这两年，几乎每家公司都在讨论 AI 落地。开会必提 AI，方案必带 AI，甚至 KPI 里都要加上 AI 相关的指标。但真正走进企业内部看一看，会发现一个尴尬的现象：员工个人用 AI 写文案、做 PPT 效率翻倍，可一旦要把 AI 融合到业务流程当中，对业务的帮助非常有限。
问题到底出在哪里？本期“科技领导者面对面”，我们邀请了 #观远数据 联合创始人兼 CTO、#TGO 鲲鹏会（杭州）学员张进，聊聊企业级 AI 到底该怎么落地，怎么才能真正驶入业务深水区。
01 ｜企业级 AI 的第一性原理：上下文
张进把过去十年 AI 的演进分成三个阶段。预测性 AI 解决的是“算得更准”，生成式 AI 解决的是“说得更顺”，现在进入的智能体 AI 阶段，让 AI 被赋予目标后自己去找解法，把人从重复判断中释放出来。
那么今天做企业级 AI，最核心的东西是什么？张进给出一个定义：context is all you need，上下文即一切。
这里说的上下文，不是简单的数据字段，而是企业独有的决策知识。各个角色习惯用的指标口径怎么定义，不同部门的目标怎么取舍，历史上类似情况业务方是怎么判断的，哪些策略被验证有效，哪些动作需要谁来确认。这些东西往往不在数据库里，散落在会议记录、业务文档、微信群聊、一线经验里。
张进举了一个例子，天气预报说明天降水概率 50%，这只是数据分析。真正的决策，是你到底带不带伞。同样是 50% 的概率，两个人的选择可能完全不同。一个人上下班全程开车，从地库到地库，根本不需要淋雨，那他就不会带伞。另一个人今天要出门采访，中间有一段路要走，还要见重要的采访对象，淋湿了影响形象，那他大概率会选择带伞。
数据是一样的，决策却不同。中间起决定作用的，就是 Context。
传统的技术方案，只能处理结构化数据，也就是数据库、报表里的数字。Word 文档、PDF、邮件、聊天记录里藏着的信息，它读不懂。所以很多企业的 AI 系统最后只能停留在看数据，没法真正参与决策。
大模型加上 Agent 的出现，第一次让系统能同时理解结构化和非结构化的信息。张进举了一个库存补货的例子，传统做法是设一个规则，库存周转率低于 3 天就补货，一次补到 7 天或 10 天。这个规则很死，它管不了每个 SKU 背后复杂的实际情况。有经验的人做决策时，会考虑最近有没有促销活动，工厂产能够不够，货物是不是已经在路上，甚至老板发的一封邮件说下周要搞大促，都会影响补货的数量。
这些零散的、非结构化的信息，让 AI Agent 具备了发挥空间，有了完整的 Context，AI 才能从“看起来合理”进化到真正“能承接责任”。
02 ｜“AI 落地，数据治理先行”？很多企业都搞错了
聊到企业 AI 落地，很多技术负责人的第一反应是先做数据治理，把中台建好，把口径统一好，再谈 AI。
张进明确指出，这个顺序恰恰应该反过来。
理由很简单：业务是动态的，治理是静态的。一家企业花上三五个月做数据治理，好不容易把眼下这个切面梳理清楚了，可业务不会等你。渠道变了，客户变了，商品结构变了，组织架构也可能调整了。治理好的那份数据，很快就成了过去时。
张进还提到一个很容易被技术人忽略的心态问题，他把它叫做“数据洁癖”。技术出身的人天生喜欢严丝合缝，看不惯数据有一点点不对齐，非要把它彻底洗干净才安心。但站在业务负责人的视角，很多细枝末节的误差根本不影响大局。比如门店员工填错了一点点数据，可能对整体经营的影响连 1% 都不到。如果非要把每一处都治理到完美，团队可能花几个月时间反复清洗，业务方在旁边等得着急，最后问一句，这数据到底什么时候能用起来。
