男生插女生视频-97精品人妻一区二区三区香蕉-日日干天天射-日日网站-亚洲欧美日韩激情-国产精品.www-成人自拍在线-琪琪色18-亚洲福利在线观看视频-91网址在线播放-色欲av无码人妻精品麻豆

你的位置:首頁 > 互連技術 > 正文

應用時代結束了,央國企都在養(yǎng)數(shù)字員工

發(fā)布時間:2026-07-27 來源:轉載 責任編輯:Lily

【導讀】2026年7月19日,在2026 WAIC央國企數(shù)智化轉型論壇上,愛分析首席分析師張揚受邀做了題為《從應用領航到數(shù)字員工的范式轉軌》的主題分享。本次論壇由科大訊飛主辦,中國電力建設集團首席信息官吳張建、國家管網(wǎng)集團數(shù)字化部總監(jiān)駱科東、國元證券人工智能團隊負責人于申等央國企代表同場出席,就AI時代央國企數(shù)智化轉型規(guī)劃與實踐,進行了分享與討論。


張揚在分享中指出,過去兩年,央國企的AI落地基本上走完了從觀望到行動的階段,56%的企業(yè)已經(jīng)進入試點,場景也在從通用辦公向核心業(yè)務遷移。但更關鍵的問題是:這一切做完之后,到底創(chuàng)造了多少價值?


根據(jù)愛分析調(diào)研顯示,78%的央國企仍然把降本增效作為AI的首要目標,而國資委要求的價值創(chuàng)造,顯然不只是降本。


張揚判斷,央國企AI正在經(jīng)歷一次范式轉軌,從建應用到養(yǎng)數(shù)字員工。建應用是以項目為單元、交付即終點、逐年折舊;養(yǎng)數(shù)字員工是以能力為單元、持續(xù)運營、按產(chǎn)出衡量。這是兩套完全不同的組織能力和預算邏輯。


以下為張揚的分享實錄。


01、56%已試點,但78%的目標只是降本增效

先看政策。國資委對央企有四大考核維度,價值創(chuàng)造、戰(zhàn)略落實、科技創(chuàng)新、風險合規(guī)。最核心的是價值創(chuàng)造。過去大家理解的價值創(chuàng)造,是凈利潤、經(jīng)濟增加值這些指標。現(xiàn)在越來越看重新的東西,戰(zhàn)略層面的價值、科技帶來的自主創(chuàng)新價值。


再看AI專項行動的五大目標:應用領航、模型躍升、數(shù)據(jù)脈動、智算筑基、開源創(chuàng)新。排第一的是應用領航。這不是排序問題,是一脈相承,正因為考核的核心是價值創(chuàng)造,所以AI落地的重心必須是能直接貢獻業(yè)務產(chǎn)出的應用。


1785135346-11.jpg


那么,現(xiàn)在央國企做到什么程度了?我們每年年初調(diào)研上百家企業(yè),把落地階段分為四個:觀望學習、探索可研、試點速贏、全面推廣。2025年,超過半數(shù)還停在探索可研階段,在跑POC、做技術驗證。到2026年,56%已經(jīng)進入試點速贏,一年一個臺階,速度夠快。


1785135347-22.jpg


場景也明顯在從通用辦公向核心業(yè)務遷移,生產(chǎn)管理成了AI投入最密集的領域。


但深度呢?我們問了兩個問題。第一,你做AI的首要目標是什么?78%回答降本增效。降本增效本身沒錯,但它距離價值創(chuàng)造還有本質差距。降本增效是把現(xiàn)有的事做得更快更省,價值創(chuàng)造是做出原來做不了的事,比如提升業(yè)務的競爭力、把原有業(yè)務往上拔高一層。


第二,你做了哪些場景?絕大多數(shù)仍然是在做預警,安全預警、供應鏈風險識別預警、經(jīng)營分析發(fā)現(xiàn)問題。這些都是在看見問題。但真正解決問題,比如識別出供應鏈風險之后,能不能聯(lián)動調(diào)排產(chǎn)、調(diào)整供應商備選方案、改變庫存結構,這一步還沒做到。


