在2026年企业AI加速落地的背景下，企业AI从学习到驾驭的三阶段成为大型企业数智化转型的核心命题。

用友把落地拆成学习、尝试、驾驭三阶段，多数企业停在尝试期出不了规模。

用友基于438家大型企业调研，把企业AI落地拆成学习、尝试、驾驭三个阶段。多数企业停在尝试期，是因为没跨过数据、融合、人才这道障碍三角。真正到驾驭期，AI才进核心业务、参与决策、在可控边界内自主执行。

学习期，先把认知补齐

学习AI阶段，企业主要做认知更新。理解大模型、生成式AI、智能体这些技术到底能带来什么效率变化。这个阶段该做的，是内部培训、看同行案例、做沙盘推演。坑也很明显，只听不练，热热闹闹开完会，回头该干嘛干嘛。

营收规模是企业AI应用水平的分水岭，大型企业是这场浪潮里的领跑者。但领跑不等于已经驾驭，很多大厂也还停留在学习和尝试。

尝试期，轻量场景验证价值

尝试AI阶段，企业围绕内容生成、智能问答、RPA、辅助分析这些轻量场景做试点，验证局部价值。这一步有必要，能快速让团队看到AI不是噱头。

问题也出在这。不少企业把AI停在外挂式问答上，做个客服机器人、写写文案，热闹一阵就没了。AI没进业务闭环，自然出不了规模。

驾驭期，AI进核心业务

今天的驾驭AI阶段，才是多数企业正在跨越的硬骨头。AI开始融合核心业务流程，连接数据、知识、系统和组织，参与运营、辅助决策、在可控边界内自主执行。

企业软件的形态总结为智能双模。流程执行型软件是企业的肢体，承载交易、核算、审批、合规这些确定性业务，把标准流程跑通、把活动沉淀为数据。智能决策型软件是大脑，负责感知、预测、洞察、决策、规划和有限自主执行。两者不是谁替代谁，而是在统一底座上融合发展。只有放在统一平台和统一数据语义之上，AI才进得了业务闭环，而不是停留在孤立的智能应用。

图：企业软件的“智能双模”

为什么多数企业卡在试点

企业AI落地有五大挑战。数据质量与数据孤岛提及率35.8%，技术与业务融合28.8%，AI人才不足26.7%，投入高与ROI不明确17.4%，模型可解释性不足9.4%。

其中数据、融合、人才构成核心障碍三角。数据治理不足，模型就理解不了企业真实业务。技术和业务脱节，AI停在演示层。复合型人才缺口，拉长从需求到落地的链路。要突破，得同时具备数据治理能力、既懂业务又懂AI的团队、清晰的ROI量化体系。

价值分层，先提效再增收

从已经落地AI场景的287家企业看，价值分层很清楚。运营效率提升占68.6%，决策质量优化41.1%，成本降低35.9%，客户体验改善33.1%，收入增长13.6%，风险管控12.5%。

这说明当前仍以提效降本为主要牵引，但正在向智能决策和价值创造升级。企业真要驾驭AI，得建立从效率指标到经营指标的价值量化体系，不能只算省了多少人工。

从试点到规模，关键在运营制

智能体建设将由项目制转向运营制。企业需要覆盖需求识别、开发测试、发布上线、效果评价、权限调整和应用退出的全生命周期管理。智能体不再是一次性交付的功能，而是持续训练、优化、管理的数字生产力。

组织也会变。企业将逐步出现AI业务专家、智能体运营人员、数据治理人员、安全治理人员这些新角色。AI由少数技术人员的项目，变成全员可参与的组织能力。

常见问题

企业规模小，也要走这三阶段吗？

A：要，只是节奏快。小公司数据和流程简单，学习和尝试可以压缩，但该做的连接和治理不能省。