5月15日，九科信息應長城國際之邀進行專題授課，九科信息聯合創始人傅愷為長城國際管理層系統分享了當前AI應用企業級落地的完整方法論。
九科信息聯合創始人——傅愷
分享中，傅愷不僅展示了九科信息在多個行業的標桿實踐成果，更針對國央企AI轉型的特殊要求，提出了極具針對性的建議。分享內容務實、深刻，在提問環節更是受到臺下聽眾的熱烈提問，并獲得了在場領導的一致好評。以下是本次分享的部分精華內容，希望能為正在推進智能化轉型的企業提供有益參考。
（備注：為了閱讀體驗，發布內容經調整，并非原話）
一、越來越多的非技術人員已經在運用各種工具在搭建應用。
如今，越來越多非技術背景的業務人員正在打破“技術壁壘”的限制。無論是營銷、物流還是供應鏈領域，都涌現出了大量“業務+技術”的復合型人才。他們已經能夠熟練運用 AI 編程工具等新一代技術產品，自主搭建業務界面、配置工作流程，將自己最熟悉的那部分業務實現自動化、系統化執行。
在這個過程中，組織內人員的業務能力與技術能力會不斷交互、交織、提升，最終將徹底重塑整個組織的業務形態。過去需要明確的職能分工、多個專業團隊協同才能承載的復雜業務，未來可能只需要一名同時具備深厚業務知識儲備和基礎技術工具使用能力的員工，帶領一群具備不同專業技能的個性化數字員工，就能形成“一人成軍”的高效作戰單元，獨立承擔并完成完整的業務閉環。這正是我們正在親眼見證的、AI時代企業組織的全新形態。
二、未來組織里可能人人都是領導。
在AI的協助下，未來的企業組織里可能人人都會是領導，其區別就是你領導的是人里，有多少個人類員工和數字員工。
我們如今領導層的很多工作，是審核各種業務流程，從而完成一個決策。我們領導層起到一個決定性的作用。而在這個環節里，決策者其實還有另一個隱藏的身份，那便是知識的中心。領導層利用自己更高級的知識與權限來決定工作的下一個方向，這跟人類與AI的協作十分相似。
人類掌握重大決策，而AI完成基礎工作。在這個層面上，人類就會成為該項業務的管理者。TA需要對這個業務未來進行的模式去建議、改造，由此完成對智能體的升級迭代。企業并非在完成某場景的智能化改造后便一勞永逸，如何讓員工去建立一套以數據、以結果為中心，并再以該結果為原點去驅動業務持續優化更是重點。
三、紅線意識必須貫穿國央企AI項目的全生命周期
對于國央企而言，在任何AI項目規劃開始之前，都必須牢牢守住三條紅線，這是保障國央企數字化轉型行穩致遠的根本基礎。
第一條紅線是數據主權。數據不得出境，敏感信息必須本地存儲和處理。具體而言，財務數據、人事信息、戰略規劃等核心數據絕不能出域；在技術選型上應優先選擇私有化部署或國產化云服務；同時必須建立完善的數據分類分級管理制度，對不同敏感級別的數據采取差異化的保護措施。
第二條紅線是決策責任。必須明確AI的建議僅供參考，不替代人工判斷；所有重大決策都必須保留人工審核和簽字確認環節；同時建立完整的決策追溯機制，明確每一個環節的責任主體。
第三條紅線是意識形態。核心要求是AI生成內容必須符合主流價值觀。企業需要建立嚴格的內容審核機制，過濾不當信息。同時定期對AI模型進行價值觀對齊訓練，確保技術發展始終與國家主流意識形態保持一致。
四、當前這一代模型不適合用于直接原生設計，因為它本質上是在“背答案”。
當前這一代大語言模型，并不適合用于直接的原生設計工作，尤其是工程圖紙、三維模型這類專業設計領域。
我們需要先搞清楚大語言模型的本質工作原理。這一代被稱為“大語言模型”的AI，其核心能力是建立在對語言的理解之上的，而語言天生具有順序性和方向性，是前后銜接的線性結構。大模型所謂的“生成”，本質上是一種“背答案”的能力，它通過學習海量的歷史數據，記住了“什么樣的問題對應什么樣的答案”，當你給出一個輸入時，它會從自己的知識庫里找到最匹配的內容進行拼接和重組，然后輸出給你。
這就像我們對對聯，大模型不是真正理解了上聯的意境然后創作下聯，而是記住了歷史上無數副對聯的上下聯對應關系，然后根據上聯的特征拼湊出一個看起來合理的下聯。同樣的道理，現在市面上很多聲稱能“AI生成設計”的工具，無論是生成圖片還是輔助做CAD圖紙，其本質都不是真正的“創造”，而是基于訓練數據中已有的設計案例進行的模仿和拼接。
五、數據治理影響AI產出質量，但現在已經有了新的解法。
很多企業在推進 AI 落地時都會遇到一個共同的痛點：投入大量資源搭建了AI系統，卻發現產出的結果與實際需求相去甚遠。究其根本，往往是因為企業內部積累了大量“臟數據”。這些數據不僅錯誤率高，還分散在郵件、聊天記錄、OA系統等各個角落，沒有形成統一有效的數據資產。
九科信息在服務眾多客戶的過程中，已經探索出了一套行之有效的全新解法。我們服務過一家大型工業制造企業，他們擁有海量的歷史項目數據和圖紙數據，但其中大量數據存在錯誤、缺失和分散的問題，真正有效的綜合成本數據甚至只存在于個人郵件中。
解決方案分為兩步，首先是存量篩選，然后是增量管控。對于歷史久遠的存量數據，不再追求全面治理，而是人工篩選出真正有參考價值的高質量數據作為基礎；從當下開始，為所有新產生的數據建立一套全新的標準和流程。通過部署智能體，對所有在業務系統中流轉的數據進行實時的質量檢查、錯誤攔截和結構化沉淀，同時完整保留每一條數據的來源信息和時間線。
這種方式不僅能快速構建起高質量的新數據資產，還能意外收獲業務流程優化的價值。通過對數據全生命周期的追蹤，企業可以清晰地看到哪些業務活動是有效的，哪些是冗余甚至是浪費的。實踐證明，借助智能化手段建立“邊應用、邊治理”的閉環，是當前企業解決數據質量問題最具性價比的可行路徑。
六、從企業經營角度出發，我們建設的從來不是AI本身，而是通過全面的自動化把人的價值發揮到最大。
AI不是用來取代人的，而是用來放大人類能力的。在傳統的工作模式中，一個員工80%的時間往往都消耗在數據錄入、報表生成、流程審批、信息檢索等機械性事務上，真正能夠用于深度思考、業務創新和客戶服務的時間不足20%。而通過部署數字員工實現全面自動化，我們可以將這一比例徹底反轉：讓數字員工承擔所有標準化、重復性的工作，人類員工則專注于需要判斷力、創造力和同理心的高價值任務。
本次分享是九科信息與長城國際在企業智能化轉型領域的一次深度交流與思想碰撞。未來，九科信息將繼續深耕企業級AI應用賽道，以經過市場驗證的成熟方案，助力更多企業實現數字化轉型的穩步落地。
轉自：中華網
【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65363056。
延伸閱讀