看見問題是有價值的,但只有走到解決問題,閉環(huán)才完成。這就是從建應用到養(yǎng)數(shù)字員工的本質區(qū)別,建應用解決的是看見問題,養(yǎng)數(shù)字員工才能解決問題。


02、失敗原因第一永遠是數(shù)據(jù)質量,但根因是缺行動層

我們調(diào)研的央國企AI項目成功率在70%左右,約三分之二能達到預期。但失敗的原因,跟三年前相比沒什么變化:第一永遠是數(shù)據(jù)與知識質量。這個痛點跟有沒有大模型基本沒關系,央國企長期以來普遍認為自己的數(shù)據(jù)基礎不夠好。


第二是缺乏項目所需的人才和技能。不管是甲方一線的工程師,還是廠商提供的實施團隊,懂業(yè)務又懂AI的復合型人才始終稀缺。


但這兩個歸因還不夠深。更深層的問題是:絕大多數(shù)AI應用,從架構上就沒有進入業(yè)務執(zhí)行環(huán)節(jié)。


1785135348-33.jpg


我們把企業(yè)AI能力分成三層,從看見問題、到認知問題再到行動解決問題。當前幾乎所有的項目都只覆蓋了看見和認知問題,行動層是空的。大模型有概率幻覺,央國企場景要求零容錯,這兩者之間有天然沖突。但沖突的根源不在于模型不夠準,而在于沒有一個行動層,讓AI知道業(yè)務對象是什么、權限邊界在哪里、執(zhí)行之后誰來負責。


央國企下一步需要解決三個問題:數(shù)據(jù)質量、復合人才、行動層。這三個問題,數(shù)字員工這個解法能同時覆蓋。


03、一個工廠,十個工長,十種經(jīng)驗,怎么沉淀成一套系統(tǒng)

行動層怎么建?核心在本體。


本體這個詞聽著學術,用案例來說就很容易理解。央國企大多有生產(chǎn)產(chǎn)線,一線生產(chǎn)是最貼近核心業(yè)務的場景,但恰恰是AI最難滲透的地方。以高爐溫控或者配料控制為例,過去為什么難?


過去走的是建模路線,需要理解業(yè)務機理、建模型。但這套路線在生產(chǎn)現(xiàn)場有兩個死結。第一,數(shù)據(jù)不足。很多工藝環(huán)節(jié)無法獲取數(shù)據(jù),想建模沒素材。第二,真正掌控這些環(huán)節(jié)的人是工長,他的知識全部是隱性的。他看到設備狀態(tài),憑多年積累的經(jīng)驗做判斷。十個工長有十種操作習慣,效果千差萬別,誰對誰錯很難說清。


本體的方式不是建一個通用模型去替代所有工長。而是讓每個工長都積累自己的操作記錄,每天怎么調(diào)參數(shù)、設備數(shù)據(jù)怎么變化、最終結果怎么樣,這些東西被系統(tǒng)地留存下來。當十個工長的經(jīng)驗都沉淀在系統(tǒng)里,面對同樣的爐溫波動,系統(tǒng)能給出多個方案版本,告訴你不同方案可能的結果。工長還是最終決策者,但他的決策來源不再只依賴自己一個人的經(jīng)驗壁壘。


1785135348-44.jpg


這就是漸進式本體的核心邏輯:從一個最高價值的場景扎進去,先讓AI理解業(yè)務對象,再理清對象之間的關系,然后逐步擴大執(zhí)行權限。跑通一個點,再橫向復制。不是先建一個全企業(yè)級的大平臺再去找場景,那又回到建應用的老路上了。


04、組織變革不是從上往下推,是先把任務拆出來

本體是核心,數(shù)據(jù)和知識治理是底座。這個治理體系的核心變化是分工更明確了:集團統(tǒng)一建行業(yè)級和專業(yè)級的語料,二三級應用單位建場景級的知識。因為越是貼近業(yè)務一線的核心信息,集團越難統(tǒng)一。能統(tǒng)一的,是行業(yè)層和專業(yè)層。


