“许多企业期待引入人工智能（AI）后立即实现业务创新，但实际上现场出现了完全不同的问题。”
杨英模 红砖代表最近对企业的AI转型（AX）项目氛围进行了这样的说明。在生成型AI热潮中，聊天机器人、文档摘要和报告自动化系统的引入迅速增加。然而，在实际应用阶段，反复出现了意想不到的局限性。
杨代表特别提到，最近企业现场常常出现“虽然构建了AI，但员工并未有效使用”的情况。他表示：“最初，大多数评估集中在AI模型的性能和回答准确性上，但在实际工作环境中，与现有系统的连接结构、数据管理体系和权限问题等运营要素显得更为重要。”
在实际现场，AI本身与现有工作流程冲突的案例并不少见。一家企业构建了基于生成型AI的工作支持系统，但其使用率未能达到预期。由于未能与ERP（企业资源计划）、协作工具和内部系统自然连接，员工将其视为额外的独立程序。
文档管理体系问题也是反复出现的案例之一。最新文档与历史资料混杂，或各部门管理标准不同，导致AI基于过时资料进行回答的情况时有发生。杨代表指出：“企业AI中重要的不是简单的准确度，而是基于什么数据进行回答，访问权限是否得到正确反映等运营结构才是关键。”
他表示：“企业在这种情况下，甚至难以了解哪个组织使用了哪些数据和哪些AI。”并指出：“在多LLM环境中，必须同时考虑数据控制、安全政策和成本管理。”尤其是在金融、制造和公共等对安全和运营稳定性要求较高的行业，这种趋势愈加明显。实际上，最近越来越多的案例不仅要求简单的AI引入，还要求数据连接结构、权限管理体系和运营治理设计等方面的配合。
杨代表指出，企业最大的误解之一是“仅将AI视为技术项目”。他强调：“在内部数据结构和工作流程、审批体系尚未理顺的情况下，若先引入AI，运营阶段必然会出现问题。”他表示，AX不仅仅是增加AI功能，而是重新设计企业运营结构的过程。
他补充道：“未来企业的AI竞争力将不再取决于谁引入了更优秀的模型，而是取决于AI在实际工作中能否稳定且可重复地运行。”
※ 本报道经人工智能（AI）系统翻译与编辑。
