2025年是公認的企業(yè)級AI應(yīng)用落地元年。AI已經(jīng)不再一味卷技術(shù)、卷工具，而是向著卷應(yīng)用、卷價值演進，如何能讓AI在業(yè)務(wù)場景中發(fā)揮更大的價值，成為企業(yè)的“必修課”。

當AI從“效率工具”向“認知伙伴”躍遷，也說明AI的試驗階段已經(jīng)結(jié)束，企業(yè)核心競爭力將取決于定制化AI應(yīng)用和可量化的業(yè)務(wù)成果方面。

但現(xiàn)實是，很多企業(yè)雖然已經(jīng)開始在企業(yè)級AI方面進行布局，但效果并不理想——據(jù)IDC數(shù)據(jù)顯示，66.5%的中國企業(yè)已在局部應(yīng)用AI，以期重塑商業(yè)模式、提升運營效率，但僅有27.2%的企業(yè)正邁向AI的規(guī)?；瘧?yīng)用階段；此外，Gartner的調(diào)研數(shù)據(jù)顯示，全球僅有41%的生成式AI試點項目能成功進入生產(chǎn)階段。

投入少沒效果，投入大風(fēng)險大，AI落地到底該怎么辦？

今年，9月11-14日，一年一度的ITValue Summit數(shù)字價值年會將如期在三亞舉辦，我們將基于鈦媒體/ITValue團隊這一年的調(diào)研，與AI技術(shù)和落地應(yīng)用中最具話語權(quán)的企業(yè)，體系化討論企業(yè)級AI落地過程中的“真相”。

有真正的甲方現(xiàn)身說法，有真正的解決方案和案例分析，也有真正踩過的坑，還有甲乙方對AI落地不同視角的理解與碰撞。一切盡在2025 ITValue Summit數(shù)字價值年會。

我們梳理了AI落地中的十大問題，將在2025 ITValue Summit數(shù)字價值年會上將逐一分解，歡迎所有關(guān)注AI落地的同行者參與討論、分享。

問題一：共識如何達成？

在生成式AI重塑商業(yè)邏輯的當下，企業(yè)正經(jīng)歷著從技術(shù)試點到戰(zhàn)略重構(gòu)的關(guān)鍵轉(zhuǎn)折。

但一個嚴峻的事實是，這一轉(zhuǎn)變并不是簡單規(guī)?；倪M程。麥肯錫的一項調(diào)查顯示，64%的CEO因目標模糊導(dǎo)致項目止步試點，而80%的AI項目仍停留在文檔分類等基礎(chǔ)場景。

對于企業(yè)管理者而言，如何正確認識AI，并在此基礎(chǔ)上，結(jié)合行業(yè)Know-How，經(jīng)過深思熟慮，制定AI戰(zhàn)略？如何與組織對齊戰(zhàn)略目標，確保落地有條不紊？

問題二：數(shù)據(jù)是決勝關(guān)鍵

目前，獲取高質(zhì)量數(shù)據(jù)集仍是絕大部分企業(yè)應(yīng)用AI過程中的一大痛點，數(shù)據(jù)孤島、合規(guī)安全、資源投入……阻礙重重。

此外，數(shù)據(jù)質(zhì)量問題的根源貫穿數(shù)據(jù)生命周期的全鏈條，數(shù)據(jù)采集、傳輸、存儲……任何環(huán)節(jié)出問題都會成為AI落地效果大打折扣。

可以說，數(shù)據(jù)問題解決不好，企業(yè)級行業(yè)模型的應(yīng)用落地就失去了“養(yǎng)分”，即便種下再好的種子，也結(jié)不出可口的果實。

問題三：場景如何選擇？

企業(yè)在選擇生成式AI應(yīng)用場景時，往往面臨多重決策困境，這些痛點既源于技術(shù)本身的特性，也與企業(yè)自身的資源、認知和組織模式深度綁定。首先，企業(yè)常陷入“技術(shù)優(yōu)先”而非“業(yè)務(wù)優(yōu)先”的誤區(qū)，被生成式AI酷炫的能力吸引，卻忽視場景與核心需求的匹配度。

另一方面，生成式AI場景的落地需要算力、人才、資金的持續(xù)投入，中小企業(yè)尤其容易陷入“想做卻做不起”的困境。

戰(zhàn)略上的盲目源于價值評估的模糊，技術(shù)適配的障礙受制于數(shù)據(jù)基礎(chǔ)，而組織協(xié)同與資源約束又進一步放大了這些問題。企業(yè)在“試錯成本高”與“錯失機會風(fēng)險大”的兩難境地中躊躇不定。

問題四：模型怎么選才最具“性價比”？

基礎(chǔ)模型的選型，要考慮根據(jù)不同場景，適配相對應(yīng)的模型，還要兼顧性能、成本。

與此同時，技術(shù)路線選擇也充滿矛盾，“預(yù)訓(xùn)練模型+微調(diào)”需大量標注數(shù)據(jù)且成本高，“提示詞工程+檢索增強”雖靈活卻在復(fù)雜場景不穩(wěn)定。

此外，選擇相對更為靈活的、開發(fā)度更高的開源模型，還是選擇商業(yè)化更成熟，安全性相對更高的閉源模型，也是企業(yè)不得不面對的一個話題。

如果沒有做好模型的選型，很可能就會讓企業(yè)的AI應(yīng)用在一開始就“胎死腹中”。 到底如何平衡性能與成本？

問題五：行業(yè)模型如何落地？

不同行業(yè)，不同場景下，需要不同能力、不同側(cè)重的模型，尤其是在一些行業(yè)專有場景之中，通用大模型的能力與垂類小模型相比，并沒有優(yōu)勢。

