一个人+一台电脑，给AI开放本地权限，几小时干完过去一周的活儿。OpenAI说，AI时代一个人就能创办10亿美元独角兽。这是个人AI的剧本。
企业端完全是另一个片场。某化妆品公司CIO聊遍所有AI营销厂商，颗粒无收；某CEO在闭门会上直接发问："AI是不是骗局？"去年大家半信半疑，今年态度肯定了，心态却更迷茫。
阿里云CIO和十大行业40多家头部企业CXO聊了几个月，捞出十个没人公开讨论过的问题。不是标准答案，是一面让企业"向内看"的镜子。
最刺眼的一道裂痕：全球54%的顶级企业将AI列为优先投资，真正实现转型价值的不足5%。普华永道数据显示，仅12%的CEO认为AI已实现成本与收入两端的价值兑现。投入在升温，兑现却慢得像泥潭。
数字人：你做的到底是员工，还是外挂？
数字人市场预计2026年冲到670亿美元，2030年破2500亿。但很多企业连自己在做什么都没想明白。
翻译服务、营销工具这类"外挂型AI"不承担完整生产任务，价值难以度量。数字人不同——它有工号、有头像、有KPI，输入输出和人类员工完全一致。电销数字人的本质，就是垂直知识+电销SOP的产品化。
阿里云内部28个数字人项目，关键不在于技术多炫，在于任务真实、度量完整。数字人先以效率工具进入，随着承接任务扩大，业务流程随之重构。效率工具是入口，价值重构是结果。
但有个前提：企业内部的系统、数据、流程得配合它工作。缺了流程支撑，再先进的数字人也只是摆设。
AI是面镜子，照的是你的历史
91%的数据领导者表示，数据可靠性仍是AI从试点走向生产的主要障碍。Informatica称之为"信任悖论"：员工信任AI用的数据，但数据质量本身千疮百孔。
阿里云CIO打了个比方：AI是蛋糕坯上的樱桃。老板要的是樱桃蛋糕，没有蛋糕坯，樱桃再漂亮也做不成蛋糕。
很多企业一边补信息化的作业（系统整合、流程线上化），一边补数字化的作业（数据治理、指标体系），同时还要冲刺智能化。三阶段交叠发生，难度可想而知。"在飞行中换发动机"——这是大量企业的真实状态。
IT系统的本质，是物理世界的抽象，是企业业务历史社会关系的总和。CIO终归要戴着所有历史镣铐，去支持新业务。
角色也在变。从"系统交付者"变成"组织翻译官"：向上，把技术约束翻译给业务高层；向下，把业务需求翻译给技术团队。衡量标准从"技术交付"转向"业务结果"。
大模型"能做"与"慎入"的分界线
最隐蔽的认知误区：不先定义问题，先决定用AI。
LLM是大"语言"模型，核心在language。电销、客服、招聘、文档、代码——这些以语言交互为中心的工作，大模型非常擅长。
但排班规划、库存管理这类重度规划场景，本质是最优化调度，重复性不高，结构化求解更精准。某制造企业坦言："大模型做不过传统手段。"金融交易系统、对账系统同理——核心要的是精准，不是自然语言交互。
判断原则：能垂直专业化，就先做垂直专业化。人都搞不清楚的问题，别指望LLM能搞清楚。
一位科技公司CEO在报告对话中感慨："以前我们管流程，现在我们终于能管知识了。"这句话或许道破了企业AI的真正起点——不是追逐技术奇迹，而是把离线了几十年的知识工作，第一次真正在线化、可度量、可优化。
热门跟贴