案例背景
据第一财经消息，德勤发布白皮书指出，企业人工智能应用已普遍融入日常工作，大量员工开始使用AI工具辅助写作、编码、分析，但AI尚未真正进入企业的核心价值链，即在研发、生产、供应链、客户经营等创造主要价值的环节承担关键职能。白皮书揭示了广泛存在的落差：一方面AI工具的渗透率与使用频率快速上升，另一方面多数企业的AI项目仍停留在效率改良层面，对营收增长、成本结构与商业模式的实质性影响有限，规模化应用面临组织、数据、治理与人才的多重挑战。值得注意的是，这种落差并非个别市场的独有现象，全球范围内从金融、制造到零售的领先企业都报告了类似的困境：AI的接触面很广，扎根点很浅。
这一判断与业界普遍感受到的试点繁荣、落地艰难高度吻合：企业里AI助手无处不在，但财报上的经营指标几乎看不出AI的痕迹。为什么工具的普及不等于价值的创造，是本案例要解剖的核心问题。对管理者而言，这份白皮书的价值不在于宣判AI无效，而在于提供了一个诊断框架：AI落地究竟卡在哪个环节，是数据、流程还是组织？
核心分析
一、从试点到规模化的死亡之谷：吸收能力的视角
科恩与莱文瑟尔的吸收能力理论指出，企业识别、消化并商用外部知识的能力，取决于其既有的知识基础与组织学习机制。多数企业的AI应用路径是先做小范围试点，试点往往能拿到亮眼的效果数据，但从试点到全员规模化之间存在一道死亡之谷：试点环境数据干净、流程可控、有专人护航，而真实业务环境数据散落、流程交织、责任模糊。跨越这道谷，靠的不是更聪明的模型，而是组织的吸收能力——业务部门是否理解AI能做什么、数据管道是否通畅、失败经验能否在组织内传播复用。白皮书所揭示的融入而未进入核心，正是吸收能力不足的外在表现：企业只完成了知识的接触，未完成知识的消化与再利用。一个常见的误区是让技术部门单打独斗：试点由IT团队主导，业务部门旁观，结果模型上线即遇冷。吸收能力的建设必须是双元的——技术团队学业务，业务团队学AI，两条学习曲线同时爬坡，规模化才有可能。
二、核心价值链的耦合：AI必须长在流程里
波特价值链模型将企业活动划分为基本活动与支持活动，核心价值链指直接创造客户价值的研发、生产、营销、服务等环节。当前大量AI应用集中于支持活动——写文档、做会议纪要、辅助客服，天然难以撬动经营指标。要进入核心价值链，AI必须与主业流程深度耦合：在研发环节参与设计迭代，在供应链环节承担预测与调度，在客户经营环节驱动分层与触达策略。这要求企业重走一遍流程再造的路：不是把AI当作既有流程的插件，而是以AI能力为前提重新设计流程本身，明确人机分工、审批边界与考核指标。旁挂式应用注定边缘化，嵌入式重构才有价值跃迁，而重构必然触及权力与利益格局，这也是核心价值链难以进入的组织根源。衡量耦合深度有一个朴素的标准：如果明天把AI关掉，核心流程是否瘫痪？答案为否的应用，说明仍在价值链的外围徘徊。
三、投入产出的严肃账：TCO、ROI与治理体系
白皮书点出的另一重挑战是经济性与治理。许多企业算AI账时只看模型调用成本，忽略了全生命周期总拥有成本：数据治理与标注、系统集成、流程改造、人员培训、模型运维与合规审计，后者往往数倍于前者。ROI核算的另一个常见错误是以使用率代替业务结果——员工用了不等于价值创造，必须把AI项目绑定到收入、毛利、周转率、良率等硬指标上检验。同时，规模化应用离不开治理体系：数据分级、模型风险控制、输出责任归属、员工使用规范。没有治理的规模化会放大错误，没有经济性约束的规模化会烧穿预算，二者共同决定AI能否从形象工程变成价值工程。领先企业的做法是建立AI投资的分级评审机制，按预期业务影响与实施难度对项目分类排序，优先攻坚高价值场景，再逐步向长尾环节下沉。
管理启示
其一，工具普及不等于能力形成，企业应把投资重心从采购模型转向建设数据基础、流程接口与组织学习机制，提升自身对AI的吸收能力。其二，判断AI应用价值大小的标尺是其与核心价值链的耦合深度，与其铺开一百个边缘助手，不如打磨一个嵌入主流程的杀手应用。其三，任何数字化变革都要过三关：技术关、流程关、组织关，最难的往往是组织关，变革管理应与技术部署同步设计、同步推进。其四，治理不是合规成本，而是规模化的基础设施：清晰的权责与数据规则，反而能加速业务部门的采用意愿。
其他思考
- 在您的行业中，哪个价值链环节最适合作为AI进入核心业务的第一突破口？判断依据是什么？
- 当AI深度嵌入核心流程后，出现错误决策的责任应由业务负责人、模型供应商还是企业治理层承担？
- 企业该如何设计考核机制，避免AI项目陷入为了用而用的指标游戏，真正以经营结果论英雄？
关键词：AI规模化、价值链重构、组织学习
来源：第一财经 | 整理：经管大课堂
原文链接：https://www.rcbom.com/aibps/6825.html
