本文来自微信公众号： 深响 ，作者：深响
AI火热，“All in AI”也成了不少CEO的口头禅。但现实却要冷峻得多，很多企业发现真正让AI在组织里跑起来，远比想象中困难。
最直接的问题是“燃料”没准备好——企业核心资料和数据散落在各个系统中，甚至还有大量关键经验沉淀在老员工脑子里。
与此同时，组织内部还存在不小的摩擦力。有些企业是各自为战——员工各自使用熟悉的AI工具，虽然点状提效，却无法形成组织合力；还有些企业则是自上而下强推AI，结果增加了工作量和流程复杂性，员工叫苦不迭。
另一个更普遍的问题在于管理者的期待过于激进。不少企业一开始就希望AI能够直接“降本增效”、替代人工，但现实是大量非标准化问题依然需要人类判断，最终又重新回到人工处理，反而增加了成本。
麦肯锡数据显示，88%的企业已经在至少一个职能中常态化使用AI，但多数仍停留在探索或试点阶段，仅有约三分之一企业计划推进规模化落地。
为什么AI如此难以融入企业核心业务流？
在昨日举办的人工智能+生态大会（AIEC 2026）上，浪潮信息董事长彭震给出了一个形象的判断：“在绿皮火车上改造不出高铁。”
在他看来，企业需要的不是“+AI”，而是“AI+”。前者只是把AI当作外挂工具，在现有流程上打补丁；而后者则是从底层重构业务流程、组织形态和管理体系，让AI成为核心生产要素。
变革远比装几个软件要复杂得多，这是一场触及组织灵魂的“AI原生进化”。
跳出工具思维，
用AI重塑创新力
当企业决定拥抱AI，管理者最自然的反应往往会是：能省多少钱？能提多少效？
这个出发点没有错，但如果止步于此，就容易陷入“工具思维陷阱”。
比如员工使用不同AI工具，看似节省了时间，但很多时间又被消耗在协调、审批、返工和反复修改中。效率提升未必真实发生，反而增加了“调教AI”的隐性成本。
换个角度想，当所有企业都在使用AI提效时，竞争格局其实并没有发生根本变化。就像电影院里所有观众同时站起来，却没有获得更好的观影体验。
而且对于企业而言，降本增效始终只是手段，可持续增长才是目标。如果把AI的价值锚定在“省钱”上，就容易陷入局部优化，而忽略了更重要的创新能力建设。
AI真正的价值，不是做“成本的加减法”，而是做“能力的乘法”。前者把AI当作压缩成本的工具，后者则是用先进技术重塑企业的生产力和创新力。
彭震用四个相互关联的维度，描绘了AI如何重塑企业的创新能力：
首先是创新速度。传统研发以年为单位，一款新产品从概念到上市动辄三到五年。而在AI辅助下，海量数据处理和高速仿真将这一周期压缩到数天甚至数周。这不是快一点，而是快了一个数量级。
速度的突破带来了成本的解放。过去，创新依赖大规模物理实验，每一次试错都是真金白银。而AI将创新过程转向数字仿真和计算验证，极大降低了试错成本。
当时间和成本不再成为主要约束，创新空间也被进一步打开。“AI有深度又有宽度，可以涵盖从市场调研到架构设计到底层代码的全流程，这是任何单个人类专家都无法企及的知识广度。”正如彭震所说，人类只能在少数几种候选方案中评估择优，但AI能从数百万种可能性中进行探索和优化。
最终创新质量发生了根本性变革。决策模式从依赖定性判断，升级为基于海量数据的精准推演。创新的成功率和可靠性不再是碰运气，而是可计算、可复现的结果。
速度、成本、空间、质量——这四个维度层层递进，共同指向一个结论：AI不是在优化旧路径，而是在开辟新赛道。
从认知到落地，
关键在「组织」进化
当然创新从来不是某个员工的个人行为，而是组织能力的产物。现实中真正让企业感到“痛”的，是组织如何与AI共处的问题。
对于影响AI进入核心业务流的因素，彭震的判断很明确——企业AI转型的最大阻力并非技术，而是人。