但有一個變化是根本性的,也是最容易被低估的,組織怎么變。


過去央國企做組織變革,一定是自上而下:戰(zhàn)略定目標,目標改業(yè)務流程,流程調(diào)崗位設計,崗位配人員。這是科層制的標準動作。但養(yǎng)數(shù)字員工這件事,走不了這條路。你沒法自上而下規(guī)劃一個數(shù)字員工的成長路徑,它是從最底層的具體任務里長出來的。


我們提出一套四層模型,從下往上走。


1785135349-55.jpg


第一層是任務。這是最原始的顆粒度。一個工長每天做的,不是管理生產(chǎn)這個抽象概念,而是控制爐溫、調(diào)整配料比、判斷設備異常,這些具體到不能再具體的工作單元,才是數(shù)字員工最好的切入點。選什么任務?兩個標準:知識密集型、高重復性。


第二層是崗位。當具體任務被數(shù)字員工接手,人類員工做什么?答案是角色變了,從操作者變成數(shù)字員工的創(chuàng)建者和編排者。而且核心的一點是,不能讓數(shù)字員工成為單一物種。一個廠有十個工長,就養(yǎng)十個工長的數(shù)字員工。業(yè)務環(huán)境變了,可能四個不好用了,還有六個。多樣性本身就是抗風險能力。


第三層團隊、第四層組織還在探索期。未來一個人類員工帶著若干數(shù)字員工組隊,硅基和碳基的配比會成為一個新話題。再往后,組織可能從固定部門變成以任務為中心的液態(tài)結構。但當下最值得投入的,是第一層和第二層,把知識密集型、高重復性的核心任務找出來,用數(shù)字員工跑通閉環(huán)。


05、數(shù)字員工的預算,不該只放在IT預算里

最后,我們來聊聊企業(yè)最現(xiàn)實的問題:數(shù)字員工招進來了,怎么管理?怎么考核?錢怎么算?


最后說預算。這個問題被嚴重低估了。


先看數(shù)字。國資委數(shù)據(jù):央企十四五期間數(shù)字化投入累計1.6萬億,十五五預期2萬億以上。分攤下來,僅央企層面每年就有四五千億的數(shù)字化預算。我們調(diào)研顯示,AI預算占其中的20%到30%。保守估算,每年僅央企在AI上的投入在1500億左右。


1785135349-66.jpg


錢不是問題。問題是花法。


過去建應用,是典型的資產(chǎn)買斷邏輯——立項、招標、一次性建設、驗收之后逐年折舊。這是IT預算。但數(shù)字員工不是一次性資產(chǎn)。它每天都在跑、每天都在消耗算力、每天都在產(chǎn)出。它是一個持續(xù)運營的生產(chǎn)力單元。


養(yǎng)數(shù)字員工,預算邏輯應該從資產(chǎn)買斷轉向持續(xù)運營。計費單位會變成Token,日常運行消耗的、能力迭代消耗的、專家知識更新消耗的,都需要持續(xù)投入。哪個業(yè)務部門消耗的Token多、產(chǎn)生的業(yè)務價值大,成本就歸集到哪個部門,誰使用、誰承擔、誰受益。這不是簡單的財務技術調(diào)整,而是一種治理變革。


1785135350-77.jpg


回到開場那句話:應用領航最大的變化,就是范式從建應用變成了養(yǎng)數(shù)字員工。過去以項目為單元、交付即終點。未來以能力為單元,每個崗位都能拆出可數(shù)字化、可沉淀、可復用的能力資產(chǎn)。這是兩套完全不同的組織能力和預算邏輯。



gg_20260512171736_266_20260622170931_179.png

特別推薦
技術文章更多>>
技術白皮書下載更多>>
熱門搜索

關閉

?

關閉