更务实的做法是反过来。先找一个高频、量大、结果能被清楚衡量的业务场景，把第一段决策闭环跑通。跑通之后，自然会知道哪些数据是真正需要治理的，哪些暂时可以放一放。用场景反向牵引数据治理，而不是拿治理去堵住 AI 落地的路。
03 ｜企业级 AI 落地的 5A 路径
观远数据把这套方法总结成新 5A 路径：敏捷化、场景化、自动化、行动化、自进化。
1、敏捷化，让数据被看见
先把数字化基建搭起来。张进举了消费品行业的例子，经销商下单之后，最常被问到的问题是货几天能到。如果订单系统、库存系统、生产系统、物流系统彼此没打通，这个问题根本回答不了。这一阶段的目标，就是先做一个类似订单追踪的项目，让数据先跑起来，先能被看见。
2、场景化，从数据当中获得洞察
看见数字只是第一步，接下来要绑定一个真正有商业价值的场景。比如仓储管理里的库存问题，一些大型企业的库存金额动辄上亿。这一步要做的，是深挖到底哪些客户、哪些商品、哪些仓库的库存出了问题，找到能落地处理的具体对象，进而给企业带来实实在在的资金节约。
3、自动化，将洞察沉淀成规则
有了清晰的洞察之后，可以把可复用的判断固化成系统规则。比如库存触发某个特征就自动预警，通知相关负责人该采取什么行动。这一步减少了人工盯盘的成本，系统自动完成信息的触达。
4、行动化，从“规则”到“动态决策”
当判断依据、判断标准、结构化和非结构化的上下文都构建得足够完整，就可以让 Agent 直接接管决策。碰到特定场景，Agent 自己在系统里追加订单，或者调度一辆卡车去拉货，不再只是提醒人去做，而是直接把动作执行掉。
5、自进化，让企业长出“数字员工”
业务永远在变化。传统软件遇到业务变化，只能靠甲方找乙方改功能，做二次开发。而具备完整上下文的 Agent，可以自己调整业务逻辑，适应新的场景。这时候的 Agent 已经不只是一个工具，更像是一个能自我学习、自我提升的数字员工。
张进特别提到，5A 路径之前还有一个更前置的动作，就是先搞清楚这家企业做生意的主链路是什么。找准链路，才能知道哪些环节真正有痛点、有机会，后面五步才有意义。
04 ｜回归业务，服务决策
观远数据从 2016 年创立到现在，经历了 BI、AI 加 BI、再到 AI 原生决策智能平台三个阶段。张进说，不管技术名词怎么变，公司真正没变过的东西，是始终围绕决策展开。业务的本质就是通过一系列决策取得更好的经营结果，这一点从来没有变过。
变化的是能力边界。过去只能处理结构化数据，现在能理解文档、邮件、图片里的非结构化信息。过去决策规则只能是死的，现在可以根据实时情况动态调整。过去人堆再多也覆盖不了几万个 SKU，现在 AI 可以 7×24 小时不停运转，覆盖颗粒度精细到每一个门店、每一分钟。
如果你正在思考企业 AI 怎么落地，不妨先放下对模型参数和炫酷界面的执念，拿着 Context 和 5A 路径这两把尺子，回头审视一下自己的企业。找一个高频出现、结果能被清楚衡量的业务痛点，先让 AI 把这一段闭环跑起来。跑通了，再谈规模化，再谈自我进化。
企业 AI 这件事，说到底不是技术问题，是业务问题。想清楚这一点，路才会越走越顺。
《科技领导者面对面》是一档聚焦科技趋势与创新实践的深度访谈节目，邀请 TGO 鲲鹏会内的科技领袖分享其在技术创新、企业管理、产业变革中的见解与经验，助力科技从业者洞察未来、拓宽视野。
节目由顿悟山丘 CEO、科技媒体“技术领导力”创办人、TGO 鲲鹏会（上海）董事黄哲铿 Mr.K（K 哥）、TGO 鲲鹏会主编晓蕾主持，与 TGO 鲲鹏会总部联合呈现，充分体现 TGO 鲲鹏会“投入越多、收获越大”的学习理念。