技术可以买，算力可以堆，模型可以调，但围绕“人”构建起来的组织体系，很难被快速改变。现行企业的考核、审批、权限体系，无一不是围绕“人”的特性设计；但Agent的协作方式、产出节奏、犯错模式与人截然不同。如果继续用管理人的方式管理Agent，用人的流程匹配Agent，摩擦几乎不可避免。
Gartner预测，到2027年，40%的企业Agent项目会因为治理失败被取消。而目前真实案例已不少见：有企业引入Agent处理客服工单，Agent几秒钟即可完成初步处理，但后续审批流程仍然按照人工模式设计，结果工单在审批环节停留两天。还有企业多个项目组各自部署Agent，由于缺乏统一权限体系，一个Agent调用数据时触发另一个系统的安全警报，导致任务中断。
问题并不在Agent能力，而在组织没有准备好。
对此，彭震提出了“Humagent”（Human+Agent，人+智能体）的概念——未来企业将不再是“人的组织”，而是“人+数字员工”的混合体。企业要将Agent视为数字员工，像管理人类员工一样为其建立身份、岗位、权限和绩效体系，让人类员工和数字员工在同一套组织框架中协同工作。
“把Agent视作数字员工，也许他会犯错误，但我们要通过组织管理来管理这种不确定性。组织管理的核心目标，就是要最大化发挥AI的先进生产力在企业中的智力贡献。”
在彭震看来，一个成熟的Humagent组织，需要同步完成四方面建设：
一是解决Agent的身份与管理问题。
二是让Agent“干得顺”，需要流程再造。
AI原生组织并不是简单把AI嵌入旧流程，而是重新设计流程中的人机分工。创造性工作、战略判断和关键决策仍由人负责，高频重复执行、信息处理和任务流转则更多交给Agent完成。
三是让“人机配合得好”，核心在评价体系更新。
四是让“底座撑得住”，也就是做好数据治理。
制度、流程、评价、数据——四根柱子撑起了Humagent组织的骨架。骨架之下，还需要一套强劲的“供能系统”。
AI原生企业，
需要一套新基础设施
组织革新后，当越来越多Agent能够进入企业核心业务流程，新的问题也随之出现：AI能力如何被持续供给和管理？
企业同时管理数十个、数百个甚至上千个Agent时，Token消耗量会指数级上升。但GPU产能是线性的，这意味着Token供需错配难以避免。规模化使用AI就变成了一个资源管理问题。
此时企业通用的“购买AI能力”模式就开始暴露出了局限性。
成本压力最为直观——业务扩大后，公有云Token调用费用会持续攀升。其次是数据安全的要求：企业核心数据、商业机密全部依托第三方平台，合规风险不容忽视，特别是金融、制造、能源等行业对数据本地化更是硬性要求。
更深层的问题还在于主动权：由于不存在能适配所有场景的“通用万能模型”，企业未来往往需要同时调用不同模型处理不同任务，这意味着不能将核心能力完全绑定在单一模型或单一供应商上，而需要构建开放、多元、多模的技术体系。
而这正是企业自建“Token工厂”的意义所在。
在彭震看来，未来企业会逐步分化，轻资产、数据体量小、对AI依赖较低的企业仍适合采购第三方服务。但重数据资产、对AI依赖程度高、或规模较大的企业，则会逐渐从采购Token转向生产Token。“这和云计算的发展路径高度相似——早期大家都用公有云，随着业务深耕，头部企业纷纷自建数据中心、自研底层技术。AI行业正在复刻这一趋势。”
回到开头的那个问题：为什么AI难以融入企业核心业务流？用彭震的话来说答案是“我们一直在用旧地图寻找新大陆”。
每一次技术革命到来时，人们最先关注的往往都是工具本身。但真正拉开企业差距的，从来不是谁更早拿到工具，而是适应新技术的速度。AI也是如此。
AI原生不是部署几个模型、上线几个Agent，更不是一次简单的效率优化。它意味着企业需要重新理解创新、设计组织、建设基础设施。这是一场需要系统性重构的马拉松。对于企业而言真正关键的是先起跑，而后持续跑下去。