李彦宏称 AI 下一幕是智能组织,企业落地该先突破哪些核心瓶颈?
企业把 AI 从“能回答问题”推进到“智能组织”,难点通常不在模型演示,而在让它稳定进入真实流程。可以先从几个瓶颈拆解:
- 流程是否适合自动化:优先选择频率高、规则相对清楚、结果可核验的环节,例如资料归纳、工单分流、方案初稿或跨系统信息查询。涉及重大财务、人事、合规决策的流程,应先限定为辅助建议并保留人工审批。流程本身混乱时,先梳理职责、输入和例外情形,直接叠加智能体只会更快地放大混乱。
- 数据和系统能否连通:模型需要可靠、及时且有权限边界的数据。企业知识库要有负责人、版本和失效机制;智能体调用业务系统则应使用最小权限的接口,记录调用和结果。仅把文件堆进知识库,不能解决数据过期、口径冲突或权限泄漏。
- 准确性如何验证:对每个场景建立代表性样例和验收指标,既看任务完成率、耗时和返工率,也检查错误类型、引用依据及越权行为。先在影子模式或小范围试点中与人工结果对照,设置置信度阈值、拒答与升级路径;不能只凭几次顺利演示就扩大授权。
- 收益是否覆盖集成与治理成本:除了模型调用费用,还要计入数据治理、接口改造、人工复核、培训和持续评测。用试点前后的周期、质量、成本和用户采纳率做比较,无法证明净收益的场景不宜为了“上 AI”而上线。
- 组织是否重新设计工作方式:明确谁维护知识、谁对输出负责、出了错如何回滚,以及员工如何反馈问题。把 AI 当成单独工具采购、却不调整交接和责任边界,往往会形成新的信息孤岛。
较稳妥的路径是:选一个边界清楚的流程,定义基线和风险等级,接入必要数据与只读能力,先由人审核,再依据评测结果逐步开放有限操作权限。每一步都要能追溯、暂停和回退。这样积累出的流程、数据和评测能力,才是从单点助手走向智能组织的基础。