企业AI落地“最后一公里”，究竟卡在哪？

回溯时间线，企业AI化升级的进度并不慢。

2023年大模型元年，国内开启百模大战，企业开始思考大模型能做什么。2024年，大模型能力快速迭代，企业开始尝试接入AI能力，智能问答、文档助手等应用在其内部陆续上线。2025年，智能体概念爆发，从去年9月份开始，企业开始探索让AI切入到核心生产流程。

到了2026年，阿里云智能集团副总裁霍嘉判断，“今年是Agentic AI应用真正爆发的元年，企业的核心任务是推动AI应用落地。”

但现实是，大多数企业卡在了AI落地的最后一公里：从“能用”到“进入生产”。

背后的原因在于，AI落地企业要面对其内部原本运行多年的系统、权限、数据、设备和业务规则。这意味着，AI要想真正进入生产流程，不是再叠加一个入口的问题，而是要进入这套复杂的体系内。

让智能进入业务

过去二十年的企业数字化，主要解决了流程线上化、数据沉淀和系统协同的问题。但今天AI面临的情况不同，企业不是一张白纸，ERP、MES、DCS、OA已经在企业内部扎根。AI进入内部时，既无法推翻重来，又必须找到合适的切口，落地难度自然更高。

从数字化到智能化，最突出的变化是系统在业务中的角色。数字化以数据打通，业务重构为核心，数据是分析依据，决策主体是人，依赖信息化系统与网络；智能化以算法推理，自动决策为核心，数据成为了决策原料，决策主体变成机器辅助或自主决策，一来完备数字化底座与AI算法。

然而，企业现有的数字化架构大多是为流程固化和系统管控而设计。ERP管资源、MES管生产、DCS管控制、OA管流程，每一套系统都在自己的领域内高效运转。系统习惯于把已知的规则转化为标准动作，却不一定擅长应对规则模糊，需要跨系统推理以及依赖专家经验的复杂场景，而这恰恰是AI进入生产流程时必须面对的难题。

更关键的是，这些系统本身并不会主动提示AI，业务现场应该调取哪些数据，切换哪些系统，由谁来负责决策，一旦发生异常意味着什么。而上述种种问题，跟大模型是否聪明和便宜，关系不大。

系统层面的障碍之外，建设模式本身也构成了阻力。霍嘉告诉光子星球，传统AI项目式构建是先规划好流程，再开始建设。但今天模型相关技术日新月异，从年初的上下文工程到Harness工程再到自进化工程，仅在九个月之内就更新了四个版本。在固有的数字化建设模式下，很难跟上如此快的技术迭代和场景落地要求。

系统固化与建设惯性叠加，共同造成了当前企业AI落地的困境。AI既进不去存量系统，传统建设模式又跟不上技术迭代。

数字化时代已经完成的，是让业务进入系统；智能化时代需要完成的，是让智能进入业务。企业真正缺乏的，是一套能够让AI理解业务、调用现有数字化系统、接受验证并参与业务流程的方法论。