而對于企業(yè)而言，應(yīng)用行業(yè)模型的落地過程是一個涉及技術(shù)、數(shù)據(jù)、組織、合規(guī)等多維度的復(fù)雜工程，其難點往往交織在行業(yè)特性與技術(shù)局限性的矛盾中。

行業(yè)模型的落地絕非簡單的技術(shù)移植，而是一場涉及戰(zhàn)略、流程、文化的系統(tǒng)性變革。只有深刻理解行業(yè)本質(zhì)需求，在技術(shù)理性與行業(yè)特性間找到平衡點，才能真正釋放行業(yè)模型的價值。

問題六：如何確保AI可靠性與可解釋性？

當生成式AI從實驗室走向產(chǎn)業(yè)一線，企業(yè)面臨的挑戰(zhàn)早已超越算法精度本身，演變?yōu)榧夹g(shù)可靠性、組織適應(yīng)性與工程化能力的多維博弈。

這個過程中，AI的“幻覺”問題（模型生成錯誤信息）一直是AI在企業(yè)側(cè)落地過程中最大的阻礙之一，尤其是在一些對準確性要求較高的場景下，AI幻覺問題甚至成為了這些場景下能否落地最關(guān)鍵的一環(huán)。此外，“黑箱”模型在一些特定的行業(yè)在應(yīng)用的過程中，帶來了員工“不信任”的風(fēng)險。

AI大模型的產(chǎn)業(yè)價值，不僅取決于測試集上的準確率，更在于工程化落地的穩(wěn)定性與效率。

問題七：知識庫如何搭建才能更有“活力”？

知識庫就像是大模型的養(yǎng)分，需要不斷的注入營養(yǎng)給大模型，才能讓大模型在業(yè)務(wù)場景發(fā)揮真正的作用。

真正能釋放業(yè)務(wù)價值的知識庫絕非靜態(tài)的“資料倉庫”，而是動態(tài)流動、持續(xù)迭代的“智慧引擎”。與此同時，如何讓知識庫擺脫“僵尸系統(tǒng)”的宿命，通過持續(xù)運營實現(xiàn)“新陳代謝”，知識庫的動態(tài)性體現(xiàn)在持續(xù)迭代機制的建立上，只有讓知識在應(yīng)用中不斷循環(huán)更新，才能適應(yīng)業(yè)務(wù)的變化。

此外，知識庫運營的核心是讓其融入員工的日常工作，讓員工“用得上，離不開”，而不是成為“僵尸系統(tǒng)”，也是是企業(yè)必須攻克的難題。

問題八：Agent時代，尋求人機協(xié)同的“最優(yōu)解”

Agent AI觸手可及，AI正在從單一任務(wù)執(zhí)行者，進化為復(fù)雜業(yè)務(wù)場景的協(xié)同參與者，其編排邏輯與治理機制正成為企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵命題。

在此進程中，AI已經(jīng)從工具屬性進化為協(xié)同伙伴，企業(yè)面臨的核心挑戰(zhàn)已從技術(shù)落地轉(zhuǎn)向人機協(xié)作規(guī)則的重構(gòu)。這種“共生關(guān)系”絕非簡單的技術(shù)疊加，而是需要在分工界定、能力適配、界面設(shè)計、信任培育等維度建立剛性秩序，更依賴業(yè)務(wù)部門從被動接受者轉(zhuǎn)變?yōu)橹鲃釉O(shè)計者，唯有如此，Agent才能突破“實驗室效果”，真正融入企業(yè)運營的毛細血管。

問題九：安全合規(guī)是永遠的紅線

安全合規(guī)始終是企業(yè)在選擇數(shù)字化轉(zhuǎn)型技術(shù)的過程中，最為關(guān)注的問題之一。

當AI大模型從實驗室走向企業(yè)核心業(yè)務(wù)系統(tǒng)，其安全合規(guī)問題已從技術(shù)細節(jié)上升為戰(zhàn)略風(fēng)險。企業(yè)級應(yīng)用的規(guī)?；?、場景的敏感性與監(jiān)管的全球化，使得算法偏見、隱私泄露等問題被放大為法律糾紛、聲譽危機甚至業(yè)務(wù)停擺的導(dǎo)火索。這種困局不僅源于技術(shù)的復(fù)雜性，更在于AI治理體系與現(xiàn)有規(guī)則框架的適配斷層。

問題十：AI人才瓶頸

AI價值的持續(xù)釋放，高度依賴與之匹配的人才結(jié)構(gòu)、跨部門協(xié)作機制及敏捷的運營流程。德勤調(diào)研顯示，53%的高管認為“缺乏具備AI與業(yè)務(wù)融合能力的人才”是落地首要障礙；而近50%的企業(yè)現(xiàn)有組織架構(gòu)與決策流程無法有效支撐AI項目的規(guī)模化部署與迭代優(yōu)化。突破人才瓶頸需要組織、文化協(xié)同，可謂牽一發(fā)動全身。

而上述僅是AI落地中最突出的問題，還有更多大大小小的問題需要層層拆解。

宏觀經(jīng)濟環(huán)境變化和新舊技術(shù)更迭交織，以AI博增長，企業(yè)還需要更多定力。

9月11日-14日由鈦媒體集團、ITValue聯(lián)合主辦的2025 ITValue Summit 數(shù)字價值年會將以「AI落地場景真相」為主題，與新老朋友重聚三亞，并在全年圍繞1場年度演講，5大ToB明星IP持續(xù)內(nèi)容“造血”，設(shè)計N個場景的想象空間，打造1本《AI落地場景指南》，一同解決AI實際落地應(yīng)用背后的“10大問題”，探索數(shù)字經(jīng)濟時代的變革和機遇。（點擊進入了解更多大會報名信息）