智能融入战略规划、组织架构与业务流程。这意味着，AI不应是优化局部的“外挂工具”，而应嵌入业务运行与价值创造的全过程。上述四个问题的破局之道，在于协同重塑。

场景选择的本质，是回答“投入是否值得”这一根本问题。企业不应只看技术的先进性，而应综合评估三个维度：价值贡献（能否带来可量化的收入增长、成本节约或体验提升）、实施可行性（技术成熟度、数据基础、系统集成难度）、风险可控性（出错后的影响范围与补救成本），优先选择价值清晰、边界明确、失败影响有限的切入点。

在此基础上，围绕业务流程设计融合方案，明确哪些环节由AI接入、哪些功能由AI实现，并匹配经过大规模商业验证、具备完善工具链与成熟部署方案的技术，如大模型与智能体。

以智能体和多模态大模型为代表的AI功能日趋成熟，但技术上线不等于业务好用。要让AI在真实场景中稳定发挥作用，需要做到以下三点：

一是知识资产化，将分散于文档、数据库及专家经验中的业务知识进行结构化整理并持续更新，构建与企业业务深度绑定的专属知识库，让智能体的每一次推理都有据可依，既契合业务需求，又能从源头减少模型幻觉；

二是系统联通化，打通CRM、ERP、OA等核心业务系统，使AI具备调用数据、触发流程、执行操作的能力；

三是效果可度量，在开发阶段即明确任务完成率、准确率、人工介入率、响应时效等关键指标，并在灰度环境中使用真实业务数据进行充分验证，达标后方可正式上线。

AI引入后，人机分工在场景融合设计中已经明确，但分工落地还需组织同步变革，否则“新分工”仍会落在“旧组织”的框架里运转。企业应围绕人机协作的新模式，重塑三个方面：

一是重定岗位职责，明确员工从“执行操作”转向“审核决策、异常处理与AI协同”，让人的价值聚焦于AI无法胜任的环节；

二是重构绩效体系，针对员工承担的新工作内容重新设计考核指标，确保绩效导向与实际工作要求相匹配；

三是重组协作团队，打破部门壁垒，为AI的持续运营与优化提供组织保障。

AI应用须纳入全生命周期管理框架，构建价值与风险的双重防线。

在价值端，设定明确的业务基线，上线后持续追踪AI带来的增量变化，定期开展效果评估，及时终止无效或负效项目。

在风险端，确立“谁使用、谁复核、谁负责”的责任原则，对高风险输出实施强制人工审核；所有AI行为均需留痕，以便事后追溯与归因；建立异常告警与快速回滚机制。

从星巴克的货架到加拿大航空的官网，三桩真实翻车背后其实是同一道坎——AI转型的胜负，从来不在模型够不够聪明，而在于企业能不能把“价值实现关”真正打通。技术可以一键接入，价值却要场景、技术、组织、机制四环咬合才能长出来。当潮水退去，那些只把AI当工具的企业会发现自己仍在岸边，而把四环拧成一股绳的企业，才能让AI变成了利润表上真实的一行。用了AI不稀奇，让AI真正跑通价值、长出实效，才是这场转型里最硬的本事。

▲中大咨询AI整体解决方案

▲中大咨询三大主体支撑AI价值实现

作者 | 中大咨询

中大咨询集团原创成果，版权受法律保护。如需转载或咨询业务，请微信添加好友或致电全国服务热线：400-9933-161。